Una comparación de modelos de transferencia radiativa basados en la física y modelos basados en estadísticas en la recuperación de perfiles de temperatura atmosférica a partir del sondeador de temperatura de microondas-II a bordo del satélite Feng-Yun-3
Autores: He, Qiurui; Guo, Xiao; Zhang, Ruiling; Li, Jiaoyang; Zhang, Lanjie; Jia, Junqi; Zhou, Xuhui
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Una comparación de modelos de transferencia radiativa basados en la física y modelos basados en estadísticas en la recuperación de perfiles de temperatura atmosférica a partir del sondeador de temperatura de microondas-II a bordo del satélite Feng-Yun-3
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Parámetros atmosféricos
Temperaturas de brillo
Modelo de transferencia radiativa
Red neuronal profunda
Sondeador de Temperatura de Microondas-II
Esquema de recuperación estadística
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
La recuperación estadística de parámetros atmosféricos se verá muy afectada por la precisión de las temperaturas de brillo simuladas (BT) derivadas del modelo de transferencia radiativa. Sin embargo, es un desafío mejorar aún más un modelo de transferencia radiativa basado en la física (RTM) desarrollado en función de los mecanismos físicos de transmisión de ondas a través de la atmósfera. Desarrollamos un RTM basado en redes neuronales profundas (RTM basado en DNN) para calcular las BT simuladas para el Sensor de Temperatura de Microondas-II a bordo del satélite Fengyun-3D bajo diferentes condiciones meteorológicas. El RTM basado en DNN se compara en detalle con el RTM basado en la física en la recuperación de los perfiles de temperatura atmosférica mediante el esquema de recuperación estadística. En comparación con el RTM basado en la física, el RTM basado en DNN puede obtener una mayor precisión para las BT simuladas y permite que el esquema de recuperación estadística logre una mayor precisión en la recuperación de perfiles de temperatura en condiciones de cielo despejado, nublado y lluvioso. Debido a su capacidad para simular observaciones de microondas con mayor precisión, el RTM basado en DNN es valioso para el estudio teórico de la teledetección por microondas y la aplicación de observaciones pasivas de microondas.
Descripción
La recuperación estadística de parámetros atmosféricos se verá muy afectada por la precisión de las temperaturas de brillo simuladas (BT) derivadas del modelo de transferencia radiativa. Sin embargo, es un desafío mejorar aún más un modelo de transferencia radiativa basado en la física (RTM) desarrollado en función de los mecanismos físicos de transmisión de ondas a través de la atmósfera. Desarrollamos un RTM basado en redes neuronales profundas (RTM basado en DNN) para calcular las BT simuladas para el Sensor de Temperatura de Microondas-II a bordo del satélite Fengyun-3D bajo diferentes condiciones meteorológicas. El RTM basado en DNN se compara en detalle con el RTM basado en la física en la recuperación de los perfiles de temperatura atmosférica mediante el esquema de recuperación estadística. En comparación con el RTM basado en la física, el RTM basado en DNN puede obtener una mayor precisión para las BT simuladas y permite que el esquema de recuperación estadística logre una mayor precisión en la recuperación de perfiles de temperatura en condiciones de cielo despejado, nublado y lluvioso. Debido a su capacidad para simular observaciones de microondas con mayor precisión, el RTM basado en DNN es valioso para el estudio teórico de la teledetección por microondas y la aplicación de observaciones pasivas de microondas.