IceCloudNet: Cirrus and mixed-phase cloud prediction from SEVIRI input learned from sparse supervision

要約

氷の粒子を含む雲は、気候システムにおいて重要な役割を果たします。
しかし、それらは依然として気候モデルや将来の気候予測において大きな不確実性の源となっています。
この研究では、静止衛星機器の時空間カバー範囲とアクティブな衛星回収の品質における、体制に依存する氷の微小物理的特性の新しい観測上の制約を作成します。
これは、3 年間の SEVIRI および DARDAR データ セットで畳み込みニューラル ネットワークをトレーニングすることによって実現されます。
この研究により、氷雲プロセスの理解を改善するための新しい研究が可能になり、それによって気候変動における不確実性が軽減され、巻雲の地球工学手法の評価に役立ちます。

要約(オリジナル)

Clouds containing ice particles play a crucial role in the climate system. Yet they remain a source of great uncertainty in climate models and future climate projections. In this work, we create a new observational constraint of regime-dependent ice microphysical properties at the spatio-temporal coverage of geostationary satellite instruments and the quality of active satellite retrievals. We achieve this by training a convolutional neural network on three years of SEVIRI and DARDAR data sets. This work will enable novel research to improve ice cloud process understanding and hence, reduce uncertainties in a changing climate and help assess geoengineering methods for cirrus clouds.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google