Основные понятия
위성 데이터를 활용하여 기계 학습 기반의 먼지 에어로졸 탐지 기법을 소개하고 있다.
Аннотация
이 논문은 위성 데이터를 활용하여 먼지 에어로졸을 탐지하기 위한 기계 학습 기법을 리뷰하고 있다. 먼저 먼지 에어로졸 탐지에 사용되는 다양한 위성 센서와 데이터 특성을 소개한다. 물리적 접근법으로는 MODIS 지수, 일반적인 방법 등이 있으며, 기계 학습 알고리즘으로는 SVM, 신경망, 앙상블 방법, 클러스터링, 최대 우도 기반 방법 등이 활용되고 있다. 각 방법의 장단점과 성능 비교 결과를 제시하고 있다. 또한 다른 방법들도 소개하고 있으며, 향후 발전 방향으로 주목받는 어텐션 기반 순환 신경망, 합성곱 신경망과 반지도 학습 등을 제안하고 있다.
Статистика
먼지 에어로졸 탐지를 위해 MODIS 위성 데이터의 밝기 온도 차이(BTD)가 활용된다.
NDDI = (B7 - B3) / (B7 + B3)
TDI = C0 + C1 × BT3.7 + C2 × BT9.7 + C3 × BT11 + C4 × BT12
BDI = (BTD3.9-11.2)2 × BTD12.4-11.2
Цитаты
"먼지 폭풍은 유기 오염물질, 미량 제품 및 암을 유발하는 박테리아와 같은 유독성 공기 입자를 포함하고 있어 치명적인 기상 현상이다."
"MODIS 데이터는 레벨 0, 1A, 1B로 나뉘며, 레벨 1B에는 보정된 다중 분광 데이터가 포함되어 있다."
"SVM은 결정 경계를 최대화하고 비선형 분류를 포용하지만 대용량 데이터셋에서는 처리 시간이 오래 걸리는 단점이 있다."