【技术实现步骤摘要】
本专利技术是关于电子信息的，特别是关于人工智能自动挖掘的微波雨林辐射场辐射建模方法和装置。
技术介绍
1、雨林作为微波波段空间遥感仪器的地表辐射定标目标，具有亮温稳定、各向辐射同性程度相对较高的优点，像亚马逊雨林就是微波遥感仪器常用的辐射定标场，中国云南思茅地区雨林是国产卫星使用较多的地基辐射定标场，基于辐射校正场的定标往往采用同瞳观测方式，在遥感卫星观测辐射校正场时，通过基准卫星的近同时观测，配合地面观测设备，构成带有辐射基准的辐射校正场观测数据，对待定标遥感仪器进行辐射定标。
2、然而事实上，对于微波遥感来说，当某一具体的微波遥感仪器观测雨林时，微波穿透性决定观测到的辐射量(或者亮温)由地表发射率、雨林温度环境、湿度环境、树冠发射率等多种因素按照不同观测条件构成的权重进行复杂混合，这种复杂的过程导致单次微波遥感仪器对雨林定标场的观测不确定性比较大，虽然雨林是相对较好的微波遥感仪器地基辐射定标场，但是对于高精度定标要求来说，还有一定差距。
3、公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，...
【技术保护点】
1.人工智能自动挖掘的微波雨林辐射场辐射建模方法，其特征在于，包括以下步骤：
2.如权利要求1所述的人工智能自动挖掘的微波雨林辐射场辐射建模方法，其特征在于，所述外在微波辐射基准源观测雨林时的观测几何角包括天顶角和方位角。
3.如权利要求1所述的人工智能自动挖掘的微波雨林辐射场辐射建模方法，其特征在于，步骤S2具体包括以下步骤：
4.如权利要求3所述的人工智能自动挖掘的微波雨林辐射场辐射建模方法，其特征在于，步骤S304具体包括以下步骤：在训练过程中，前向传播计算神经网络输出的预测值ypred，根据预测值ypred和真实标签y计算当...
【技术特征摘要】
1.人工智能自动挖掘的微波雨林辐射场辐射建模方法，其特征在于，包括以下步骤：
2.如权利要求1所述的人工智能自动挖掘的微波雨林辐射场辐射建模方法，其特征在于，所述外在微波辐射基准源观测雨林时的观测几何角包括天顶角和方位角。
3.如权利要求1所述的人工智能自动挖掘的微波雨林辐射场辐射建模方法，其特征在于，步骤s2具体包括以下步骤：
4.如权利要求3所述的人工智能自动挖掘的微波雨林辐射场辐射建模方法，其特征在于，步骤s304具体包括以下步骤：在训练过程中，前向传播计算神经网络输出的预测值ypred，根据预测值ypred和真实标签y计算当前模型的损失值；根据各轮训练中的损失值，计算并记录梯度，之后清零梯度并根据损失值执行反向传播算法以计算模型参数的新梯度值，根据计算出的新梯度值调整模型的参数；重复上述操作直到损失值小于设定的阈值，停止训练过程。
5.如权利要求4所述的人工智能自动挖掘的微波雨林辐射场辐射建模方法，其特征在于，步骤s304中：
6.人工智能自动挖掘的微波雨林辐射场辐射建模装置，其特征在于，包括：数...
【专利技术属性】
技术研发人员：陈博洋，伍爱群，商建，毕研盟，武胜利，程春悦，惠雯，袁梅，管志超，
申请(专利权)人：国家卫星气象中心国家空间天气监测预警中心，
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。