[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

摘要

本发明公开了一种多频一维综合孔径微波辐射计SST深度学习反演方法，包括以下步骤：构建初始背景场数据，为SST反演提供数据支撑；根据一维综合孔径微波辐射计多入射角观测的特点，利用微波辐射传输模型，分别计算五个频率下的大气层顶场景的模式亮温，并在模式亮温中加入随机误差，模拟一维综合孔径微波辐射计的观测亮温；构建由自编码器和全连接层耦合的深度学习模型，以模式亮温和观测亮温训练自编码器，使自编码器达到降低数据误差的效果；将自编码器的输出和入射角数据作为全连接层的输入，通过最小化损失函数训练全连接层，反演出海面温度，本发明采用了多频率的亮温数据反演SST的方法，解决了多入射角情况下反演海面温度困难的问题。

主权项

1.一种多频一维综合孔径微波辐射计SST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。