Мы используем cookie файлы.
Пользуясь сайтом, вы соглашаетесь с нашей Политикой конфиденциальности.

Нейросетевой алгоритм для измерения содержания озона в атмосфере

Четверг , 08.06.2023

Учеными Санкт-Петербургского университета совместно с коллегами из НИЦ "Планета" и Центра Келдыша разработан нейросетевой алгоритм для измерения содержания озона в атмосфере с российского метеорологического спутника. Исследование выполнено в Лаборатории исследований озонового слоя и верхней атмосферы СПбГУ, созданной в рамках программы мегагрантов Министерства науки и высшего образования Российской Федерации в 2021 году.

Нейросеть, лежащая в основе разработанного алгоритма, обучена на данных, полученных за шесть лет наблюдений. Для этого было обработано более 19 000 000 спектров, измеренных "ИКФС-2", совмещенных с измерениями содержания озона в атмосфере со спутника Aura. Результаты измерения содержания озона, полученные с помощью разработанного физиками алгоритма к спектральным измерениям "ИКФС-2", сравнили с данными наземных приборов и спутников, специально созданных для измерений содержания озона, — расхождения не превышают 3 %.

Как рассказал сотрудник лаборатории исследований озонового слоя и верхней атмосферы СПбГУ, профессор Александр Поляков, прибор «ИКФС-2» уже 8 лет работает на борту метеоспутника серии «Метеор-М» и не потерял своей актуальности. Ученые создали технологию, которая может быть применима к спутнику данной серии.

«Разработанные нашей научной группой алгоритм и код прямо применимы к приборам на борту следующих спутников серии «Метеор-М», ближайший запуск такого спутника планируется летом. Алгоритм может быть адаптирован и к аналогичным приборам на борту других метеоспутников», — объяснил Александр Поляков.

Результаты исследования опубликованы в научном журнале Remote Sensing.

Научный руководитель лаборатории - руководитель климатической группы в Физико-метеорологической обсерватории Давоса и Всемирном радиационном центре (Швейцария) Евгений Розанов.

Читать подробнее: Физики создали технологию для измерения озона на основе машинного обучения, Минобрнауки России, 08.06.2023

Лаборатория

Источник фото: Журнал Remote Sensing, Published: 8 May 2023

Теги