KI und die schwierigen Probleme der Welt · Erd- & Klimawissenschaften · arXiv · 2026-10-21
Kontinuierliche und differenzierbare neuronale Netzwerkrepräsentationen der Meeresoberfläche in der Brandungszone aus Lidar-Punktwolken
Originaltitel: Continuous and Differentiable Neural Network Representations of the Surfzone Sea-Surface from Lidar Point Clouds
Ein Multibeam-Scanning-Lidar misst die Meeresoberfläche als zeitlich sequenzierte Punktwolken, die vor der Wellenanalyse normalerweise gerastert, interpoliert oder kartiert werden müssen. Stattdessen trainieren die Autoren ein SIREN-Neuronales Netz auf 60 Sekunden Lidar-Daten von einer Drohne, die über großen (4 m) brechenden Wellen in Monterey, Kalifornien, schwebt, und erhalten dadurch eine kontinuierliche, differenzierbare, gitterfreie Repräsentation der Meeresoberfläche, die sich zusammen mit ihren Ableitungen an jedem Ort und zu jedem Zeitpunkt auswerten lässt. SIREN-Fehler sind mit Instrumentenfehlern vergleichbar und unempfindlich gegenüber der lokalen Datendichte; allerdings filtert die Repräsentation die Variabilität höchster Wellenzahlen wie Splash-up und Gischt heraus, und die Berechnung von Ableitungen sowie die Schätzung der Wellengeschwindigkeit aus einem Raum-Zeit-Schnitt belegen ihr Potenzial für die richtungsaufgelöste Wellenanalyse.