相关实验视频
Updated: Jun 12, 2025
06:48
Surface Mapping of Earth-like Exoplanets using Single Point Light Curves
Published on: May 10, 2020
3.5K
基于MODIS和MERRA-2数据的基于CALIPSO的气溶灭绝概况估计,使用变压器和CNN的混合模型
Yang Zhen1, Xin Yang2, Hong Tang1
1State Key Laboratory of Remote Sensing Science, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China; Beijing Key Laboratory for Remote Sensing of Environment and Digital Cities, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China.
The Science of the total environment
|September 21, 2024
概括
这项研究介绍了AproNet,一种使用变压器和CNN的混合人工智能模型,用于从卫星数据中估计气溶灭绝概况. 它提高了对大气污染和气候影响的理解.
科学领域:
- 大气科学 大气科学
- 遥感 遥感 遥感 遥感
- 人工智能的人工智能
背景情况:
- 准确的气溶垂直分布对于气候和污染研究至关重要.
- 被动遥感提供气溶层高度 (ALH),但与详细的垂直配置文件扎.
- 从被动数据中估计气溶灭绝概况 (AEP) 仍然是一个挑战.
研究的目的:
- 从被动多谱遥感数据开发一种用于估计AEP的新方法.
- 提高气溶垂直分布信息的准确性和可靠性.
- 提高对气溶辐射效应和大气污染的理解.
主要方法:
- 结合变压器和卷积神经网络 (CNN) 的混合模型被命名为 AproNet.
- 该模型使用活跃空间载体激光雷达 (CALIPSO) 数据作为监督信息进行训练.
- 将形状不变损失 (SIL) 和场景感知损失 (SAL) 纳入,以改进AEP的形状捕获和模型概括.
主要成果:
- AproNet显示出与CALIPSO测量结果的强烈一致 (IOA=0.821,R=0.800).
- 定量指标显示了高准确度 (MAE=0.014,RMSE=0.041) 的情况.
- 该模型在独立测试中在估计3D气溶分布和强度方面表现出可靠性.
结论:
- 拟议的 AproNet 模型有效地从被动遥感数据中估计了气溶灭绝概况.
- 这种方法为大面积的高时空分辨率AEP数据提供了一条途径.
- 未来的工作应该集中在物理约束和整合更多的数据源,以提高可靠性.
