XiaoMi-AI文件搜索系统
World File Search System环境卫星
下一代环境卫星星座研讨会
科学家和预报员需要高质量的、具有全球覆盖范围的空间和时间分辨率的数据，以研究和监测世界各地的各种气象和气候现象。对于一些国家来说，这些观测数据不足和/或缺失，因为多种困难阻碍了这些数据的获取（经济、物流、技术等）。缓解这些挑战的一种尝试是利用气象卫星，自 20 世纪 50 年代末以来一直进行连续测量。它们提供了有关影响地球气候和天气的地球大气、冰冻圈、陆地、海洋和空间天气的重要信息。新的地球静止环境业务卫星系列 (GOES-R) 和联合极地卫星系统 (JPSS) 代表了卫星观测能力的重大进步。然而，由于 GOES-R 和 JPSS 中采用的先进技术已大大改善了成像效果，因此需要更多的培训和努力才能利用这些卫星进步带来的新优势。此外，GOES-R 和 JPSS 卫星将在 2030 年代投入运营，让世界各地的不同用户了解最新情况非常重要。
口头题目：天气和环境卫星遥感人工智能
演讲偏好：口头 标题：人工智能在天气和环境卫星遥感中的应用 作者：Allen Huang 作者所属：SSEC/CIMSS，威斯康星大学麦迪逊分校 通讯作者的电子邮件地址：allenh@ssec.wisc.edu 关键词：人工智能 (AI)、深度学习、大数据 摘要（最多 500 字）：根据世界气象组织 (WMO) 空间计划观测系统能力分析和审查工具 (OSCAR) 网站 https://www.wmo-sat.info/oscar/satellites，列出了 727 多个条目，记录了过去、现在和未来的气象和地球观测任务卫星。由于大多数卫星都携带多个传感器，据估计，数千个传感器已经、正在和将要产生数千 PB 级的遥感大数据。这些旧的、新的和未来的异构天气和环境信息丰富的观测数据，再加上其他机载和地面遥感、现场传感器和模型数据，已经超出了我们目前存档它们的能力，更不用说尝试使用它们了。在本演讲中，将讨论将天气和环境大数据与复杂的数学算法、高性能计算能力和人工智能 (AI) 深度学习分析相结合的潜力，人们可以利用对数据收集的大量投资，并展示出在提高我们在天气预报、环境监测和气候研究方面的能力方面超过成本的收益。