基于ICESat-2 ATL03数据的可扩展高分辨率极地海冰分类与干舷计算
机器学习
2025-02-06 v1
摘要
美国国家航空航天局的ICESat-2 (IS2) 是一颗测量高分辨率表面高程的对地观测卫星。IS2的ATL07和ATL10海冰高程与干舷产品由10米至200米的片段组成，这些片段聚合了来自原始ATL03（地理定位光子）数据的150个信号光子。这些聚合产品可能会高估局部海面高度，从而低估干舷（海冰高于海面的高度）的计算结果。为获得更高分辨率的海面高度和干舷信息，本工作采用2米窗口对ATL03数据进行重采样。然后，我们使用深度学习方法（长短期记忆和多层感知器模型）将这些2米片段分类为厚冰、薄冰和开阔水域。为获取用于训练深度学习模型的标注数据，我们利用在空间和时间上与IS2轨道重叠的分割后的Sentinel-2 (S2) 多光谱影像对IS2数据进行自动标注，随后在不同冰/水类型过渡区域或多云区域进行一些人工修正。我们使用PySpark为这种自动标注部署了一个并行工作流以实现扩展，并取得了9倍的数据加载加速和16.25倍的MapReduce加速。为训练模型，我们在DGX A100 8 GPU集群上采用基于Horovod的分布式深度学习工作流，实现了7.25倍的加速。接着，我们基于开阔水域片段计算局部海面高度。最后，我们利用推导出的局部海平面扩展干舷计算，并实现了8.54倍的数据加载加速和15.7倍的MapReduce加速。与ATL07（局部海平面）和ATL10（干舷）数据产品相比，我们的结果显示出更高的分辨率和准确率（96.56%）。
引用
@article{arxiv.2502.02700,
title = {Scalable Higher Resolution Polar Sea Ice Classification and Freeboard Calculation from ICESat-2 ATL03 Data},
author = {Jurdana Masuma Iqrah and Younghyun Koo and Wei Wang and Hongjie Xie and Sushil K. Prasad},
journal= {arXiv preprint arXiv:2502.02700},
year = {2025}
}