面向不完整层迹线的内部冰层厚度物理条件合成

雷达成像的内部冰层提供了积雪积累和冰动力学的重要证据，但由于分辨率有限、传感器噪声和信号丢失，雷达导出的层边界观测通常不完整，存在不连续的迹线，有时甚至完全缺失层。现有的基于图的冰层地层模型通常假设层剖面足够完整，并专注于从可靠追踪的浅层预测深层厚度。在这项工作中，我们通过以物理气候模型同步的共置物理特征为条件，从不完整的雷达导出层迹合成完整的冰层厚度注释，从而解决层补全问题本身。所提出的网络结合了几何学习以聚合层内空间上下文，以及一个基于 Transformer 的时间模块，该模块跨层传播信息以鼓励连贯的地层结构和一致的厚度演变。为了从不完整的监督中学习，我们优化了一个掩码感知的鲁棒回归目标，该目标仅在观测到的厚度值处评估误差，并按有效条目数进行归一化，从而在不同稀疏度下实现稳定训练，无需插补，并将补全引导至物理上合理的值。该模型在可用处保留观测厚度，仅推断缺失区域，恢复碎片化片段甚至完全缺失的层，同时保持与测量迹线的一致性。作为额外的好处，合成的厚度堆栈为下游的深层预测器提供了有效的预训练监督，与在相同完全追踪数据上从头训练相比，提高了微调精度。