XiaoMi-AI文件搜索系统
World File Search System温度结构
JGR行星-2022 -Streeter.pdf
摘要火星大气的垂直不透明度结构对于理解冰（水和二氧化碳）和灰尘的分布很重要。我们提供了一个新的数据集，这些数据集来自Nomad/UVIS光谱仪在Exomars Trace Gas Orbiter上的新数据集，涵盖了一个半火星年（MY），包括我的34次全球防尘雨和几次区域性沙尘暴。我们讨论了特定的中层云特征，并与现有文献和随着数据同化的MARS全球气候模型（MGCM）进行比较。中层不透明度特征，被解释为水冰，并与MGCM中的湿透者升高相关，提供了证据表明，区域性沙尘暴可以促进蒸气到中层高度的运输（具有对大气逃避的潜在影响）。沙尘暴季节也对云特征的生命周期产生了明显影响，而尘土飞扬的季节早期与持久的中层云层相关。中层不透明度特征，并根据以前的文献解释为水冰。同化的MGCM温度结构与UVIS的不透明非常吻合，但是MGCM不透明度领域努力地重现中层冰的特征，这表明需要进一步发展水冰参数化。UVIS不透明度数据集为进一步研究火星大气的垂直气溶胶结构以及在数值模型中如何表示的机会。
floppity：通过机器学习启用自洽的大气检索
上下文。将外部大气的观察结果解释为限制物理和化学特性，通常是对贝叶斯检索技术进行的。由于这些方法需要许多模型计算，因此必须在模型的复杂性和运行时间之间做出妥协。实现这一折衷会导致许多物理和化学过程的简化（例如参数化温度结构）。目标。在这里，我们实施和测试顺序神经后估计（SNPE），这是一种用于系外行星的机器学习推理算法。目标是加快检索的速度，以便可以使用更昂贵的大气模型进行运行，例如那些使用辐射转移计算温度结构的模型。方法。我们使用外部科学（ARCIS）的精巧建模代码生成了100个合成观测，该代码是一种具有大气形的建模代码，具有远距离的功能，可以在不同程度的复杂性上计算模型，并在其上进行检索以测试SNPE后代的忠诚。忠诚量化了后者是否会像我们预期的那样经常包含地面真理。我们还使用Arcis的自洽功能对凉爽的棕色矮人进行了合成观察，并通过自洽模型进行了检索，以展示SNPE打开的可能性。结果。我们发现，SNPE提供了忠实的后代，因此是系外运动大气检索的可靠工具。我们已在GitHub上公开为社区公开使用代码。我们只能使用仅50 000个正向模型评估来运行合成棕色矮人光谱的自洽检索。我们发现，SNPE可以根据向前模型的计算负载，观察力的维度及其信噪比（S / N）加快〜2×和≥10倍之间的速度。