深層学習と放射伝達シミュレーションの組み合わせによる熱赤外観測からの雲特性の最適推定

要旨。従来の放射伝達モデル（RTM）に基づく熱赤外取得アルゴリズムは、厚い雲の雲光学厚を効果的に取得できませんでしたが、機械学習に基づくアルゴリズムは昼夜の両方で妥当な推定を提供できることが分かりました。それにもかかわらず、単独の機械学習アルゴリズムは、明示的な物理プロセスの欠如に関して批判されることがあります。本研究では、RTMシミュレーションと機械学習アルゴリズムを統合的に利用し、温度赤外放射計（MODIS）で測定された熱赤外の放射から雲特性を取得するために最適推定（OE）法を使用しました。この新しいアルゴリズムでは、機械学習アルゴリズムからの取得結果をOE法の反復プロセスのための事前状態の提供に使用し、RTMは反復プロセスで使用される放射照度ルックアップテーブルを作成するために使用されます。単独のOEと比較して、新しいアルゴリズムによって取得された雲特性は、機械学習アルゴリズムによって得られた空間統計情報を使用することにより、全体としてより優れた性能を示します。単独の機械学習ベースのアルゴリズムと比較すると、新しい方法からの取得に基づいてシミュレーションされた放射は観測とより密接に一致し、物理的放射プロセスは新しいアルゴリズム内で明示的に扱われます。したがって、新しい方法はRTMベースの雲取得方法と機械学習モデルの利点を組み合わせています。これらの発見は、機械学習に基づくアルゴリズムが従来のリモートセンシング技術の効率を向上させる可能性を強調しています。