基于神经网络的云顶高反演技术研究分析

论文摘要

收集整理2017年5月到2018年3月的美国CALIPSO卫星云参数反演产品和日本"葵花8"静止卫星云图。研究卫星遥感数据提取与处理技术,提取葵花卫星与美国CALIPSO卫星云参数反演产品对应位置、时次数据,制成样本集。运用传统的亮温廓线法和神经网络的BP、CNN、RNN三种方法,构建模型对云顶高反演的精度进行研究和比较。研究表明:BP神经网络模型反演效果较好,RNN模型次之,CNN和传统的亮温廓线法反演结果相对较差。

论文目录

• 1 卫星数据结构
•   1.1 葵花8号数据
•   1.2 CALIPSO数据
•   1.3 数据提取与匹配
• 2 反演方法介绍
•   2.1 亮温廓线法
•     2.1.1 方法介绍
•     2.1.2 实现过程
•     2.1.3 误差分析方式
•   2.2 BP神经网络模型
•     2.2.1 模型构造
•     2.2.2 实现效果
•   2.3 RNN神经网络模型
•     2.3.1 模型构造
•     2.3.2 实现效果
•   2.4 CNN神经网络模型
•     2.4.1 模型构造
•     2.4.2 实现效果
• 3 对几种反演云顶高的误差分析
• 4 结 语
•   1) 云反演的误差降低。
•   2) 云反演的条件简单化。

文章来源

类型: 期刊论文

作者: 孟恒,杨忠,郭洪涛

关键词: 云顶高,神经网络,葵花号卫星,卫星

来源: 金陵科技学院学报 2019年02期

年度: 2019

分类: 农业科技,基础科学,信息科技

专业: 气象学,自动化技术

单位: 河海大学(常州校区)机电工程学院,金陵科技学院智能科学与控制工程学院

基金: 国家自然科学基金项目(51505204),教育部产学合作协同育人项目(201602009006),江苏省产学研联合前瞻性研究项目(BY2016012-02)

分类号: P407;P426.5;TP183

DOI: 10.16515/j.cnki.32-1722/n.2019.02.008

页码: 34-39

总页数: 6

文件大小: 1253K

下载量: 62