في خطوة مذهلة نحو تحسين التنبؤات الجوية، تم تطبيق تقنيات جديدة لكشف السحب متعددة الطبقات باستخدام نموذج الشبكات العصبية التلافيفية أحادية الأبعاد (1D-CNN). هذه التقنية الحديثة تعتمد على مراقبة الأقمار الصناعية، مما يجعلها ضرورية لتحسين دقة النمذجة العددية للأرصاد الجوية.

تستند الدراسة إلى اختيار قنوات معينة تم الحصول عليها من خوارزميات معتمدة على العتبات، والتي تم استخدامها كمعايير في عملية هندسة الميزات، حيث أثبتت النتائج أن هذا النموذج يمكن أن يحقق نسبة كشف للأحوال السحابية تصل إلى 0.620 مع معدل إنذارات كاذبة يبلغ 0.240.

عند مقارنة هذه النتائج بالأسلوب التقليدي، نجد أن النموذج الجديد يتفوق بوضوح حيث كانت نسبة الكشف للأحوال السحابية في النموذج التقليدي 0.558 ومعدل الإنذارات الكاذبة 0.369.

تظهر التجارب أيضاً أن التطبيقات المعتمدة على المعرفة الفيزيائية يمكن أن تعزز من أداء الخوارزميات التقليدية. فمثلاً، تم استبدال قناة AGRI 12 (C12) بقناة 13 (C13) مما ساهم في تحسين نسبة الكشف إلى 0.609 دون التأثير على معدل الإنذارات الكاذبة. ومع ذلك، فإنه عند استبدال قناة AHI 11.2 ميكرومتر بقناة 12.3 ميكرومتر، لم يُسجل أي تحسين ملحوظ.

تُعتبر الفجوات في وظيفة الاستجابة الطيفية واستقرار القياس الراديوي أثناء الإطلاق عوامل رئيسية في تحسين النتائج. لذا، تبدو الطرق المعتمدة على الذكاء الاصطناعي المرتكزة على المعرفة الفيزيائية واعدة جداً في تعزيز تقنيات الاستشعار عن بعد، ولكن يجب أخذ خصائص الحساسات بعين الاعتبار خلال عملية الانتقال للتطبيق العملي.