ORBIT：基于排序的跨时空信息传输用于全球地表水监测
机器学习
2017-11-17 v1 地球物理
摘要
许多地球科学应用需要高空间分辨率和高时间分辨率的数据，以有效监测各种生态系统资源。由于传感器设计中的实际限制，时空数据集的不同分辨率之间往往存在权衡，因此单一传感器无法单独提供所需信息。文献中已提出多种数据融合方法，主要依赖两个数据集均可用时的各个时间步，利用像素间的局部关系来学习不同分辨率下特征值之间的映射。地球观测数据常受大气扰动影响，存在空间和时间上相关的噪声、离群值和缺失数据，这对从各个时间步的局部邻域学习映射提出了挑战。本文旨在利用像素间与时间无关的全局关系，实现跨不同尺度的鲁棒信息传输。具体而言，我们提出一个新框架 ORBIT（基于排序的信息传输，Ordering Based Information Transfer），利用像素间的相对排序约束来跨时间和尺度传输信息。该框架在全球地表水监测中的有效性通过合成和真实世界数据集得到验证。
引用
@article{arxiv.1711.05799,
title = {ORBIT: Ordering Based Information Transfer Across Space and Time for Global Surface Water Monitoring},
author = {Ankush Khandelwal and Anuj Karpatne and Vipin Kumar},
journal= {arXiv preprint arXiv:1711.05799},
year = {2017}
}