面向成像光谱学中气候变化应用的辐射传输模型学习
机器学习
2019-06-11 v1 天体物理仪器与方法
计算物理
机器学习
摘要
根据最近的一项调查，估计全球 33-50% 的珊瑚礁已发生退化，据信是气候变化所致。气候变化及其后续环境影响的一个强劲驱动因素是甲烷等温室气体。然而，气候变化与环境状况之间的确切关系难以确立。遥感方法正日益用于量化和建立快速变化的气候状况与环境影响之间的联系。该分析的一个关键部分是利用辐射传输模型（RTMs）处理光谱数据，这是一个计算昂贵的过程，限制了它们与高体量成像光谱仪的使用。本工作提出了一种可利用神经网络高效模拟 RTM 的算法，使处理时间获得倍数级加速，并产生多种下游益处。
引用
@article{arxiv.1906.03479,
title = {Learning Radiative Transfer Models for Climate Change Applications in Imaging Spectroscopy},
author = {Shubhankar Deshpande and Brian D. Bue and David R. Thompson and Vijay Natraj and Mario Parente},
journal= {arXiv preprint arXiv:1906.03479},
year = {2019}
}
备注
Accepted to International Conference on Machine Learning (ICML) 2019 Workshop: Climate Change: How Can AI Help?