基于 TROPOMI 卫星数据利用监督学习分割单船 NO2 羽流
计算机视觉与模式识别
2023-04-10 v3 机器学习
摘要
航运业是最强的人为 排放源之一——该物质对人体健康和环境均有害。该行业的快速增长造成了社会对于控制船舶排放水平的压力。当前用于船舶排放监测的所有方法均成本高昂且需要靠近船舶,这使得全球连续排放监测无法实现。一种有前景的方法是应用遥感。研究表明,利用搭载于哥白尼 Sentinel 5 先导星上的 TROPOspheric Monitoring Instrument(TROPOMI/S5P),可在视觉上分辨出部分来自单船的 羽流。为部署基于遥感的全球排放监测系统,需要一种从单船估算 排放的自动化流程。可用数据的极低信噪比以及缺乏地面真值使得该任务极具挑战。在此,我们提出一种利用 TROPOMI/S5P 数据上的监督机器学习自动分割远洋船舶所产生的 羽流的方法。我们表明,与既往研究使用的方法相比,所提方法使平均精度得分提升逾 20%,并与理论推导的船舶排放代用指标达到 0.834 的高相关性。本工作是开发基于遥感数据的全球船舶排放自动监测流程的关键一步。
引用
@article{arxiv.2203.06993,
title = {Supervised segmentation of NO2 plumes from individual ships using TROPOMI satellite data},
author = {Solomiia Kurchaba and Jasper van Vliet and Fons J. Verbeek and Jacqueline J. Meulman and Cor J. Veenman},
journal= {arXiv preprint arXiv:2203.06993},
year = {2023}
}
备注
Version as accepted to MDPI Remote Sensing Journal on November 2022