【高校科研前沿】华东师大白开旭教授博士研究生李珂为一作在RSE发表团队最新成果：基于波谱特征优化的全球大气甲烷智能反演技术

最新推荐文章于 2025-04-26 18:35:11 发布
最新推荐文章于 2025-04-26 18:35:11 发布
阅读量1.4k 收藏 23
点赞数 14
分类专栏： 高校科研动态 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_46689623/article/details/138328083
版权
本文介绍了一种新的大气甲烷浓度反演方法UNMAMO，通过结合TROPOMI和GOSAT卫星数据，利用机器学习和多目标规划技术，提高了反演效率和准确性。与传统全物理方法相比，UNMAMO在减少地表因素干扰、提高反演精度和覆盖范围方面表现出显著优势，为全球甲烷排放源监测提供了有力工具。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章简介

论文名称：Developing unbiased estimation of atmospheric methane via machine learning and multiobjective programming based on TROPOMI and GOSAT data（基于TROPOMI和GOSAT数据，通过机器学习和多目标规划实现大气甲烷的无偏估计）

第一作者及通讯作者：李珂（博士研究生）；白开旭（教授）

第一作者及通讯作者单位：华东师范大学地理科学学院

文章发表期刊：《Remote Sensing of Environment》（中科院1区Top期刊|最新影响因子：13.5）

期刊平均审稿速度：3.3个月

研究内容

1.导读

依托卫星遥感平台实现大气温室气体浓度的快速精准监测，对制定减排目标和落实减排成效具有重要的支撑作用和现实意义。温室气体遥感反演多采用基于辐射传输在线模拟的全物理最优估计算法，其

最低0.47元/天 解锁文章
“华为杯”研究生数学建模竞赛2018年-【华为杯】E题：多无人机对组网雷达的协同干扰
getusushu的博客
12-14 1164
一 问题重述摘 要：在军事中，组网雷达系统具有较强的抗干扰能力，利用多无人机协同干扰，可以对其产生理想的干扰效果。本文就多无人机在协同干扰中的应用进行研究。针对问题一，研究无人机的可能所在位置节点后发现，这些节点必须位于五个雷达与虚假目标的连上，这些连线与2000m2500m的平面截得20个五棱柱，每一个五棱柱的棱需要有至少三架无人机干扰。无人机做匀速直线运动，结合速度、等时到达、直线飞行等约束，以无人机数量最少为目标函数建立优化模型。采用禁忌搜索算法遍历2000m到。
【定量遥感】实验二 地表温度反演
m0_69187448的博客
03-04 6045
遥感定量反演就是根据观测信息和模型求解或推算描述地面实况的应用参数，遥感反演的基础是描述遥感信号或遥感数据与地表应用之间的关系模型。地表温度是陆表过程研究的关键参数，卫星反演地表温度是获取区域及全球尺度辐射平衡、能量收支研究中地表温度参数的有效手段。
TCCON
叶子的博客
09-12 1453
TCCON（Total Carbon Column Observing Network）数据简介与下载
TCCON数据（甲烷，二氧化碳等气体柱浓度数据）
weixin_46250368的博客
03-12 396
TCCON数据（甲烷，二氧化碳等气体柱浓度数据）
二氧化碳浓度数据集整理
z1019367120的博客
07-29 1万+
本文介绍了现有的二氧化碳浓度数据集。
以森林碳储量、夜间灯光数据、城市扩张、多源遥感数据融合、农田生态系统、流域生态系统、甲烷浓度反演数据为例介绍丨双碳目标下基于“遥感+”集成技术的碳储量、碳排放、碳循环、温室气体等多领域监测与模拟
weixin_46747075的博客
09-09 1162
卫星遥感具有客观、连续、稳定、大范围、重复观测的优点，已成为监测全球碳盘查不可或缺的技术手段，卫星遥感也正在成为新一代 、国际认可的全球碳核查方法。教程目的就是梳理碳中和与碳达峰对卫星遥感的现实需求，系统总结遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展，以实践的角度切实解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题
【定量遥感】实验四 遥感温度反演
m0_69187448的博客
05-14 2243
本文章前半部分植被指数反演内容请看温度反演的实验过程相比于之前的实验步骤来说就较为单调了，没有许多让我们进行选择与处理的参数，但单调并不意味着简单。与第二次实验非常类似，遥感温度反演主要是要求我们通过已知的数学公式进行建模，在一步又一步的过程中逐渐计算得到最终地表温度。
TensorFlow在CTR预估中的应用：DNN落地实践-李珂
"AICon2018大会的演讲资料，主题是《借助TensorFlow在CTR预估中快速落地DNN》，由vivo AI团队负责人李珂分享。内容涵盖了广告CTR系统架构、选择TensorFlow的原因、分布式TensorFlow训练以及TensorFlow Serving的实时...
肠炎康结肠定位缓释片包衣工艺优化研究：提高药物直达效果
本文主要探讨了"肠炎康结肠定位粘附缓释片"的包衣工艺研究，由樊东升、李珂、李小芳和曹小勇四位作者在成都中医药大学药学院进行。研究的目的是为了开发一种pH依赖型的结肠定位粘附缓释片，旨在解决溃疡性结肠炎治疗...
基于BIM+GIS的轨道交通工程安全风险管控 李珂.pdf
06-24
首先，BIM技术是基于数字技术的工程建设信息模型，它通过建立三维模型，为工程项目的各个参与方提供了一个可以共享和协同工作的平台。BIM技术具有可视化、模拟、协调和优化等特点，有助于更早地发现设计和施工中的...
LFM信号处理与匹配滤波的综合应用
weixin_42504649的博客
09-01 2370
本文还有配套的精品资源，点击获取 简介：线性调频（LFM）信号因其频率随时间线性变化特性，在无线通信和雷达系统中有着重要应用。该信号在频域宽而时域短，特别适合用于雷达探测，能提供良好的距离分辨率。匹配滤波器基于最佳检测理论，能最大化信噪比（SNR），在信号处理中尤其重要，特别是对于LFM信号的检测。LFM范围压缩是雷达信号处理的一个关键步骤，通过匹配滤波器技术在距离轴上压缩...
所有能反演SIF的卫星以及下载链接
小琳子要开心呀
12-10 6253
转载自科学网张园博客：http://blog.sciencenet.cn/blog-3430406-1223659.html 目录 SCIAMACHY GOME-2 GOSAT OCO 系列卫星轨道碳观察者 TanSat TROPOMI 调研了一下叶绿素荧光（SIF）卫星的相关情况，看看哪种数据产品更适合对森林的研究。 六个目前能获取数据的传感器，部分参数如下： SCIAMACHY 2002年3月1日发射，2012年4月8日失联。回归周期6天...
.nc格式数据的读取
热门推荐
showpingzhang的博客
10-17 3万+
netcdf数据：.nc格式数据的读取（使用excel4netcdf打开NC数据） 读取.nc文件的方式好像比较多，本人也是刚开始接触.nc文件，着实焦头烂额了一把。无意间看到了使用Excell插件打开.nc文件，感觉挺好用，记录在此，方便以后使用。 1、安装Excell插件 1、百度搜索NetCDF4Excell，进入到SOURCEFORGE网站： 2、点击Summary——ProjectAc...
AI编程案例拆解|基于机器学习XX评分系统-后端篇
最新发布
qq_42320804的博客
04-26 645
AI编程案例拆解|基于机器学习XX评分系统-后端篇
【漫话机器学习系列】225.张量（Tensors）
IT古董
04-26 656
在机器学习和深度学习领域，无论是使用 TensorFlow、PyTorch 还是其他框架，我们都会频繁遇到一个术语：张量（Tensor）。但很多初学者对张量的理解只停留在“好像是数组？”的阶段。实际上，张量既简单又强大，它是支撑现代深度学习系统的基础。
深入详解人工智能数学基础——微积分中拉格朗日乘数法在GAN训练中的应用
编程技术探索者，分享C/C++、C#、Java、数据库等开发经验，聚焦实战技巧与AI兴趣，助力编程爱好者成长。
04-26 198
优化问题在人工智能中无处不在，无论是模型参数的训练、损失函数的最小化，还是资源分配，都涉及到优化。一般来说，优化问题可以分为无约束优化和有约束优化两类。无约束优化：仅需最小化（或最大化）目标函数，无需考虑其他条件。min⁡xfxxmin​fx有约束优化：在最小化（或最大化）目标函数的同时，还需满足一定的约束条件。
数据为基：机器学习中数值与分类数据的处理艺术及泛化实践
青蛙博客
04-23 702
在机器学习实践中，数据质量对模型效果的影响往往超过算法选择。本文通过详实的案例解析，系统阐述数值型数据与分类数据的特征工程处理方法，揭示数据预处理对模型泛化能力的关键作用。文章深入探讨数值数据的标准化与分箱策略，分类数据的编码优化方案，并通过房价预测、用户流失分析等实际案例，展示如何通过合理的数据转换规避过拟合风险。
SVM（支持向量机）
pljnb的博客
04-21 506
将不同类别的样本分隔开。SVM的核心目标是找到一个。
使用 Level 1B 数据反演甲烷
03-19
### 使用 Level 1B 数据进行甲烷反演的方法 Level 1B (L1B) 数据通常表示经过辐射校正后的传感器数据，保留了几何位置的信息但尚未完全处理到地理坐标系中。为了利用 L1B 数据进行大气成分（如甲烷）的反演，需要一系列复杂的预处理和建模步骤。 #### 预处理阶段 在使用 L1B 数据之前，需将其转换为适合进一步分析的形式： 1. **几何校正** 将原始观测数据从探测器的空间参考框架映射至地球表面的标准地理坐标系。这一步骤依赖于辅助文件中的姿态角、轨道参数等信息[^1]。 2. **大气校正** 去除由大气散射和吸收引起的干扰效应，得到地表反射率或辐亮度。此过程可能涉及模拟不同条件下大气传输特性模型的结果[^2]。 3. **光谱定标** 对各波段响应函数实施精确调整，确保测量值能够准确反映实际物理量级变化情况。这是实现高质量定量遥感的基础之一[^3]。 #### 反演方法概述 针对特定气体浓度估计问题，常用的技术路线包括但不限于以下几种： - **直接比较法** 通过查找已知标准曲线来匹配当前场景下的特征信号强度分布模式；然而这种方法受限较多，尤其是在复杂背景下难以取得理想效果。 - **最小二乘拟合法** 构建目标分子吸收线廓形理论表达式并与实测光谱序列逐一比对寻找最佳吻合点位。该方式灵活性较好但也增加了计算负担。 - **神经网络学习策略** 借助大量训练样本教导人工智能系统识别各类物质对应的独特指纹图案从而快速预测未知输入所属类别及其含量水平。尽管效率很高但仍存在泛化能力不足等问题待解决。 以下是采用 Python 实现简单版最小二乘拟合法的一个例子： ```python import numpy as np from scipy.optimize import least_squares def methane_absorption_model(wavelengths, params): """定义甲烷吸收模型""" amplitude, center, width = params return amplitude * np.exp(-((wavelengths - center)**2 / (2 * width**2))) # 示例：假设我们有如下实验数据 observed_wavelengths = np.array([...]) # 波长数组 observed_intensities = np.array([...]) # 强度读数 initial_guess = [1.0, 1.65e-6, 1e-7] # 初始猜测参数列表 result = least_squares( lambda p: observed_intensities - methane_absorption_model(observed_wavelengths, p), initial_guess) estimated_parameters = result.x print(f"Estimated parameters: {estimated_parameters}") ``` 上述脚本展示了如何设置并求解一个优化问题以找到最能描述给定光谱特性的数学方程组系数集合。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值