【技术实现步骤摘要】
本专利技术涉及太阳短波辐射反演，具体涉及一种基于知识蒸馏的卫星太阳短波辐射反演方法。
技术介绍
1、在全球气候变化和环境保护的大背景下，精准地监测和评估太阳短波辐射对地球系统的能量平衡和生态系统具有重要意义。太阳短波辐射是地表辐射能量的主要来源，影响着大气环流、温度分布以及水循环等多个关键过程。在气候研究、农业生产、太阳能利用和环境监测等领域，准确地反演和预测太阳短波辐射的分布和变化具有重要的科学和应用价值。
2、卫星观测技术的发展为全球范围内的高时空分辨率的太阳短波辐射观测提供了可能。然而，卫星观测数据由于受到大气衰减、云层影响和地表反射率等因素的干扰，太阳短波辐射反演的准确性往往受到限制。此外，卫星数据具有间接性，主要依赖于反演算法来提取真实的地面辐射信息，因此算法的精度直接决定了反演结果的可靠性。
3、深度学习方法近年来在遥感反演领域取得了突破性进展。基于深度学习的太阳短波辐射反演算法通过学习大量历史数据中的特征，可以在一定程度上克服传统物理方法的局限性，提高太阳短波辐射反演的精度。当前太阳短波辐射深度学习反演的主流方法是直接将地面观测数据作为训练标签，但地面观测站点数量有限，难以满足大范围高时空分辨率的需求，在快速变化的天气条件下无法提供实时的辐射信息。中国专利：cn117371316a，公开了一种基于深度学习的静止卫星太阳短波辐射反演方法及可读存储介质，该方法将更高精度和空间分辨率的极轨卫星太阳短波辐射数据作为训练标签构建模型，融合了静止卫星数据和极轨卫星数据的优势，能够对太阳辐射进行高频次监测
4、综上，仅依赖地面观测数据构建模型会面临数据稀缺和数据获取成本高的问题，而完全基于卫星数据的反演精度又受到限制。
5、因此，现需要一种能够有机结合多源卫星和地面观测数据，提升反演精度，同时兼顾广域覆盖和高频率动态监测的，基于知识蒸馏的卫星太阳短波辐射反演方法。
技术实现思路
1、本专利技术的主要目的在于提供一种基于知识蒸馏的卫星太阳短波辐射反演方法，以解决现有技术中仅依赖地面观测数据构建模型会面临数据稀缺和数据获取成本高的问题，而完全基于卫星数据的反演精度又受到限制的问题。
2、为实现上述目的，本专利技术提供了一种基于知识蒸馏的卫星太阳短波辐射反演方法，具体包括如下步骤：
3、s1，收集极轨卫星数据、静止卫星数据、地理信息数据和地面观测数据。
4、s2，对静止卫星数据、极轨卫星数据、地面观测数据，地理信息数据中的经纬度数据和地表高程数据进行预处理，得到教师模型和学生模型训练的输入特征与标签。
5、s3，使用随机森林模型对输入特征重要性进行排序，选出卫星太阳短波辐射反演的关键特征，剔除非关键特征。
6、s4，利用关键特征构建深度学习模型，生成太阳短波辐射反演的教师模型。
7、s5，将教师模型输出结果作为软标签，引入地面观测数据作为硬标签进行知识蒸馏，得到太阳短波辐射反演的学生模型。
8、进一步地，静止卫星数据包括：光谱通道数据和几何特征数据；几何特征数据包括：卫星天顶角、卫星方位角、太阳天顶角和太阳方位角。
9、地理信息数据包括：经纬度数据、地表高程数据和地表类型数据。
10、极轨卫星数据包括：太阳短波辐射数据。
11、地面观测数据包括：地面太阳短波辐射观测数据。
12、进一步地，步骤s2具体包括如下步骤：
13、s2.1，对静止卫星数据中的光谱通道数据、极轨卫星数据中的太阳短波辐射数据、地理信息数据中的经纬度数据和地表高程数据做标准化处理：
14、 （1）；
15、其中，是标准化后的特征值，是原始数据，是原始数据的均值，是原始数据的标准差。
16、s2.2，对s2.1中标准化后的数据进行归一化：
17、 （2）；
18、其中，是归一化后的特征值，和分别是原始数据的最小值和最大值。
19、s2.3，对静止卫星的几何特征数据进行正弦和余弦变换。
20、s2.4，对地理信息数据中的地表类型数据进行独热编码，将地表类型数据转换为数值格式：
21、 （3）；
22、其中，为独热编码后的特征向量，为地表类型数，表示若地表类型特征属于第类则为，否则为0，其中。
23、进一步地，步骤s3具体包括如下步骤：
24、s3.1，对于每棵决策树，输入特征包括预处理后的静止卫星数据和地理信息数据，当一个输入特征在某个节点进行分裂时，计算该节点对于预测误差的贡献减少量：
25、（4）；
26、其中，为节点分裂时的误差减少量，、、分别为父节点、左节点和右节点的误差，和分别为左、右节点样本数在父节点样本总数中的占比。
27、s3.2，每个特征在每棵树中会有多个分裂节点，累加所有节点的之和，然后在整个森林中取平均，得到该特征的总体重要性：
28、 （5）；
29、其中，为特征的重要性，为随机森林中树的数量，表示第棵树，表示树中的所有节点。
30、进一步地，步骤s4具体包括如下步骤：
31、s4.1，神经网络包括：依次连接的输入层、全连接层和输出层，将关键特征输入到神经网络的输入层。
32、s4.2，随后输入到全连接层，并通过激活函数引入非线性，全连接层的第一层的计算公式为：
33、 （6）；
34、其中，是第一层的输出纬度，是进行非线性映射的激活函数，是第一层的权重矩阵，是第一层的偏置向量。
35、s4.3，全连接层的第层的计算公式为：
36、 （7）；
37、其中，是第层的输出，是第层的权重矩阵，是偏置项，是第层的输出维度。
38、s4.4，最后经过输出层输出，输出层的计算公式为：
39、 （8）；
40、其中，是模型的预测值，表示对应时刻的太阳短波辐射数据，是输出层的权重矩阵，是倒数第二层的输出维度，是输出层的偏置项。
41、s4.5，设置损失函数，计算公式如下：
42、 （9）；
43、其中，是预训练模型的损失函数，是第个样本的预测值，是第个样本的真实值，是样本数。
44、进一步地，步骤s5具体包括如下步骤：
45、s5.1，使用双线性空间插值方法求出与地面观测站位置一致的静止卫星数据和地理本文档来自技高网...
【技术保护点】
1.一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，
3.根据权利要求2所述的一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，步骤S2具体包括如下步骤：
4.根据权利要求3所述的一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，步骤S3具体包括如下步骤：
5.根据权利要求4所述的一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，步骤S4具体包括如下步骤：
6.根据权利要求5所述的一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，步骤S5具体包括如下步骤：
7.根据权利要求6所述的一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，步骤S5还包括如下步骤：
8.根据权利要求7所述的一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，学生模型的生成包括如下步骤：
【技术特征摘要】
1.一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，
3.根据权利要求2所述的一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，步骤s2具体包括如下步骤：
4.根据权利要求3所述的一种基于知识蒸馏的卫星太阳短波辐射反演方法，其特征在于，步骤s3具体包括如下步骤：
5.根据权利要求4所...
【专利技术属性】
技术研发人员：梁韵，赵玮，张烺，夏瑞雪，余莲，
申请(专利权)人：中国海洋大学三亚海洋研究院，
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。