实体
Solomiia Kurchaba
Solomiia Kurchaba
PulseAugur coverage of Solomiia Kurchaba — every cluster mentioning Solomiia Kurchaba across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
深度神经网络利用高分辨率卫星数据提升城市温度预测能力
研究人员开发了深度神经网络模型，以提高城市地表温度的分辨率和预测能力。通过结合来自地球同步卫星和极轨卫星的数据，他们创建了能够提供每15分钟、1公里分辨率温度数据的模型。一个U-Net模型被训练用于将低分辨率卫星数据映射到高分辨率数据，实现了1.92°C的均方根误差（RMSE）。随后使用一个ConvLSTM模型进行临近预报，在15至75分钟的预报时效内，其RMSE在0.57°C至1.15°C之间，优于基线模型。
-
AI模型用于卫星数据甲烷羽流检测的比较
一篇新的研究论文比较了传统的基于特征的机器学习模型与深度学习方法在识别卫星数据甲烷羽流方面的应用。研究强调，尽管之前使用了专家设计的特征，但像ResNet-18和ResNet-34这样的基于图像的模型可能捕捉到更细微的空间信息。该研究还采用基于SHAP的可解释性来解读两种模型家族的发现，为操作性的甲烷筛选工作流程提供指导。
-
深度神经网络提升城市地表温度数据分辨率
研究人员开发了深度神经网络，以提高城市地区地表温度（LST）数据的分辨率。通过结合静止和极轨卫星的数据，他们创建了分辨率为1公里、时间间隔为15分钟的LST场。使用U-Net模型将SEVIRI/MSG数据降尺度至MODIS分辨率，实现了1.92°C的均方根误差（RMSE）。此外，还使用ConvLSTM模型对LST进行长达75分钟的临近预报，其性能优于基准模型，RMSE在0.57°C至1.15°C之间。