火山SO_(2)排放速率反演OA北大核心
SO_(2)紫外相机因在时间分辨率、空间分辨率、探测灵敏度以及探测精度等诸多方面均具有显著优势而成功应用于火山活动监测及其动力学研究。为解决紫外相机反演SO_(2)排放速率容易受烟羽湍流及图像低对比度影响等问题,提出了融入神经网络的光流算法。首先,基于大气紫外辐射传输特性,阐述了SO_(2)紫外相机的工作机理及SO_(2)浓度图像的反演方法;其次,将神经网络融入光流算法,实现了火山烟羽图像中SO_(2)排放速率的精确反演;最后,与传统光流法进行对比,论证了神经网络光流算法的科学性及优越性与精确性。实验结果表明:在图像低对比度及烟羽湍流效应的双重影响下,神经网络光流法可以把边缘反演的误差从94%降低至5%,显著提高了SO_(2)排放速率反演的精确性。
郭建军;李发泉;张子豪;张会亮;李娟;武魁军;何微微;
烟台大学物理与电子信息学院,山东烟台264005中国科学院精密测量科学与技术创新研究院,湖北武汉430071中国科学院西安光学精密机械研究所,陕西西安710119
地球科学
SO_(2)相机光流法神经网络排放速率湍流火山排放
《大气与环境光学学报》 2024 (001)
P.98-110 / 13
国家自然科学基金(41975039,61705253);国家重点研发计划(2017YFC0211900);山东省自然科学基金(ZR2021QD088);山东省高等学校“青创科技支持计划”(2021KJ008)。
评论