elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

A novel ozone profile shape retrieval using full-physics inverse learning machine (FP-ILM)

Xu, Jian und Schüssler, Olena und Loyola, Diego und Romahn, Fabian und Doicu, Adrian (2017) A novel ozone profile shape retrieval using full-physics inverse learning machine (FP-ILM). IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10 (12), Seiten 5442-5457. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/JSTARS.2017.2740168. ISSN 1939-1404.

[img] PDF - Nur DLR-intern zugänglich
2MB

Offizielle URL: http://ieeexplore.ieee.org/document/8023748/

Kurzfassung

Identifying ozone profile shapes from nadir-viewing satellite sensors is a critical yet challenging task for accurate reconstruction of vertical distributions of ozone relevant to climate change and air quality. Motivated by the need to develop a methodology to fast, reliably, and efficiently exploit ozone distributions and inspired by the success of machine learning, this paper introduces a novel algorithm for estimating ozone profile shapes from satellite ultraviolet absorption spectra. The Full-Physics Inverse Learning Machine (FP-ILM) algorithm successfully characterizes ozone profile shapes using machine learning approaches. Its implementation mainly consists of a clustering process based on a semi-supervised agglomerative algorithm, a classification process based on full-physics radiative transfer simulations and a neural network (NN), and a profile scaling process based on a NN ensemble. The classification model has been trained with synthetic data generated by a forward model in conjunction with “smart sampling,” while the scaling model corresponding to each cluster requires total ozone information. The main innovation of FP-ILM is that, unlike conventional inversion methods, the ozone profile retrieval is formulated as a classification problem, leading to a noteworthy speed-up and accuracy when dealing with applications of satellite data. An outstanding retrieval performance with errors of less than 10% over 100–1 hPa has been obtained for synthetic measurements. Furthermore, the ozone profiles retrieved from the Global Ozone Monitoring Experiment–2 data using FP-ILM and the optimal estimation method reach an encouraging agreement (the differences are less than 6 Dobson Units or within 5%–20%).

elib-URL des Eintrags:https://elib.dlr.de/113958/
Dokumentart:Zeitschriftenbeitrag
Titel:A novel ozone profile shape retrieval using full-physics inverse learning machine (FP-ILM)
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Xu, Jianjian.xu (at) dlr.dehttps://orcid.org/0000-0003-2348-125XNICHT SPEZIFIZIERT
Schüssler, Olenaolena.schuessler (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Loyola, DiegoDiego.Loyola (at) dlr.dehttps://orcid.org/0000-0002-8547-9350NICHT SPEZIFIZIERT
Romahn, Fabianfabian.romahn (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Doicu, Adrianadrian.doicu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Dezember 2017
Erschienen in:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:10
DOI:10.1109/JSTARS.2017.2740168
Seitenbereich:Seiten 5442-5457
Herausgeber:
HerausgeberInstitution und/oder E-Mail-Adresse der HerausgeberHerausgeber-ORCID-iDORCID Put Code
Du, QianDu (at) ece.msstate.eduNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:1939-1404
Status:veröffentlicht
Stichwörter:Atmospheric composition measurements, machine learning, ozone profiles
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Fernerkundung u. Geoforschung, R - Atmosphären- und Klimaforschung, R - Projekt Klimarelevanz von atmosphärischen Spurengasen, Aerosolen und Wolken
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Atmosphärenprozessoren
Hinterlegt von: Xu, Dr.-Ing. Jian
Hinterlegt am:08 Sep 2017 12:47
Letzte Änderung:02 Nov 2023 12:10

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.