Rete neurale guidata dalla fisica accelera la correzione atmosferica per il telerilevamento

I ricercatori hanno sviluppato un framework surrogato multi-fedeltà basato sulla fisica, chiamato pKANrtm, per emulare i coefficienti di correzione atmosferica per il telerilevamento ottico. Il metodo utilizza simulazioni accoppiate dai modelli di trasferimento radiativo 6S e libRadtran, campionate tramite Latin Hypercube Sampling, per le bande di Sentinel-2. I target ad alta fedeltà includono la riflettanza del percorso, la trasmittanza totale e l'albedo sferico. La Kolmogorov-Arnold Network prevede il residuo tra gli output a bassa fedeltà di 6S e quelli ad alta fedeltà di libRadtran, riducendo il costo computazionale per la generazione di dense look-up table, l'analisi di sensibilità e la pre-elaborazione operativa. Lo studio è pubblicato su arXiv.