科研进展

Engineering: 深度学习和迁移学习结合的FY4-AGRI气溶胶反演算法的开发和验证

  高质量的大气气溶胶观测数据对地球辐射平衡、气候变化和空气质量等研究领域至关重要。AGRI是风云四号静止气象卫星的主要载荷之一,能以5分钟时间分辨率针对中国区域进行扫描,为捕捉气溶胶时空变化提供了重要数据。迄今为止,气溶胶光学厚度(AOD)的定量反演一直具有挑战性。传统物理反演算法缺乏灵活性,太阳光度计站点数量则无法支撑机器学习所需海量样本需求。

  本研究引入了一种结合深度学习和迁移学习的AOD反演算法。该算法融合了暗目标和深蓝算法的核心思想,以支持机器学习算法的特征选择。整个算法包含两个主要步骤:①利用葵花AOD的10分钟分辨率数据作为目标变量,开发了一个基于残差网络的深度神经网络(DNN);②利用来自89个地面站的太阳光度计AOD数据对DNN参数进行微调。独立验证表明,提出的算法能够以高准确性进行AGRI AOD的反演,决定系数达到0.70,平均偏差为0.03,有70.7%的数据落在期望误差范围内。敏感性分析显示,650和470nm的大气顶部反射率以及650nm的地表反射率是两个最大的不确定性来源。在监测极端气溶胶事件的案例中,本算法成功捕捉了事件的时间演变。

  研究成果发表在《Engineering》,傅迪松博士作为第一作者,通讯作者为开云登录入口手机版 夏祥鳌研究员和中国气象科学研究院车慧正研究员,合作者包括来自开云登录入口手机版 、中国气象局国家卫星气象中心、哈尔滨工业大学、美国Solar Consulting Services、应急管理部国家自然灾害防治研究院学者。该工作得到国家自然科学基金项目(41852011、42030608、42105128、42075079)和中国气象局大气探测重点实验室开放基金(U2021Z03)资助。

  引用: D. Fu, H. Shi, C.A. Gueymard, D. Yang, Y. Zheng, H. Che, X. Fan, X. Han, L. Gao, J. Bian, M. Duan, X. Xia, A Deep-Learning and Transfer-Learning Hybrid Aerosol Retrieval Algorithm for FY4-AGRI: Development and Verification over Asia, Engineering (2024), DOI: 10.1016/j.eng.2023.09.023.

  数据链接:Disong Fu, Hongrong Shi, Christian A. Gueymard, et al. FY-4A REGC AGRI AOD[DS/OL]. V2. Science Data Bank, 2024[2024-01-11]. DOI:10.57760/sciencedb.12395.

图1. (a)AGRI AOD反演算法流程,(b)模型框架。

图2. (a)DNN在90个AHI测试点的表现,(b)DNN在9个太阳光度计测试站的表现,以及(c)参数微调后的DNN在9个太阳光度计站点的表现。

图3. 上图FY-4A AGRI AOD在2018年11月1日的空间分布,红色三角形表示AERONET北京站。下图为该日北京站上空AERONET AOD(红)、AGRI AOD(蓝)和MAIAC AOD(绿)的时间变化。

附件下载:
    d
    Baidu
    map