一种可解释机器学习的临近空间温湿度廓线三维反演方法

本发明公开的一种可解释机器学习的临近空间温湿度廓线三维反演方法，包括：基于样本库中的样本对DeepONet深度学习模型进行训练，样本特征为当前观测条件下示踪气体的干涉光谱中提取到的辐射能量，样本标签为温湿度廓线；将双正交SHS层析仪相交视场切分成正交视场切块，从每个正交视场切块的示踪气体干涉光谱中提取示踪气体的辐射能量，将观测条件及该观测条件下获得取示踪气体的辐射能量输入训练好的DeepONet深度学习模型，输出各个正交视场切块对应位置的温湿度廓线，利用物理规律模拟DSHS干涉光谱与大气模式的关系建立样本库，对构建的DeepONet深度学习模型进行训练，以实现利用训练后的模型实时分析SHS层析仪光谱图像并高精度反演三维温湿度廓线的目的。