基于Unet3+神经网络的大气湿度廓线反演方法

本发明提供了一种基于Unet3+神经网络的大气湿度廓线反演方法，包括以下步骤：构建基于Unet3+的MHS微波数据的大气湿度廓线反演模型；对原始卫星观测的多通道亮温进行辐射定标、投影转换和质量控制；选取中国区域范围、长时间尺度的辐射亮温数据和对应时间、空间的ERA‑5的比湿数据进行数据集制作；根据步骤S1构建的亮温数据的湿度廓线反演模型，进行湿度廓线反演。本发明的有益效果：本发明结合深度学习中的Unet3+模型和不受时间、天气影响的微波传感器数据，能进一步解决大气湿度廓线空间分布较少和时间分辨率较低等问题；本发明为数值天气预报研究提供了更高时间、空间分辨率的大气状况资料，具有较好的应用价值。