[发明专利]一种基于神经网络的MWHTS通道权重函数计算方法

说明书

一种基于神经网络的MWHTS通道权重函数计算方法，所述方法包括把大气参数和MWHTS观测高度角输入到辐射传输模型RTTOV，计算大气分层中的每一层到卫星载荷MWHTS的大气透过率；根据大气透过率计算MWHTS通道权重函数廓线，建立大气参数、MWHTS观测高度角和MWHTS通道权重函数廓线的匹配数据集；基于匹配数据集训练BP神经网络，针对MWHTS每个通道分别建立基于BP神经网络的MWHTS通道权重函数廓线计算的最佳模型；建立MWHTS通道权重函数极大值样本并作为深度神经网络的输出，以大气参数和MWHTS观测高度角为深度神经网络的输入，训练深度神经网络，针对MWHTS每个通道分别建立基于深度神经网络的MWHTS通道权重函数极大值所在大气分层计算的最佳模型。本方法计算速度较快且计算量较小，操作简单易行。

技术领域

本发明涉及一种MWHTS通道权重函数的计算方法，尤其涉及一种基于神经网络的MWHTS通道权重函数计算方法。

背景技术

星载微波辐射计在数值天气预报、气候变化研究以及强对流天气监测等大气科学领域发挥着重要作用。通道权重函数是星载微波辐射计接收机通道设置的理论基础，是星载微波辐射计各个通道对不同大气层敏感性的指标。通道权重函数极大值所对应的大气分层表示该通道对该层大气最敏感，换句话说，该通道的探测优势即是通道权重函数极大值所在的大气分层。通道权重函数的计算包括通道权重函数廓线的计算和通道权重函数极大值所在大气分层的计算。通道权重函数廓线即通道权重函数在不同大气分层处的值，该廓线除了在星载微波辐射计硬件时发挥重要作用外，它也是星载数据分析和应用的关键，而通道权重函数极大值所在大气分层的计算是数据融合反演应用的重要考量指标。

目前，针对星载微波辐射计而言，通道权重函数的计算需根据大气参数和卫星观测高度角，首先计算出各个大气分层到星载微波辐射计的透过率，透过率与大气分子对微波的吸收和散射等物理效应的直接相关。然而，对于目前通道权重函数这种基于物理机制的计算方法，在大量星载微波辐射观测数据应用时，该方法计算量大，且计算效率较低。从数据统计的角度出发，神经网络以其强大的非线性拟合能力以及强大的分类能力，可为通道权重函数廓线以及通道权重函数极大值所在大气分层的计算提供新的思路。

微波湿温探测仪(MWHTS)是风云三号(FY-3)C星和D星上的重要载荷，MWHTS共有15个通道，其中包括两个窗区通道(通道1和通道10)，八个温度探测通道(通道2—通道9)，五个湿度探测通道(通道11—通道15)，可实现大气温度、湿度、云水以及地表参数的同时探测。对MWHTS通道权重函数廓线的计算以及通道权重函数中极大值所在大气分层的计算，对于MWHTS观测数据的反演应用以及反演精度分析至关重要。

发明内容

为解决上述技术问题，本发明提供一种基于神经网络的MWHTS通道权重函数计算方法，基于BP神经网络强大的非线性映射能力计算MWHTS通道权重函数廓线，基于深度神经网络较强的分类能力计算MWHTS通道权重函数极大值所在的大气层，但计算速度较快且计算量较小，操作简单易行。

为实现上述技术目的，所采用的技术方案是：一种基于神经网络的MWHTS通道权重函数计算方法，包括以下步骤：

步骤一：建立大气参数与MWHTS观测高度角在时间和空间上的匹配数据，把匹配数据输入到辐射传输模型RTTOV，分别计算MWHTS每个通道中大气分层中的每一层到卫星载荷MWHTS的大气透过率；

步骤二：根据MWHTS每个通道的大气透过率计算MWHTS对应通道权重函数廓线，并建立大气参数、MWHTS观测高度角和MWHTS每个通道权重函数廓线的匹配数据集；

步骤三：基于匹配数据集，以大气参数和MWHTS观测高度角为输入，以MWHTS每个通道权重函数廓线为输出，训练BP神经网络，针对MWHTS每个通道，分别建立基于BP神经网络的MWHTS通道权重函数廓线计算的最佳模型；