卫星资料反演大气温湿度廓线的新方法研究

发布时间：2022-12-05 22:34

　　本文研究了卫星观测资料反演大气温湿度廓线问题中的统计反演方法和物理反演方法。在统计反演方法的研究中,本文使用了风云三号卫星的实际观测数据分别训练了传统的统计回归方法,反向传播（BP）神经网络方法和支持向量机方法,并进行了反演实验。实验结果表明,BP神经网络方法和支持向量机方法在温湿度廓线的反演精度上均优于传统的统计回归方法。且在温度廓线的反演上,在海面上有云但无雨和陆地上有云这两种情况下,支持向量机方法在反演精度上略优于BP神经网络方法,在其他情况下两种方法反演精度相当;而在湿度廓线的反演上,在陆地上晴空时支持向量机方法在反演精度上要优于BP神经网络方法,在陆地上有云的情况下,两种方法反演精度相当,在海洋上无雨时BP神经网络方法在反演精度上则要优于支持向量机方法。在物理反演方法的研究中,本文结合非线性反演问题的特点,提出了一种基于L-curve方法并结合熵的概念的新方法来为一维变分反演过程选择正则化参数。在第一次迭代过程中,此方法使用基于最小化待反演参数的熵而计算得到的值作为所使用的正则化参数;在之后的迭代过程中,此方法在上一次迭代过程中所使用的正则化参数的邻域中使用L-curve方法... 

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章：引言
    1.1：研究意义
    1.2：统计反演方法研究进展及问题
    1.3：物理反演方法研究进展及问题
    1.4：本文研究内容及创新点
第二章：统计反演方法
    2.1：数据介绍
        2.1.1：风云三号气象卫星介绍
        2.1.2：ERA-Interim再分析资料介绍
        2.1.3：资料提取与匹配
    2.2：传统的统计回归方法
        2.2.1：方法原理
        2.2.2：方法细节设置与反演结果
    2.3：神经网络方法
        2.3.1：方法原理
            2.3.1.1：人工神经元
            2.3.1.2：神经网络
            2.3.1.3：反向传播（BP）神经网络
        2.3.2：方法细节设置与反演结果
    2.4：支持向量机回归方法
        2.4.1：方法原理
        2.4.2：方法细节设置与反演结果
    2.5：三种统计反演方法之间的比较
第三章：物理反演方法
    3.1：数据介绍
        3.1.1：MODIS仪器介绍
        3.1.2：AIRS仪器介绍
        3.1.3：NOAA-88b气候廓线数据库介绍
        3.1.4：资料构造
            3.1.4.1：模拟亮温
            3.1.4.2：真实亮温与廓线数据集
    3.2：方法原理
        3.2.1：物理反演方法
        3.2.2：正则化参数选取方法
    3.3：L-curve方法的进一步分析和改进
    3.4：实际数据反演结果
        3.4.1：新的方法与原始L-curve方法的比较
        3.4.2：新的方法与偏差原则方法的比较
第四章：总结
参考文献
致谢
个人简介



本文编号：3710485