PACE衛星データからエアロゾル光学的厚さ（AOD）を推定するFoundation AIモデル

要旨: エアロゾル光学的厚さ（AOD）の推定は、地球観測にとって不可欠であり、大気質モニタリングから気候研究に至るまで幅広い応用を支えています。従来の物理ベースのAOD推定手法では、この問題をピクセルごとの逆問題（pixel-wise inversion）として定式化し、放射伝達モデリング、メモリを大きく消費するルックアップテーブル、および補助的な気象データに依存していました。近年のデータ駆動型アプローチは有望な結果を示しているものの、多くの手法はハイパースペクトル画像の空間—スペクトルのコヒーレンス（整合性）を十分に活用できておらず、その結果として、空間的に一貫性のない推定や、ノイズに敏感な推定につながっています。私たちは、AOD推定におけるFoundation AIモデルを探る最初の研究を提示し、さらに推定のバイアスと誤差を低減する、Channel-wise Groupingベースの空間回帰フレームワークを備えたVision TransformerであるViTCGを提案します。ViTCGは入力としてハイパースペクトルの大気上端（top-of-atmosphere）の放射輝度を用い、空間的な文脈とスペクトル情報を同時にモデル化します。PACEの放射輝度観測による検証では、Prithviを含む最先端のFoundationモデルと比較して平均二乗誤差が62%低減され、空間的にコヒーレントなAOD分布が得られることを示します。