論文の概要: Efficient Neural-Network-Based High-Resolution Radiative Transfer for CO___ Retrieval, and Application to Interferometric Sensing

• arxiv url: http://arxiv.org/abs/2608.14645v1
• Date: Wed, 29 Jul 2026 09:28:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-23 14:54:39.938366
• Title: Efficient Neural-Network-Based High-Resolution Radiative Transfer for CO___ Retrieval, and Application to Interferometric Sensing
• Title（参考訳）: 高速ニューラルネットワークによるCO___検索のための高分解能放射移動と干渉センシングへの応用
• Authors: Jordan Lontsi Tedongmo, Yann Ferrec, Laurence Croizé, Pablo Musé, Gabriele Facciolo, Andrés Almansa,
• Abstract要約: 我々は,CO2弱帯域における大気上層放射線を正確に予測するために,フィードフォワード多層パーセプトロン (MLP) サロゲートを提案する。 RTサロゲートとNanoCarbのインストゥルメンタル応答を結合すると、NanoCarb測定の効率的かつ正確なフォワードモデルが得られる。
• 参考スコア（独自算出の注目度）: 11.836542242013676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Studying climate change requires reducing uncertainties in CO2 and CH4 emission estimates to better distinguish anthropogenic from natural sources, which motivates spaceborne measurements with improved revisit frequency and spatial coverage. In this context, the Horizon Europe SCARBOn project assesses a low-cost satellite constellation featuring the NanoCarb imaging interferometer as its core sensor for monitoring CO2 and CH4 emissions in the atmosphere. However, estimating CO2 and CH4 concentrations with high revisit and spatial coverage poses significant challenges: full-physics retrieval algorithms commonly used rely on repeated high-resolution radiative transfer (RT) simulations, which are computationally expensive when using line-by-line RT models. As an alternative, we propose in this study a feedforward multilayer perceptron (MLP) surrogate designed to accurately and efficiently predict top-of-atmosphere radiances in the CO2 weak band, using a combined mean absolute error (MAE) loss on radiances and RT Jacobians to preserve both spectral accuracy and sensitivity to geophysical parameters. Coupling the MLP-based RT surrogate with the NanoCarb instrumental response yields an efficient and precise forward model for NanoCarb measurements, which shows promising results for CO2 concentration retrieval.
• Abstract（参考訳）: 気候変動を研究するためには、CO2とCH4排出量の推定の不確実性を減らすことが必要である。 この文脈で、Horizon Europe SCARBOnプロジェクトは、大気中のCO2およびCH4排出量を監視するためのコアセンサーとして、ナノカーブイメージング干渉計を特徴とする低コストの衛星コンステレーションを評価する。 しかし、CO2とCH4濃度を高い再燃率と空間被覆率で推定すると、大きな課題が生じる: フル物理検索アルゴリズムは、ライン・バイ・ラインRTモデルを使用する際に計算コストのかかる、繰り返し高分解能放射移動(RT)シミュレーションに依存している。 代替として,CO2弱帯域における大気上レーダスを高精度かつ効率的に予測するためのフィードフォワード多層パーセプトロン (MLP) サロゲートを提案し,レーダスとRTヤコビアンを併用した平均絶対誤差 (MAE) 損失を用いて,物理パラメータのスペクトル精度と感度の両立を図った。 MLPをベースとしたRTサロゲートとNanoCarbのインスツルメンタル応答を結合すると、NanoCarb測定の効率的かつ正確なフォワードモデルが得られる。

関連論文リスト

• Amortized Probabilistic Retrieval of Atmospheric CO2 from OCO-2 Spectra Using Deep Learning with Laplace Approximations and Normalizing Flows [38.973756502055465]
  NASAのOrbiting Carbon Observatory-2 (OCO-2)は、高分解能スペクトルを用いて平均的なCO2の乾燥空気モル分画を推定している。 現在の運用検索アルゴリズムは計算コストが高く、不確実性を適切に定量化できない。 これらの課題に対処する新しいディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-16T01:49:50Z)
• Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations [58.079925240809644]
  本研究では, 地質ストレージにおけるCO$$$ibility plume マイグレーション予測に適したエンドツーエンドグラフニューラルネットワークサロゲートを提案する。 この方法は、CO$$ストレージシナリオを評価するために設計されたよく知られた業界テストケースであるSPE11Aベンチマークで評価される。 提案モデルでは, ガス飽和度と液相密度の競合予測を行い, 累積誤差は拡大予測地平線上では緩やかに保たれている。
  論文  参考訳（メタデータ） (2026-06-15T18:19:17Z)
• Efficient reduction of stellar contamination and noise in planetary transmission spectra using neural networks [0.0]
  そこで本稿では,デノナイズドオートエンコーダを用いた外惑星スペクトルの恒星汚染と計器固有のノイズを低減する手法を提案する。 我々は、地球型(TRAPPIST-1eアナログ)と海王星型(K2-18bアナログ)の大規模な合成データセット上で、自己エンコーダアーキテクチャを設計し、訓練する。
  論文  参考訳（メタデータ） (2026-02-10T22:07:18Z)
• Improving Power Plant CO2 Emission Estimation with Deep Learning and Satellite/Simulated Data [0.0]
  発電所からのCO2排出は、重要なスーパーエミッターとして、地球温暖化に大きく貢献する。 本研究では、Sentinel-5PからのNO2データの統合、連続したXCO2マップの生成、OCO-2/3からの実際の衛星観測をデータスカース領域における71以上の発電所に組み込むことにより、利用可能なデータセットを拡張することによる課題に対処する。
  論文  参考訳（メタデータ） (2025-02-04T08:05:15Z)
• Enhancing Carbon Emission Reduction Strategies using OCO and ICOS data [40.572754656757475]
  我々は,OCO-2(Orbiting Carbon Observatories)とOCO-3(Orbiting Carbon Observatories)の衛星データとICOS(Integrated Carbon Observation System)の地上観測とECMWFリアナリシスv5(ERA5)の気象データを統合することで,局部的なCO2モニタリングを強化する手法を提案する。 衛星観測から地上レベルCO2を予測するために,K-nearest neighbor (KNN) と機械学習モデルを用いて,3.92ppmのルート平均正方形誤差を達成した。
  論文  参考訳（メタデータ） (2024-10-05T21:23:58Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
  メタンは最も強力な温室効果ガスの1つである。 現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。 深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
  論文  参考訳（メタデータ） (2023-08-21T19:36:50Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)

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。