一种基于多角度偏振信息的气溶胶与地表反射率协同反演方法及系统

本发明属于卫星遥感定量反演，具体涉及一种基于多角度偏振信息的气溶胶与地表反射率协同反演方法及系统。

背景技术：

1、当前，气溶胶光学厚度（aod）与地表方向反射率的遥感定量反演，主要沿袭物理模型反演与数据驱动深度学习反演两大技术路径。

2、（一）基于物理模型的反演方法

3、以暗像元法、深蓝算法等为代表的经典物理方法，通过构建大气辐射传输模型与地表反射率先验库进行反演。然而，其精度高度依赖于固定的气溶胶类型假设及经验性地表约束，当应用于山地、城市等高异质性区域时，预设先验难以匹配实际场景，导致误差显著增大。以grasp（generalized retrieval of aerosol and surface properties）为代表的最优化算法，虽能同步反演多参数，但其迭代求解的计算开销极大，难以满足大规模业务化运行需求。

4、（二）基于深度学习的反演方法

5、近年来，深度学习技术因其非线性映射能力强、计算效率高而被引入该领域。现有方案多以aod单目标预测为主，未能构建大气-地表参数的联合反演框架。少数多参数模型仍沿用分步串行策略，前一步骤的估计偏差在后续环节被放大，固化为最终误差。更为关键的是，当前多数深度学习模型对国产gf-5b卫星dpc传感器所提供的多组密集多角度偏振观测信息的挖掘尚不充分，未能将这种多角度几何约束有效嵌入网络结构中。同时，现有模型也普遍缺少对brdf物理先验、数字高程模型（dem）、土地覆盖类型等多源辅助特征的系统性融合，导致对复杂下垫面辐射干扰的建模能力不足，在地形起伏大、地类混杂区域，反演所得地表反射率常出现物理越界，模型泛化性能严重退化。

6、综合上述分析，现有技术体系主要存在以下核心缺陷：

7、1.物理模型计算效率低下，难以实现业务化高时效处理。

8、2.深度学习方法对多角度偏振几何约束利用不足，未能充分发掘dpc传感器密集多角度观测带来的辐射信息增益。

9、3.多源辅助特征融合缺失，导致高异质性区域反演精度与泛化能力严重不足。

10、综上所述，当前针对国产gf-5b卫星dpc传感器的反演技术，尚未形成能够充分适配其密集多角度偏振观测几何特性、并有效融合多源先验信息的一体化同步反演框架，难以实现对aod与多角度地表方向反射率的高精度协同解算。上述缺陷正是本发明旨在解决的核心技术问题

技术实现思路

1、为克服现有aod与地表反射率反演中分步处理导致地气辐射耦合关系被人为割裂、误差逐级传递的缺陷，解决现有深度学习方法对多角度偏振观测几何信息利用不足、对多源辅助先验融合缺失、难以同步反演大气与地表参数的问题，本发明提供如下技术方案：

2、一种基于多角度偏振信息的气溶胶与地表反射率协同反演方法，包括：

3、利用卫星搭载的云与气溶胶多角度偏振探测仪dpc，获取卫星多角度偏振观测数据，解算偏振辐射物理量，并获取气溶胶光学厚度标签数据、地表方向反射率标签数据及辅助数据，构建多源数据集；

4、将所述多源数据集中的多源数据进行时空匹配与特征融合，构建包含多角度辐射特征、观测几何特征和辅助特征的结构化输入数据集，以及包含气溶胶光学厚度与多角度地表方向反射率的输出标签集；

5、以所述结构化输入数据集为输入，以所述输出标签集为输出，构建并训练多目标协同反演网络，所述多目标协同反演网络包括首层线性投影层、三层对称残差块、全局整饰层与多任务并行输出头；

6、利用训练好的多目标协同反演网络对新观测数据执行单次前向传播，同步输出气溶胶光学厚度与多角度地表方向反射率的反演结果。

7、优选的，所述卫星多角度偏振观测数据包括8个光谱通道，其中包括3个偏振通道和5个非偏振通道，对同一目标提供最多17组不同观测几何，所述观测几何包括太阳天顶角sza、观测天顶角vza和相对方位角raa；

8、所述气溶胶光学厚度标签数据来源于modis mod04_3k气溶胶产品，提取qa=3的高质量550nm气溶胶光学厚度作为训练标签；

9、所述地表方向反射率标签数据来源于modis mcd43a1产品提供的brdf三核系数，所述三核系数包括各向同性核系数、几何光学核系数和体散射核系数；

10、所述辅助数据包括mcd12q1产品的igbp土地覆盖类型数据和merit dem高程数据。

11、优选的，构建所述结构化输入数据集的方法包括：

12、设定时间匹配阈值为±30分钟，仅保留卫星搭载的云与气溶胶多角度偏振探测仪dpc过境时刻与modis产品时间戳差值在30分钟以内的像元对；

13、将merit dem高程数据和mcd12q1产品的igbp土地覆盖类型数据通过双线性插值重采样至3km空间分辨率，与modis产品保持一致，并基于k-d树空间索引结构在0.02°距离阈值内完成dpc与modis像元的共定位匹配；

14、将完成时空匹配的多源数据按像元进行特征拼接，获得结构化输入数据集。

15、优选的，结构化输入数据集中：

16、所述多角度辐射特征包括各通道在各观测角度下的总辐射强度、线性偏振分量以及线偏振度；

17、所述观测几何特征包括17组观测几何参数；

18、所述辅助特征包括igbp土地覆盖类型编码与重采样后的merit dem高程数据。

19、优选的，所述多目标协同反演网络中：

20、所述首层线性投影层，用于将输入特征映射至128维隐空间，进行输入特征的初步统一融合，获得初始特征；

21、所述三层对称残差块，用于提取所述初始特征的深度特征；

22、所述全局整饰层，用于将所述深度特征经层归一化和 silu激活整合为全局深层特征；

23、多任务并行输出头，用于将所述全局深层特征经单层全连接层映射至多维输出空间，并输出预测值。

24、优选的，所述多目标协同反演网络的多任务总损失采用各输出维度huber损失的均值。

25、本发明还提供一种基于多角度偏振信息的气溶胶与地表反射率协同反演系统，用于实现所述方法，包括：

26、多源数据集构建模块，用于利用卫星搭载的云与气溶胶多角度偏振探测仪dpc，获取卫星多角度偏振观测数据，解算偏振辐射物理量，并获取气溶胶光学厚度标签数据、地表方向反射率标签数据及辅助数据，构建多源数据集；

27、数据处理模块，用于将所述多源数据集中的多源数据进行时空匹配与特征融合，构建包含多角度辐射特征、观测几何特征和辅助特征的结构化输入数据集，以及包含气溶胶光学厚度与多角度地表方向反射率的输出标签集；

28、模型训练模块，用于以所述结构化输入数据集为输入，以所述输出标签集为输出，构建并训练多目标协同反演网络，所述多目标协同反演网络包括首层线性投影层、三层对称残差块、全局整饰层与多任务并行输出头；

29、反演模块，用于利用训练好的多目标协同反演网络对新观测数据执行单次前向传播，同步输出气溶胶光学厚度与多角度地表方向反射率的反演结果。

30、与现有技术相比，本发明的有益效果为：

31、（1）消除分步反演误差累积。本发明构建一体化协同反演框架，实现aod与地表方向反射率的同步解算，避免了传统分步策略中因先反演aod再校正地表反射率（或反之）所导致的误差在步骤间逐级放大、最终精度同步退化的问题，从根源上切断了误差传递链条，提升了反演结果的物理一致性与数值精度。

32、（2）充分释放多角度偏振观测的几何约束潜力。本发明针对国产gf-5b卫星dpc传感器密集多角度偏振观测特性，有效挖掘了17组多角度观测几何中所蕴含的辐射约束信息，并融合brdf物理先验，显著缓解了单视角观测条件下辐射传输方程病态解算的固有问题，增强了大气-地表信号解耦的可靠性与反演结果的稳定性。

33、（3）高异质性下垫面反演精度显著改善。本发明通过引入dem地形数据与igbp土地覆盖类型等多源辅助先验，提升了模型对复杂地形起伏及地类快速过渡区域辐射干扰的建模能力，使本发明在高原、山地、城市、农田、沙漠等高低亮度与高异质性混合地表条件下均能保持稳定的反演精度，无明显地表类型适应性衰减。

34、（4）计算效率满足业务化批量生产需求。本发明采用深度学习前向推理架构，单次网络前向传播即可同步输出全部aod与地表方向反射率参数，推理速度显著优于grasp等物理最优化方法的逐像元迭代求解，具备全国区域卫星遥感产品批量、快速生成的能力。