基于深度学习方法由西非海表反射率建模叶绿素-a:多种算法比较
神经与进化计算
2019-12-12 v1 信息检索
图像与视频处理
摘要
深度学习在许多领域已有成功应用。近来,机器学习被用于海洋遥感应用。在本研究中,我们使用并比较约八(8)种深度学习估计器来反演浮游植物的主要色素。依据水体类型及在多平台上同时观测地球的多种仪器,采用若干算法由海洋反射率估算叶绿素-a。通过使用 MODIS、SeaWifs、VIIRS、MERIS 等长期的卫星海洋水色多传感器时间序列,我们构建了一个独特的深度网络模型,能够建立西非上空任意测量卫星传感器的海表反射率与叶绿素-a 之间的关系。这些数据的融合考虑了水体类型与仪器间的偏差。我们构建了若干基于深度学习的叶绿素-a 浓度预测模型,对其比较并因而采用最优者用于本研究。训练与测试的精度结果均相当好。平均绝对误差非常低,介于 0.07 至 0.13 mg/m3 之间。
引用
@article{arxiv.1912.03216,
title = {Modeling the Chlorophyll-a from Sea Surface Reflectance in West Africa by Deep Learning Methods: A Comparison of Multiple Algorithms},
author = {Daouda Diouf and Djibril Seck},
journal= {arXiv preprint arXiv:1912.03216},
year = {2019}
}
备注
8 pages, 4 figures, 1 table