近日，昇思MindSpore團(tuán)隊(duì)、昇騰AI4SCI Lab與清華大學(xué)地球系統(tǒng)科學(xué)系黃小猛教授科研團(tuán)隊(duì)聯(lián)合推出適用于全球區(qū)域的DEM超分模型，同時(shí)發(fā)布了全球3弧秒（90 m）海陸DEM數(shù)據(jù)產(chǎn)品，該成果已發(fā)表于《科學(xué)通報(bào)》（Science Bulletin）上。

該工具首次提供了基于昇騰AI基礎(chǔ)軟硬件平臺(tái)的解決方案，并且在RMSE指標(biāo)、清晰度、細(xì)節(jié)等方面均優(yōu)于目前廣泛采用的超分模型。相關(guān)模型代碼將依托于華為全場景AI框架昇思MindSpore進(jìn)行開源、并將定期擴(kuò)展與維護(hù)，旨在為全球產(chǎn)、學(xué)、研界領(lǐng)域伙伴提供基于昇思MindSpore的優(yōu)質(zhì)的人工智能軟硬件解決方案。

高分辨率數(shù)字高程模型（Digital Elevation Model，簡稱DEM）可提供精準(zhǔn)的基礎(chǔ)地理數(shù)據(jù)，因此在全球氣候變化、海洋潮汐運(yùn)動(dòng)、地球球體物質(zhì)交換等研究領(lǐng)域發(fā)揮著至關(guān)重要的作用。高分辨率全球海洋DEM是海洋地質(zhì)和海洋測繪的前沿分支，為了解海底構(gòu)造運(yùn)動(dòng)、海底演化過程提供直接依據(jù)。但由于技術(shù)限制和測繪成本等原因，獲得高分辨率全球海洋DEM代價(jià)高昂。

本次清華大學(xué)黃小猛課題組基于30 m分辨率的NASADEM衛(wèi)星影像、聯(lián)合國政府間海洋學(xué)委員會(huì)的450 m分辨率GEBCO_2021 公開數(shù)據(jù)和部分區(qū)域高分辨率海洋地形數(shù)據(jù)，采用深度殘差預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)（Transfer Learning）相結(jié)合技術(shù)，構(gòu)建了適用于全球區(qū)域的DEM-SRNet模型，發(fā)布了全球3弧秒（90 m）分辨率海洋和陸地DEM數(shù)據(jù)產(chǎn)品（GDEM_2022）。

該模型依托昇思MindSpore，重建了90m（3弧秒）分辨率的全球DEM影像，對(duì)應(yīng)坐標(biāo)點(diǎn)高程值計(jì)算約933億像素。本研究和鵬城實(shí)驗(yàn)室合作，基于昇思MindSpore、華為昇騰910 AI處理器和華為云ModelArts進(jìn)行實(shí)驗(yàn)。

與目前廣泛采用的基于插值或者其他深度學(xué)習(xí)超分方法對(duì)比，所構(gòu)建模型結(jié)果均優(yōu)于同類方法。與基于插值的傳統(tǒng)方法相比，GDEM_2022產(chǎn)品的RMSE指標(biāo)平均提升23.75%。通過對(duì)比GDEM_2022與GEBCO_2021，發(fā)現(xiàn)GDEM_2022在清晰度和細(xì)節(jié)方面優(yōu)于GEBCO_2021。

本研究再次證明了國產(chǎn)AI軟硬件的可用與好用。該超分模型可以大大減少必要測量的海域或點(diǎn)的數(shù)量，很好地補(bǔ)充了海底的精細(xì)測繪和全球高分辨率海陸DEM地形圖的構(gòu)建。

該成果是首個(gè)分辨率在百米以內(nèi)的全球海陸DEM數(shù)據(jù)集，可以滿足不同領(lǐng)域和不同層次對(duì)海洋測深數(shù)據(jù)的需求，為不同地形復(fù)雜度下全球海陸重力場與地形的關(guān)系、探索不同海陸構(gòu)造單元的均衡機(jī)制、以及海陸地形對(duì)海洋潮流運(yùn)動(dòng)的影響等方面的研究提供重要支撐。

未來，聯(lián)合團(tuán)隊(duì)還會(huì)繼續(xù)發(fā)布?xì)庀蠛Ｑ箢A(yù)報(bào)相關(guān)創(chuàng)新模型，同時(shí)也會(huì)牽手更多的學(xué)術(shù)科研界合作伙伴，期望能夠在海洋、大氣領(lǐng)域上共同探索和進(jìn)步。

全球GDEM_2022數(shù)據(jù)集以5°x5°進(jìn)行劃分，可掃下方二維碼免費(fèi)獲取：

引用

1. Chen L. Deep Learning and Practice with MindSpore[M]. Springer Nature, 2021.

2. Zhang, Bo, Wei Xiong, Muyuan Ma, Mingqing Wang, Dong Wang, Xing Huang, Le Yu et al. Super-resolution reconstruction of a 3 arc-second global DEM dataset[J]. Science bulletin, 2022.

MindSpore官方資料

官方QQ群?:?871543426

官網(wǎng)：https://www.mindspore.cn/

Gitee?:?https://gitee.com/mindspore/mindspore

GitHub?:?https://github.com/mindspore-ai/mindspore

論壇：https://www.hiascend.com/forum/forum-0106101385921175002-1.html

Openl啟智社區(qū)：https://openi.pcl.ac.cn/