面向宽幅测高观测的尺度感知神经校准
机器学习
2023-02-15 v2 大气与海洋物理
仪器与探测器
摘要
海面高度（SSH）是监测和研究中尺度海洋表面动力学的关键地球物理参数。数十年来，区域和全球尺度SSH产品的制图一直依赖于天底卫星测高仪，其仅提供SSH的一维沿轨卫星观测。地表水和海洋地形（SWOT）任务部署了一种新传感器，首次获取宽幅二维SSH观测。这为在先前未分辨率的空间尺度上观测海洋提供了新手段。利用SWOT数据的一个关键挑战是将SSH与观测中存在的其他信号分离。本文针对该SWOT校准问题提出一种新颖的基于学习的方法。它利用经过校准的天底测高产品，以及适应SWOT条带几何和不同作用过程结构的尺度空间分解。在监督设定下，我们的方法达到了~1.4cm的当前最优残差误差，同时对从10km到1000km的整个频谱给出校正。
引用
@article{arxiv.2302.04497,
title = {Scale-aware neural calibration for wide swath altimetry observations},
author = {Quentin Febvre and Clément Ubelmann and Julien Le Sommer and Ronan Fablet},
journal= {arXiv preprint arXiv:2302.04497},
year = {2023}
}
备注
8 pages, 7 figures, Preprint