arXiv来源发表:
云层三维结构不再等半小时：HybridCT把断层重建压到3.5秒，误差也更低
核心概要
低层云的三维内部结构长期缺少大范围观测，物理断层反演要反复做三维辐射传输计算，代价高到难以处理大规模真实云场。HybridCT把反演拆成两步：先用U-Net从多角度被动辐射亮度估计云光学厚度投影，再用SART代数重建显式解出三维消光场。在合成低层云场景上，它重建消光的RMSE为13.3 km⁻¹、耗时3.5秒，物理基线AT3D为22.7 km⁻¹、约30分钟。
深度剖析
多角度被动观测现在可以直接给出三维云消光场，而不必在辐射亮度空间里反复迭代求解。 此前的物理断层框架AT3D直接以三维辐射传输为前向算子，从多角度辐射亮度反演，需要反复做昂贵的三维辐射传输计算。 在留出的合成低层云场景上，HybridCT重建消光的RMSE为13.3 km⁻¹，AT3D为22.7 km⁻¹；前者耗时3.5秒，后者约30分钟。
机器学习只负责把每个视角的辐射亮度换算成云光学厚度，垂直方向的结构交给显式的几何投影约束。 U-Net按视角分别训练，把二维辐射亮度映射为云光学厚度，得到沿视线的路径积分投影；SART随后迭代反演这些投影，并施加非负约束和给定的云掩膜。 训练数据来自六个大涡模拟海洋副热带浅积云场景，用MYSTIC蒙特卡洛辐射传输在±70°内模拟MISR式九个视角、670 nm波段的辐射亮度，其中一个场景留作最终评估。
启示与展望
演示范围是六个大涡模拟海洋副热带浅积云场景生成的合成多角度辐射亮度，其中一个场景留出用于最终评估；U-Net按MISR式九个视角和有限环境条件训练。
云光学厚度并不保留原始辐射亮度中的全部信息；真实数据应用还需要更广的训练、基于观测的三维云掩膜，以及用主动和原位观测做独立验证。静态场景假设要求多角度近同时采集，这有待CloudCT等下一代卫星星座实现。