The invention discloses a deep learning inversion method for SST of multi-frequency and one-dimensional integrated aperture microwave radiometer, which includes the following steps: constructing initial background field data to provide data support for SST inversion; according to the characteristics of multi-incidence angle observation of one-dimensional integrated aperture microwave radiometer, using microwave radiation transmission model, calculating mode brightness temperature of atmospheric top scene at five frequencies, and Random error is added to the mode brightness temperature to simulate the observed brightness temperature of one-dimensional synthetic aperture microwave radiometer; a deep learning model coupled with self-encoder and full connection layer is constructed to train the self-encoder with mode brightness temperature and observed brightness temperature, so that the self-encoder can reduce the data error; the output of the self-encoder and the incident angle data are taken as the input of the whole connection layer, and through the minimum. The method of SST inversion using multi-frequency brightness temperature data solves the difficult problem of SST inversion under multi-incident angle.
【技术实现步骤摘要】
一种多频一维综合孔径微波辐射计SST深度学习反演方法
本专利技术涉及遥感
,具体涉及一种多频一维综合孔径微波辐射计的SST深度学习反演方法。
技术介绍
:海面温度(SeaSurfaceTemperature,SST)在全球气候变化和长期天气过程中起着重要作用。根据辐射学定律,任何大于绝对零度的物体都会向外辐射电磁波,而且微波的波长较长,受大气影响较小,所以被动微波遥感具有绝对优势,其能够进行全天候、全天时不间断地观测。被动微波遥感的代表仪器之一是实孔径微波辐射计,其能够提供包括海面温度在内的多种海洋环境要素产品。但是,由于实孔径微波辐射计的空间分辨率受制于天线的尺寸,导致其空间分辨率较低。针对这一缺点设计了一维综合孔径微波辐射计,与实孔径微波辐射计机械扫描成像方式不同,一维综合孔径微波辐射计采用小孔径天线阵列,解决了传统实孔径微波辐射计空间分辨率与天线物理口径之间的固有矛盾,有效的提高了观测的空间分辨率。但是,由于成像方式的差别,导致已有的实孔径微波辐射计海面温度反演算法无法应用于一维综合孔径微波辐射计。传统实孔径微波辐射计一般是以固定入射角扫描成像,而综合孔径微波辐射计对场景属于凝视成像,其入射角一般是在某一范围内变化,相比于实孔径微波辐射计更加复杂。一维综合孔径微波辐射计在大气顶接收到的亮温是电磁波频率、海水盐度、海面温度、海面风速、海面相对风向、大气水汽含量、云液态水含量和入射角的函数,所以首先利用微波辐射传输正演模型模拟大气层顶多个辐射频率的海面极化亮温,其次利用深度学习模型强大的非线性拟合能力,高精度地反演出海面温度。本专利技术就是提供这样 ...
【技术保护点】
1.一种多频一维综合孔径微波辐射计SST深度学习反演方法,其特征在于,所述方法包括以下步骤:步骤1:将一维综合孔径微波辐射计的一维视场分成若干个像素点,所述像素点具有不同的入射角,存在若干个网格点的二维观测场景,一维综合孔径微波辐射计在二维场景上均匀扫过,每个网格点均得到五组不同频点的数据;步骤2:将步骤1中得到的数据输入微波辐射传输正演模型中,得到各个网格点的模式亮温
【技术特征摘要】
1.一种多频一维综合孔径微波辐射计SST深度学习反演方法,其特征在于,所述方法包括以下步骤:步骤1:将一维综合孔径微波辐射计的一维视场分成若干个像素点,所述像素点具有不同的入射角,存在若干个网格点的二维观测场景,一维综合孔径微波辐射计在二维场景上均匀扫过,每个网格点均得到五组不同频点的数据;步骤2:将步骤1中得到的数据输入微波辐射传输正演模型中,得到各个网格点的模式亮温在模式亮温中加入随机误差,得到观测亮温m为1到5,代表5个不同的辐射频率,n为1和2时分别代表垂直极化和水平极化;步骤3:将观测亮温输入自编码器,将模式亮温作为自编码器输出的理想值,训练自编码器达到降噪的效果;步骤4:将自编码器与全连接层连接,并将自编码器的输出作为全连接层的输入,将海面温度Ts作为全连接层输出的理想值,通过最小化损失函数训练整个全连接层,训练完成后的全连接层的输出即为反演的海面温度。2.根据权利要求1所述的一种多频一维综合孔径微波辐射计的SST深度学习反演方法,其特征在于:所述步骤1中一维视场的像素点个数为367个。3.根据权利要求1所述的一种多频一维综合孔径微波辐射计的SST深度学习反演方法,其特征在于:所述步骤1中像素点的入射角范围为35-65°。4.根据权利要求1所述的一种多频一维综合孔径微波辐射计的SST深度学习反演方法,其特征在于:所述步骤1中的二维观测场景由367×367的网格点构成。5.根据权利要求1所述的一种多频一维综合孔径微波辐射计的SST深度学习反演方法,其特征在于:所述步骤1中的数据包括频率fm、海面温度Ts、海水盐度S、入射角θ、海面风速W、海面相对风向大气水汽含量V和云液态水含量L,m为1到5,代表5个不同的辐射频率,fm分别为6.9GHz、10.65GHz、18.7GHz、23.8GHz、36.5GHz。6.根据权利要求1所述的一种多频一...
【专利技术属性】
技术研发人员:艾未华,冯梦延,陈冠宇,陆文,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。