科研进展
安光所在利用深度学习反演气溶胶垂直分布上取得进展
时间：2025-03-20 作者：王宇轩
近期,中国科学院合肥物质院安光所光学遥感研究中心遥感信息表征团队在高光谱氧A吸收波段反演气溶胶垂直分布方面取得进展。相关研究成果以《基于OCO-2 O2 A波段观测的LSTM和Transformer组合模型改进气溶胶垂直分布反演》为题,发表于遥感领域国际知名期刊Journal of Selected Topics in Applied Earth Observations and Remote Sensing。
针对大气气溶胶垂直分布时空变化显著、传统遥感方法反演精度受限的难题,研究团队创新性地将深度学习技术引入大气遥感领域。该研究基于对气溶胶垂直分布敏感的OCO-2卫星氧A波段高光谱数据,构建了融合长短期记忆网络(LSTM)与 架构的混合机器学习模型。为优化算法性能,团队特别开发了基于物理信息量的波段优选方法,有效降低了输入数据的维度复杂度。
研究选取非洲大陆及邻近海域为示范区域,通过激光雷达CALIOP观测数据验证表明:新型算法反演的气溶胶光学厚度(AOD)均方根误差降至0.0284(相关系数0.6893),气溶胶层高度(ALH)均方根误差仅为0.952(相关系数0.7866),反演结果具有很好的一致性,显著优于传统反演方法。该成果不仅提升了气溶胶垂直分布参数的定量反演精度,也为大气辐射传输模拟提供了更可靠的数据支撑。
博士研究生王宇轩为论文第一作者,孙晓兵研究员与黄红莲副研究员为论文通讯作者。
文章链接: https://ieeexplore.ieee.org/document/10930835
基于信息量的波段选择过程
气溶胶光学厚度AOD和气溶胶垂直分布ALH的反演结果