Нейросеть ускорит обработку спутниковых данных для мониторинга CO? и CH?
Исследователи представили нейросетевой подход, который ускоряет расчеты радиационного переноса для спутникового мониторинга углекислого газа и метана. Разработка ориентирована на использование в проекте Horizon Europe SCARBOn, где планируется низкозатратная спутниковая группировка для контроля выбросов парниковых газов.
Проект SCARBOn предполагает использование компактного интерферометра NanoCarb в качестве основного сенсора. Его задача — мониторинг CO? и CH? в атмосфере с высокой повторяемостью измерений и широким пространственным покрытием. Однако обработка таких данных сталкивается с вычислительными сложностями: классические методы полной физики требуют многократных и затратных по времени симуляций радиационного переноса.
В качестве альтернативы авторы предложили многослойный персептрон (MLP), который заменяет традиционную модель переноса излучения. Нейросеть обучается предсказывать радиацию на верхней границе атмосферы в слабой полосе поглощения CO?. При этом используется комбинированная функция потерь на основе средней абсолютной ошибки, что позволяет сохранять точность спектральных характеристик и чувствительность к геофизическим параметрам.
Разработчики подчеркивают, что сопряжение MLP-эмулятора с моделью инструмента NanoCarb дает эффективную и точную прямую модель для измерений. Это открывает перспективы для улучшения качества восстановления концентраций CO?, что важно для более точной оценки антропогенных и природных источников выбросов.
Предложенный подход может снизить вычислительную нагрузку при обработке спутниковых данных и ускорить получение результатов. В перспективе это упростит создание недорогих спутниковых систем с высокой частотой съемки, что особенно актуально для глобального мониторинга климатических изменений.
Работа опубликована на сервере препринтов arXiv и находится на стадии рецензирования. Исследователи отмечают, что дальнейшие испытания на реальных данных помогут оценить эффективность метода в полномасштабных миссиях.
