基于深度学习的海面温度重建：应对云层遮挡
计算机视觉与模式识别
2025-05-08 v2
摘要
海面温度（SST）从受云层遮挡影响的卫星图像重建已有三十多年的历史。本文描述了用于填充云遮挡区域的几种机器学习模型，从MODIS Aqua夜间L3图像开始。为解决这一挑战，我们采用卷积神经网络模型（U-net）来重建卫星图像中被云覆盖的部分，同时保持云自由区域中观察值的完整性。我们展示了U-net在使用OI插值算法所需产品方面的卓越精度。我们最佳的体系结构相对于 established gap-filling 方法的均方根误差降低了50%。
引用
@article{arxiv.2412.03413,
title = {Deep Learning for Sea Surface Temperature Reconstruction under Cloud Occlusion},
author = {Andrea Asperti and Ali Aydogdu and Angelo Greco and Fabio Merizzi and Pietro Miraglio and Beniamino Tartufoli and Alessandro Testa and Nadia Pinardi and Paolo Oddo},
journal= {arXiv preprint arXiv:2412.03413},
year = {2025}
}