高分解能コヒーレントライダーを用いた畳み込みニューラルネットワークによる大気温度リモートセンシング

科学分野:

• 大気物理学
• 光学リモートセンシング
• 分光法

背景:

• 正確な大気温度プロファイリングは、天気予報と気候モデリングにとって非常に重要です。
• 温度取得のための従来のライダー方法は、高い信号対雑音比を必要とし、初期パラメータに敏感であることがよくあります。

研究 の 目的:

• 大気温度測定のための1550 nm CHSRLシステムを提案および検証すること。
• レイリー・ブリルアン散乱（RBS）スペクトルからの温度取得を強化するために畳み込みニューラルネットワーク（CNN）を統合すること。

主な方法:

• 帯域幅要件を削減するためにホモダイン検出を利用する1550 nm CHSRLシステムの開発。
• 分子散乱データ補正方法を含む、RBS線形状に影響を与えるシステムパラメータの解析とシミュレーション。
• 従来のフィッティングアルゴリズムの制限を回避して、RBSパワー ทุกอย่างから温度情報を抽出するためのCNNの適用。

主要な成果:

• CHSRLシステムは大気RBSスペクトルを効果的に検出します。
• CNNベースの方法は、初期値への感度や高い信号対雑音比要件を回避し、堅牢性を示します。
• 実験的検証により、2.2 Kという低い温度不確かさを達成し、実現可能性が確認されました。

結論:

• 提案されたCNN統合型1550 nm CHSRLは、大気温度測定のための信頼性が高く精密な方法を提供します。
• このアプローチは、大気リモートセンシングにおける従来のライダー技術よりも大幅な進歩を示しています。
• システムのパフォーマンスは、継続的な実験観測を通じて検証され、その実用的な適用性が実証されました。