基于神经网络的高效高分辨率辐射传输在CO2反演中的应用及干涉测量传感

arXiv cs.LG 论文
neural-network radiative-transfer co2-retrieval climate-science satellite-sensing machine-learning

摘要

本研究提出了一种高效的神经网络代理模型，用于高分辨率辐射传输模拟，旨在提高卫星测量中CO2浓度反演的精度，以用于气候监测。

arXiv:2608.14645v1 公告类型：新 摘要：研究气候变化需要减少CO2和CH4排放估算的不确定性，以更好区分人为和自然来源，这推动了提高重访频率和空间覆盖的星载测量。在此背景下，欧盟地平线SCARBOn项目评估了一个低成本卫星星座，以NanoCarb成像干涉仪为核心传感器，用于监测大气中的CO2和CH4排放。然而，以高重访频率和空间覆盖估算CO2和CH4浓度面临重大挑战：常用的全物理反演算法依赖重复的高分辨率辐射传输（RT）模拟，当使用逐线RT模型时计算成本高昂。作为替代，本研究提出了一种前馈多层感知机（MLP）代理模型，旨在准确高效地预测CO2弱吸收带的大气层顶辐射，使用辐射和RT雅可比矩阵的组合平均绝对误差（MAE）损失，以保持光谱精度和对地球物理参数的敏感性。将基于MLP的RT代理模型与NanoCarb仪器响应相结合，产生了一个高效精确的NanoCarb测量前向模型，显示出CO2浓度反演的良好结果。
查看原文
查看缓存全文

缓存时间: 2026/08/18 10:19 

# 基于高效神经网络的高分辨率辐射传输在CO₂反演中的应用，及其在干涉测量感知中的实践
来源：https://arxiv.org/abs/2608.14645  
查看PDF (https://arxiv.org/pdf/2608.14645)

> **摘要**：研究气候变化需要降低CO₂和CH₄排放估算中的不确定性，以更好区分人为与自然来源，这推动了提升重访频率与空间覆盖能力的星载测量发展。在此背景下，欧盟“地平线欧洲”SCARBOn项目评估了一种低成本卫星星座方案，其核心传感器采用NanoCarb成像干涉仪，用于监测大气中的CO₂与CH₄排放。然而，实现高重访频率与空间覆盖的CO₂与CH₄浓度估算面临重大挑战：常用的全物理反演算法依赖反复进行高分辨率辐射传输（RT）模拟，而采用逐线辐射传输模型时计算成本极高。作为替代方案，本研究提出一种前馈多层感知器（MLP）代理模型，旨在精确高效地预测CO₂弱吸收波段的地球大气顶辐射值。该模型采用辐射传输值及其雅可比矩阵的联合平均绝对误差（MAE）损失函数，同时保持光谱精度与对地球物理参数的敏感性。将基于MLP的辐射传输代理模型与NanoCarb仪器响应函数耦合，构建了高效精确的NanoCarb测量正向模型，为CO₂浓度反演展现出良好应用前景。

## 投稿历史
来自：Jordan Lontsi Tedongmo \[查看邮箱 (https://arxiv.org/show-email/5c796c01/2608.14645)\] \[通过CCSD代理\] **\[版本1\]** 2026年7月29日 周三 09:28:45 UTC（3,315 KB）

相似文章

Set-Based Transformer用于远程LWIR高光谱成像的大气补偿

Hugging Face Daily Papers

提出了一种轻量级的基于集合的深度学习框架，利用Transformer进行被动长波红外高光谱成像的大气补偿，该框架从多距离辐射测量中联合估计透射率、大气路径辐射和下行辐射光谱。

迈向暗光环境下鲁棒且三维感知的RGB-NIR成像

Hugging Face Daily Papers

本文提出了一种用于RGB-NIR低光成像的三维感知神经方法，该方法在三维空间中将极度含噪的RGB观测与NIR线索融合，无需干净RGB监督，并提高了跨不同噪声水平的鲁棒性。