Super-Resolution of BVOC Maps by Adapting Deep Learning Methods

要約

生物起源揮発性有機化合物（BVOCs）は、生物圏と大気の相互作用において重要な役割を果たしており、大気と気候の物理的・化学的特性における重要な要因となっている。大規模できめ細かいBVOC放出マップを取得するのは高価で時間がかかるため、利用可能なBVOCデータのほとんどは、緩やかで疎なサンプリンググリッドか、小さな領域で取得されている。しかし、高分解能のBVOCデータは、大気質、大気化学、気候モニタリングなどの多くの用途で望まれている。この研究では、BVOCの取得を強化し、環境とこれらの化合物との関係をさらに解明する可能性を検討する。そのために、画像超解像（SR）のために提案されたいくつかの最先端のニューラルネットワークの性能を比較し、発光の大きなダイナミックレンジがもたらす課題を克服し、予測における異常値の影響を軽減するように適応させる。さらに、時間的・地理的制約を考慮した現実的なシナリオも検討する。最後に、スケール不変性と未知の化合物からの放出の超解像を考慮したSRの一般化に関する将来の可能性を示す。

要約(オリジナル)

Biogenic Volatile Organic Compounds (BVOCs) play a critical role in biosphere-atmosphere interactions, being a key factor in the physical and chemical properties of the atmosphere and climate. Acquiring large and fine-grained BVOC emission maps is expensive and time-consuming, so most available BVOC data are obtained on a loose and sparse sampling grid or on small regions. However, high-resolution BVOC data are desirable in many applications, such as air quality, atmospheric chemistry, and climate monitoring. In this work, we investigate the possibility of enhancing BVOC acquisitions, further explaining the relationships between the environment and these compounds. We do so by comparing the performances of several state-of-the-art neural networks proposed for image Super-Resolution (SR), adapting them to overcome the challenges posed by the large dynamic range of the emission and reduce the impact of outliers in the prediction. Moreover, we also consider realistic scenarios, considering both temporal and geographical constraints. Finally, we present possible future developments regarding SR generalization, considering the scale-invariance property and super-resolving emissions from unseen compounds.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL