PulseAugur
中
实时 15:45:57
English(EN) A Mechanism-Coupled Split Window Network for Medium- to High-Resolution Land Surface Temperature Retrieval

新型AI模型提升地表温度反演精度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为PCD-Net的新型神经网络框架，以改进从卫星数据中反演地表温度（LST）。传统方法在处理复杂的大气条件和多样的地表覆盖方面存在困难，而纯粹的数据驱动模型则缺乏泛化能力。PCD-Net通过将反演重新构建为物理分量系数的动态学习问题来解决这一问题，明确地模拟了地表发射率、大气水汽和温度差异之间的关系。 AI

影响 这一新型AI框架有望通过改进地表温度数据，从而实现更精确的气候建模和环境监测。

排序理由 该集群包含一篇详细介绍用于特定科学应用的新型AI模型的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Tian Xie, Menghui Jiang, Chao Zeng, Huifang Li, Guanhao Zhang, Chan Li, Huanfeng Shen ·

    一种机制耦合的分割窗口网络用于中高分辨率地表温度反演

    arXiv:2509.04991v2 Announce Type: replace-cross Abstract: Land surface temperature (LST) is a fundamental physical variable in land-atmosphere interactions, surface energy budgets, and climate processes. LST derived from medium- to high-resolution thermal infrared (TIR) observati…

相关话题