科研進(jìn)展
物理約束下的深度學(xué)習(xí)框架估算AVHRR積雪面積比例研究取得新進(jìn)展
積雪面積是許多水文和氣候模型的重要輸入，對(duì)于研究全球氣候和水文至關(guān)重要。中國科學(xué)院西北生態(tài)環(huán)境資源研究院積雪遙感研究團(tuán)隊(duì)提出了一種新的物理約束下的深度學(xué)習(xí)框架，來反演基于先進(jìn)的甚高分辨率輻射計(jì)（AVHRR）積雪面積比例（SCF）算法，并開發(fā)出一種新型深度學(xué)習(xí)框架模型ART－DL SCF模型。
通過結(jié)合積雪輻射傳輸模型（ART），AVHRR表面反射率數(shù)據(jù)反演北半球SCF。新模型使用 Landsat 5積雪圖像作為參考SCF，將ART模型反演的積雪反照率作為物理約束納入相關(guān)的積雪識(shí)別參數(shù)中。
與Landsat參考SCF的綜合驗(yàn)證結(jié)果顯示，整體準(zhǔn)確率為90.20％，錯(cuò)分誤差和漏分誤差均在10％以下。值得注意的是，引入物理約束既提高了模型的準(zhǔn)確性和穩(wěn)定性，又減輕了低估問題。與沒有物理約束的模型相比，ART－DL SCF模型的均方根誤差顯著降低了4.79個(gè)百分點(diǎn)，平均絕對(duì)誤差降低了5.35個(gè)百分點(diǎn)。這些準(zhǔn)確度明顯高于歐洲空間局?。‥SA） 目前可用的 SnowCCI AVHRR產(chǎn)品。
此外，該模型表現(xiàn)出很強(qiáng)的時(shí)空泛化能力，并且在森林地區(qū)表現(xiàn)良好。本研究提出了一種結(jié)合深度學(xué)習(xí)的物理模型來反演SCF，可以更好地服務(wù)于全球氣候、水文和其他相關(guān)研究。
該成果以Estimating AVHRR snow cover fraction by coupling physical constraints into a deep learning framework為題，在線發(fā)表于ISPRS Journal of Photogrammetry and Remote Sensing期刊上。西北研究院博士研究生趙琴為論文第一作者，郝曉華研究員為論文通訊作者。蘭州大學(xué)、蘭州交通大學(xué)共同參與該研究。該研究得到國家自然科學(xué)基金杰出青年基金、聯(lián)合基金、冰凍圈科學(xué)與凍土工程國家重點(diǎn)實(shí)驗(yàn)室項(xiàng)目的聯(lián)合資助。
文章鏈接：https：／／www．sciencedirect．com／science／article／abs／pii／S0924271624003265
圖1．?本研究模型開發(fā)框架（a為物理約束過程，包括條件的產(chǎn)生與約束；b為深度學(xué)習(xí)模型的輸入數(shù)據(jù)；c為構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模型框架）
圖2 研究產(chǎn)品與歐空局的產(chǎn)品對(duì)比
圖3． 不同輸入?yún)?shù)的模型誤差驗(yàn)證（a）與二元驗(yàn)證（b）的比較
圖4． 1988年11月18日的北半球積雪面積比例（SCF）和積雪面積二值（SCE）和產(chǎn)品示意圖
