通过隐式反演时序背景实现表面太阳辐射检索
计算机视觉与模式识别
2025-06-13 v1 大气与海洋物理
摘要
准确检索卫星图像中的表面太阳辐射（SSR）关键取决于估计在明晴条件下空间传感器所观察到的背景反射率。与此基准相比，随后可用于检测云的存在并指导辐射传递模型推断大气衰减。运营检索算法通常使用月统计数据近似背景反射率，假设表面特性的变化缓慢于大气条件。然而，这种方法在山区地形复杂且积雪间歇性覆盖和不断变化的雪面存在时会失败。我们提出了一个基于注意力机制的 SSR 检索模拟器，通过隐式学习从原始卫星图像序列推断明晴表面反射率。该方法基于时空视觉转换器（Temporo-Spatial Vision Transformer），消除了诸如明确的反照率图或云掩码等手工特征的需求。该模拟器在瑞士训练，以该地形复杂且积雪动态变化的地区为背景。输入包括来自 Mebesat Second Generation 平台的多光谱 SEVIRI 影像， augmented with static topographic features and solar geometry。目标变量是 HelioMont 算法的 SSR，即其直接水平照度和漫射水平照度之和，空间分辨率为 1.7 公里。我们展示了，在提供足够长的时序背景后，该模型在反照率信息模型中实现了相同的性能，凸显了该模型内部学习和利用潜在表面反射率动态能力。我们的地理空间分析显示，这一效果在山区最为强大，并在简单和复杂的地形设置中提高了泛化能力。代码和数据集可在 https://github.com/frischwood/HeMu-dev.git 上公开获取。
引用
@article{arxiv.2506.10174,
title = {Retrieval of Surface Solar Radiation through Implicit Albedo Recovery from Temporal Context},
author = {Yael Frischholz and Devis Tuia and Michael Lehning},
journal= {arXiv preprint arXiv:2506.10174},
year = {2025}
}
备注
14 pages, 7 figures