ieee transactions on geoscience and remote sensing(tgrs)是遥感与地球科学领域国际顶级期刊,重点收录应用于陆地、海洋、大气和空间传感科学与工程理论、概念和技术,以及信息的处理、解释和传播等创新研究成果。
课题组孟钰鑫博士一篇关于海表温度预测的研究工作被遥感领域顶级期刊 ieee tgrs 录用并发表。
论文题目:physical knowledge-enhanced deep neural network for sea surface temperature prediction
作者:yuxin meng; feng gao; eric rigall; ran dong; junyu dong; qian du
海洋学传统研究工作中使用数值模型,通过物理方程来模拟海洋动力学。我们认为,从观测数据中迁移物理知识可以进一步提高数值模型在预测海面温度(sst)方面的准确性。最近,地球遥感观测技术的进步产生了海量的遥感数据。因此,控索利用历史遥感观测数据可以改进和补充传统数值模型的不足。基于此,本文提出了一种将历史观测数据中的物理知识转移至数值模型的sst预测方法。具体来说,使用编码器和生成对抗网络(gan)的组合从观测数据中捕获物理知识。然后将数值模型数据输入到预训练模型中以生成物理知识增强的数据,这些数据可以有效的改进sst预测的精度。实验结果表明,与当前最先进的方法相比,本文所提出的方法显着提高了sst预测准确率。
论文链接: