基于U-Net神经网络的CALIPSO产品漏检层次分类
摘要
首先利用二维假设检验（2D-MHT）算法，实现了基于云-气溶胶激光雷达和红外探测者卫星（CALIPSO）探测的高精度层次检测。然后基于U-Net神经网络，以退偏比、色比、后向散射系数和纬度等为输入，构建云和气溶胶分类模型，对2D-MHT算法多检测的大气层次，即CALIPSO官方产品漏检层次进行云和气溶胶分类。为了保证与CALIPSO官方产品分类的空间分布一致性，本研究以长期的CALIPSO官方分类产品为参考对模型进行训练。独立验证实验结果表明，本研究构建的分类模型与CALIPSO官方产品的分类总体相似度可达90%。将本研究分类后结果（即同时包含CALIPSO成功检测与漏检层次）与Radar-Lidar联合观测进行比较。结果表明，本研究可以有效识别由于信噪比低而被官方算法丢失的云层信息，陆地和海洋区域CALIPSO云底探测误差分别减少约21%和25%。
引用本文（GB/T 7714）
耿亿霖 Geng Yilin, 臧琳 Zang Lin, 毛飞跃 Mao Feiyue, 等. 基于U-Net神经网络的CALIPSO产品漏检层次分类[J]. Acta Optica Sinica, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。