人工神经网络算法在红外高光谱资料反演大气温度廓线中的应用

第33卷第3期2010年6月

大气科学学报

TransactionsofAtmosphericSciences

Vo.l33No.3Jun.2010

官莉,刘旸,张雪慧.人工神经网络算法在红外高光谱资料反演大气温度廓线中的应用[J].大气科学学报,2010,33(3):341 346.

GuanL,iLiuYang,ZhangXue hu.iApplicationofartificialneuralnetworkalgorithminretrievingatmospherictemperatureprofilesfromhyperspectralin frareddata[J].TransAtmosSc,i2010,33(3):341 346.

人工神经网络算法在红外高光谱资料反演

大气温度廓线中的应用

官莉,刘旸,张雪慧

(南京信息工程大学气象灾害省部共建教育部重点实验室,江苏南京 210044)

摘要:基于红外高光谱大气探测器AIRS实况观测资料,尝试用人工神经网络算法来实现晴空时大气的温度垂直廓线反演,重点将该算法与目前已经发展比较成熟的特征向量统计反演算法进行比较。结果表明,两种算法在计算时间效率和反演精度上相当。鉴于人工神经网络算法的统计物理本质,误差反向传播BP神经网络可以求解非线性问题,在优化训练样本和继续调试网络种类和网络参数的基础上,有望能进一步提高反演精度。关键词:红外;高光谱;人工神经网络;反演

中图分类号:P407.6;TP79 文献标识码:A 文章编号:1674 7097(2010)03 0341 06

ApplicationofArtificialNeuralNetworkAlgorithmin

RetrievingAtmosphericTemperatureProfilesfrom

HyperspectralInfraredData

GUANL,iLIUYang,ZHANGXue hui

(KeyLaboratoryofMeteorologicalDisasterofMinistryofEducation,NUIST,Nanjing 210044,China)

Abstract:Theartificialneuralnetworkalgorithmispresentedinthispapertoretrievethetemperature

profilesunderclearskiesbyusingAIRS(AtmosphericInfraRedSounder)actualobservations.Thestudyisfocusedonthecomparisonofartificialneuralnetworkretrievalalgorithmwitheigenvectorregressional gorithmwhichhasalreadybeenwelldeveloped.TheresultsshowthatthesetwoalgorithmscostnearlythesamecomputingtimewithcomparativeprecisionintherealAIRSdataretrievalprocess.Duetothestatis tic physicalnatureoftheartificialneuralnetworkalgorithm,itisexpectedtoimprovethetemperaturere trievalprecisiononthebasisofselectingnetworktypeandmodifyingthenetworkparameterssequentially.Keywords:infrared;hyperspectra;lartificialneuralnetwork;retrieval

0 引言

为了观测并最终预报天气,气象学家需要用到全球范围的大气观测资料,如大气温度、气压、湿度、风、云等。卫星红外和可见光云图已能提供天气系统方面的信息,而大气的红外垂直探测资料则能提供水平和垂直方向分布的大气温度、湿度、云高、云

量等参数。然而,由于卫星仪器观测到的并不是直接的大气温度、湿度等,而是大气辐射量,现在大气

遥感的定量化水平仍然不能满足气候与环境变化研究、数值天气预报等应用的越来越高的要求

[1]

。为

此,世界各国科学家一方面研究直接把卫星测量到的辐射量同化应用于数值天气预报模式,一方面增加星载仪器综合探测能力尤其是云天遥感探测能

收稿日期:2009 11 05;改回日期:2009 12 02

基金项目:国家自然科学基金资助项目(40605009)

作者简介:官莉(1973 ),女,新疆库尔勒人,博士,教授,研究方向为大气遥感科学与技术,liguan@.

342大气科学学报第33卷

力、研究遥感反演新方法、不断提高遥感反演精度,以期能够达到数值模式直接应用大气温湿等参数的精度要求。

大气红外探测器AIRS(AtmosphericInfraRedSounder)与AMSU A(先进的微波探测器)及HSB(水汽探测器)载在2002年5月4日发射的EOS(地球观测系统)Aqua卫星平台上,从650cm(15

-1

m)到2700cm(3 7 m)的光谱范围内有2378个红外通道,高光谱分辨率平均为1200( / )

[3]-1

[2]

式中yi是隐含层到输出层新的激活值,wij是隐含层到输出层的连接权系数,初始时刻为一组随机数,rj为输出层单元偏置值,神经元的非线性作用函数f可依每层设定,一般取Sigmoid函数f(x)=

-x(1+e)

。

AIRS跨轨迹横扫描宽度约为1650km,星下点水平分辨率为13 5km,垂直分辨率为1km,能提供从地面到40km高度的大气信息,具有高测量精度和高光谱分辨率的特性,第一次在卫星上实现了真正意义上的对大气海洋环境的高光谱分辨率大气红外探测,为我们提供了一个可以监测全球温度、水汽、臭氧等分布及变化的全新的机会。

目前国内基于AIRS资料反演大气温度、湿度垂直廓线大多采用的是特征向量统计反演法,该方法本质是一种基于最小二乘法的统计回归算法

[4 5]

图1 神经网络模型示意图Fig.1 Theneuralnetworkmodel

训练样本选用美国威斯康星大学开发的全球晴空反演训练样本,由TIGR3(TOVSInitialGuessRe trieval)、NOAA88和ECWMF等的全球有代表性的温、湿和臭氧等廓线组成,同时还补充了沙漠地区的无线电探空和臭氧探空值(所有廓线从1100hPa到0 005hPa被内插到101个气压层),大约有12000个样本。经过大量样本的训练和反复的网络模拟测试,考虑到AIRS2378个通道上的亮温值有较大的相关性,对其作主成分分析,根据以往的研究经验,选取前30个特征向量进行重构作为神经网络的输入。采用尺度化共轭梯度反向传播学习算法(即trainscg方法),隐含层节点数设置为63。在本文的研究中网络的输出层为101个气压层上的温度。人工神经网络定型为如图2所示的样式:输入层、隐含层、输出层节点数分别为30、63和101,W{1I,1}为输入层到中间层的权值,LW{2,1}为中间层到输出层的权值,b{1}、b{2}分别为两层的偏置值。利用建立的人工神经网络模型,训练时样本库按窗区亮度温度和扫描角分类,训练出适合11类窗区亮度温度和6类扫描角的66套神经网络。

[8]

。人工神经网络算法可实现输入空间到输出

空间的非线性映射,更接近大气温度、湿度反演的物

[6]

理本质,是一种统计 物理算法。模拟分析研究表明,人工神经网络算法在所有高度层上的反演精度都略优于特征向量统计反演算法。本文在此基础上尝试用人工神经网络算法来实现晴空时大气温度垂直廓线反演,并将上述两种反演算法的结果进行对比。

1 人工神经网络算法简介

人工神经网络有多种网络模型,本文采用算法较成熟、应用较广泛的前向三层误差反向传播BP(BackPropagation)神经网络算法。BP网络可有效地用于复杂的非线性函数的逼近,一个3层的前馈网络能够实现任意精度的连续函数映射,包括一个输入层、一个隐含层和一个输出层。BP模型由不同层次的结点组成(图1),X表示L个输入层变量,Y为M个隐层变量,Z为输出的N个变量。每一层的结点输出送到下一层结点,输出值由于连接权值不同而被放大或抑制。除了输入层外,每一结点的输出为前一层所有结点输出值的加权和。每一个结点的激励输出值由结点输入、激励函数及偏置量决定。

神经网络模型的输出是zj=f(

[7]

yw

i

M

图2 用于训练的神经网络结构图

ij

+rj),

Fig.2 Frameworkoftheneuralnetworkfortraining

第3期官莉,等:人工神经网络算法在红外高光谱资料反演大气温度廓线中的应用343

2 实况AIRS资料反演试验

反演时使用AIRS …… 此处隐藏：3684字，全部文档内容请下载后查看。喜欢就下载吧 ……