一种极区云水路径反演方法、装置、电子设备及存储介质

摘要: 本技术涉及卫星遥感与大气环境监测领域,具体而言,涉及一种极区云水路径反演方法、装置、电子设备及存储介质。背景技术:1、云水路径(cloudwaterpath,c...
一种极区云水路径反演方法、装置、电子设备及存储介质

本技术涉及卫星遥感与大气环境监测领域,具体而言,涉及一种极区云水路径反演方法、装置、电子设备及存储介质。

背景技术:

1、云水路径(cloud water path, cwp)包括液水路径和冰水路径,是表征云辐射特性的关键参数,在地球大气辐射能量收支平衡及极地气候放大效应中扮演着核心角色。极地区域地面观测站点稀缺,因此卫星遥感技术成为实现极地cwp大范围、连续监测的主要手段。目前,基于卫星遥感的cwp反演方法已日趋成熟,主要形成了主动遥感与被动遥感(光学和微波)并行的技术格局。

2、目前,现有的cwp反演方法主要包括被动光学遥感反演方案、被动微波遥感反演方案和主动遥感探测方案,在被动光学遥感反演方案中,利用云对可见光谱段的强反射特性和对短波红外谱段的弱吸收特性进行反演,通常采用双通道或多通道查找表方法,联合反演云光学厚度和粒子有效半径,进而在假定云垂直廓线分布的条件下计算cwp。在被动微波遥感反演方案中,利用微波对云体的穿透性和云水物质在特定频段的发射或散射特性,通过建立微波亮温与路径含水量的物理回归或统计解析解进行反演。在主动遥感探测方案,以星载毫米波雷达cloudsat和激光雷达calipso为代表,利用主动发射的信号获取精确的云垂直廓线和微物理结构等。

3、但是,极地存在长达半年的极夜期,完全依赖可见光和近红外波段反射特性的物理反演在极夜完全失效,在极地日间,高反照率的冰雪地表背景极易与云层信号混淆,导致被动光学传感器无法有效识别薄云与冰盖的界限,估算产生巨大不确定性;极地频繁出现云顶温度高于地表温度的强逆温层,导致传统物理前向辐射传输模型失效,热红外算法无法准确分离云顶和背景辐射;极地混合相态云频繁,由于冰晶和水滴在红外波段具有截然不同的吸收特性,若使用单一物理模型进行拟合,冰水相态混合会引发双峰及多模态非线性分布冲突,导致不可忽视的系统偏差;主动雷达观测幅宽极窄仅为沿轨道的一条线),且时间重访率低,在极点附近(如纬度81.8°之后)存在天然轨道空洞,无法满足极地大范围连续动态监测需求。

技术实现思路

1、本技术提供了一种极区云水路径反演方法、装置、电子设备及存储介质,通过由多源数据构建的极地云微物理训练数据集显式计算差值、比值及、极化比等特征,构建了物理约束,剥离了极地冰雪高反照率背景干扰及强表面逆温对辐射传输解空间的影响,解决了冰雪地表背景与云层信号的混淆问题,可以有效识别薄云与冰盖的界限,提高了估算的确定性,避免了传统物理前向辐射传输模型失效的问题,可以准确分离云顶和背景辐射;实现了分相态即冰云、水云、混合云的独立回归,避免了双峰及多模态非线性分布冲突,消除了由冰水相态混合引起的系统性偏差;提高了观测幅宽和时间重访率,在极点附近依然可以满足极地大范围连续动态监测需求,由此独立实现了极区全天候的高精度反演。

2、第一方面,本技术实施例提供了一种极区云水路径反演方法,所述方法包括:

3、步骤s1、获取多源卫星被动遥感辐射观测数据、气象再分析数据和主动雷达云微物理真值参数,并对所有数据进行时空匹配,构建极地云微物理训练数据集;其中,所述被动遥感辐射观测数据至少包括热红外发射波段数据、几何参数、被动微波数据;

4、步骤s2、基于所述极地云微物理训练数据集显式计算通道差值特征、通道比值特征、极化比特征以及环境热力学层结参数,形成多维物理约束特征,并将所述多维物理约束特征加入到所述极地云微物理训练数据集中,得到新的极地云微物理训练数据集;

5、步骤s3、对所述新的极地云微物理训练数据集依据云相态分类标签进行划分并训练,得到训练后的极地云微物理训练数据集;

6、步骤s4、基于所述训练后的极地云微物理训练数据集构建多个独立编码塔,基于所述独立编码塔将所述极地云微物理训练数据集中的输入特征进行编码,并结合共享融合网络提取共享表示向量进行训练,得到训练后的反演模型,以通过所述反演模型进行反演得到反演结果。

7、在一种可能的实施方式中,在所述步骤s1中,所述热红外发射波段数据中包括热红外通道定标辐射强度;所述对所有数据进行时空匹配,构建极地云微物理训练数据集,包括:

8、利用预设的云雷达数据作为真值进行时空匹配,构建极地云微物理训练数据集;

9、将所述热红外通道定标辐射强度通过预设的普朗克黑体辐射公式转换为处于目标范围的亮温。

10、在一种可能的实施方式中,在步骤s2中,所述被动微波数据包括第一频率通道和第二频率通道的水平与垂直极化亮温;所述显式计算通道差值特征、通道比值特征、极化比特征以及环境热力学层结参数,包括:

11、计算分裂窗差值、气体与水汽吸收差值、短波红外-窗区差值、深层背景与环境约束特征,得到通道差值特征;

12、基于所述亮温计算不同通道间的亮温比值,得到通道比值特征;其中,所述通道比值特征用于消除乘性定标漂移因子,刻画辐射曲线相对斜率变化;

13、基于所述被动微波数据计算先进微波扫描辐射计中的第一频率通道与第二频率通道垂直与水平极化温差的比值,得到极化比特征;其中,所述极化比特征表征深层云柱内部水物质的垂直积分总量信息;

14、计算地表温度与目标气压值下的大气温度之差,得到环境热力学层结参数;其中,所述环境热力学层结参数用以修正逆温条件下的辐射传输解空间。

15、在一种可能的实施方式中,在步骤s3中,所述对所述新的极地云微物理训练数据集依据云相态分类标签进行划分并训练,包括:

16、依据云相态分类标签将所述极地云微物理训练数据集中的输入特征进行划分,构建包含水云、冰云和混合云的独立物理特征集;

17、将所述独立物理特征集中的特征向量分流至水云、冰云和混合云专属的三个独立回归子网络中进行对应相态的云水路径的非线性映射与回归训练。

18、在一种可能的实施方式中,在步骤s4中,所述基于所述独立编码塔将所述极地云微物理训练数据集中的输入特征进行编码,并结合共享融合网络获取共享表示向量,包括:

19、基于所述独立编码塔通过线性层、批归一化与线性整流激活函数将所述极地云微物理训练数据集中的输入特征进行独立非线性融合编码;

20、在横向维度拼接汇聚成多模态融合特征向量,送入共享融合网络提炼共享表示向量。

21、在一种可能的实施方式中,在步骤s4中,所述结合共享融合网络提取共享表示向量进行训练,包括:

22、在共享融合网络输出端设置年份判别器分支,基于所述年份判别器分支对共享表示向量进行年份分类;

23、在年份判别器分支入口处设置梯度反转层,使前向传播时恒等传递共享表示向量,而反向传播时将年份分类交叉熵损失梯度乘以负调节系数后传回所述共享融合网络,以使所述共享融合网络输出对定标衰减免疫的纯净普适表征。

24、在一种可能的实施方式中,所述方法还包括:

25、对所述主动雷达云微物理真值参数中的云水路径目标值实施平方根变换,并在年内尺度上进行归一化处理;

26、对年内归一化后的云水路径目标值执行全局标准化。

27、第二方面,本技术实施例还提供了一种极区云水路径反演装置,所述装置包括:

28、构建模块,用于获取多源卫星被动遥感辐射观测数据、气象再分析数据和主动雷达云微物理真值参数,并对所有数据进行时空匹配,构建极地云微物理训练数据集;其中,所述被动遥感辐射观测数据至少包括热红外发射波段数据、几何参数、被动微波数据;

29、获取模块,用于基于所述极地云微物理训练数据集显式计算通道差值特征、通道比值特征、极化比特征以及环境热力学层结参数,形成多维物理约束特征,并将所述多维物理约束特征加入到所述极地云微物理训练数据集中,得到新的极地云微物理训练数据集;

30、训练模块,用于对所述新的极地云微物理训练数据集依据云相态分类标签进行划分并训练,得到训练后的极地云微物理训练数据集;

31、反演模块,用于基于所述训练后的极地云微物理训练数据集构建多个独立编码塔,基于所述独立编码塔将所述极地云微物理训练数据集中的输入特征进行编码,并结合共享融合网络提取共享表示向量进行训练,得到训练后的反演模型,以通过所述反演模型进行反演得到反演结果。

32、在一种可能的实施方式中,所述热红外发射波段数据中包括热红外通道定标辐射强度;所述构建模块,具体用于:

33、利用预设的云雷达数据作为真值进行时空匹配,构建极地云微物理训练数据集;

34、将所述热红外通道定标辐射强度通过预设的普朗克黑体辐射公式转换为处于目标范围的亮温。

35、在一种可能的实施方式中,所述被动微波数据包括第一频率通道和第二频率通道的水平与垂直极化亮温;所述获取模块,具体用于:

36、计算分裂窗差值、气体与水汽吸收差值、短波红外-窗区差值、深层背景与环境约束特征,得到通道差值特征;

37、基于所述亮温计算不同通道间的亮温比值,得到通道比值特征;其中,所述通道比值特征用于消除乘性定标漂移因子,刻画辐射曲线相对斜率变化;

38、基于所述被动微波数据计算先进微波扫描辐射计中的第一频率通道与第二频率通道垂直与水平极化温差的比值,得到极化比特征;其中,所述极化比特征表征深层云柱内部水物质的垂直积分总量信息;

39、计算地表温度与目标气压值下的大气温度之差,得到环境热力学层结参数;其中,所述环境热力学层结参数用以修正逆温条件下的辐射传输解空间。

40、在一种可能的实施方式中,所述训练模块,具体用于:

41、依据云相态分类标签将所述极地云微物理训练数据集中的输入特征进行划分,构建包含水云、冰云和混合云的独立物理特征集;

42、将所述独立物理特征集中的特征向量分流至水云、冰云和混合云专属的三个独立回归子网络中进行对应相态的云水路径的非线性映射与回归训练。

43、在一种可能的实施方式中,所述反演模块,具体用于:

44、基于所述独立编码塔通过线性层、批归一化与线性整流激活函数将所述极地云微物理训练数据集中的输入特征进行独立非线性融合编码;

45、在横向维度拼接汇聚成多模态融合特征向量,送入共享融合网络提炼共享表示向量。

46、在一种可能的实施方式中,所述反演模块,具体用于:

47、在共享融合网络输出端设置年份判别器分支,基于所述年份判别器分支对共享表示向量进行年份分类;

48、在年份判别器分支入口处设置梯度反转层,使前向传播时恒等传递共享表示向量,而反向传播时将年份分类交叉熵损失梯度乘以负调节系数后传回所述共享融合网络,以使所述共享融合网络输出对定标衰减免疫的纯净普适表征。

49、在一种可能的实施方式中,所述装置还包括:

50、处理模块,用于对所述主动雷达云微物理真值参数中的云水路径目标值实施平方根变换,并在年内尺度上进行归一化处理;

51、执行模块,用于对年内归一化后的云水路径目标值执行全局标准化。

52、第三方面,本技术实施例还提供了一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行第一方面任一项所述的极区云水路径反演方法的步骤。

53、第四方面,本技术实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行第一方面任一项所述的极区云水路径反演方法的步骤。

54、本技术提供上述极区云水路径反演方法、装置、电子设备及存储介质,获取多源卫星被动遥感辐射观测数据、气象再分析数据和主动雷达云微物理真值参数,并对所有数据进行时空匹配,构建极地云微物理训练数据集,基于极地云微物理训练数据集显式计算通道差值特征、通道比值特征、极化比特征以及环境热力学层结参数,形成多维物理约束特征,并将多维物理约束特征加入到极地云微物理训练数据集中,得到新的极地云微物理训练数据集,对新的极地云微物理训练数据集依据云相态分类标签进行划分并训练,得到训练后的极地云微物理训练数据集,基于训练后的极地云微物理训练数据集构建多个独立编码塔,基于独立编码塔将极地云微物理训练数据集中的输入特征进行编码,并结合共享融合网络提取共享表示向量进行训练,得到训练后的反演模型,以通过反演模型进行反演得到反演结果。本技术,通过由多源数据构建的极地云微物理训练数据集显式计算差值、比值及、极化比等特征,构建了物理约束,剥离了极地冰雪高反照率背景干扰及强表面逆温对辐射传输解空间的影响,解决了冰雪地表背景与云层信号的混淆问题,可以有效识别薄云与冰盖的界限,提高了估算的确定性,避免了传统物理前向辐射传输模型失效的问题,可以准确分离云顶和背景辐射;实现了分相态即冰云、水云、混合云的独立回归,避免了双峰及多模态非线性分布冲突,消除了由冰水相态混合引起的系统性偏差;提高了观测幅宽和时间重访率,在极点附近依然可以满足极地大范围连续动态监测需求,由此独立实现了极区全天候的高精度反演。