Naučnici su nedavno predstavili novi algoritam koji kombinuje duboko učenje i transfer učenja radi poboljšanja praćenja aerosola na kineskom satelitu FY-4A.
Studija, objavljena u časopisu Engineering, sprovedena je u saradnji Instituta za atmosfersku fiziku (IAP) Kineske akademije nauka, Nacionalnog satelitskog meteorološkog centra, Harbinskog tehnološkog instituta i drugih institute, prenosi Sinhua.
Naučnici veruju da su tačna merenja atmosferskih aerosola ključna za razumevanje ravnoteže zračenja Zemlje, klimatskih promena i kvaliteta vazduha. Na kineskom geostacionarnom meteorološkom satelitu FY-4A, Napredni geostacionirani radijacijski snimač (Advanced Geostational Radiation Imager – AGRI) skenira Kinu svakih pet minuta, pružajući ključne podatke za praćenje prostorno-vremenskih varijacija aerosola.
Međutim, nefleksibilnost tradicionalnih algoritama fizičkog pronalaženja, zajedno sa nedovoljnim brojem lokacija solarnih fotometara na zemlji, predstavlja izazove u ispunjavanju opsežnih zahteva uzoraka za mašinsko učenje u pronalaženju optičke dubine aerosola (AOD).
Kao odgovor na ove izazove, naučnici su razvili inovativni AOD algoritam za pronalaženje koji kombinuje duboko učenje i transferno učenje. Novi algoritam uključuje ključne koncepte iz tamnih meta i tamnoplavih algoritama kako bi se olakšao izbor funkcija za mašinsko učenje.
Prema studiji, nezavisna validacija potvrđuje da je algoritam veoma precizan u proceni nivoa AGRI aerosola. Rezultati pokazuju snažnu korelaciju sa očekivanim vrednostima, što ukazuje na pouzdanost algoritma u predviđanju optičke dubine aerosola.
„Naša studija pokazuje značajan potencijal spajanja fizičkog pristupa sa dubokim učenjem u geonaučnim analizama“, rekao je glavni autor Fu Disong iz IAP-a.
„Predloženi algoritam obećava primenu na druge multispektralne senzore na geostacionarnim satelitima“, dodao je Fu.
(Beta)
Pratite Krstaricu na www.krstarica.com