%0 Dataset
%T SDUST2023BCO：基于多源差分海洋大地测量数据，通过多层感知器神经网络构建的全球海底模型
%J 国家冰川冻土沙漠科学数据中心
%I 国家冰川冻土沙漠科学数据中心(www.ncdc.ac.cn)
%U http://www.ncdc.ac.cn/portal/metadata/89d706f9-b18f-40d6-8890-1ca4297ecdee
%W NCDC
%R 10.5281/zenodo.13341896
%A 郭金运
%K SDUST2023BCO;测量数据;海底模型
%X 本研究采用多层感知器（MLP）神经网络融合多源海洋大地测量数据。构建了一套覆盖180°E–180°W、80°S–80°N，网格分辨率为1′×1′的全球海洋新水深模型——山东科技大学2023全球海图（SDUST2023BCO）。所采用的多源海洋大地测量数据包括：山东科技大学发布的重力异常数据、斯克里普斯海洋研究所发布的垂向重力梯度与垂向偏转数据，以及法国国家空间研究中心发布的平均动力地形数据。首先，基于多源海洋大地测量数据组织MLP模型的输入与输出训练数据；其次，将目标点位的输入数据输入训练完成的MLP模型以获取预测水深；最终构建了覆盖全球海域、分辨率达1′×1′的高精度海底地形模型。通过将SDUST2023BCO模型与船载单波束测深数据以及GEBCO_2023和topo_25.1模型进行对比，评估了该模型的有效性与可靠性。结果表明，SDUST2023BCO模型精确可靠，能有效捕捉并反映全球海洋地形信息。