通过卫星验证实现凝结尾迹规避闭环
Closing the Loop on Contrail Avoidance with Satellite Verification
精选理由
提出卫星核验飞机尾迹云的方法,并揭示分辨率、数据增强与预训练对检测性能的关键影响。
AI 摘要
arXiv:2610.09363v1 公告类型:交叉收录 摘要:凝结尾迹是飞机飞过后留下的薄冰云。它们造成了航空活动引起的很大一部分增温,而调整少数会产生凝结尾迹的航班路线,就可能避免其中的大部分增温。然而,只有卫星能够确认凝结尾迹确实未形成,规避才算有效,而这项核查并不容易:凝结尾迹仅有一到两个像素宽,只占全部像素的 0.18%,且外观与自然卷云非常相似。我们构建了一个用于检测凝结尾迹的小型扩散模型(840 万参数,在单块 GPU 上训练),并开展对照研究,以确定哪些组成部分真正重要。该模型的 PR-AUC 达到 0.476,而 DeepLabV3+ 基线模型为 0.414,经过适配的 MedSegDiff 为 0.119。将 CNN 的输入分辨率提高一倍后,其性能便与我们的模型相当(0.499,p=0.07)。三点经验也适用于凝结尾迹之外的任务。第一,在设计新架构之前,先检查输入分辨率。第二,简单的翻转和旋转就能使准确率提高至两倍以上,其重要性超过了我们评估的任何架构选择。第三,基于凝结尾迹形状对模型进行预训练反而有害:模型学会了认为细线条无处不在,并将其绘制到空白场景中。精确率骤降至 1%,但基于召回率的指标仍将退化后的模型评为优秀,而且无论调整阈值还是采用引导启发式方法,都无法修复这一失效问题。