[发明专利]主被动遥感相结合的大气温湿度廓线处理方法及系统

权利要求书

1.一种主被动遥感相结合的大气温湿度廓线处理方法，其特征在于，包括以下步骤：

步骤S1：所述数据处理器建立三层前馈的BP神经网络模型，所述BP神经网络模型包括输入层、隐层及输出层，所述数据处理器根据历史大气数据对所述BP神经网络模型进行处理训练，得到参数优化的BP神经网络模型；

步骤S2：将微波辐射计及云雷达的天线均指向探测区的天空，通过微波辐射计探测获取大气微波辐射亮温数据，通过云雷达探测获取云垂直结构数据，通过地面气象要素传感器探测获取探测区的地面气温、湿度及气压数据；

步骤S3：将探测得到的大气微波辐射亮温数据、云垂直结构数据及地面气温、湿度及气压数据输出至数据处理器；

步骤S4：所述数据处理器将探测得到的大气微波辐射亮温数据、云垂直结构数据及地面气温、湿度及气压数据作为输入层输入该BP神经网络模型，通过BP神经网络处理输出得到大气温度及湿度廓线。

2.根据权利要求1所述的主被动遥感相结合的大气温湿度廓线处理方法，其特征在于，所述云垂直结构数据包括云底高度、云顶高度、云水含量、云水冰过渡层高度及云滴谱。

3.根据权利要求1所述的主被动遥感相结合的大气温湿度廓线处理方法，其特征在于，所述历史大气数据包括历史大气微波辐射亮温数据、历史云垂直结构数据及历史地面气温、湿度及气压数据。

4.根据权利要求 1-3任一项所述的主被动遥感相结合的大气温湿度廓线处理方法，其特征在于，所述步骤S1具体包括：

步骤S11：所述数据处理器建立三层前馈的BP神经网络模型，所述BP神经网络模型包括输入层、隐层及输出层；

步骤S12：将历史大气微波辐射亮温数据、历史云垂直结构数据及历史地面气温、湿度及气压数据作为输入层输入该BP神经网络模型，以及将历史大气廓线输入至该BP神经网络模型的隐层，该BP神经网络模型的输出层输出大气温度及湿度廓线；

步骤S13：判断输出的大气温度及湿度廓线与对应历史大气廓线的差值是否小于预期阈值，若否，则进行步骤S14；若是，则输出得到参数优化的BP神经网络模型；

步骤S14：调整该BP神经网络模型连接权值和节点阈值，重复步骤S12、S13，直至输出的大气温度及湿度廓线与对应历史大气廓线的差值小于预期阈值。

5.一种主被动遥感相结合的大气温湿度廓线处理系统，其特征在于，包括：设于探测区内的微波辐射计、云雷达、地面气象要素传感器及连接于所述微波辐射计、云雷达、地面气象要素传感器的数据处理器，所述微波辐射计、云雷达天线均指向探测区的天空，所述微波辐射计用于探测获取大气微波辐射亮温数据，所述云雷达用于探测获取云垂直结构数据，所述地面气象要素传感器用于探测获取探测区的地面气温、湿度及气压数据；所述数据处理器用于建立三层前馈的BP神经网络模型，所述BP神经网络模型包括输入层、隐层及输出层，所述数据处理器根据历史大气数据对所述BP神经网络模型进行处理训练，得到参数优化的BP神经网络模型；

所述数据处理器还用于将探测得到的大气微波辐射亮温数据、云垂直结构数据及地面气温、湿度及气压数据作为输入层输入该BP神经网络模型，通过BP神经网络处理输出得到大气温度及湿度廓线。

6.根据权利要求5所述的主被动遥感相结合的大气温湿度廓线处理系统，其特征在于，所述云垂直结构数据包括云底高度、云顶高度、云水含量、云水冰过渡层高度及云滴谱。

7.根据权利要求5所述的主被动遥感相结合的大气温湿度廓线处理系统，其特征在于，所述历史大气数据包括历史大气微波辐射亮温数据、历史云垂直结构数据及历史地面气温、湿度及气压数据。