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.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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.

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