A method combining temporal causality with multi-scale spatiotemporal feature encoding for sea ice concentration forecasting
Cet article propose STICEnet, un modèle d'apprentissage profond basé sur l'architecture U-Net qui intègre un mécanisme de coordination encodeur-décodeur temporel avec un encodage de caractéristiques spatio-temporelles multi-échelles et une attention hybride afin d'améliorer significativement la précision des prévisions de la concentration de la glace de mer en Arctique pour des échéances de 1 à 6 mois.