基于地基微波辐射计的大气温湿度廓线反演方法及系统

摘要

本发明提供了基于地基微波辐射计的大气温湿度廓线反演方法及系统，该方法包括：获取目标区域对应的地理位置信息及地基微波辐射计在目标区域采集的当前大气参数数据；检测大气参数历史数据库中是否存在与地理位置信息相对应的第一大气参数历史数据，和/或，检测是否接收到与地理位置信息相对应的第二大气参数历史数据；当存在第一大气参数历史数据和/或接收到第二大气参数历史数据时，构建用于反演大气温湿度廓线的残差BP神经网络，并利用上述数据对残差BP神经网络进行训练；将当前大气参数数据输入训练好的残差BP神经网络，得到目标区域的当前大气温湿度廓线。通过利用残差BP神经网络进行反演，提高了反演精度，满足实际应用需求。

说明书

技术领域

本发明涉及大气微波遥感及探测技术领域，具体涉及基于地基微波辐射计的大气温湿度廓线反演方法及系统。

背景技术

对于大气的探测目前的三种主要手段是分别是探空气球、卫星遥感和地基微波辐射计。探空气球可以获取较为精准的大气信息，但耗费时间太长且具有时空不一致性较大局限了探空气球的应用。卫星遥感依靠气象卫星上搭载的传感器接收来源于大气的有效辐射层的辐射能量，有效层越厚则反演结果在垂直方向上的精度就越低，导致空间遥感技术得到的近地面大气信息误差较大。为得到较高精度的近地大气信息，地基微波遥感技术逐渐成为研究热点。地基微波遥感技术利用辐射接收机测量下行大气辐射信息，并通过数据反演方法最终得到大气参数。该技术从测量原理上避免了地球表面辐射的影响，在近地面大气观测领域更具优势。

当前国内外地基微波辐射计的反演方法的反演精度低，使得地基微波辐射计难以满足其中在军事、民用以及农业领域的应用需求。

发明内容

有鉴于此，本发明实施例提供了基于地基微波辐射计的大气温湿度廓线反演方法及系统，解决现有技术中地基微波辐射计的反演方案精确度低，适用范围有限，无法满足其应用需求的问题。

根据第一方面，本发明实施例提供了基于地基微波辐射计的大气温湿度廓线反演方法，包括：

获取目标区域对应的地理位置信息及地基微波辐射计在所述目标区域采集的当前大气参数数据；

检测大气参数历史数据库中是否存在与所述地理位置信息相对应的第一大气参数历史数据，和/或，检测是否接收到与所述地理位置信息相对应的第二大气参数历史数据；

当存在所述第一大气参数历史数据和/或接收到所述第二大气参数历史数据时，构建用于反演大气温湿度廓线的残差BP神经网络，并利用所述第一大气参数历史数据和/或所述第二大气参数历史数据对所述残差BP神经网络进行训练；

将所述当前大气参数数据输入训练好的残差BP神经网络，得到所述目标区域的当前大气温湿度廓线。

可选地，当不存在所述第一大气参数历史数据并且没有接收到所述第二大气参数历史数据时，基于所述地理位置信息，采用物理反演方法得到所述目标区域的当前大气温湿度廓线。

可选地，所述第一大气参数历史数据包括：在所述目标区域采用地基微波辐射计在多个预设中心频率点采集的大气下行亮温以及地表测得的温度、气压、相对湿度、红外数据。

可选地，所述预设中心频率包括：22.235GHz、22.500GHz、23.035GHz、23.835GHz、25.000GHz、26.235GHz、28.000GHz、30.000GHz、51.250GHz、51.760GHz、52.280GHz、52.800GHz、53.340GHz、53.850GHz、54.400GHz、54.940GHz、55.500GHz、56.020GHz、56.660GHz、57.290GHz、57.960GHz及58.800GHz。

可选地，所述基于所述地理位置信息，采用物理反演方法得到所述目标区域的当前大气温湿度廓线，包括：

基于所述地理位置信息，从预设背景场中确定反演起点；

基于所述反演起点，采用牛顿非线性迭代法确定所述目标区域的当前大气温湿度廓线。

可选地，所述预设背景场为NCEP数据。

可选地，所述方法还包括：

获取不同地理位置上不同历史时刻所述地基微波辐射计采集的大气下行亮温以及地表测得的温度、气压、相对湿度、红外数据；

基于不同地理位置上不同历史时刻所述地基微波辐射计采集的大气下行亮温以及地表测得的温度、气压、相对湿度、红外数据，构建所述大气参数历史数据库。

根据第二方面，本发明实施例提供了一种基于地基微波辐射计的大气温湿度廓线反演系统，包括：

获取模块，用于获取目标区域对应的地理位置信息及地基微波辐射计在所述目标区域采集的当前大气参数数据；

检测模块，用于检测大气参数历史数据库中是否存在与所述地理位置信息相对应的第一大气参数历史数据，和/或，检测是否接收到与所述地理位置信息相对应的第二大气参数历史数据；

训练模块，用于当存在所述第一大气参数历史数据和/或接收到所述第二大气参数历史数据时，构建用于反演大气温湿度廓线的残差BP神经网络，并利用所述第一大气参数历史数据和/或所述第二大气参数历史数据对所述残差BP神经网络进行训练；

反演模块，用于将所述当前大气参数数据输入训练好的残差BP神经网络，得到所述目标区域的当前大气温湿度廓线。

根据第三方面，本发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令被处理器执行时实现本发明第一方面及其任意一种可选方式所述的方法。

根据第四方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本发明第一方面及其任意一种可选方式所述的方法。

本发明技术方案，具有如下优点：

本发明实施例提供了基于地基微波辐射计的大气温湿度廓线反演方法及系统，通过获取目标区域对应的地理位置信息及地基微波辐射计在目标区域采集的当前大气参数数据；检测大气参数历史数据库中是否存在与地理位置信息相对应的第一大气参数历史数据，和/或，检测是否接收到与地理位置信息相对应的第二大气参数历史数据；当存在第一大气参数历史数据和/或接收到第二大气参数历史数据时，构建用于反演大气温湿度廓线的残差BP神经网络，并利用第一大气参数历史数据和/或第二大气参数历史数据对残差BP神经网络进行训练；将当前大气参数数据输入训练好的残差BP神经网络，得到目标区域的当前大气温湿度廓线。从而通过利用残差BP神经网络进行反演，能够更为精确的反演出大气温湿度廓线，提高了反演精度，可以满足精度要求高的实际应用需求。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中大气温湿度廓线反演方法的流程图；

图2为本发明实施例中残差BP神经网络搭建的流程图；

图3为本发明实施例中大气参数反演方案流程图；

图4为本发明实施例中反演方案软件界面示意图；

图5(a)是本发明实施例中残差BP神经网络反演的大气温度廓线与BP神经网络反演结果的对比图，图5(b)是两者反演结果与实际值误差的对比图；

图6(a)是本发明实施例中残差BP神经网络反演的水汽含量廓线与BP神经网络反演结果的对比图，图6(b)是两者反演结果与实际值误差的对比图；

图7(a)是本发明实施例中物理反演大气温度廓线结果图，图7(b)是物理反演结果与实际值误差的对比图；

图8是本发明实施例中反演方案软件界面物理反演结果图；

图9为本发明实施例中大气温湿度廓线反演装置的结构示意图；

图10为本发明实施例中的电子设备的结构示意图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

由于地基微波遥感技术的效果取决于两方面：1.微波辐射计硬件设备对于辐射的测量精度；2.精度较高的大气参数反演算法。微波遥感技术在国外发展时间较长，无论是遥感设备的研发还是数据处理算法的研究，国外都具有着较大的优势。在反演算法方面，由于现有的反演算法精度有限，极大地限制了微波遥感技术的广泛应用。

综上，为了满足地基微波辐射计在军事、民用以及农业领域的应用需求，急需一套精度较高的智能反演方案。

基于上述问题，本发明实施例提供了一种基于地基微波辐射计的大气温湿度廓线反演方法，如图1所示，该基于地基微波辐射计的大气温湿度廓线反演方法具体包括如下步骤：

步骤S101：获取目标区域对应的地理位置信息及地基微波辐射计在目标区域采集的当前大气参数数据。

其中，该地理位置信息为该目标区域的经纬度，该当前大气参数数据包括：大气下行亮温以及地表测得的温度、气压、相对湿度、红外数据等。

步骤S102：检测大气参数历史数据库中是否存在与地理位置信息相对应的第一大气参数历史数据，和/或，检测是否接收到与地理位置信息相对应的第二大气参数历史数据。

具体地，第一大气参数历史数据包括：在目标区域采用地基微波辐射计在多个预设中心频率点采集的大气下行亮温以及地表测得的温度、气压、相对湿度、红外数据。其中，上述预设中心频率包括：22.235GHz、22.500GHz、23.035GHz、23.835GHz、25.000GHz、26.235GHz、28.000GHz、30.000GHz、51.250GHz、51.760GHz、52.280GHz、52.800GHz、53.340GHz、53.850GHz、54.400GHz、54.940GHz、55.500GHz、56.020GHz、56.660GHz、57.290GHz、57.960GHz及58.800GHz。

步骤S103：当存在第一大气参数历史数据和/或接收到第二大气参数历史数据时，构建用于反演大气温湿度廓线的残差BP神经网络，并利用第一大气参数历史数据和/或第二大气参数历史数据对残差BP神经网络进行训练。

具体地，由于神经网络算法具有很强非线性问题处理能力、良好的容错能力，在大气反演中能够得到较为满意的结果。神经网络训练依赖于大量的历史数据，对训练样本具有很高的要求，但其出色的反演结果使得该算法在部分数据充足的地区成为首选。本发明通过将传统的BP神经网络替换成残差BP神经网络，其相比BP神经网络，网络输入与输出拥有额外权值连接，在较深层的网络中能够很好的解决网络退化的问题，同时对梯度爆炸和梯度消失问题也有着良好的效果。微小亮温的变化难以对输出产生足够的影响，使用残差BP神经网络能够较好的提高精确度，提高对微弱输入变化的敏感度，尤其是高层廓线的精确度和极端天气的状况下，能得到更好的结果。示例性地，本发明实施例所提供的残差BP神经网络搭建具体流程图如图2所示。

示例性地，基于地基微波辐射计使用时的经纬度，查询是否存在内置的大气参数历史数据库，并在该数据库中包含有目标区域当地的历史数据调用残差BP神经网络进行反演，完成残差BP神经网络的训练。如果数据库中不含有当地的大气参数历史数据，则询问用户是否可以导入当地的大气参数历史数据，如果可以按照国家气象行业标准探空气象II数据段归档格式导入历史数据，得到上述第二大气参数历史数据。

步骤S104：将当前大气参数数据输入训练好的残差BP神经网络，得到目标区域的当前大气温湿度廓线。

示例性地，具体输入数据包括地基微波辐射计所测得的22.235GHz、22.500GHz、23.035GHz、23.835GHz、25.000GHz、26.235GHz、28.000GHz、30.000GHz、51.250GHz、51.760GHz、52.280GHz、52.800GHz、53.340GHz、53.850GHz、54.400GHz、54.940GHz、55.500GHz、56.020GHz、56.660GHz、57.290GHz、57.960GHz、58.800GHz共22个频点的大气下行亮温Bt以及地表测得的温度、气压、相对湿度、红外数据，总共26个数据。将上述数据代入残差BP神经网络中计算即可分别获得大气温度廓线及水汽含量廓线。示例性地，本发明实施例所提供的大气参数反演方案具体流程图如图3所示，反演方案软件界面示意图如图4所示。

通过执行上述步骤，本发明实施例提供的基于地基微波辐射计的大气温湿度廓线反演方法，通过利用残差BP神经网络进行反演，能够更为精确的反演出大气温湿度廓线，提高了反演精度，可以满足精度要求高的实际应用需求。

步骤S105：当不存在第一大气参数历史数据并且没有接收到第二大气参数历史数据时，基于地理位置信息，采用物理反演方法得到目标区域的当前大气温湿度廓线。

具体地，在一实施例中，上述步骤S105具体包括如下步骤：

步骤S201：基于地理位置信息，从预设背景场中确定反演起点；

步骤S202：基于反演起点，采用牛顿非线性迭代法确定目标区域的当前大气温湿度廓线。

具体地，如果没有当地的大气参数历史数据，则采用物理反演方法。根据目标区域的经纬度从内置的背景场中选出合适的猜想值作为反演的起点。即求解代价方程minJ(x)＝‖Y

进一步地，由于无法得到雅可比矩阵的解析解，所以根据偏导数的定义式

进一步地，如果满足‖x

具体地，在一实施例中，预设背景场为NCEP数据。本发明实施例通过将全球性NCEP数据应用为微波辐射计物理反演方法的背景场，建立大气物理反演方法，使其能够在任何地方应用物理反演法得到大气反演数据，扩大应用范围。从而通过多种反演算法的切换扩大了微波辐射计的应用范围，能够做到全地区、全天候、全地形具有较好的表现。

具体地，在一实施例中，上述基于地基微波辐射计的大气温湿度廓线反演方法还包括：

步骤S106：获取不同地理位置上不同历史时刻地基微波辐射计采集的大气下行亮温以及地表测得的温度、气压、相对湿度、红外数据；

步骤S107：基于不同地理位置上不同历史时刻地基微波辐射计采集的大气下行亮温以及地表测得的温度、气压、相对湿度、红外数据，构建大气参数历史数据库。

下面将结合具体应用示例，对本发明实施例提供的基于地基微波辐射计的大气温湿度廓线反演方法进行详细的说明。

采用本发明实施例提供的基于训练好的残差BP神经网络反演方案得到的大气温度廓线如图5(a)所示，其中横坐标temperature为温度(K),纵坐标height为海拔高度(m)，曲线actual temperature是根据探空数据绘制的大气温度廓线，曲线BP net代表的是传统算法反演的大气温度廓线，曲线BP-res net体现的是残差BP神经网络反演所得的大气温度廓线。从图中可以看出，曲线BP-res net较之曲线BP net对曲线actual temperature跟随的效果要更好，说明本发明使用的改进后的残差BP神经网络可以反演出更为精准的大气温度廓线。

采用本发明实施例提供的基于训练好的残差BP神经网络反演方案得到的水汽含量廓线如图6(a)所示，其中横坐标vapor为水汽含量(g/m

采用本发明实施例提供的物理反演方案得到的大气温度廓线如图7(a)所示，其中横坐标temperature为温度(K),纵坐标height为海拔高度(m)，曲线actual temperature是根据探空数据绘制的大气温度廓线，曲线Physical inversion代表的是本发明物理反演方案所得的大气温度廓线。从图中可以看出，曲线Physical inversion对曲线actualtemperature有不错的跟随效果，说明本发明在没有大气参数历史数据的地区也能获得精度较好的大气温度廓线。示例性地，本发明实施例的反演方案软件界面物理反演结果示意图如图8所示。

本发明实施例提出了一种基于地基微波辐射计的大气温湿廓线反演方案，根据当地大气参数数据库的情况，选择直接使用残差BP神经网络进行反演或者导入当地的大气参数历史数据然后在进行神经网络反演。对于无大气参数历史数据的地区，则通过处理全球性NCEP数据得到大范围的背景场作为物理反演的猜想值，求解代价方程，采用牛顿非线性迭代法，最终获得反演的大气参数廓线。综上所述，本发明实施例提供的反演方法能够更为精确的反演出大气温湿度廓线。

通过执行上述步骤，本发明实施例提供的基于地基微波辐射计的大气温湿度廓线反演方法，通过利用残差BP神经网络进行反演，能够更为精确的反演出大气温湿度廓线，提高了反演精度，可以满足精度要求高的实际应用需求。通过多种反演算法的切换扩大了微波辐射计的应用范围，能够做到全地区、全天候、全地形具有较好的表现。

本发明实施例还提供了一种基于地基微波辐射计的大气温湿度廓线反演系统，如图9所示，该基于地基微波辐射计的大气温湿度廓线反演系统具体包括：

获取模块101，用于获取目标区域对应的地理位置信息及地基微波辐射计在目标区域采集的当前大气参数数据。详细内容参见上述方法实施例中步骤S101的相关描述，在此不再进行赘述。

检测模块102，用于检测大气参数历史数据库中是否存在与地理位置信息相对应的第一大气参数历史数据，和/或，检测是否接收到与地理位置信息相对应的第二大气参数历史数据。详细内容参见上述方法实施例中步骤S102的相关描述，在此不再进行赘述。

训练模块103，用于当存在第一大气参数历史数据和/或接收到第二大气参数历史数据时，构建用于反演大气温湿度廓线的残差BP神经网络，并利用第一大气参数历史数据和/或第二大气参数历史数据对残差BP神经网络进行训练。详细内容参见上述方法实施例中步骤S103的相关描述，在此不再进行赘述。

反演模块104，用于将当前大气参数数据输入训练好的残差BP神经网络，得到目标区域的当前大气温湿度廓线。详细内容参见上述方法实施例中步骤S104的相关描述，在此不再进行赘述。

上述各个模块的更进一步的功能描述与上述对应方法实施例相同，在此不再赘述。

通过上述各个组成部分的协同合作，本发明实施例提供的基于地基微波辐射计的大气温湿度廓线反演系统，通过利用残差BP神经网络进行反演，能够更为精确的反演出大气温湿度廓线，提高了反演精度，可以满足精度要求高的实际应用需求。

本发明实施例还提供了一种电子设备，如图10所示，该电子设备可以包括处理器901和存储器902，其中处理器901和存储器902可以通过总线或者其他方式连接，图10中以通过总线连接为例。

处理器901可以为中央处理器(Central Processing Unit，CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器902作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法。

存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器901所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器902中，当被处理器901执行时，执行上述方法。

上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。