详细内容或原文请订阅后点击阅览
基于AI的方法使用地静止卫星数据进行小时监测碳吸收
通过光合作用，大约30％的全球二氧化碳（CO2）排放可以通过陆地植被消除。隶属于Unist的研究人员揭示了一种创新的人工智能（AI）分析技术，该技术可以通过高时间分辨率来预测这种二氧化碳的吸收。预计这一进步将显着帮助气候变化的缓解工作和碳中性政策的制定。
来源:英国物理学家网首页通过光合作用，大约30％的全球二氧化碳（CO2）排放可以通过陆地植被消除。隶属于Unist的研究人员揭示了一种创新的人工智能（AI）分析技术，该技术可以通过高时间分辨率来预测这种二氧化碳的吸收。预计这一进步将显着帮助气候变化的缓解工作和碳中性政策的制定。
2由Unist地球环境城市建筑工程系的Jungho IM教授领导，研究小组宣布开发一种AI模型，该模型能够以每小时的时间间隔估算每日初级生产（GPP），并利用Geostationary WeathereS卫星的高频数据。他们的论文发表在环境的遥感中。
已发布GPP是代表光合作用期间植物积极吸收的碳量的关键指标，它是量化生态系统碳固醇的关键指标。
碳新开发的模型利用了Himawari-8地静止卫星的10分钟间隔观测值，以高度准确性预测GPP。第一作者Sejeong Bae解释说：“与极性轨道卫星不同，通常观察到给定位置每天仅一到四次，我们的模型受益于更频繁的数据收集，从而可以精确地估计光合作用的昼夜变化。”
该模型结合了一系列气象数据，包括气溶胶光学深度（AOD），这是一个卫星来源的指示器，反映了颗粒物质的浓度，例如细灰尘。 AOD通过吸收或散射太阳辐射来影响到达表面的阳光的数量和质量，从而影响光合活性。
更多信息：