环绕地球的卫星收集了大量有关地球的水数据，但从这些来源中提取有关海洋、湖泊、河流和溪流的可用信息可能是一项挑战。
犹他州立大学计算机科学家 Pouya Hosseinzadeh 表示：“水资源管理者需要准确的数据来执行水资源管理任务，包括湖泊沿岸区域监测、海平面上升边界变化检测和侵蚀监测。”“但在审查当前部署的卫星数据时，他们面临着权衡，这些卫星会产生高空间或高时间分辨率的补充数据。我们正在尝试整合这些数据以提供更准确的信息。”
各种数据融合方法存在局限性，包括对大气扰动和其他气候因素的敏感性，这些因素可能导致噪声、异常值和丢失数据。
博士生 Hosseinzadeh 和他的导师 Soukaina Filali Boubrahimi 表示，提出的解决方案是水文生成对抗网络(Hydro-GAN)。科学家们与 USU 同事 Ashit Neema、Ayman Nassar 和 Shah Muhammad Hamdi 一起开发了 Hydro-GAN 模型，并在《水资源研究》在线期刊上描述了该工具。
USU 计算机科学系助理教授 Filali Boubrahimi 表示，Hydro-GAN 是一种基于机器学习的新型方法，可将低分辨率的可用卫星数据映射到高分辨率的数据对应物。
“在我们的论文中，我们描述了 MODIS(Terra 地球观测系统卫星上的光谱辐射计)和 Landsat 8 卫星收集的数据的整合，这两者都具有不同的空间和时间分辨率，”她说。“我们正试图通过从这些卫星收集的图像生成新的数据样本来弥补这一差距，从而提高水边界形状的分辨率。”
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！