通过分类提升从Sentinel-5P对流层数据估计地面NO2测量
摘要：使用欧洲哥白尼计划的Sentinel-5P任务的卫星检索和ARPA（环境保护机构）网站获取的地面测量数据，该研究旨在分析2019年意大利北部艾米利亚-罗马涅大区的二氧化氮（NO2）污染情况。最终目标是在只有卫星数据可用时估计地面NO2的测量值。为此，我们使用了一种机器学习（ML）模型，分类提升，该模型表现良好，使我们在用于获取地面真实值的43个站点上实现了均方根误差（RM SE）为0.0242。这个步骤是理解必须采取哪些其他行动以改善模型的最终性能并扩展其有效性的起点。
作者：Francesco Mauro and Luigi Russo and Fjoralba Janku and Alessandro Sebastianelli and Silvia Liberata Ullo
论文ID：2304.04069
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-29