論文の概要: Retrieval of Surface Solar Radiation through Implicit Albedo Recovery from Temporal Context

• arxiv url: http://arxiv.org/abs/2506.10174v1
• Date: Wed, 11 Jun 2025 20:56:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.453145
• Title: Retrieval of Surface Solar Radiation through Implicit Albedo Recovery from Temporal Context
• Title（参考訳）: 時空間からの不必要アルベド回収による表面太陽放射の検索
• Authors: Yael Frischholz, Devis Tuia, Michael Lehning,
• Abstract要約: 衛星画像からの地表の太陽放射の検索は、クリアスキー条件下で観測される背景反射率の推定に大きく依存する。 本研究では,衛星画像列から透明面反射率を暗黙的に推定する,SSR検索のための注意型エミュレータを提案する。 十分に長期の時間的文脈を提供すると、このモデルはアルベドインフォームドモデルの性能と一致することを示す。
• 参考スコア（独自算出の注目度）: 3.4306175858244794
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Accurate retrieval of surface solar radiation (SSR) from satellite imagery critically depends on estimating the background reflectance that a spaceborne sensor would observe under clear-sky conditions. Deviations from this baseline can then be used to detect cloud presence and guide radiative transfer models in inferring atmospheric attenuation. Operational retrieval algorithms typically approximate background reflectance using monthly statistics, assuming surface properties vary slowly relative to atmospheric conditions. However, this approach fails in mountainous regions where intermittent snow cover and changing snow surfaces are frequent. We propose an attention-based emulator for SSR retrieval that implicitly learns to infer clear-sky surface reflectance from raw satellite image sequences. Built on the Temporo-Spatial Vision Transformer, our approach eliminates the need for hand-crafted features such as explicit albedo maps or cloud masks. The emulator is trained on instantaneous SSR estimates from the HelioMont algorithm over Switzerland, a region characterized by complex terrain and dynamic snow cover. Inputs include multi-spectral SEVIRI imagery from the Meteosat Second Generation platform, augmented with static topographic features and solar geometry. The target variable is HelioMont's SSR, computed as the sum of its direct and diffuse horizontal irradiance components, given at a spatial resolution of 1.7 km. We show that, when provided a sufficiently long temporal context, the model matches the performances of albedo-informed models, highlighting the model's ability to internally learn and exploit latent surface reflectance dynamics. Our geospatial analysis shows this effect is most powerful in mountainous regions and improves generalization in both simple and complex topographic settings. Code and datasets are publicly available at https://github.com/frischwood/HeMu-dev.git
• Abstract（参考訳）: 衛星画像からの正確な太陽放射(SSR)の検索は、背景反射率の推定に大きく依存する。 この基準線からの偏差は、大気の減衰を推定する際の雲の存在を検出し、放射移動モデルを導くのに利用できる。 操作的検索アルゴリズムは、通常、月次統計を用いて背景反射率を近似し、表面特性が大気条件に対してゆっくりと変化すると仮定する。 しかし、断続的な積雪や積雪面の変化が頻繁に起こる山岳地域では、このアプローチは失敗する。 本研究では,衛星画像列から透明面反射率を暗黙的に推定する,SSR検索のための注意型エミュレータを提案する。 テンポロ・空間視覚変換器上に構築された我々の手法は、明示的なアルベドマップやクラウドマスクのような手作りの機能を必要としない。 エミュレータは、複雑な地形とダイナミックスノーカバーを特徴とするスイス上空のHelioMontアルゴリズムの瞬時SSR推定に基づいて訓練される。 入力には、メテオサット第2世代プラットフォームからのマルチスペクトルSEVIRI画像が含まれ、静止地形の特徴と太陽幾何学が強化されている。 ターゲット変数はHelioMontのSSRで、1.7kmの空間分解能で直接および拡散水平照射成分の和として計算される。 十分長期の時間的コンテキストを提供すると、モデルはアルベドインフォームドモデルの性能と一致し、内部的に学習し、潜時表面反射率のダイナミクスを活用できることを明らかにする。 我々の地理空間解析は、この効果が山岳地域で最も強力であることを示し、単純かつ複雑な地形設定における一般化を改善する。 コードとデータセットはhttps://github.com/frischwood/HeMu-dev.gitで公開されている。

関連論文リスト

• SatFlow: Generative model based framework for producing High Resolution Gap Free Remote Sensing Imagery [0.0]
  SatFlowは低分解能MODIS画像とランドサット観測を融合して高分解能・高分解能表面反射率画像を生成する生成モデルベースフレームワークである。 条件付きフローマッチングを用いて学習した本モデルでは, 構造的・スペクトル的整合性のある画像の生成性能が向上した。 この機能は、作物のフェノロジー追跡や環境変化検出など、下流のアプリケーションに不可欠である。
  論文  参考訳（メタデータ） (2025-02-03T06:40:13Z)
• An Atmospheric Correction Integrated LULC Segmentation Model for High-Resolution Satellite Imagery [0.0]
  本研究では、大気の反射率と透過率を推定するために、ルックアップテーブルに基づく放射移動シミュレーションを用いる。 その後、修正された表面反射データは、教師付きおよび半教師付きセグメンテーションモデルで使用された。
  論文  参考訳（メタデータ） (2024-09-09T10:47:39Z)
• Icy Moon Surface Simulation and Stereo Depth Estimation for Sampling Autonomy [4.97538153735235]
  バルク光度特性のスペクトルにまたがる多目的ステレオデータセット生成のためのフレームワークを提案する。 またステレオベースの視覚認識システムに焦点をあて,ステレオマッチングによる深度推定のための従来の学習アルゴリズムと深度学習アルゴリズムの両方を評価する。 我々のフレームワークは、氷の月の地形の視覚的表現に関して、幅広い仮説に適合することができる。
  論文  参考訳（メタデータ） (2024-01-23T00:06:19Z)
• Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity Monocular Dense Mapping [51.739466714312805]
  ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。 ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
  論文  参考訳（メタデータ） (2024-01-06T12:32:25Z)
• Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
  確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。 ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
  論文  参考訳（メタデータ） (2023-08-31T16:26:17Z)
• Exploring the Application of Large-scale Pre-trained Models on Adverse Weather Removal [97.53040662243768]
  ネットワークが異なる気象条件を適応的に処理できるようにするために,CLIP埋め込みモジュールを提案する。 このモジュールは、CLIP画像エンコーダによって抽出されたサンプル特定気象と、パラメータセットによって学習された分布特定情報を統合する。
  論文  参考訳（メタデータ） (2023-06-15T10:06:13Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Predicting Landsat Reflectance with Deep Generative Fusion [2.867517731896504]
  公共の衛星ミッションは一般に、空間分解能と時間分解能のトレードオフに結びついている。 これにより、植生の監視や人道的行動を支援する能力が損なわれる。 空間的・時間的特性の異なる製品を融合させて高解像度の光学画像を生成するための深部生成モデルの可能性を探る。
  論文  参考訳（メタデータ） (2020-11-09T21:06:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。