学习资源 | NOAA+AI—使用AI和ML方法处理环境领域数据、图像、信号

背景动机

AI，机器学习/深度学习技术（包括深层神经网络，DNN）在许多领域和应用中取得了很大的进展，包括医药、自动驾驶、社交媒体、金融工业等。在私有领域，人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而，直到最近，在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是，AI在这些领域的应用在不断增加，而且取得了令人鼓舞的结果，其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加，将会持续改善预报准确率和精度。来自高分辨率卫星和传感器，一系列新传感器，以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战，AI已经成为潜在的解决技术。

主要内容

1. 用于探测气候极端现象的机器学习：不确定性量化的新方法。

1. 多光谱土地表面反射时间序列用于检测和分类土地覆盖变化的分析。

1. 利用深度卷积神经网络对VIIRS测量的海洋色彩产品进行超分辨率测量。