Научници измислили нови алгоритам за побољшање прац́ења аеросола на кинеском сателиту ФИ-4А

Научници су недавно представили нови алгоритам који комбинује дубоко учење и трансфер учења ради побољшања прац́ења аеросола на кинеском сателиту ФИ-4А.

Студија, објављена у часопису Енгинееринг, спроведена је у сарадњи Института за атмосферску физику (ИАП) Кинеске академије наука, Националног сателитског метеоролошког центра, Харбинског технолошког института и других институте, преноси Синхуа.

Научници верују да су тачна мерења атмосферских аеросола кључна за разумевање равнотеже зрачења Земље, климатских промена и квалитета ваздуха. На кинеском геостационарном метеоролошком сателиту ФИ-4А, Напредни геостационирани радијацијски снимач (Адванцед Геостатионал Радиатион Имагер - АГРИ) скенира Кину сваких пет минута, пружајуц́и кључне податке за прац́ење просторно-временских варијација аеросола.

Међутим, нефлексибилност традиционалних алгоритама физичког проналажења, заједно са недовољним бројем локација соларних фотометара на земљи, представља изазове у испуњавању опсежних захтева узорака за машинско учење у проналажењу оптичке дубине аеросола (АОД).

Као одговор на ове изазове, научници су развили иновативни АОД алгоритам за проналажење који комбинује дубоко учење и трансферно учење. Нови алгоритам укључује кључне концепте из тамних мета и тамноплавих алгоритама како би се олакшао избор функција за машинско учење.

Према студији, независна валидација потврђује да је алгоритам веома прецизан у процени нивоа АГРИ аеросола. Резултати показују снажну корелацију са очекиваним вредностима, што указује на поузданост алгоритма у предвиђању оптичке дубине аеросола.

"Наша студија показује значајан потенцијал спајања физичког приступа са дубоким учењем у геонаучним анализама", рекао је главни аутор Фу Дисонг из ИАП-а.

"Предложени алгоритам обец́ава примену на друге мултиспектралне сензоре на геостационарним сателитима", додао је Фу.

(Бета, 15.02.2024)