IEEE Transactions on Geoscience and Remote Sensing（TGRS）是遙感與地球科學領(lǐng)域國際頂級期刊，重點收錄應(yīng)用于陸地、海洋、大氣和空間傳感科學與工程理論、概念和技術(shù)，以及信息的處理、解釋和傳播等創(chuàng)新研究成果。

　　課題組孟鈺鑫博士一篇關(guān)于海表溫度預測的研究工作被遙感領(lǐng)域頂級期刊 IEEE TGRS 錄用并發(fā)表。

論文題目：Physical Knowledge-Enhanced Deep Neural Network for Sea Surface Temperature Prediction

　　作者：Yuxin Meng; Feng Gao; Eric Rigall; Ran Dong; Junyu Dong; Qian Du

海洋學傳統(tǒng)研究工作中使用數(shù)值模型，通過物理方程來模擬海洋動力學。我們認為，從觀測數(shù)據(jù)中遷移物理知識可以進一步提高數(shù)值模型在預測海面溫度（SST）方面的準確性。最近，地球遙感觀測技術(shù)的進步產(chǎn)生了海量的遙感數(shù)據(jù)。因此，控索利用歷史遙感觀測數(shù)據(jù)可以改進和補充傳統(tǒng)數(shù)值模型的不足?；诖?，本文提出了一種將歷史觀測數(shù)據(jù)中的物理知識轉(zhuǎn)移至數(shù)值模型的SST預測方法。具體來說，使用編碼器和生成對抗網(wǎng)絡(luò)（GAN）的組合從觀測數(shù)據(jù)中捕獲物理知識。然后將數(shù)值模型數(shù)據(jù)輸入到預訓練模型中以生成物理知識增強的數(shù)據(jù)，這些數(shù)據(jù)可以有效的改進SST預測的精度。實驗結(jié)果表明，與當前最先進的方法相比，本文所提出的方法顯著提高了SST預測準確率。

　　論文鏈接：https://ieeexplore.ieee.org/document/10068549