摘要
本发明提供了一种基于知识蒸馏的卫星太阳短波辐射反演方法,涉及太阳短波辐射反演领域,包括:收集极轨卫星数据、静止卫星数据、地理信息数据和地面观测数据;对数据进行预处理,得到教师模型和学生模型训练的输入特征与标签;使用随机森林模型对输入特征重要性进行排序,选出关键特征,剔除非关键特征;利用关键特征构建深度学习模型,生成太阳短波辐射反演的教师模型;将教师模型输出结果作为软标签,引入地面观测数据作为硬标签进行知识蒸馏,得到太阳短波辐射反演的学生模型。本发明的技术方案克服现有技术中仅依赖地面观测数据构建模型会面临数据稀缺和数据获取成本高的问题,而完全基于卫星数据的反演精度又受到限制的问题。
技术关键词
地理信息数据
反演方法
教师
学生
蒸馏
标签
随机森林模型
节点
地面
深度学习模型
空间插值方法
样本
太阳方位角
表达式
误差
特征值
非线性
特征选择
系统为您推荐了相关专利信息
合成孔径雷达遥感
光学遥感数据
多源遥感数据融合
水土流失监测方法
融合特征
特征融合网络
样本
融合特征
FasterRCNN网络
图像
学生成绩预测方法
联邦学习策略
残差卷积神经网络
客户端
输出特征