近日，中国科学院空天信息创新研究院副研究员陈兴峰团队，联合中国气象科学研究院、中国科学院大气物理研究所等单位合作研究，提出了一种深度学习方法，利用向日葵8号（Himawari-8, H8）地球同步卫星的数据反演臭氧柱浓度（TCO）。
臭氧是一种影响大气辐射和地表空气质量的大气成分。监测整层大气臭氧柱浓度的分布具有重要意义。地面站点，例如Pandora观测网络利用观测太阳直射给出准确的臭氧柱浓度。地面站点不能提供空间上连续覆盖的监测。TROPOMI等遥感器搭载于太阳同步轨道卫星可以实现全球覆盖监测，但无法实现高时间分辨率的动态监测，且空间分辨率较低，为7km。
研究人员基于H8卫星的AHI多光谱相机在9.6μm波长处设置了一个可用于臭氧监测的臭氧吸收光谱波段，开发了一个全连接的神经网络模型NNO3-G。该模型是利用ERA5 TCO数据进行训练，从而在H8图像的无云区域反演TCO，其TCO产品具有2km的高空间分辨率和10 min的高时间分辨率（图1）。
图1 静止卫星的高时间分辨率臭氧动态监测
NNO3-G模型通过完全独立、未参加深度学习训练的地基Pandora测量数据验证。验证结果表明，模型反演的TCO产品结果精度高，皮尔逊相关系数为0.95，R2为0.89，平均绝对误差为8.88 DU（图2）；并且与专门用于大气气体监测的TROPOMI遥感器TCO产品对比，展现了一致的空间分布规律（图3）。
图2?地基Pandora数据验证静止卫星TCO反演精度
图3?TROPOMI（左）和H8/NNO3-G（右）的同时间同区域臭氧监测结果对比
上述研究成果以“A Neural Network Method for Ozone Retrieval using Himawari-8/AHI Geo-satellite Observations”为题，于2025年3月发表在《IEEE Transactions on Geoscience and Remote Sensing》期刊。该研究得到民用航天预先技术研究、国家重点研发计划、国家自然科学基金等项目的共同资助。
论文链接：https://doi.org/10.1109/TGRS.2025.3548600
日前，高等教育数字化与课程思政建设研讨会暨中国高校财经慕课联盟首届“同课异构”教学竞赛颁奖典礼在对外经济贸易大学 近日，四川农业大学动物医学院猪病研究中心黄小波课题组在自然指数（Nature index）期刊Journal of Biological Chemistry发表 一种使用深度学习方法设计出来的新蛋白质。图片来源：华盛顿大学医学院蛋白质设计研究所 美国科学家借助机器学习 根据近日发表于《科学-机器人》的一项研究，人们可以学习用眼睛和胸部肌肉控制第三条手臂。研究人员称，这种“额外肢体”可 关于拟备案科学家工作室名单的公示 各有关单位： 根据《黑龙江省中国科学院科学家工作室管理办法（试行）》有关规定， 12月19日，山东先进制造业人力资源服务供需对接活动在济南举办，活动由山东省人力资源和社会保障厅、山东产业技术研究 。本文链接：研究提出静止卫星臭氧监测新方法http://www.sushuapos.com/show-11-19517-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 科研人员在月表光度模型研究方面取得新进展
下一篇： 上海交通大学举行纪念建校129周年大会