数据驱动的大气传输神经代理模型
机器学习
2024-05-01 v1 计算机视觉与模式识别
大气与海洋物理
摘要
我们提出了一种从光谱场景推断大气传输轮廓的框架。该框架利用轻量级、基于物理的模拟器，通过自动微分和可微分编程自动调谐，以构建大气传输代理模型来解释观测数据。我们通过以下方式展示了该方法的实用性：(i) 执行大气校正；(ii) 在各种模态之间重新映射光谱数据（例如在大气层和传感器处的辐射和反射率）；(iii) 推断大气传输轮廓，如吸收带及其相对大小。
引用
@article{arxiv.2404.19605,
title = {Data-Driven Invertible Neural Surrogates of Atmospheric Transmission},
author = {James Koch and Brenda Forland and Bruce Bernacki and Timothy Doster and Tegan Emerson},
journal= {arXiv preprint arXiv:2404.19605},
year = {2024}
}
备注
Manuscript accepted for presentation and publication at the 2024 IEEE International Geoscience and Remote Sensing Symposium (IGARSS)