基于 L 带被动微波辐射的景观冻融循环检索的自编码器架构
机器学习
2024-07-08 v1 计算机视觉与模式识别
摘要
估计北半球地表和土壤冻融（FT）动态对于理解全球变暖下永久冻土的响应以及区域和全球碳预算的变化至关重要。本文提出了一个新的框架，用于基于深度卷积自编码器神经网络的 L 带微波辐射进行地表 FT 循环检索。该框架将地表 FT 循环检索定义为一个时间序列异常检测问题，其中冻结状态被视为正常状态，解冻状态被视为异常。通过对亮度温度（TB）时间序列进行监督式重构来实现对 FT 循环的概率性检索，该框架采用对比损失函数，以最小化（最大化）对应冬季（夏季）峰值的重构误差。利用来自 Soil Moisture Active Passive（SMAP）卫星的数据，演示了该框架能够学习在不同地表类型上隔离 FT 状态，这些类型与雪盖、湖冰现象和植被冠层的辐射特征具有不同的复杂度。在阿拉斯加地区，对比传统方法（即对归一化偏振比进行阈值化处理）所得结果，评估了检索结果的一致性，显示其不确定性显著降低。
引用
@article{arxiv.2407.04119,
title = {An Autoencoder Architecture for L-band Passive Microwave Retrieval of Landscape Freeze-Thaw Cycle},
author = {Divya Kumawat and Ardeshir Ebtehaj and Xiaolan Xu and Andreas Colliander and Vipin Kumar},
journal= {arXiv preprint arXiv:2407.04119},
year = {2024}
}