一种基于降噪自编码神经网络的积雪产品去云方法

来源：南京信息工程大学学报·自然科学版杂志2023年第2期北京时间：

作者：张永宏，陈帅，王剑庚，朱灵龙，陈诗伟

单位：张永宏,南京信息工程大学 自动化学院, 南京, 210044,陈帅,南京信息工程大学 自动化学院, 南京, 210044,王剑庚,南京信息工程大学 大气物理学院, 南京, 210044,朱灵龙,南京信息工程大学 电子与信息工程学院, 南京, 210044,陈诗伟,南京信息工程大学 自动化学院, 南京, 210044

摘要：目前应用最为广泛的积雪覆盖区域图(SCA)可由中分辨率成像光谱仪(MODIS)获取,常被用于积雪覆盖时空变化的研究中.由于受云遮挡的影响,MODIS积雪产品存在较大区域的数据缺失.为了消除云遮挡的影响,本文构建一种降噪自编码神经网络模型,建立雪粒径与复杂地形、土地覆盖类型之间的复杂的映射关系,实现云下积雪参数的补全,提高积雪产品的覆盖面积.本文选取开都河流域为研究区域,将MODIS反演得到的积雪产品数据与地形地物数据结合,并通过降噪自编码神经网络(Denoising Autoencoder Artificial Neural Network)、极值雪线法相结合的方法来定量地回归补全高山复杂地形下由于云覆盖导致的积雪缺失数据,从而得到无缺失的逐日雪盖数据.其中,降噪自编码神经网络融合多特征数据,建立地形特征与雪粒径数据之间的非线性映射关系,从而来补全云层下的雪粒径数据;极值雪线法主要用来去除低海拔地区误报值,进一步提高雪盖提取精度.采用MODIS积雪产品对去云结果开展精度验证,本文所提出的去云方法的精度超过86％,有效地提高了雪盖提取精度.因此,本文所提的算法可以有效地去除复杂地形区域的云覆盖.

关键词：降噪自编码神经网络;极值雪线法;复杂地形;去云

基金资助：国家自然科学基金(41875027,41871238)