一种基于辐射仿真数据的偏振遥感多层云识别方法技术

本发明专利技术提供的是一种基于辐射仿真数据的偏振遥感多层云识别方法。其过程包括：基于矢量辐射传输模型，获取准确的大气顶辐射仿真数据作为机器学习的训练样本；搭建基于K

【技术实现步骤摘要】
一种基于辐射仿真数据的偏振遥感多层云识别方法
(一)

[0001]本专利技术涉及的是一种基于辐射仿真数据的偏振遥感多层云识别方法，可用于偏振遥感云像元的多层云标识，为偏振遥感的数据应用提供支持。
(二)
技术介绍

[0002]单层云和多层云的大气辐射效应有较大区别，准确标识单层云和多层信息对掌握云在地
‑
气系统辐射收支平衡中的作用具有重要意义。由于单层云与多层云的直观的光谱特征区别不明显，使得被动遥感多层云标识的准确度较低。偏振遥感不仅可以获取强度辐射信息，还能获取偏振辐射信息，从而获取更多可以表征云和地表特性的信息。机器学习具有强大的学习能力，能够充分挖掘数据中潜在的规律和特征，为数据分类提供决策依据。采用模拟数据作为训练数据，基于机器学习模型进行偏振遥感多层云识别，解决多层云识别存在的问题。
[0003]多层云对辐射效率和云特性参数反演有重要影响，科学家们根据各个被动遥感仪器的通道设计特点开发出了相应的多层云识别方法。MODIS多层云算法采用近红外水汽通道(0.94μm)和CO2通道(13.3，13.6，13.8和14.2μm)，通过对相互独立的云上水汽的反演实现多层云的识别，与主动遥感仪器CALIOP相比，该方法经常误将多层云薄云判为单层云，将单层厚云误判为多层云。Pavolon和Heidinger利用0.65、1.38和1.6μm通道的反射率信息以及11和12μm的亮度温信息设计了多通道的多层云识别算法，该算法被用于AVHRR和VIIRS的云检测。MODIS也借鉴了该算法，并用于生产MODIS C6中的多层云产品。Wang等根据新一代成像仪VIIRS的特点，基于三个短波红外(1.38，1.6和2.25μm)和两个长波红外(8.5和11μm)通道设计一套新的多层云识别算法。Ferlay等基于A
‑
Train卫星列车上主动探测器毫米波雷达(CPR)和激光雷达(CALIOP)的云垂直分布数据和POLDER3 L2级云产品数据作为训练数据集，采用决策树算法对POLDER3进行多层云的标识。
[0004]本专利技术公开了一种基于辐射仿真数据的偏振遥感多层云识别方法，该方法通过机器学习模型训练偏振遥感仿真数据，挖掘出更多可用于多层云识别的深层特征，取得较为理想的多层云标识效果。
(三)
技术实现思路

[0005]本专利技术的目的在于取得较为理想的多层云标识效果且获取训练数据成本低的基于辐射仿真数据的偏振遥感多层云识别方法。
[0006]本专利技术的目的是通过以下技术手段实现的：
[0007]一种基于辐射仿真数据的偏振遥感多层云识别方法，包括：
[0008]步骤1，利用矢量辐射传输模型获取包含单层云、多层云大气条件下大气顶的辐射特性仿真数据；
[0009]步骤2，对大气顶辐射特性仿真数据进行预处理，构建多层云识别训练样本；
[0010]步骤3，基于K
‑
近邻模型搭建偏振遥感多层云识别算法；
[0011]步骤4，训练步骤3的模型，根据训练结果，剔除对多层云识别产生消极影响的信息，确定最佳多层云训练样本；
[0012]步骤5，根据步骤4的最佳多层云训练样本，优化多层云识别算法并训练模型；
[0013]步骤6，根据步骤5训练的模型对实测数据进行多层云识别，将多层云标识结果与云垂直分布数据进行对比，验证算法的有效性。
[0014]进一步，所述步骤1中所述的获取大气顶辐射特性仿真数据，其流程图如图2所示，设置矢量辐射传输模型的参数，通过矢量辐射传输软件仿真大气顶辐射特性，获取大气顶辐射特性仿真数据。
[0015]本专利技术的有益效果：本专利技术是基于辐射仿真数据的偏振遥感多层云识别方法，通过强度辐射、偏振辐射、多角度等多维信息，利用机器学习方法挖掘出更多可用于多层云识别的深层特征，实现对多层云的标识，为偏振遥感数据引用提供更为准确的云参数数据。
(四)附图说明
[0016]图1是基于辐射仿真数据的偏振遥感多层云识别方法的流程图。
[0017]图2是获取大气顶辐射特性仿真数据的流程图。
(五)具体实施方式
[0018]下面结合具体的实施例来进一步阐述本专利技术。
[0019]如图1所示，本专利技术提出一种基于辐射仿真数据的偏振遥感多层云识别方法，包括：
[0020]步骤1，根据多层云识别应用需求，准确设置输入参数，利用矢量辐射传输软件仿真计算大气顶辐射特性，为基于机器学习开展多层云标识提供可靠的训练数据；
[0021]步骤2，对步骤1获取的包含单层云、多层云大气条件下的大气顶的辐射仿真数据进行预处理，构建多层云训练识别样本；
[0022]步骤3，基于K
‑
近邻模型搭建偏振遥感多层云识别算法；
[0023]步骤4，基于步骤2的训练样本训练步骤3的模型，根据训练结果，剔除对多层云识别产生消极影响的信息，确定最佳的多层云训练数据，提高多层云识别精度；
[0024]步骤5，根据步骤4确定的最佳多层云训练数据，优化多层云识别算法并训练模型；
[0025]步骤6，根据步骤5训练的模型测试实测数据，对多层云进行标识，将识别结果与云垂直分布数据进行对比，验证算法的有效性。
[0026]本例中所述的采用辐射仿真数据作为训练数据样本进行多层云识别，相对实测数据，仿真数据成本更低，训练样本可以任意多，并涵盖所有可能的数据。
[0027]矢量辐射传输模型输入参数：
[0028]大气分子参数：确定仪器光谱段的光谱响应函数，根据应用需求设置大气模式。
[0029]云层参数：云层对大气顶的辐射贡献取决于云层的散射特性。水云一般等效为球形粒子，采用Mie散射理论计算其散射特性。冰云由不同形状和尺度的冰晶粒子组成，其散射特性的计算方法主要有：T矩阵法、有限差分时域法、离散偶极子近似法、几何光学法和改进几何光学法等。本专利技术的冰云散射特性数据来源于德州农工大学Yang Ping教授团队公开的冰云散射数据库。云层的散射特性主要由云层的光学厚度(COD)、云有效粒子半径、云
粒子的形状等因素决定。本专利技术对多层云的定义为上层冰云，下层水云。
[0030]气溶胶参数：气溶胶对大气顶辐射特性的影响主要也是由其散射特性决定。气溶胶粒子既有球形粒子，又有非球形粒子。一般采用Mie散射理论计算球形粒子的散射特性，采用T
‑
矩阵计算非球形粒子的散射特性。气溶胶的散射特性依赖于气溶胶的复折射率指数、粒子尺度分布、气溶胶光学厚度(AOD)等。
[0031]K
‑
近邻模型：
[0032]K
‑
近邻模型的核心是使用距离度量，获得离目标点最近的k个点，根据分类决策规则，决定目标点的分类。
[0033]距离度量定义：
[0034][0035]式中，x
i
和y
i
是n维实数向量空间R
n
上的两个点。p＝2时，是常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于辐射仿真数据的偏振遥感多层云识别方法，其特征在于，该方法的具体过程包括如下步骤：步骤1，根据矢量辐射传输模型对大气顶辐射特性进行仿真，获取包含单层云、多层云大气条件下大气顶的辐射仿真数据；步骤2，对步骤1的数据进行预处理，构建符合机器学习网络输入要求的多层云训练数据集；步骤3，基于K
‑
近邻模型搭建偏振遥感多层云识别算法；步骤4，基于步骤2的样本集训练步骤3的模型，根据训练结果，剔除对多层云识别产生消极影响的信息，确定最佳的多层云训练数据，提高多层云识别精度；步骤5，根据步骤4确定的最佳多层云训练数据，优化多层云识别算法并训练模型确定最优参数；步骤...

【专利技术属性】
技术研发人员：李树，张诗淼，储小雪，叶松，王新强，王方原，甘永莹，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：