基于DenseNet卷积神经网络的三维大气温度廓线反演方法和系统

摘要

本发明公开了基于DenseNet卷积神经网络的三维大气温度廓线反演方法和系统，属于大气微波遥感领域。包括：根据氧气吸收频段的二维大气观测亮温图像和三维大气温度廓线，构建训练数据集；基于训练数据集，训练DenseNet卷积神经网络直至其收敛，得到训练好的网络；将待反演的亮温图像输入训练好的网络，输出反演得到的三维大气温度廓线。本发明训练所用数据集以二维亮温图像为单位，每个亮温图像覆盖了地球上的一定区域，整个数据集跨越长时间间隔，泛化能力将大大提高，反演误差也会降低。DenseNet卷积神经网络层数较深，因其密集连接的结构避免了训练过程中的梯度消失问题，适用于复杂的反演问题，可实现直接对晴空、云以及雨天三种场景的数据一起反演，减少耗时。