[发明专利]一种多频一维综合孔径微波辐射计SST深度学习反演方法

权利要求书

1.一种多频一维综合孔径微波辐射计的海面温度深度学习反演方法，其特征在于，所述方法包括以下步骤：

步骤1：将一维综合孔径微波辐射计的一维视场分成若干个像素点，所述像素点具有不同的入射角，存在若干个网格点的二维观测场景，一维综合孔径微波辐射计在二维场景上均匀扫过，每个网格点均得到五组不同频点的数据；

步骤2：将步骤1中得到的数据输入微波辐射传输正演模型中，得到各个网格点的模式亮温在模式亮温中加入随机误差，得到观测亮温m为1到5，代表5个不同的辐射频率，n为1和2时分别代表垂直极化和水平极化；

步骤3：将观测亮温输入自编码器，将模式亮温作为自编码器输出的理想值，训练自编码器达到降噪的效果；

步骤4：将自编码器与全连接层连接，并将自编码器的输出作为全连接层的输入，将海面温度T_s作为全连接层输出的理想值，通过最小化损失函数训练整个全连接层，训练完成后的全连接层的输出即为反演的海面温度。

2.根据权利要求1所述的多频一维综合孔径微波辐射计的海面温度深度学习反演方法，其特征在于：所述步骤1中一维视场的像素点个数为367个。

3.根据权利要求1所述的多频一维综合孔径微波辐射计的海面温度深度学习反演方法，其特征在于：所述步骤1中像素点的入射角范围为35-65°。

4.根据权利要求1所述的多频一维综合孔径微波辐射计的海面温度深度学习反演方法，其特征在于：所述步骤1中的二维观测场景由367×367的网格点构成。

5.根据权利要求1所述的多频一维综合孔径微波辐射计的海面温度深度学习反演方法，其特征在于：所述步骤1中的数据包括频率f_m、海面温度T_s、海水盐度S、入射角θ、海面风速W、海面相对风向大气水汽含量V和云液态水含量L，m为1到5，代表5个不同的辐射频率，f_m分别为6.9GHz、10.65GHz、18.7GHz、23.8GHz、36.5GHz。