用于泛北极海冰浓度制图与不确定性估计的贝叶斯变换器——利用 Sentinel-1、RCM 和 AMSR2 数据
计算机视觉与模式识别
2025-10-01 v1 机器学习
摘要
尽管高分辨率的泛北极海冰制图以及可靠的相应不确定性对操作性的海冰浓度（SIC）制图至关重要，但由于一些关键挑战，这是一项困难任务，例如冰信号特征的微妙性、模型不确定性和数据异质性。本信提出了一种用于泛北极 SIC 制图和不确定性量化的新型贝叶斯变换器方法，利用 Sentinel-1、RADARSAT 星座任务（RCM）和先进微波扫描辐射计 2（AMSR2）数据。首先，为改进特征提取，我们设计了一种新型高分辨率变换器模型，包含全局和局部模块，能够更好地辨别海冰模式之间的细微差异。其次，为改进不确定性量化，我们设计了所提出变换器模型的贝叶斯扩展，将其参数视为随机变量以更有效地捕捉不确定性。第三，为解决数据异质性，我们在决策层面融合三种不同类型的数据（Sentinel-1、RCM 和 AMSR2），以改进 SIC 制图和不确定性量化。所提出的方法在 2021 年 9 月的泛北极数据集上进行了测试，结果表明所提出的模型能够与其他不确定性量化方法相比，同时实现高分辨率 SIC 地图和鲁棒的不确定性地图。
引用
@article{arxiv.2509.25437,
title = {Bayesian Transformer for Pan-Arctic Sea Ice Concentration Mapping and Uncertainty Estimation using Sentinel-1, RCM, and AMSR2 Data},
author = {Mabel Heffring and Lincoln Linlin Xu},
journal= {arXiv preprint arXiv:2509.25437},
year = {2025}
}
备注
5 pages, 4 figures