|
3 C0 d4 i8 R+ m4 `7 z/ { 近日，清华大学地球系统科学系黄小猛教授科研团队在《科学通报》上发表题为“3弧秒全球DEM数据集的超分辨率重建”的论文，发布了全球3弧秒（90 m）分辨率海洋和陆地DEM数据产品（GEBCO_2021）。 . x" W- Y# s% \ g
4 Z4 ]2 V9 s- y2 k: s, T- x
高分辨率数字高程模型（简称DEM）可提供精准的基础地理数据，因此在全球气候变化、海洋潮汐运动、地球球体物质交换等研究领域发挥着至关重要的作用。但由于技术限制和测绘成本等原因，获得高分辨率全球海洋DEM代价高昂。
/ t" T$ ?$ P; J$ O/ ^+ ^
* _5 \7 i n/ K3 Q% A7 E3 j 黄小猛教授团队的这项研究基于30 m分辨率的美国国家航空航天局DEM卫星影像、联合国政府间海洋学委员会的450 m分辨率GEBCO_2021公开数据和部分区域高分辨率海洋地形数据，采用深度残差预训练神经网络和迁移学习相结合技术，构建了适用于全球区域的DEM-SRNet模型，制作了全球3弧秒（90 m）分辨率的海陆DEM产品GDEM_2022。与目前广泛采用的基于插值或者其他深度学习超分方法对比，所构建模型结果均优于同类方法。与基于插值的传统方法相比，GDEM_2022产品的RMSE指标平均提升23.75%。通过对比GDEM_2022与GEBCO_2021，发现GDEM_2022在清晰度和细节方面优于GEBCO_2021。该研究提出的深度学习超分辨率DEM可以大大减少必要测量的海域或点的数量，很好地补充了海底的精细测绘和全球高分辨率海陆DEM地形图的构建。
. K, t7 d$ ?& C1 R ~1 R! | 该成果可以满足不同领域和不同层次对海洋测深数据的需求，为不同地形复杂度下全球海陆重力场与地形的关系、探索不同海陆构造单元的均衡机制以及海陆地形对海洋潮流运动的影响等方面的研究提供重要支撑。
8 G2 G' S7 [& K: u: E3 G 文/北京青年报记者 雷嘉 , f- j5 T0 G- V4 B, i6 D: I! u7 z: k8 K
编辑/高艳 J6 g) R6 C! u- b2 G. D
. r' h: {# g" w5 l0 t' {! J- l5 J) J$ L) V7 t- [5 L
( t0 i3 F/ K3 P
6 W8 j* z% L* v$ B" |# Q | 
