针对卫星遥感因其被动观测卫星的云识别和CTH(Cloud Top Height)产品的精度通常有所欠缺,而主动观测卫星虽然提供了高精度的CTH和云识别信息,但观测范围有限的问题,提出一种GA-LightGBM(Genetic Algorithm-Light Gradient Boosting Mach...针对卫星遥感因其被动观测卫星的云识别和CTH(Cloud Top Height)产品的精度通常有所欠缺,而主动观测卫星虽然提供了高精度的CTH和云识别信息,但观测范围有限的问题,提出一种GA-LightGBM(Genetic Algorithm-Light Gradient Boosting Machine)模型。该模型利用哨兵五号(S5P:Sentinel-5P)、第五代再分析数据(ERA5:Fifth generation ECMWF atmospheric reanalysis of the global climate)、CALIPSO(Cloud-Aerosol Lidar and Infrared Path nder Satellite Observation)的数据,分别进行云识别和CTH预测。使用2018年6月-2020年12月的数据训练模型,并应用2021年全年的数据测试模型性能。实验结果表明,在测试集中,云识别模型的准确率为86%,能很好地识别出云和晴空;云顶高度反演模型的平均绝对误差(MAE:Mean Absolute Error)为1.26 km,均方根误差(RMSE:Root Mean Square Error)为1.87 km,决定系数R2为0.7971,反演结果与真实值存在较好的一致性,证明了方法的有效性。展开更多
卫星测高技术是反演海洋垂直重力异常梯度的重要手段之一。针对常规的一维测高数据采样间隔大、跨轨数据稀疏、精度低的问题,SWOT(surface water and ocean topography)测高卫星可以提供二维宽刈幅海洋信息,获取更高空间分辨率和精度的...卫星测高技术是反演海洋垂直重力异常梯度的重要手段之一。针对常规的一维测高数据采样间隔大、跨轨数据稀疏、精度低的问题,SWOT(surface water and ocean topography)测高卫星可以提供二维宽刈幅海洋信息,获取更高空间分辨率和精度的海面高。本文基于1~20周期的SWOT海面高数据反演垂直重力异常梯度模型(SWOT_VGGA),首先,采用移去-恢复法的处理策略,将XGM2019e_2159作为参考场模型;然后,联合沿轨、跨轨和对角线3个方向的测高数据,并利用最小二乘配置法解算垂线偏差;最后,根据垂线偏差和参考场反演出SWOT_VGGA模型。本文选择菲律宾海为试验区域,将SIO V32.1版本的垂直重力异常梯度(SIO_curv_32.1)作为参考模型,结果表明SWOT_VGGA与SIO_curv_32.1模型的一致性为8.25 E,验证了一年SWOT测高数据反演垂直重力异常梯度的可靠性。此外,对SWOT_VGGA模型在不同水深、离岸距离和海底坡角的一致性进行了统计分析。结果表明,多周期SWOT_VGGA模型的一致性要优于单周期,而且1~10和11~20周期的SWOT_VGGA模型之间的一致性为1.81 E。因此,SWOT卫星在不同周期的数据质量比较稳定,可以用来反演高精度的海洋重力信息。展开更多
文摘针对卫星遥感因其被动观测卫星的云识别和CTH(Cloud Top Height)产品的精度通常有所欠缺,而主动观测卫星虽然提供了高精度的CTH和云识别信息,但观测范围有限的问题,提出一种GA-LightGBM(Genetic Algorithm-Light Gradient Boosting Machine)模型。该模型利用哨兵五号(S5P:Sentinel-5P)、第五代再分析数据(ERA5:Fifth generation ECMWF atmospheric reanalysis of the global climate)、CALIPSO(Cloud-Aerosol Lidar and Infrared Path nder Satellite Observation)的数据,分别进行云识别和CTH预测。使用2018年6月-2020年12月的数据训练模型,并应用2021年全年的数据测试模型性能。实验结果表明,在测试集中,云识别模型的准确率为86%,能很好地识别出云和晴空;云顶高度反演模型的平均绝对误差(MAE:Mean Absolute Error)为1.26 km,均方根误差(RMSE:Root Mean Square Error)为1.87 km,决定系数R2为0.7971,反演结果与真实值存在较好的一致性,证明了方法的有效性。
文摘卫星测高技术是反演海洋垂直重力异常梯度的重要手段之一。针对常规的一维测高数据采样间隔大、跨轨数据稀疏、精度低的问题,SWOT(surface water and ocean topography)测高卫星可以提供二维宽刈幅海洋信息,获取更高空间分辨率和精度的海面高。本文基于1~20周期的SWOT海面高数据反演垂直重力异常梯度模型(SWOT_VGGA),首先,采用移去-恢复法的处理策略,将XGM2019e_2159作为参考场模型;然后,联合沿轨、跨轨和对角线3个方向的测高数据,并利用最小二乘配置法解算垂线偏差;最后,根据垂线偏差和参考场反演出SWOT_VGGA模型。本文选择菲律宾海为试验区域,将SIO V32.1版本的垂直重力异常梯度(SIO_curv_32.1)作为参考模型,结果表明SWOT_VGGA与SIO_curv_32.1模型的一致性为8.25 E,验证了一年SWOT测高数据反演垂直重力异常梯度的可靠性。此外,对SWOT_VGGA模型在不同水深、离岸距离和海底坡角的一致性进行了统计分析。结果表明,多周期SWOT_VGGA模型的一致性要优于单周期,而且1~10和11~20周期的SWOT_VGGA模型之间的一致性为1.81 E。因此,SWOT卫星在不同周期的数据质量比较稳定,可以用来反演高精度的海洋重力信息。
基金Supported by the National Natural Science Foundation of China(No.30570333)the National "11th Five-year Plan" Key Technology R&D Program of China(No.2006BAC01A15)
