Using Convolutional Neural Network in geophysics: wind field evaluation from satellite SAR images
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 41
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DSAI01_030
تاریخ نمایه سازی: 4 تیر 1403
چکیده مقاله:
This contribution is aimed to show one of the several rising applications of theArtificial Intelligence in geophysics, i.e. the computation of surface wind speed over the seafrom satellite Synthetic Aperture Radar (SAR) images. The area of interest is on the SvalbardArchipelago in the Arctic Sea. In this area, the deep learning methodology based on a residualneural network (ResNet), developed to retrieve wind directions from SAR at grid size ≤ ۱km without external information, has been associated with a robust methodology of textureanalysis to detect the presence of sea ice over the sea, as the wind can be estimated only overthe water. Avoiding to illustrate technical details concerning the ResNet and texture analysismethodologies, this contribution is focused on showing, as example, a SAR derived wind field inthe area of interest obtained using ResNet and texture analysis.
کلیدواژه ها:
نویسندگان
Stefano Zecehetto
Faculty of Intelligent Systems Engineering and Data Science, Persian Gulf University, Bushehr, Iran
Ahmad Keshavarz
Faculty of Intelligent Systems Engineering and Data Science, Persian Gulf University, Bushehr, Iran
Parsa Shamsaddini
Faculty of Intelligent Systems Engineering and Data Science, Persian Gulf University, Bushehr, Iran