申请/专利权人:南京信息工程大学
申请日:2024-03-20
公开(公告)日:2024-04-26
公开(公告)号:CN117933095A
主分类号:G06F30/27
分类号:G06F30/27;G06F119/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种基于机器学习的地表发射率实时反演及同化方法,包括:计算出卫星观测视场内没有云分布时的对应卫星模拟辐射率;训练得到地表发射率反演模型;将当前同化时刻的地表温度和实际卫星观测辐射率作为地表发射率反演模型的输入,将地表发射率反演模型输出的地表发射率提供给同化系统中的卫星同化模块,对卫星同化中的地表发射率进行反演;对选择的卫星观测资料进行全地表同化,获得当前同化时刻的数值模式分析场进行确定性预报。本发明可以在同化过程中引入实时的地表发射率信息,实现对地表敏感的卫星资料的更充分利用,有效改善同化卫星资料时地表发射率的准确度,实现卫星资料在同化系统中的全地表同化。
主权项:1.一种基于机器学习的地表发射率实时反演及同化方法,其特征在于,所述实时反演及同化方法包括以下步骤:S1,结合地表发射率数据集,以及ERA5再分析数据集中的地表温度和大气状态变量,利用下述公式计算出卫星观测视场内没有云分布时的对应卫星模拟辐射率: 式中,为地表发射率,为卫星模拟辐射率L所对应的通道探测频率,T为从地表到卫星的大气温度,为从地表到卫星的大气透过率,为从各层大气到卫星的大气透过率,为地表温度,B为普朗克函数;S2,使用ERA5再分析数据集中的地表温度和步骤S1中计算出的卫星模拟辐射率数据作为基于机器学习的地表发射率反演方法训练集,根据实际地表类型设置隐藏层数量,以地表发射率数据集作为真值进行训练,对机器学习训练模型进行训练,得到训练好的地表发射率反演模型;将训练好的地表发射率反演模型构建到同化系统中;S3,从当前同化时刻的数值模式背景场中获取当前同化时刻的地表温度,将当前同化时刻的地表温度和实际卫星观测辐射率作为地表发射率反演模型的输入,将地表发射率反演模型输出的地表发射率提供给同化系统中的卫星同化模块,对卫星同化中的地表发射率进行反演;S4,基于同化系统中反演得到的地表发射率信息,对选择的卫星观测资料进行全地表同化,获得当前同化时刻的数值模式分析场;S5,利用步骤S4得到的数值模式分析场进行确定性预报,生成下一个同化时刻的数值模式背景场,返回步骤S3,执行下一同化时刻的卫星观测资料全地表同化。
全文数据:
权利要求:
百度查询: 南京信息工程大学 一种基于机器学习的地表发射率实时反演及同化方法
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。