作者：高顶; 李冠林; 马烁; 严卫cprmodis云底高度主成分分析bp神经网络
摘要：云底高度是云重要的宏观物理参数。本文基于MODIS和CPR探测得到的可见光、红外和毫米波数据,提出了用主成分分析(Principal Component Analysis,PCA)和BP神经网络反演云底高度的新方法,并以相对湿度阈值法处理探空资料所获取的云底高度为基准,对PCA-BP法和CloudSat产品获取的云底高度进行了对比分析。结果表明:对绝大部分类型的云,PCA-BP法的反演偏差小于CloudSat产品。PCA-BP法和CloudSat产品反演的云底高度在夏季偏低,在其他季节偏高,且PCA-BP法与探空仪的均方根误差在所有季节均小于CloudSat产品,两者反演的云底高度具有一致的季节特征,即夏高冬低。PCA-BP法和CloudSat产品所获取的云底高度随纬度升高有减小趋势,在不同地区,两者具有不同的反演效果,反演误差随纬度升高而逐渐减小,对比结果说明了PCA-BP法反演云底高度具有一定的可行性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
