• Citer

Advancing Machine Learning for Estimating Atmospheric NO2 Fields at High Resolution: through Uncertainty Quantification, Physics-Guided Learning, and Pretraining with Fine-Tuning

par Sun, Wenfu
Président du jury Coheur, Pierre
Promoteur Clarisse, Lieven
Co-Promoteur Tack, Frederik
Publication Non publié, 2026-09-10

Thèse de doctorat

• Accès en ligne
• Détails
• Contenu
• Statistiques

Titre:	Advancing Machine Learning for Estimating Atmospheric NO2 Fields at High Resolution: through Uncertainty Quantification, Physics-Guided Learning, and Pretraining with Fine-Tuning
Auteur:	Sun, Wenfu
Président du jury:	Coheur, Pierre
Promoteur:	Clarisse, Lieven
Co-Promoteur:	Tack, Frederik
Membre du jury:	Gryech, Ihsane; Liu, Mengyao ML; Wagner, Thomas
Informations sur la publication:	Université libre de Bruxelles, Faculté des Sciences – Chimie, Bruxelles
Date de défense:	2026-09-10
Sujet CREF:	Aéronomie
Volumes/pages:	1 v. (188 p.)
Mots-clés:	Nitrogen dioxide (NO2)
	Machine learning
	Atmospheric remote sensing
	Uncertainty quantification
	Physics-guided learning
	Pretraining and fine-tuning
	High-resolution atmospheric composition
	Satellite observations
Intitulé du diplôme:	Doctorat en Sciences
Langue:	Anglais
Anneé académique:	2025-2026