La IA y los problemas difíciles del mundo · Ciencias de la Tierra y del clima · arXiv · 2026-10-21
Representaciones de redes neuronales continuas y diferenciables de la superficie del mar en la zona de rompientes a partir de nubes de puntos lidar
Título original: Continuous and Differentiable Neural Network Representations of the Surfzone Sea-Surface from Lidar Point Clouds
El lidar de barrido multihaz mide la superficie del mar como nubes de puntos secuenciadas en el tiempo, que normalmente deben reticularse, interpolarse o cartografiarse antes del análisis de olas. Los autores entrenan en cambio una red neuronal SIREN con 60 segundos de datos lidar de un dron que sobrevuela olas rompientes grandes (4 m) en Monterey, California, y obtienen una representación continua, diferenciable y sin rejilla de la superficie del mar que puede evaluarse, junto con sus derivadas, en cualquier lugar y momento. Los errores de SIREN son comparables a los errores de los instrumentos e insensibles a la densidad local de datos, aunque la representación filtra la variabilidad de mayor número de onda, como el splash-up y el roción del mar, y el cálculo de derivadas y la estimación de la velocidad de las olas a partir de un corte espacio-temporal demuestran su potencial para el análisis direccional de olas.