System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本说明书一个或多个实施例涉及遥感科学,尤其涉及一种基于静止卫星遥感数据的气溶胶类型识别方法。
技术介绍
1、大气中的气溶胶是各种化学成分、大小和形状的复杂混合物。气溶胶是影响辐射平衡、区域和全球气候变化以及人类健康的主要大气成分之一,不仅是分析全球气候变化和大气污染的重要参数,同时亦是研究定量遥感不可或缺的因素。然而,大气是一个复杂多变的系统,准确性对于提高定量遥感精度非常重要,特别是在辐射传输计算中气溶胶类型的准确性。不同类型的气溶胶具有不同的光学和辐射特性,而气溶胶的物理化学特性在时空上的不确定性和可变性导致了气溶胶光学特性的不确定性。为了全面了解气溶胶对气候的影响,需要准确获得气溶胶的类型和时空分布信息。
2、气溶胶类型识别可以提供气溶胶相关的基本成分信息,这有利于提高人类对气溶胶所产生的气候系统影响的认识,也可为遥感影像大气校正提供合适的辐射计算输入参数。随着科技的进步,气溶胶传感器的数量和质量都得到了显著提高。目前在研究气溶胶类型识别的相关领域,研究者们多采用地基数据或气溶胶多源卫星观测数据与类型识别模型相结合的气溶胶类型识别方法。
3、尽管地基气溶胶观测数据精度高,但其空间分辨率和站点数量都存在不足,且包含多种不确定性,无法实现大范围环境监测任务。卫星观测气溶胶类型在时间分辨率上较低,尚未有仅利用静止卫星数据识别气溶胶类型的研究,对高时间分辨率环境监测及定量遥感难以起到很大作用。
技术实现思路
1、为了解决现有技术中存在的问题,本专利技术利用hi
2、利用地基数据中预设波段的气溶胶光学厚度,通过气溶胶图形分类法,生成真实气溶胶类型标签,建立真实气溶胶类型先验库;所述真实气溶胶类型先验库包括时间、经纬度、真实气溶胶类型标签以及气溶胶光学厚度信息;
3、获取himawari-8/ah静止卫星数据中的波段数据、太阳和卫星天顶角、方位角数据以及云产品数据,将所述真实气溶胶类型先验库与himawari-8/ah静止卫星数据和云产品数据进行时间和经纬度匹配,生成具有真气溶胶类型标签的训练样本和验证样本;
4、对所述训练样本和验证样本进行预处理操作;对预处理后的训练样本和验证样本中的气溶胶类型进行独热编码;
5、利用机器学习方法分析所述预处理后的训练样本和验证样本中光谱特征信息的重要性,并将样本中重要性低的波段进行剔除;
6、将所述剔除重要性低的波段的训练样本联合时间以及空间信息作为输入特征训练全连接神经网络模型;利用所述预处理后的验证样本对全连接神经网络模型进行验证,建立固定气溶胶类型识别模型;
7、利用所得固定气溶胶类型识别模型,将himawari-8/ahi静止卫星数据和云产品数据输入以对气溶胶类型进行预测。
8、在一个实施例中,所述机器学习方法包括xgboost机器学习方法。
9、在一个实施例中,所述云产品数据包括晴空像元数据。
10、在一个实施例中,所述训练样本和验证样本中遥感数据仅使用himawari-8/ahi静止卫星数据和云产品数据。
11、在一个实施例中,所述全连接神经网络模型的建立,通过线性整流函数relu、批量归一化、随机失活dropout和全连接层参数设置,经过多次迭代,最终建立固定气溶胶类型识别模型。
12、在一个实施例中,所述将剔除重要性低的波段的训练样本联合时间以及空间信息作为输入特征训练全连接神经网络模型,输入特征数n定义为:
13、n=round(spix2×rdark)×t×nsb
14、其中,spix是卫星影像中以每个地面站点为中心的像元边长,rdark是在spix×spix像元的每个区域中,暗像元与总晴空像元的比率。t是单时相或三时相数据的样本,nsb是通过机器学习方法从输入特征中选择的重要性高的特征数。
15、本专利技术仅利用himawari-8/ahi静止卫星数据及云产品数据即可进行气溶胶类型识别,具有卫星观测数据客观合理、气溶胶类型识别精度高等优点。
本文档来自技高网...【技术保护点】
1.一种基于静止卫星遥感数据的气溶胶类型识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述训练样本和验证样本中卫星遥感数据仅使用Himawari-8/AHI静止卫星和云产品数据。
3.根据权利要求1所述的方法,其特征在于,所述全连接神经网络模型的建立,通过线性整流函数relu、批量归一化、随机失活Dropout和全连接层参数设置,经过多次迭代,最终建立固定气溶胶类型识别模型。
4.根据权利要求1所述的方法,其特征在于,所述将剔除重要性低的波段的训练样本联合时间以及空间信息作为输入特征训练全连接神经网络模型,输入特征数N定义为:
【技术特征摘要】
1.一种基于静止卫星遥感数据的气溶胶类型识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述训练样本和验证样本中卫星遥感数据仅使用himawari-8/ahi静止卫星和云产品数据。
3.根据权利要求1所述的方法,其特征在于,所述全连接神经网络模型...
【专利技术属性】
技术研发人员:丁浩楠,陈兴峰,李家国,赵利民,刘军,李华富,刘善伟,
申请(专利权)人:中国科学院空天信息创新研究院,
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。