yoshikawa

研究背景、概要、目的

大気中のエアロゾルは気候変動や環境問題に影響を与えるが、MODIS衛星観測データには雲の影響などで欠損値が多い。一方、CHIMEREシミュレーションデータはエアロゾルの三次元的な挙動を再現できるがバイアスを含む。
本研究ではCHIMEREデータを入力とし、MODISの観測データを教師信号として深層学習モデルを用いた補完手法を提案する。空間的な情報を活用することで、より高精度な欠損補完を実現し、衛星データの有効活用を促進することを目指す。