用于地球物理海洋变量快速可扩展插值的神经场
大气与海洋物理
2022-11-22 v1 人工智能
机器学习
摘要
最优插值（OI）是地球科学中广泛用于插值与重构问题的高度可信算法。随着更多卫星任务的涌入，我们可获取越来越多观测数据，在预报和再分析等应用中利用这些观测数据变得愈发迫切。随着可用数据量增长，可扩展性仍是标准 OI 的问题，使许多从业者无法有效且高效地利用这些海量数据来学习模型超参数。本工作中，我们利用神经场（NerFs）的最新进展作为 OI 框架的替代方案，展示了如何将其轻松应用于物理海洋学中的标准重构问题。我们阐明了 NerFs 通过卫星高度计对海面高度（SSH）稀疏测量进行缺口填充的相关性，并证明 NerFs 具有可扩展性且结果与标准 OI 相当。我们发现 NerFs 是一组可随时应用于地球科学插值问题的实用方法，并预期未来会得到更广泛采用。
引用
@article{arxiv.2211.10444,
title = {Neural Fields for Fast and Scalable Interpolation of Geophysical Ocean Variables},
author = {J. Emmanuel Johnson and Redouane Lguensat and Ronan Fablet and Emmanuel Cosme and Julien Le Sommer},
journal= {arXiv preprint arXiv:2211.10444},
year = {2022}
}
备注
Machine Learning and the Physical Sciences workshop, NeurIPS 2022