論文の概要: Unsupervised Learning of Sea Surface Height Interpolation from
Multi-variate Simulated Satellite Observations
- arxiv url: http://arxiv.org/abs/2310.07626v1
- Date: Wed, 11 Oct 2023 16:09:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 21:50:03.481760
- Title: Unsupervised Learning of Sea Surface Height Interpolation from
Multi-variate Simulated Satellite Observations
- Title(参考訳): 多変量衛星観測による海面高度補間の教師なし学習
- Authors: Theo Archambault, Arthur Filoche, Anastase Charantonis, Dominique
Bereziat, Sylvie Thiria
- Abstract要約: 本研究では,海面温度(SST)情報を利用する深層学習ネットワークと,2つの設定でトレーニング可能な学習ネットワークを導入する。
我々は,SSH再建の質を評価し,エジィ検出と物理的特性の観点からネットワークの性能を評価する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Satellite-based remote sensing missions have revolutionized our understanding
of the Ocean state and dynamics. Among them, spaceborne altimetry provides
valuable measurements of Sea Surface Height (SSH), which is used to estimate
surface geostrophic currents. However, due to the sensor technology employed,
important gaps occur in SSH observations. Complete SSH maps are produced by the
altimetry community using linear Optimal Interpolations (OI) such as the
widely-used Data Unification and Altimeter Combination System (DUACS). However,
OI is known for producing overly smooth fields and thus misses some
mesostructures and eddies. On the other hand, Sea Surface Temperature (SST)
products have much higher data coverage and SST is physically linked to
geostrophic currents through advection. We design a realistic twin experiment
to emulate the satellite observations of SSH and SST to evaluate interpolation
methods. We introduce a deep learning network able to use SST information, and
a trainable in two settings: one where we have no access to ground truth during
training and one where it is accessible. Our investigation involves a
comparative analysis of the aforementioned network when trained using either
supervised or unsupervised loss functions. We assess the quality of SSH
reconstructions and further evaluate the network's performance in terms of eddy
detection and physical properties. We find that it is possible, even in an
unsupervised setting to use SST to improve reconstruction performance compared
to SST-agnostic interpolations. We compare our reconstructions to DUACS's and
report a decrease of 41\% in terms of root mean squared error.
- Abstract(参考訳): 衛星によるリモートセンシングミッションは、海洋の状態と力学の理解に革命をもたらした。
その中には、海面高度(ssh、sea surface height)の貴重な測定方法があり、地表の地磁気流の推定に用いられる。
しかし、センサ技術が採用されているため、SSH観測において重要なギャップが生じる。
完全SSHマップは、広く使われているデータ統一と高度結合システム(DUACS)のような線形最適補間(OI)を用いて、高度コミュニティによって作成される。
しかし、OIは過度に滑らかな畑を作ることで知られており、そのためいくつかのメソ構造や渦を見逃している。
一方、海面温度(SST)製品は、データカバレッジがはるかに高く、SSTは、対流によって地栄養的な電流と物理的に結びついている。
我々は、SSHとSSTの衛星観測をエミュレートし、補間法を評価するために、現実的な双対実験を設計する。
我々は、SST情報を利用することができるディープラーニングネットワークと、トレーニング中に地上の真理にアクセスできないものと、それにアクセス可能なものとの2つの設定でトレーニングできるネットワークを導入する。
本研究は、上記ネットワークを教師付きまたは教師なしの損失関数を用いてトレーニングした場合に比較分析する。
我々は,SSH再構成の品質を評価し,エジィ検出および物理的特性の観点からネットワークの性能をさらに評価する。
教師なし設定でも,SST非依存補間と比較して再構成性能を向上させることが可能である。
我々はduacsの再構成をduacsと比較し,根平均二乗誤差で41\%の低下を報告した。
関連論文リスト
- Transforming Observations of Ocean Temperature with a Deep Convolutional
Residual Regressive Neural Network [0.0]
海面温度(SST)は、地上の真理、リモートセンシング、ハイブリッドモデル手法を通じて測定できる、必須の気候変動である。
ここでは,20世紀後半から21世紀初頭にかけてのいくつかの技術進歩を応用して,SST監視の進展を祝福する。
本研究では, AMSR-E と MODIS を高分解能に融合させるため, 既存の水循環観測フレームワークである Flux to Flow (F2F) を開発した。
我々のニューラルネットワークアーキテクチャは、深い畳み込み残留回帰ニューラルネットワークに制約されている。
論文 参考訳(メタデータ) (2023-06-16T17:35:11Z) - Scale-aware neural calibration for wide swath altimetry observations [0.0]
海面高度 (SSH) はメソスケールの海面力学を観測・研究するための重要な物理パラメータである。
数十年間、SSH製品の地域規模と世界規模でのマッピングは、ナディル衛星高度計に依存してきた。
表面水と海洋地形(SWOT)ミッションは、SSHの広視野2次元観測を初めて取得する新しいセンサーを配備する。
論文 参考訳(メタデータ) (2023-02-09T08:46:40Z) - Land Use Prediction using Electro-Optical to SAR Few-Shot Transfer
Learning [16.71560262537924]
深層学習法は、電気光学(EO)や合成開口レーダ(SAR)画像などの異なる衛星モードの分析を容易にする。
ニューラルネットワーク埋め込みの分布アライメントは,スライスされたワッサーシュタイン距離(SWD)損失を用いて,強力な伝達学習モデルを生成することができることを示す。
数ショットのローカル気候ゾーン(LCZ)予測への応用として、これらのネットワークは、多数のクラスを持つデータセット上で、複数の共通ベースラインより優れていることを示す。
論文 参考訳(メタデータ) (2022-12-04T22:41:25Z) - Tensor Decompositions for Hyperspectral Data Processing in Remote
Sensing: A Comprehensive Review [85.36368666877412]
ハイパースペクトル(HS)リモートセンシング(RS)イメージングは、地球表面の観測と分析のためにかなりの量の空間的およびスペクトル的情報を提供している。
近年のHS RS技術の進歩と革命は、様々な応用の可能性を実現する機会を与えている。
3次元HS固有の構造が維持されているため、テンソル分解はHSデータ処理タスクにおける幅広い関心や研究を引き起こしている。
論文 参考訳(メタデータ) (2022-05-13T00:39:23Z) - Investigating Temporal Convolutional Neural Networks for Satellite Image
Time Series Classification: A survey [0.0]
時間的CNNは、SITS分類タスクに採用され、結果を奨励している。
本稿では,本手法をSITS分類の多くの現代的手法と比較し,近年の文献における既存の知見の検証を試みる。
2つのベンチマークSITSデータセットで実験を行い、Temporal CNNが比較ベンチマークアルゴリズムよりも優れた性能を示すことを示した。
論文 参考訳(メタデータ) (2022-04-13T14:08:14Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳(メタデータ) (2022-03-11T16:14:14Z) - Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。
大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。
低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
論文 参考訳(メタデータ) (2021-10-28T14:12:10Z) - Unsupervised Scale-consistent Depth Learning from Video [131.3074342883371]
本研究では,単眼深度推定器SC-Depthを提案する。
スケール一貫性予測の能力により,我々の単分子学習深層ネットワークは簡単にORB-SLAM2システムに統合可能であることを示す。
提案したハイブリッドPseudo-RGBD SLAMは、KITTIにおいて魅力的な結果を示し、追加のトレーニングなしでKAISTデータセットにうまく一般化する。
論文 参考訳(メタデータ) (2021-05-25T02:17:56Z) - Understanding Self-supervised Learning with Dual Deep Networks [74.92916579635336]
本稿では,2組の深層ReLUネットワークを用いたコントラスト型自己教師学習(SSL)手法を理解するための新しい枠組みを提案する。
種々の損失関数を持つSimCLRの各SGD更新において、各層の重みは共分散演算子によって更新されることを示す。
共分散演算子の役割と、そのようなプロセスでどのような特徴が学習されるかをさらに研究するために、我々は、階層的潜在木モデル(HLTM)を用いて、データ生成および増大過程をモデル化する。
論文 参考訳(メタデータ) (2020-10-01T17:51:49Z) - Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral
Super-Resolution [79.97180849505294]
本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。
3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
論文 参考訳(メタデータ) (2020-07-10T08:08:20Z) - Filtering Internal Tides From Wide-Swath Altimeter Data Using
Convolutional Neural Networks [9.541153192112194]
本稿では畳み込みニューラルネットワーク(ConvNets)を用いて、内潮信号のないフィールドを推定する。
また,海面温度(SST)などの他の海面変数からの追加データについても検討した。
論文 参考訳(メタデータ) (2020-05-03T14:02:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。