研究人员开发了WaveDINO，一种新颖的小波去噪框架，用于处理InSAR干涉图，这些干涉图经常受到大气相位延迟的干扰。这种基于学习的方法利用混合训练策略，结合了合成形变和真实大气噪声，并以DINOv3基础模型特征和地形信息为条件。WaveDINO在智利和意大利火山地区的测试中，与现有方法相比表现更优，与GNSS测量的一致性提高了19%，并优于基于天气模型的方法。 AI
影响 这项研究展示了基础模型在改进地球物理数据处理方面的新应用，有望提高火山形变监测的准确性。
排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了一种用于InSAR干涉图大气校正的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.16795v1 Announce Type: new Abstract: Interferometric Synthetic Aperture Radar (InSAR) enables effective monitoring of volcanic deformation; however, the observed signals are often corrupted by atmospheric phase delays, seasonal surface changes, and decorrelation effect…
Interferometric Synthetic Aperture Radar (InSAR) enables effective monitoring of volcanic deformation; however, the observed signals are often corrupted by atmospheric phase delays, seasonal surface changes, and decorrelation effects. Existing atmospheric correction methods, such…