基于深度学习的卫星遥感反演降水技术研究.pdfVIP

基于深度学习的卫星遥感反演降水技术研究

摘要

降水是全球水循环的基本组成部分，它是气象学、气候学和水文学中水循环的关键

水文变量。但降水研究存在着严重的时空不确定性以及区域和海拔等挑战，并且地面降

水观测受人类活动和地形条件的影响，存在着分布不均甚至人口稀疏和海上地区无分布

的问题。地球同步卫星可提供全天候、区域性观测，因此引入卫星观测进行降水反演的

任务显得尤为重要。针对高质量卫星降水反演数据集的需求，本文结合FY-4A卫星的先

进的静止轨道辐射成像仪AGRI（AdvancedGeostationaryRadiationImager）观测和GPM-

IMERG半小时累计降水数据，将端到端的深度学习算法应用到降水反演的研究中。端

到端的深度学习算法显示了作为一种可全球应用的操作技术的潜力，为FY-4A气象卫

星的应用提供了一个新的思路。本文的研究内容和主要工作如下：

（1）对国内外卫星遥感反演降水技术进行总结与分析，考虑如今的反演手段主要

基于卫星红外通道，没有利用到可见光通道。为了充分利用卫星多通道观测的优势，本

文结合