• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Geoscience and Remote Sensing Symposium >Spatial noise-aware temperature retrieval from infrared sounder data
【24h】

Spatial noise-aware temperature retrieval from infrared sounder data

机译：从红外测深仪数据获取空间噪声感知温度

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we present a combined strategy for the retrieval of atmospheric profiles from infrared sounders. The approach considers the spatial information and a noise-dependent dimensionality reduction approach. The extracted features are fed into a canonical linear regression. We compare Principal Component Analysis (PCA) and Minimum Noise Fraction (MNF) for dimensionality reduction, and study the compactness and information content of the extracted features. Assessment of the results is done on a big dataset covering many spatial and temporal situations. PCA is widely used for these purposes but our analysis shows that one can gain significant improvements of the error rates when using MNF instead. In our analysis we also investigate the relationship between error rate improvements when including more spectral and spatial components in the regression model, aiming to uncover the trade-off between model complexity and error rates.
机译：在本文中，我们提出了一种从红外测深仪检索大气剖面的组合策略。该方法考虑了空间信息和噪声相关的降维方法。提取的特征将被输入规范线性回归中。我们比较了主成分分析（PCA）和最小噪声分数（MNF）的降维效果，并研究了提取特征的紧凑性和信息含量。对结果的评估是在涵盖许多时空情况的大型数据集上完成的。 PCA被广泛用于这些目的，但我们的分析表明，使用MNF可以大大提高错误率。在我们的分析中，我们还研究了回归模型中包含更多光谱和空间成分时错误率改善之间的关系，旨在揭示模型复杂度和错误率之间的权衡。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号