Enhancing Biogenic Emission Maps Using Deep Learning

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 BVOC データのほとんどは、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、植物とこれらの化合物の関係を説明するために一歩前進して、BVOC取得を強化する可能性を調査することを提案します。
これは、Single-Image Super-Resolution (SISR) 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、前処理を通じて放出データを正しく処理するようにそれらを適応させる方法を示しています。
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、超解像（SR）一般化の観点から可能な将来の開発を提示します。

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 of the 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 propose to investigate the possibility of enhancing BVOC acquisitions, taking a step forward in explaining the relationships between plants and these compounds. We do so by comparing the performances of several state-of-the-art neural networks proposed for Single-Image Super-Resolution (SISR), showing how to adapt them to correctly handle emission data through preprocessing. Moreover, we also consider realistic scenarios, considering both temporal and geographical constraints. Finally, we present possible future developments in terms of Super-Resolution (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