使用GPM数据进行东亚主动微波降水反演的深度学习架构

【作者】 李玥； 李锐；

【机构】 中国科学技术大学地球和空间科学学院；

【摘要】 <正>1研究背景降水被普遍认为是全球水循环的基本组成部分,从古至今人们在量化降水的工作上付出了诸多努力(Michaelides et al., 2009)。近年来,随着科技发展,主动微波遥感成为遥感手段中对降水最直接的测量,目前三台降水型星载雷达已被成功发射,提供了自1998年起近全球降水的频繁主动观测,能够帮助我们更好地理解降水在全球水文循环中的变化。然而,准确反演星载降水面临诸多挑战,需要不断探索和改进反演算法。近年来机器学习技术蓬勃发展,在降水反演这一关键领域展现出巨大的潜力。传统的降水反演方法在处理复杂气象条件和多源观测数据时存在一定的局限性,而神经网络强大的学习和数据处理能力,能够挖掘出数据背后隐藏的复杂关系和模式。更多还原