環(huán)繞地球的衛(wèi)星收集了大量有關(guān)地球的水數(shù)據(jù)，但從這些來源中提取有關(guān)海洋、湖泊、河流和溪流的可用信息可能是一項挑戰(zhàn)。
猶他州立大學計算機科學家 Pouya Hosseinzadeh 表示：“水資源管理者需要準確的數(shù)據(jù)來執(zhí)行水資源管理任務(wù)，包括湖泊沿岸區(qū)域監(jiān)測、海平面上升邊界變化檢測和侵蝕監(jiān)測。”“但在審查當前部署的衛(wèi)星數(shù)據(jù)時，他們面臨著權(quán)衡，這些衛(wèi)星會產(chǎn)生高空間或高時間分辨率的補充數(shù)據(jù)。我們正在嘗試整合這些數(shù)據(jù)以提供更準確的信息。”
各種數(shù)據(jù)融合方法存在局限性，包括對大氣擾動和其他氣候因素的敏感性，這些因素可能導(dǎo)致噪聲、異常值和丟失數(shù)據(jù)。
博士生 Hosseinzadeh 和他的導(dǎo)師 Soukaina Filali Boubrahimi 表示，提出的解決方案是水文生成對抗網(wǎng)絡(luò)(Hydro-GAN)?？茖W家們與 USU 同事 Ashit Neema、Ayman Nassar 和 Shah Muhammad Hamdi 一起開發(fā)了 Hydro-GAN 模型，并在《水資源研究》在線期刊上描述了該工具。
USU 計算機科學系助理教授 Filali Boubrahimi 表示，Hydro-GAN 是一種基于機器學習的新型方法，可將低分辨率的可用衛(wèi)星數(shù)據(jù)映射到高分辨率的數(shù)據(jù)對應(yīng)物。
“在我們的論文中，我們描述了 MODIS(Terra 地球觀測系統(tǒng)衛(wèi)星上的光譜輻射計)和 Landsat 8 衛(wèi)星收集的數(shù)據(jù)的整合，這兩者都具有不同的空間和時間分辨率，”她說。“我們正試圖通過從這些衛(wèi)星收集的圖像生成新的數(shù)據(jù)樣本來彌補這一差距，從而提高水邊界形狀的分辨率。”
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！