减轻气候关键数据集中的遮蔽像素
摘要：使用自然语言处理（NLP）算法对海洋模拟进行训练，以准确重建海表温度（SST）中的掩盖或丢失数据，即全球气候观测系统确定的54个关键气候变量之一。研究表明，Enki模型在重建误差方面多次优于先前采用的图像修复技术，误差减小了一个量级，即使在大多数像素被掩盖的情况下，也能显示出较高的性能。此外，在至少40%掩盖率的真实红外传感器数据上进行的实验显示，重建误差低于已知传感器不确定性（RMSE < ~0.1K）。我们将Enki的成功归因于NLP的注重细节的特性以及现实海表温度模型的输出，这种方法可以扩展到其他遥感变量。该研究证明，基于Enki或类似系统构建的系统，可能是准确估计气候关键数据集中其他缺失或掩盖参数的最佳解决方案，这些数据集对于采样一个快速变化的地球至关重要。
作者：Angelina Agabin (1), J. Xavier Prochaska (1), Peter C. Cornillon (2), Christian E. Buckingham (3) ((1) University of California, Santa Cruz, (2) University of Rhode Island, (3) University of Massachusetts, Dartmouth)
论文ID：2307.09227
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2023-07-19