申请/专利权人：中国科学院空天信息创新研究院;中国石油大学(华东)

申请日：2023-10-11

公开（公告）日：2024-03-22

公开（公告）号：CN117408142B

主分类号：G06F30/27

分类号：G06F30/27;G01N15/075;G06V20/13;G06V10/774;G06N3/0499;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本申请实施例提出一种基于归一化气溶胶指数的气溶胶光学厚度反演方法，通过将获取到的地基数据与FY‑4AAGRI静止卫星数据、云产品数据进行空间和时间上的匹配，生成训练和验证样本，并进行预处理；分析训练样本中光谱特征信息的重要性，并将重要性低的波段剔除；计算0.65μm和0.83μm波段之间的归一化气溶胶指数；将剔除重要性较低波段的样本数据和归一化气溶胶指数，作为全连接神经网络的输入特征联合约束气溶胶光学厚度反演；建立全连接神经网络模型，得到固定气溶胶光学厚度反演模型；将遥感数据输入气溶胶光学厚度预测模型，以对气溶胶光学厚度进行预测。本发明具有卫星观测数据客观合理、反演精度高等优点。

主权项：1.一种基于归一化气溶胶指数的气溶胶光学厚度反演方法，其特征在于，应用于FY-4AAGRI静止卫星，所述方法包括：获取所述FY-4AAGRI静止卫星的遥感数据，所述遥感数据包括卫星数据，以及云产品数据，所述卫星数据包括波段数据、太阳天顶角、卫星天顶角、卫星与太阳的相对方位角，所述云产品数据包括云掩膜数据；基于气溶胶自动观测网络地基数据和太阳辐射计观测网地基数据，以及所述FY-4AAGRI静止卫星的遥感数据，生成样本集，将所述样本集分为训练样本及验证样本，比例为7：3；对所述样本集中的训练样本进行预处理，所述预处理包括归一化、质量控制以及数据增广；利用XGBoost分析经过预处理的训练样本的数据中光谱特征信息，并将其中1.38μm、3.75μm、10.7μm、13.5μm波段剔除；基于0.65μm波段的光谱反射率，以及0.83μm波段的光谱反射率，确定气溶胶指数，所述气溶胶指数用于表征所述FY-4AAGRI静止卫星波段光谱反射率差异；对气溶胶指数进行归一化处理，确定归一化气溶胶指数；基于所述归一化气溶胶指数和训练样本，利用全连接神经网络，通过选择relu激活函数、数据批量归一化、L2正则化、Dropout和全连接层参数设置，经过多次迭代，训练气溶胶光学厚度预测模型，并利用验证样本对预测模型进行精度验证；将所述遥感数据输入预先训练好的气溶胶光学厚度预测模型，以对气溶胶光学厚度进行预测。

全文数据：

权利要求：

百度查询： 中国科学院空天信息创新研究院;中国石油大学(华东) 一种基于归一化气溶胶指数的气溶胶光学厚度反演方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD