【技术实现步骤摘要】
融合深度学习算法的大气辐射传输模拟方法、可读存储介质及计算设备
[0001]本专利技术涉及一种大气辐射传输模拟方法及其设备,尤其涉及一种融合深度学习算法的大气辐射传输模拟方法
、
可读存储介质及计算设备
。
技术介绍
[0002]大气辐射传输模拟作为观测算子是利用卫星观测资料对数值天气预报模式进行直接同化时的一个重要工具,其模拟得到的亮温精度会直接影响卫星观测资料的同化效果,进而影响数值模式预报结果的准确度
。
同时,对于基于卫星观测资料的大气温度
、
湿度
、
云微物理参数等要素的变分反演,大气辐射传输模拟作为重要的前向算子,其模拟精度对遥感反演准确度也会造成直接影响
。
另外,卫星发星前,需要对卫星设计方案是否合理
、
能否提高数值预报模式的同化增量进行观测系统模拟试验,该试验通常采用辐射传输模式对卫星观测数据进行模拟来实现
。
[0003]因此,辐射传输模拟是卫星发星前,检验载荷设计方案是否合理的一个重要工具
。
而对于在轨运行的卫星,需要对卫星观测状态
、
定标偏差
、
定标衰减等状态进行监测,目前国际上较常采用的方法主要是通过辐射传输模拟得到亮温
(
红外和微波通道
)
或反射率
(
短波通道
)
,并将其与实测值进行对比和偏差计算,根据偏差变化情况来判断和调整定标系数
...
【技术保护点】
【技术特征摘要】
1.
一种融合深度学习算法的大气辐射传输模拟方法,其特征在于:包括以下步骤:获取目标位置典型的大气背景数据,并对典型的大气背景数据进行预处理,根据预处理后的典型的大气背景数据确定出卫星通道平均透过率;构建深度学习网络,将预处理后的典型的大气背景数据以及将卫星通道平均透过率作为标签并输入至深度学习网络中对深度学习网络进行训练;实时获取目标位置的大气背景数据,并将实时的大气背景数据以及卫星观测天顶角输入至训练完成的深度学习网络中进行处理,得到大气透过率预测值;构建大气辐射传输模拟模型,将大气透过率预测值输入至大气辐射传输模拟模型中得到辐射强度,基于辐射强度确定出目标位置的辐射亮温
。2.
根据权利要求1所述融合深度学习算法的大气辐射传输模拟方法,其特征在于:典型的大气背景数据以及实时获取的大气背景数据均包括大气温度
、
大气的水汽浓度
、
臭氧浓度
、
二氧化碳浓度
、
一氧化二氮浓度
、
甲烷浓度以及一氧化碳浓度的垂直分层信息
。3.
根据权利要求1所述融合深度学习算法的大气辐射传输模拟方法,其特征在于:根据预处理后的典型的大气背景数据确定出卫星通道平均透过率包括:将典型的大气背景数据输入至逐线模型
LBLRTM
中得到大气廓线在
600
~
4000cm
‑1频率范围,光谱分辨率为
0.001cm
‑1的单色大气透过率;计算卫星通道平均透过率:其中:
i
为卫星上搭载的探测仪器的通道号,
τ
i
(v)
表示探测仪器第
i
个通道的单色透过率,
φ
(v)
为探测仪器自身携带的光谱相应函数,
v
表示辐射频率,
σ
v
表示光谱分辨率
。4.
根据权利要求1所述融合深度学习算法的大气辐射传输模拟方法,其特征在于:对典型的大气背景数据进行预处理包括:将大气压强位于
750hPa
以上层的水汽浓度
、
大气压强位于
950hPa
以上层的水汽总量以及
3hPa
以上层的臭氧总量进行对数化处理;剔除等压面气压大于地表气压的大气背景数据;然后将大气背景数据进行归一化处理;根据目标位置的纬度将归一化处理后的大气背景数据划分为三类:目标位置的纬度小于
40
°
的大气背景数据划分为第一类;将目标位置的纬度大于等于
40
°
且小于等于
...
【专利技术属性】
技术研发人员:张烺,张坤,张平文,
申请(专利权)人:北京大学重庆大数据研究院,
类型:发明
国别省市:
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。