Super-Resolution of BVOC Maps by Adapting Deep Learning Methods

要約

生物由来の揮発性有機化合物 (BVOC) 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、大気と気候の物理的および化学的特性の重要な要因となっています。
大規模できめの細かい BVOC 排出量マップを取得するには、費用と時間がかかるため、利用可能なほとんどの BVOC データは、緩やかでまばらなサンプリング グリッドまたは小さな領域で取得されます。
ただし、高解像度の 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アプリケーションで望ましいものです。
この作業では、BVOC 取得を強化する可能性を調査し、環境とこれらの化合物の関係をさらに説明します。
これは、画像の超解像度 (SR) 用に提案されたいくつかの最先端のニューラル ネットワークのパフォーマンスを比較し、それらを適応させて、放出の大きなダイナミック レンジによってもたらされる課題を克服し、異常値の影響を軽減することによって行います。
予測。
さらに、時間的および地理的制約の両方を考慮して、現実的なシナリオも検討します。
最後に、スケール不変性特性と目に見えない化合物からの超解像放出を考慮して、SR一般化に関する将来の発展の可能性を提示します。

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, Google