基于共轭梯度法和BP神经网络的火山灰云顶高度反演研究

对于火山灰云顶高度的反演问题本质上是一个不确定性反演问题,不论是一维变分的方法还是线性统计回归方法,在复杂气象条件下无法获得高精度解。为了减少对热红外辐射传输模式、物理反演方法以及辅助气象数据的依赖,提出了一种基于BP神经网络的火山灰云高度遥感反演方法。以2010年5月8日发生在冰岛的艾雅法拉火山爆发为例,利用覆盖研究区域的Meteosat-8卫星的SEVIRI仪器数据资料和美国NOAA开发的GOES-R火山灰云顶高度算法反演的火山灰云高度作为训练样本,建立了基于共轭梯度法和L-M法两种训练方法的优化神经网络反演方法体系。研究结果表明:在迭代次数相同的条件下,利用共轭梯度法的反演结果均方误差要优于L-M算法。我国新一代静止气象卫星风云四号成像仪具有与SEVIRI仪器相似的红外通道设置,本研究对建立基于我国新一代静止气象卫星FY-4数据的火山灰云顶高度定量反演模型也具有重要的借鉴意义。