用于SST-SSH协同重建海表动力学的多模态4DVarNet
图像与视频处理
2023-07-19 v2 大气与海洋物理
摘要
由于海表观测的时空采样不规则，海表动力学的重建是一个具有挑战性的反问题。虽然卫星测高提供了海面高度(SSH)的直接观测，其与无散度海表流分量相关，但相关的采样模式阻碍了对精细尺度海表动力学(通常低于10天时间尺度)的获取。相比之下，其他卫星传感器提供了海表示踪剂(如海表温度(SST))的更高分辨率观测。因此多模态反演方案成为一种有吸引力的策略。尽管理论证据支持在特定动力机制下海表温度与海表动力学之间存在显式关系，但推广到上层海洋多样动力机制则很复杂。在此，我们从物理信息学习的角度研究此问题。我们引入了一种可训练的多模态反演方案，用于从多源卫星派生观测中重建海表动力学。所提出的4DVarNet方案将包含可训练观测项和先验项的变分公式与可训练基于梯度的求解器相结合。我们报告了从卫星派生SSH和SST数据重建海表动力学无散度分量的应用。针对墨西哥湾流区域的观测系统模拟实验支持了我们的方法相较于最先进方案的相关性。我们报告了在均方根误差和已分辨时空尺度方面相对于业务化测高产品大于50%的相对改进。我们进一步讨论了所提方法在从不规则采样卫星观测重建和预报地球物理动力学方面的应用与扩展。
引用
@article{arxiv.2207.01372,
title = {Multimodal 4DVarNets for the reconstruction of sea surface dynamics from SST-SSH synergies},
author = {Ronan Fablet and Quentin Febvre and Bertrand Chapron},
journal= {arXiv preprint arXiv:2207.01372},
year = {2023}
}