Use of A Neural Network-Based Ocean Body Radiative Transfer Model for Aerosol Retrievals from Multi-Angle Polarimetric Measurements

Autor:	Guangliang Fu, Martijn Smit, Cheng Fan, Sharon P. Burton, Otto Hasekamp, Richard Ferrare, Jeroen Rietjens, Antonio Di Noia, Zhengqiang Li
Jazyk:	angličtina
Rok vydání:	2019
Předmět:	010504 meteorology & atmospheric sciences Polarimetry Hyperspectral imaging Polarimeter 01 natural sciences Aerosol Physics::Geophysics 010309 optics Atmosphere Atmospheric radiative transfer codes Lidar 0103 physical sciences Radiative transfer General Earth and Planetary Sciences Environmental science Astrophysics::Solar and Stellar Astrophysics Physics::Atmospheric and Oceanic Physics neural network aerosols multi-angle polarimetry 0105 earth and related environmental sciences Remote sensing
Zdroj:	Remote Sensing; Volume 11; Issue 23; Pages: 2877
ISSN:	2072-4292
DOI:	10.3390/rs11232877
Popis:	For aerosol retrieval from multi-angle polarimetric (MAP) measurements over the ocean it is important to accurately account for the contribution of the ocean-body to the top-of-atmosphere signal, especially for wavelengths
Databáze:	OpenAIRE
Externí odkaz:	https://explore.openaire.eu/search/publication?articleId=doi_dedup___::233c616a0e2ac3d41293d68ade320894 Zobrazit plný text záznamu Plný text ve formátu PDF Plný text ve formátu HTML
Nepřihlášeným uživatelům se plný text nezobrazuje	K zobrazení výsledku je třeba se přihlásit.