买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工程大学

摘要：本发明是一种基于机器学习应用FY‑4AGIIRS数据反演大气温湿廓线的方法，属于卫星气象观测技术领域。本发明使用FY‑4A卫星的高光谱红外大气垂直探测仪GIIRS通道数据作为样本特征数据集，使用ERA5再分析数据集的大气温度与湿度数据与GIIRS数据集构建标签，构建训练数据集；基于深度可分离卷积、密集连接机制、注意力机制改进U‑NET模型，构建三维大气温度、湿度廓线模型；使用训练数据集优化模型，利用优化模型进行实时反演，将小区域结果拼接获得整个研究区域的三维大气温湿廓线。本发明实现了对所研究区域的三维大气温湿廓线的反演，更好地利用了通道数据和深度挖掘信息，提高了反演的大气温湿廓线的准确性。

主权项：1.一种基于机器学习应用FY-4AGIIRS数据反演大气温湿廓线的方法，其特征在于，包括如下步骤：步骤1，下载研究区域的指定时间范围内的FY-4A气象卫星提供的GIIRS通道数据和ERA5再分析数据，进行预处理后构建训练数据集；其中，对GIIRS通道数据预处理生成样本特征数据集，包括：对GIIRS通道数据进行切趾操作，再利用普朗克反函数转化为亮温数据，使用PCA主成分分析法将GIIRS亮温数据的1650个通道进行降维，获得每个样本的特征是一个300通道的32×32像元的图像；由ERA5再分析数据为每个样本生成标签数据，标签数据包含温度廓线和湿度廓线；步骤2，使用改进的U-Net模型构建大气温度廓线反演模型和大气湿度廓线反演模型；其中，对U-Net模型的改进包含三方面：1在解码部分与编码部分对应的4层深度的跳跃连接上均引入注意力机制，将同一层的编码子模块输出的特征图与输入解码子模块的特征图进行通道上的拼接时引入注意力机制；2在编码部分的前4层子模块中均引入密集连接机制，每层子模块中将输入的特征图与经第一个卷积得到的第二个特征图进行通道相连，再进行第二个卷积得到该层的特征图；3将编码部分的每层子模块中的卷积均替换为深度可分离卷积；使用所述三方面改进的U-Net模型构建大气温度廓线反演模型，该模型的输入是300通道的32×32像元的图像，输出为对应空间范围上的32×32像元的包含37个气压层的温度廓线；使用所述1和2两个方面改进的U-Net模型构建大气湿度廓线反演模型，该模型的输入是300通道的32×32像元的图像，输出为对应空间范围上的32×32像元的包含37个气压层的湿度廓线；步骤3，使用训练数据集训练构建的大气温度廓线反演模型和大气湿度廓线反演模型；在实时预测时，将获取的研究区域的GIIRS通道数据进行预处理，得到300通道的32×32像元的图像集合，然后分别输入训练好的大气温度廓线反演模型和大气湿度廓线反演模型，输出相应空间区域内的大气温湿廓线。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种基于机器学习应用FY-4A/GIIRS数据反演大气温湿廓线的方法