本网讯（通讯员 张艺群）2019年8月30日上午，应实验室马盈盈副教授的邀请，美国卫星数据同化中心陈楠博士来访实验室，进行了学术交流，并作题为“Radiative transfer and its application over land and water”的学术报告。
图：陈楠博士学术报告
陈楠博士从多方面对辐射传输及其应用进行了详细介绍。他以辐射传输的广泛应用开题，对辐射传输的原理作简单介绍，接着概述其在水体、气溶胶、云及冰雪识别等方面的应用，然后简述辐射传输模型的发展历程，对DISORT模式进行详细介绍，并说明目前辐射传输模式的发展方向：更快、更精确、更灵活以及3D辐射传输。紧接着陈博士着重讲了其前一阶段的工作——结合辐射传输和机器学习算法建模对云进行识别，对模型的构建思路、训练数据采集、结果验证等进行详细说明，并对实验成果进行展示，将该模型应用于水域进行测试验证同样取得不俗成果。最后陈博士对Multilayer Neural Network（MLNN）算法的设计思路及实验结果进行了讲解，该算法提高了已检索到的海洋颜色数据的质量，极大改善了使用SeaDAS算法会出现的负值情况。与会师生积极与其交流探讨，收获良多。
陈楠博士本科毕业于武汉大学物理科学与技术学院，硕士毕业于南京大学物理系，2016年博士毕业于斯蒂文斯理工学院物理系，现就职于美国卫星数据同化中心。他长期从事大气遥感方面的研究，精通大气光散射和辐射传输原理，是辐射传输方程求解算法DISORT（Discrete Ordinates Radiative Transfer Program for a Multi-Layered Plane-Parallel Medium）最新修订版DISORT 4.0 团队的核心成员。主要从事针对不同下垫面辐射传输模型的改进和相关云-雪覆盖识别算法的相关研究，在SCI收录期刊（RSE，OE，JGRA，JAS等）上发表论文十余篇。参加并主持了JAXA GCOM-C/SGLI Cryosphere 项目的冰雪辐射传输以及反演算法开发，近年来在机器学习与辐射传输模型的结合应用上开展了诸多工作。
