地表太阳辐射遥感反演高效算法研究

时空连续的地表太阳辐射数据对探讨区域气候变化具有非常重要的作用。然而，已有的全球辐射网格产品空间分辨率低（100km以上）不适用于区域研究。我国地表太阳辐射地面站点稀少且分布不均，地面观测很难直接满足地表太阳辐射计算需要，由此建立的经验统计模型空间扩展性差。基于物理反演模式的算法复杂、计算繁琐，且在高海拔地区数据精度存在着较大不确定性。因而，本项目（1）基于静止气象卫星GMS-5和MTSAT-1R，研究海量卫星数据光谱信息结构特征提取方法，提高数据处理速度；（2）结合辐射传输模型模拟，建立基于LM-BP算法的泛化能力强的反演模型；（3）利用地面辐射资料和同类遥感辐射产品，交叉验证本反演数据的时空精度。最终构建计算速度快、反演精度高的静止气象卫星地表太阳辐射反演算法，为我国地表太阳辐射变化规律及气候变化研究提供高空间分辨率（5km）长时序（1995年-2010年）的每日地表太阳辐射数据。

地表太阳辐射是地球表层能量的主要来源，获取时空连续的地表太阳辐射对气候变化研究具有重要的意义。在使用物理模型反演太阳辐射时，需要对整个的大气辐射传输过程进行很多理论假设，而任何一种不实际（或不合理）的假设都会给反演结果带来较大的误差，为了避免进行这些假设，在自然科学基金的支持下，本项目利用数学方法（如随机采样算法、奇异值分解等）和神经网络的人工智能方法，提出了一个新的基于数学统计的太阳辐射遥感反演算法。算法发展包括：（1）通过奇异值分解方法，根据主要的奇异特征值和奇异向量，构建主成分正交矩阵，对海量遥感数据主要信息进行提取；（2）结合卫星数据和辅助数据（地表高程、空气质量等）对网络模型进行试验，对反演算法的各种参数进行了多种敏感性分析，确定了构建模型所需的最优参数，保证了反演模型的稳定性；（3）通过在算法中融入辐射传输模型在高海拔地区的辐射模拟数据，极大的增强了反演模型在空间上的扩展能力，解决了一般统计模型在高海拔地区辐射反演精度低的问题；（4）对神经网络的内层结构进行剖析，根据所采用的不同的传递函数，把神经网络模型以不同的幂指数参数化公式进行表达，这种参数化显式表达的方式可以使稳定态的模型方便快速集成到开发平台上形成反演系统；（5）基于Matlab开发平台，自定义了适用于遥感反演的内部函数，可以方便的通过脚本语言调用，构建了基于Matlab的地表太阳辐射的遥感反演系统，系统中所有的输入数据都可以直接进行矩阵运算，运算效率高；（6）利用全国地面日射站的辐射观测资料对反演结果进行了验证，验证结果表明，本项目辐射遥感反演结果具有很好的精度（日辐射均方根误差为2.86 MJ/m2，月均辐射为1.63 MJ/m2）。本项目的研究结果对构建简单高效（速度快、精度高）的地表太阳辐射遥感反演体系具有重要的意义，所形成的技术方法及系统，能够应用到其它大气参数的遥感反演当中，具有较高的应用价值。