基于机器学习的二氧化碳卫星反演方法

来源：中国环境科学杂志2023年第S1期北京时间：

作者：缪云飞, 邹铭敏, 盛书丽, 朱柯卫, 丁文乔, 林君洁, 屈政, 李大成

单位：1. 安徽大学物质科学与信息技术研究院, 安徽 合肥 230000;2. 中国科学院合肥物质科学研究院, 安徽 合肥 230031

摘要：基于机器学习模型在分析数据并学习预测方面的优势,提出了一种基于机器学习的短波红外通道CO2卫星遥感反演方法,以卫星观测辐亮度、气溶胶光学厚度、温度构建训练数据集,采用前馈神经网络与量化共轭梯度算法进行训练学习,构建了短波红外通道卫星CO2反演模型,并利用GOSAT卫星观测光谱数据反演了CO2浓度.反演结果与TCCON站点观测数据进行了比对,结果表明:卫星与地面观测的相关性优于0.86,平均误差小于2.5x10-6,验证了反演方法的有效性.

关键词：CO2,卫星遥感,机器学习,神经网络

基金资助：国家自然科学基金资助项目(42271403);安徽省高校协同创新项目(GXXT-2022-001);重点部署科研专项(116134KYSB20200053)