A Physics-Guided Transfer Learning Framework for Cloud, Dust and Clear-Sky Detection over Bright Surfaces in Passive Satellite Remote Sensing
Cette étude introduit un cadre d'apprentissage par transfert guidé par la physique basé sur un réseau d'équations différentielles stochastiques qui exploite des simulations de transfert radiatif et des données colocalisées MODIS-CALIPSO pour parvenir à une discrimination de haute précision et avec quantification de l'incertitude des nuages, des aérosols de poussière et des surfaces brillantes en télédétection satellitaire passive, surpassant de manière significative les méthodes de référence existantes.