Краткое содержание

arXiv:2509.08571v2 Тип объявления: замена Аннотация: Точные карты подледного ложа Гренландии имеют решающее значение для прогнозирования уровня моря, однако радиолокационные наблюдения редки и неравномерны. Мы представляем GraphTopoNet — фреймворк на основе графового обучения, который объединяет разнородные источники данных и явно моделирует неопределенность с помощью метода Монте-Карло Dropout. Пространственные графы, построенные по поверхностным наблюдаемым величинам (высота над уровнем моря, скорость движения льда, баланс массы), дополняются градиентными признаками и полиномиальными трендами для учета как локальной изменчивости, так и общей структуры рельефа. Для обработки пробелов в данных мы используем гибридную функцию потерь, объединяющую доверительно-взвешенное радиолокационное обучение с динамически сбалансированной регуляризацией. Примененный к трем регионам Гренландии, GraphTopoNet превосходит методы интерполяции, свёрточных нейросетей и других методов на основе графов, снижая ошибку до 60 процентов при сохранении мелких деталей ледниковых особенностей. Полученные карты дна улучшают надежность оперативного моделирования, поддерживая агентства, занимающиеся климатическим прогнозированием и политикой.