利用时空混合神经网络从SAR图像中恢复Petermann冰川的速度
李宗泽、
莫海梅、
杨乐宝、
钟金松
《Applied Sciences》:Recovery of Petermann Glacier Velocity from SAR Imagery Using a Spatiotemporal Hybrid Neural Network
Zongze Li,
Haimei Mo,
Lebao Yang and
Jinsong Chong
【字体:
大
中
小
】
时间:2026年03月26日
来源:Applied Sciences 2.5
编辑推荐:
摘要
许多研究已经证明了合成孔径雷达(SAR)在监测冰川速度方面的潜力。然而,由于冰川的复杂动态及其表面特征的变化性,即使使用短间隔的SAR图像对得到的速度场也常常存在
摘要
许多研究已经证明了合成孔径雷达(SAR)在监测冰川速度方面的潜力。然而,由于冰川的复杂动态及其表面特征的变化性,即使使用短间隔的SAR图像对得到的速度场也常常存在数据缺失的问题。本研究提出了一种基于时空混合神经网络的冰川速度缺失数据恢复方法来解决这一问题。考虑到冰川速度场的时空特性,开发了一种结合人工神经网络(ANN)和去噪自编码器(DAE)的混合网络。首先使用ANN捕捉与缺失值相关的空间相关性,然后将其与DAE集成,通过时间感知的损失函数来模拟时间变化。在训练过程中,采用迭代加权策略自适应地平衡空间和时间特征。该方法应用于彼得曼冰川的SAR速度场数据。实验结果表明,与传统方法相比,该方法显著提高了冰川速度恢复的准确性。此外,研究还比较和分析了彼得曼冰川在不同季节的速度变化情况,发现该冰川在积累区表现出更明显的季节性差异。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号