Neues Verfahren zur schnellen, effizienten und skalierbaren Wolkentomographie

Wie prägen Wolken die Zukunft des Planeten? Wolken sind nicht nur flauschige weiße Gebilde am Himmel. Sie sind entscheidend für die Regulierung des Erdklimas, da sie den Wasserkreislauf, die atmosphärische Dynamik und den Energiehaushalt beeinflussen. Wolken zu studieren ist jedoch nicht einfach. Eine Möglichkeit, dies zu tun, ist die Verwendung weltraumgestützter Bildgeber, aber diese Bildgeber stehen immer noch vor Herausforderungen in Bezug auf Effizienz und Skalierbarkeit.

Um diese Einschränkungen zu überwinden, haben Ido Czerninski und Yoav Y. Schechner von der Viterbi Faculty of Electrical and Computer Engineering am Technion – Israel Institute of Technology, einem Partner von CloudCT, ein effektives inverses Rendering-Framework zur Wiederherstellung der 3D-Verteilung von Wolken entwickelt.

Ihre Forschung wurde in veröffentlicht Intelligentes Rechnen.

Dieses neue Framework kann für die streuungsbasierte Computertomographie – also die Streuungs-CT – verwendet werden. Frühere Studien haben Streu-CT für die Wolkenbeobachtung angewendet, aber sie standen vor Herausforderungen hinsichtlich der Rechenkosten und der Anwendbarkeit auf großflächige Szenen. Darüber hinaus variiert die Streuung des Lichts in Wolken je nach Wellenlänge des Lichts und der Größe der Wassertröpfchen und anderer luftgetragener Partikel. Dieser Komplexitätsgrad passt gut zum Bereich der Bildwiedergabe und ihrer Umkehrung.

Mithilfe eines neuen Algorithmus zur Beschleunigung des inversen Renderns konnten die Autoren die 3D-Eigenschaften von Wolken genau und effizient ermitteln. Inverses Rendering ist eine Rechentechnik, die in der Computergrafik und Computer Vision verwendet wird, um die Eigenschaften einer 3D-Szene, wie Form, Beleuchtung und Materialeigenschaften von Objekten, aus einem zweidimensionalen Bild abzuschätzen. Die Genauigkeit der durch dieses neue Framework erhaltenen 3D-Wolkenanalyse-Bildgebung wurde anhand von simulierten und realen Daten demonstriert.

Dieses neue Framework kann nicht nur für Streu-CT verwendet werden, sondern auch in anderen inversen Rendering-Kontexten, wie z Bilder von Organen und Geweben.

Obwohl dieser Ansatz einen echten Fortschritt darstellt, gibt es noch einige Probleme. Die Untersuchung der Rückkopplung des Wolkenklimas erfordert eine genaue Beschreibung der Wolkenmikrophysik, die die Untersuchung physikalischer Prozesse beinhaltet, die in Wolken ablaufen. Der aktuelle Ansatz repräsentiert jedoch eher optische als Größen- und Materialparameter. Daher muss dieser Ansatz in zukünftigen Studien um mikrophysikalische Parameter erweitert werden. Dies ist notwendig, um die Methodik dieser Arbeit für Klimastudien voll nutzen zu können.

Die Schlüsselinnovation der Autoren ist der „Path Recycling and Sorting“-Algorithmus, der die Arbeit am Problem der inversen Bildwiedergabe beschleunigt. Inverses Rendering erfordert normalerweise mehrere Iterationen, um die Variablen zu verfeinern, die die Szene definieren. Jede Iteration umfasst Rendering-Operationen, aber das Rendern kann ziemlich langsam sein, insbesondere wenn es während iterativer Verfeinerungen hunderte Male ausgeführt wird.

Um dieses Problem zu lösen, recycelt der Algorithmus Pfade aus vorherigen Iterationen während des inversen Rendering-Prozesses. Dieser Ansatz verwendet die Pfade von früheren Iterationen, um einen Verlustgradienten bei der aktuellen Iteration zu schätzen, was zu einer erheblichen Reduzierung der Iterationslaufzeit führt.