基于神经网络的太赫兹冰云探测反演算法研究

太赫兹频段在冰云探测上具有独特优势,但是目前的太赫兹冰云反演算法将不同种类冰相粒子（主要是冰和霰）视为冰粒子统一计算。本文根据冰云太赫兹辐射特性实现了一种预分类的神经网络算法,能够从太赫兹亮温中分别反演得到冰、霰两种粒子的统计参数和廓线分布。首先,基于WRF数值模式和ATMS载荷真实观测的冰云霰数据构建了包含冰、霰粒子密度廓线的混合冰云数据库,然后,使用DOTLRT辐射传输模式模拟183 GHz、243 GHz、325 GHz、448 GHz、664 GHz和874 GHz这6个频段的星载太赫兹冰云探测亮温,最后,开展冰云参数探测仿真试验,验证反演算法性能。仿真试验中反演得到的冰和霰的路径总量均方根误差分别为8.97 g/m²和10.90 g/m²,等效粒径均方根误差分别为7.54 μm和25.38 μm,反演的冰、霰密度廓线也具有较高的精度。研究结果表明本文算法能够以较好的精度从多频太赫兹冰云探测亮温数据中分别反演得到冰、霰两种粒子的路径总量、等效粒径、等效云高和密度廓线,突破现有研究仅仅计算单一冰粒子的局限,更加符合冰云真实情况。