基于循环图卷积网络的机载雷达积雪时空预测
机器学习
2023-06-26 v2 信号处理
摘要
随着我们应对气候变化和全球大气温度上升的影响，对年积雪量的准确预测与估算变得愈发重要。机载雷达传感器（如 Snow Radar）能够在大规模上测量积雪速率模式，并监测持续气候变化对格陵兰岛降水和径流的影响。Snow Radar 使用的超宽带使其具有精细的垂直分辨率，有助于捕捉冰内层次。给定利用雷达数据得到的往年积雪量，本文提出一种基于循环图卷积网络的机器学习模型，用于预测某特定位置最近连续年份的积雪量。我们发现该模型比同等的非几何与非时间模型表现更好且更具一致性。
引用
@article{arxiv.2302.00817,
title = {Recurrent Graph Convolutional Networks for Spatiotemporal Prediction of Snow Accumulation Using Airborne Radar},
author = {Benjamin Zalatan and Maryam Rahnemoonfar},
journal= {arXiv preprint arXiv:2302.00817},
year = {2023}
}
备注
Accepted to IEEE Radar Conference 2023. 6 pages, 4 figures, 2 tables