将高分辨率可见光影像应用于卫星融池分数反演：一种神经网络方法
大气与海洋物理
2017-04-17 v1 计算机视觉与模式识别
摘要
夏季期间，融池对北极海冰反照率有显著影响。融池分数（MPF）还能在一定时期内预测北极海冰。从卫星数据反演准确的融池分数（MPF）对于北极研究十分重要。本文提出一种基于多层神经网络的卫星MPF反演模型，命名为MPF-NN。我们的模型使用多光谱卫星数据作为模型输入，并将来自多站点、多时期可见光影像的MPF信息作为建模的先验知识。它能有效刻画北极不同区域和时期的融池演化。评估结果表明，使用所提模型从MODIS数据反演的MPF的均方根误差（RMSE）为3.91%，相关系数为0.73。MPF的季节性分布也与先前结果一致。
引用
@article{arxiv.1704.04281,
title = {Applying High-Resolution Visible Imagery to Satellite Melt Pond Fraction Retrieval: A Neural Network Approach},
author = {Qi Liu and Yawen Zhang and Qin Lv and Li Shang},
journal= {arXiv preprint arXiv:1704.04281},
year = {2017}
}