Core Concepts
Die Entwicklung eines lernbasierten Modells ermöglicht die computertomographische Rekonstruktion von Wolken in 3D und liefert wertvolle Statistiken zur Unsicherheit.
Abstract
Die Studie konzentriert sich auf die Herausforderungen der Vorhersage des Klimas und der Physik von Wolken, insbesondere von flachen, verstreuten Wolken.
Es wird ein lernbasiertes Modell (ProbCT) vorgestellt, das die Wahrscheinlichkeitsverteilung des heterogenen Extinktionskoeffizienten von Wolken inferiert.
Durch Supervised Training und Self-Supervised Learning wird die Effizienz des Modells demonstriert, sowohl in Simulationen als auch an realen Daten.
Die Bedeutung der 3D-Wiederherstellung und Unsicherheit für Niederschlag und erneuerbare Energie wird hervorgehoben.
Stats
ProbCT infers zum ersten Mal die posterior Wahrscheinlichkeitsverteilung des heterogenen Extinktionskoeffizienten.
Die Inferenzzeit von ProbCT ist vergleichbar mit der Datenübertragungsrate aus dem Orbit.
Quotes
"Clouds play a key role in the climate system by modulating incoming and outgoing radiation energy."
"ProbCT is the first system designed to assess a probability distribution per location of a heterogeneous extinction coefficient."