中文   English

理解辐射传输及其应用——对话陈楠博士

发布日期:Generate:2019-09-11 11:57:19 阅读次数:Reader:[416]

      本网讯(通讯员 张艺群)2019年8月30日上午,应实验室马盈盈副教授的邀请,美国卫星数据同化中心陈楠博士来访实验室,进行了学术交流,并作题为“Radiative transfer and its application over land and water”的学术报告。 

图:陈楠博士学术报告
 
      陈楠博士从多方面对辐射传输及其应用进行了详细介绍。他以辐射传输的广泛应用开题,对辐射传输的原理作简单介绍,接着概述其在水体、气溶胶、云及冰雪识别等方面的应用,然后简述辐射传输模型的发展历程,对DISORT模式进行详细介绍,并说明目前辐射传输模式的发展方向:更快、更精确、更灵活以及3D辐射传输。紧接着陈博士着重讲了其前一阶段的工作——结合辐射传输和机器学习算法建模对云进行识别,对模型的构建思路、训练数据采集、结果验证等进行详细说明,并对实验成果进行展示,将该模型应用于水域进行测试验证同样取得不俗成果。最后陈博士对Multilayer Neural Network(MLNN)算法的设计思路及实验结果进行了讲解,该算法提高了已检索到的海洋颜色数据的质量,极大改善了使用SeaDAS算法会出现的负值情况。与会师生积极与其交流探讨,收获良多。
图:陈楠博士回答学生问题
 
      陈楠博士本科毕业于武汉大学物理科学与技术学院,硕士毕业于南京大学物理系,2016年博士毕业于斯蒂文斯理工学院物理系,现就职于美国卫星数据同化中心。他长期从事大气遥感方面的研究,精通大气光散射和辐射传输原理,是辐射传输方程求解算法DISORT(Discrete Ordinates Radiative Transfer Program for a Multi-Layered Plane-Parallel Medium)最新修订版DISORT 4.0 团队的核心成员。主要从事针对不同下垫面辐射传输模型的改进和相关云-雪覆盖识别算法的相关研究,在SCI收录期刊(RSE,OE,JGRA,JAS等)上发表论文十余篇。参加并主持了JAXA GCOM-C/SGLI Cryosphere 项目的冰雪辐射传输以及反演算法开发,近年来在机器学习与辐射传输模型的结合应用上开展了诸多工作。
(摄影:范若男)
 


版权所有:测绘遥感信息工程国家重点实验室   
联系地址: 中国·武汉市珞喻路129号   邮编: 430079   E-mail:liesmars@whu.edu.cn
Tel/Fax:027-68778969(办公室) 027-68778229(国际交流办公室)027-68778525(研究生管理办公室)