|
|||||
|
|
| 基于机器学习的二氧化碳卫星反演方法 | |
| 引用本文： | 缪云飞,邹铭敏,盛书丽,朱柯卫,丁文乔,林君洁,屈政,李大成.基于机器学习的二氧化碳卫星反演方法[J].中国环境科学,2023(S1):20-27. |
| 作者姓名： | 缪云飞 邹铭敏 盛书丽 朱柯卫 丁文乔 林君洁 屈政 李大成 |
| 作者单位： | 1. 安徽大学物质科学与信息技术研究院;2. 中国科学院合肥物质科学研究院 |
| 基金项目： | 国家自然科学基金资助项目(42271403)；;安徽省高校协同创新项目(GXXT-2022-001)； |
| 摘 要： | 基于机器学习模型在分析数据并学习预测方面的优势,提出了一种基于机器学习的短波红外通道CO2卫星遥感反演方法,以卫星观测辐亮度、气溶胶光学厚度、温度构建训练数据集,采用前馈神经网络与量化共轭梯度算法进行训练学习,构建了短波红外通道卫星CO2反演模型,并利用GOSAT卫星观测光谱数据反演了CO2浓度.反演结果与TCCON站点观测数据进行了比对,结果表明:卫星与地面观测的相关性优于0.86,平均误差小于2.5×10-6,验证了反演方法的有效性. |
| 关 键 词： | CO2 卫星遥感 机器学习 神经网络 |