MISR和MODIS二向性反射数据产品的对比分析

利用4种地表类型共16个地面站点的MISR9个角度反射率数据产品和MODIS反射率数据产品(MOD09A1),对比两种传感器获取的地表方向反射观测数据和用BRDF模型参数产品计算的方向反射数据,分析了这两种BRDF模型参数的外推能力。研究结果表明:(1)MISR和MODIS BRDF模型参数数据产品都具有一定的对观测数据以外方向反射的外推能力,相比用MISR BRDF模型参数数据外推到相应MODIS观测角度方向反射的结果一致性较强。(2)采用两种BRDF模型参数推算的方向反射率与观测数据的接近程度有随观测天顶角的增大而减弱的趋势,在观测天顶角较小时一致性较好。(3)所用数据处理结果显示,MODIS BRDF模型参数数据产品在近垂直主平面方向反射率推算结果相比近主平面方向的推算结果更接近观测数据。

基于机器学习的煤油液滴蒸发模型探索

基于厚交换层液滴蒸发理论以及煤油的实验数据,通过机器学习理论中的线性回归、随机森林、支持向量机、极致梯度提升回归和全连接神经网络方法构建煤油液滴的蒸发模型,检验新构建模型的适用范围和精度。对比实验数据和传统模型、机器学习蒸发模型的预测结果,发现随机森林方法和极致梯度提升回归方法生成的蒸发模型不能合理外推,支持向量机方法的外推效果欠佳。线性回归的厚交换层模型和全连接神经网络模型的整体效果更好,与训练数据的均方误差分别为2.71×10^(−2)和1.81×10^(−3)。基于深度学习模型良好的预测效果,可以构建基于实验数据的、可以合理外推的“数字蒸发模型”,可能有更好的现实适应能力。机器学习液滴蒸发模型丰富了现有液滴蒸发模型,为机器学习液滴蒸发模型研究打基础。