佳文赏析 | 基于辐射传输模型驱动的机器学习方法从风云-4B/GIIRS中反演大气一氧化碳

主要观点总结

文章介绍了采用机器学习方法从风云四号B星搭载的GIIRS传感器中反演大气一氧化碳的研究。该研究结合辐射传输模型和机器学习技术，旨在高效可靠地获取东亚地区一氧化碳的昼夜浓度分布和变化。

关键观点总结

关键观点1: 世界首个业务化运行的静止轨道干涉红外探测器GIIRS

GIIRS是搭载在中国发射的风云四号B星上的，能够以两小时的时间分辨率对东亚进行昼夜持续扫描，反演获得大气温湿度廓线及多种反应性痕量气体。

关键观点2: 采用机器学习方法反演一氧化碳

研究采用辐射传输模型驱动的机器学习方法，从FY-4B/GIIRS快速反演一氧化碳。实验包括提取敏感光谱通道、计算亮温差、构建训练集、模型训练和评估等步骤。

关键观点3: 机器学习反演结果与物理反演结果对比

机器学习方法反演的一氧化碳结果与物理反演结果高度一致，表明机器学习模型在预测一氧化碳总柱方面的可靠性。此外，研究还探讨了仪器观测角度、采样稀疏度、地表发射率等因素对反演结果的影响。

关键观点4: 数据产出和展示

该研究是团队首次尝试基于机器学习方法从GIIRS中反演反应性痕量气体，产出的数据为初步的测试产品。相关研究数据和结果已在国际遥感学报等平台上发布，并提供了作者信息和引用格式。