[发明专利]一种基于深度学习的地表太阳辐射计算方法

权利要求书

1.一种基于深度学习的地表太阳辐射计算方法，其特征在于，包含以下步骤：

基于大气辐射传输模型，构建地表太阳短波辐射数据集，所述地表太阳短波数据集包含以下参数数据：太阳天顶角、气溶胶光学厚度、大气水汽含量、云相态、云光学厚度、云粒子有效半径、地表反照率、地表下行总太阳辐射、地表下行直射太阳辐射、地表下行漫射太阳辐射、大气层顶向上辐射；

将所述地表太阳短波辐射数据集作为训练样本，通过神经网络训练，得到深度学习模型，其中所述太阳天顶角、气溶胶光学厚度、大气水汽含量、云相态、云光学厚度、云粒子有效半径、地表反照率作为神经网络输入层，所述地表反照率、地表下行总太阳辐射、地表下行直射太阳辐射、地表下行漫射太阳辐射、大气层顶向上辐射作为神经网络输出层。

2.如权利要求1所述的基于深度学习的地表太阳辐射计算方法，其特征在于，还包含以下步骤：

实时提取卫星的大气产品中的太阳天顶角、气溶胶光学厚度、大气水汽含量、云相态、云光学厚度、云粒子有效半径、地表反照率参数，采用所述深度学习模型，计算得到地表太阳辐射计算结果。

3.如权利要求1～2任一项所述的基于深度学习的地表太阳辐射计算方法，其特征在于，所述地表太阳短波辐射数据集包含三种云相态的数据：晴空、水云、冰云。

4.如权利要求1～2任一项所述的基于深度学习的地表太阳辐射计算方法，其特征在于，所述基于大气辐射传输模型，构建地表太阳短波辐射数据集的步骤，进一步包含：

基于大气辐射传输模型，模拟得到每个像元的像素值和对应的气溶胶卫星气溶胶产品、卫星云产品、水汽产品、卫星太阳几何、地表条件参数，所述气溶胶卫星气溶胶产品包含气溶胶比例系数、气溶胶附加系数，所述卫星云产品包含云相态比例系数、云相态附加系数、云光学厚度比例系数、云光学厚度附加系数、云粒子有效半径比例系数、云粒子有效半径附加系数，所述水汽产品包含水汽含量比例系数、水汽含量附加系数，所述卫星太阳几何包含太阳天顶角比例系数、太阳天顶角附加系数，所述地表条件参数包含地表反照率比例系数、地表反照率附加系数；

将每个像元的所述气溶胶卫星气溶胶产品、卫星云产品、水汽产品、卫星太阳几何、地表条件参数转换为所述气溶胶光学厚度、云相态、云光学厚度、云粒子有效半径、大气水汽含量、太阳天顶角、地表反照率：

y＝k_i×DN+b_i，i＝1,2,…,7

其中，DN为所述像素值，k₁～k₇分别为所述气溶胶比例系数、云相态比例系数、云光学厚度比例系数、云粒子有效半径比例系数、水汽含量比例系数、太阳天顶角比例系数、地表反照率比例系数，b₁～b₇分别为所述气溶胶附加系数、云相态附加系数、云光学厚度附加系数、云粒子有效半径附加系数、水汽含量附加系数、太阳天顶角附加系数、地表反照率附加系数。

5.如权利要求1～2任一项所述的基于深度学习的地表太阳辐射计算方法，其特征在于，所述神经网络包含1个输入层、1个输出层、3个隐藏层，3个隐藏层分别含有256、128、64个神经元。

6.如权利要求1～2任一项所述的基于深度学习的地表太阳辐射计算方法，其特征在于，所述大气辐射传输模型为RSTAR模型，大气模式设定为美国标准大气。

7.如权利要求2所述的基于深度学习的地表太阳辐射计算方法，其特征在于，所述卫星选择日本气象卫星葵花-8。