多角度成像光谱辐射计 (MISR) 的高效气溶胶反演：一种贝叶斯方法
应用统计
2017-08-08 v1
摘要
最近关于多角度成像光谱辐射计 (MISR) 气溶胶光学厚度 (AOD) 反演算法的研究提出了一种分层贝叶斯模型。然而，他们工作中使用的推断算法是马尔可夫链蒙特卡洛 (MCMC)，据报道其速度极慢。如果期望进行大规模（例如全球尺度）的气溶胶反演，MCMC 的缓慢速度极大地限制了贝叶斯框架的生产可行性。在本文中，我们提出了一种替代优化方法来缓解速度问题。具体而言，我们采用最大后验概率 (MAP) 方法，并应用一种无梯度的“爬山”算法：按坐标随机搜索。我们的方法被证明比 MCMC 快得多（约 100 倍），更容易收敛，且对超参数不敏感。为了进一步扩展我们的方法，我们使用 Apache Spark 对方法进行了并行化，相对于 CPU 核心数量实现了高达 16 个核的线性加速。由于这些努力，我们能够以更精细的分辨率 (1.1km) 反演 AOD，且与现有方法相比时间消耗极小。在我们的研究中，我们发现在低 AOD 水平下，贝叶斯网络倾向于产生高估的反演结果。我们还发现高吸收型气溶胶类型被同时反演出来。这可能是由于气溶胶类型的 Dirichlet 先验所致，因为实践中表明它会鼓励选择吸收型。将 Dirichlet 改为均匀分布后，AOD 反演结果在所有水平上均与地面测量结果表现出极好的一致性。
引用
@article{arxiv.1708.01948,
title = {Efficient Aerosol Retrieval for Multi-angle Imaging SpectroRadiometer (MISR): A Bayesian Approach},
author = {Shijing Yao and Yueqing Wang and Bin Yu},
journal= {arXiv preprint arXiv:1708.01948},
year = {2017}
}