سبر جوي

يقيس جهاز قياس حافة الغلاف الجوي حافة الغلاف الجوي حيث تكون مرئية فوق الأرض. ويقوم بذلك بإحدى طريقتين: إما بتتبع الشمس أو القمر أو نجم أو قمر صناعي آخر يبث عبر الحافة عندما يختفي المصدر خلف الأرض، أو برصده للفضاء الخارجي، جامعًا الإشعاع المتناثر من أحد هذه المصادر. في المقابل، يقيس جهاز قياس النظير ( النظير ) أسفل الغلاف الجوي باتجاه سطح الأرض. ويعمل جهاز SCIAMACHY بهذه الطرق الثلاث. أما جهاز قياس سمت الرأس ( السمت ) فيقيس أعلى الغلاف الجوي من موقع أرضي.

ينطبق ما يلي بشكل أساسي على أجهزة الاستشعار السلبية، ولكنه ينطبق أيضاً على أجهزة الاستشعار النشطة.

عادةً، يوجد متجه من قيم الكمية المراد استرجاعها،${\displaystyle {\vec {x}}}$، ويُطلق عليه متجه الحالة ومتجه القياسات،${\displaystyle {\vec {y}}}$قد يُمثل متجه الحالة درجات الحرارة، أو كثافة جزيئات الأوزون، أو الرطوبة، وما إلى ذلك. أما متجه القياس، فيُمثل عادةً عدد الجسيمات، أو الإشعاعات، أو درجات حرارة السطوع من مقياس الإشعاع أو كاشف مماثل، ولكنه قد يشمل أي كمية أخرى ذات صلة بالمشكلة. يقوم النموذج الأمامي بربط متجه الحالة بمتجه القياس.

${\displaystyle {\vec {y}}={\vec {f}}({\vec {x}})}$

عادةً ما تكون عملية رسم الخرائط،${\displaystyle {\vec {f}}}$يُعرف هذا المفهوم من المبادئ الفيزيائية الأساسية، لكن هذا ليس هو الحال دائمًا. فبدلًا من ذلك، قد يُعرف تجريبيًا فقط ، من خلال مطابقة القياسات الفعلية مع الحالات الفعلية. لا تقيس الأقمار الصناعية والعديد من أجهزة الاستشعار عن بُعد الأخرى الخصائص الفيزيائية ذات الصلة، أي الحالة، بل تقيس كمية الإشعاع المنبعث في اتجاه معين، بتردد معين. عادةً ما يكون من السهل الانتقال من فضاء الحالة إلى فضاء القياس - على سبيل المثال باستخدام قانون بير أو انتقال الإشعاع - ولكن ليس العكس، لذلك نحتاج إلى طريقة ما لعكس ذلك.${\displaystyle {\vec {f}}}$أو إيجاد النموذج العكسي ،${\displaystyle {\vec {f}}^{-1}}$.

إذا كانت المسألة خطية، فيمكننا استخدام نوع من طرق معكوس المصفوفة، ولكن غالبًا ما تكون المسألة غير محددة جيدًا أو غير مستقرة، لذا سنحتاج إلى تنظيمها : ومن الطرق الجيدة والبسيطة المعادلة العادية أو تحليل القيم المفردة . أما إذا كانت المسألة غير خطية بشكل ضعيف، فقد تكون طريقة تكرارية مثل طريقة نيوتن-رافسون مناسبة.

أحيانًا تكون الفيزياء معقدة للغاية بحيث يصعب نمذجتها بدقة، أو يكون النموذج الأمامي بطيئًا جدًا بحيث لا يمكن استخدامه بفعالية في الطريقة العكسية. في هذه الحالة، يمكن استخدام أساليب إحصائية أو أساليب تعلم آلي ، مثل الانحدار الخطي ، والشبكات العصبية ، والتصنيف الإحصائي ، وتقدير النواة ، وما إلى ذلك، لتكوين نموذج عكسي قائم على مجموعة من أزواج العينات المرتبة التي تربط فضاء الحالة بفضاء القياس.${\displaystyle \lbrace {\vec {x}}:{\vec {y}}\rbrace }$يمكن توليد هذه البيانات إما من النماذج - مثل متجهات الحالة من النماذج الديناميكية ومتجهات القياس من نقل الإشعاع أو نماذج أمامية مماثلة - أو من القياس التجريبي المباشر. وتشمل الحالات الأخرى التي قد يكون فيها استخدام الأساليب الإحصائية أكثر ملاءمةً المسائل غير الخطية للغاية.