利用机器学习预测冰流
机器学习
2019-10-22 v1 大气与海洋物理
地球物理
机器学习
摘要
尽管机器学习在语音识别的序列与空间数据建模以及计算机视觉中取得了显著成功，但其在遥感和气候科学问题中的应用很少被考虑。在本文中，我们展示了来自未来视频帧预测的无监督学习技术，以提高多光谱卫星图像中冰流追踪的精度。随着未来几年冰冻圈数据量的增加，这是机器学习应对气候变化、洪水风险管理和保护淡水资源这一全球挑战的一个有趣且重要的机会。由于全球温度升高的不确定性、降水模式的变化、云层遮挡、由黑碳气溶胶沉积（来自野火或人类化石排放）引起的快速融化和冰川退缩，冰融化未来帧预测和追踪冰动力学的光流存在建模困难。我们表明，与气候科学中的现有方法相比，对抗学习方法有助于提高冰动力学光流追踪的精度。我们提出了一个数据集 IceNet，以鼓励机器学习研究并帮助促进冰冻圈科学和气候变化领域的进一步应用。
引用
@article{arxiv.1910.08922,
title = {Predicting ice flow using machine learning},
author = {Yimeng Min and S. Karthik Mukkavilli and Yoshua Bengio},
journal= {arXiv preprint arXiv:1910.08922},
year = {2019}
}
备注
33rd Conference on Neural Information Processing Systems (NeurIPS), Workshop on Tackling Climate Change with Machine Learning, Vancouver, Canada, 2019