이 논문은 해양 표면 높이(SSH) 보간 문제를 다루고 있다. SSH는 위성 고도계를 통해 측정되지만, 관측에 공백이 발생하므로 완전한 SSH 지도를 생성하는 것이 중요한 과제이다. 저자들은 현실적인 쌍둥이 실험(OSSE)을 설계하여 SSH와 해양 표면 온도(SST) 시뮬레이션 관측을 생성하였다. 이를 바탕으로 주의 기반 인코더-디코더(ABED) 신경망 모델을 제안하였다. ABED는 SSH 관측과 선택적으로 SST 정보를 활용하여 SSH 필드를 보간할 수 있다. 저자들은 ABED를 지도 학습과 비지도 학습 방식으로 학습하고 비교하였다.
SSH 재구성 및 지형류 오차 분석 결과, SST 정보를 활용하면 SSH 재구성 성능이 향상되는 것을 확인하였다. 또한 와류 탐지 분석을 통해 SST를 활용한 방법이 더 현실적인 해양 구조를 복원할 수 있음을 보였다. 저자들은 기존 DUACS 방법과 비교하여 RMSE를 41% 감소시킬 수 있었다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문