基于GA-LightGBM模型的云顶高度反演方法

薛继伟; 张开心; 陈元琳; 范萌

doi:10.19292/j.cnki.jdxxp.20250729.001

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (06) : 1369 -1380. DOI: 10.19292/j.cnki.jdxxp.20250729.001

基于GA-LightGBM模型的云顶高度反演方法

薛继伟, 张开心, 陈元琳, 范萌

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对卫星遥感因其被动观测卫星的云识别和CTH(Cloud Top Height)产品的精度通常有所欠缺，而主动观测卫星虽然提供了高精度的CTH和云识别信息，但观测范围有限的问题，提出一种GA-LightGBM(Genetic Algorithm-Light Gradient Boosting Machine)模型。该模型利用哨兵五号(S5P:Sentinel-5P)、第五代再分析数据(ERA5:Fifth generation ECMWF atmospheric reanalysis of the global climate)、 CALIPSO(Cloud-Aerosol Lidar and Infrared Path nder Satellite Observation)的数据，分别进行云识别和CTH预测。使用2018年6月-2020年12月的数据训练模型，并应用2021年全年的数据测试模型性能。实验结果表明，在测试集中，云识别模型的准确率为86%,能很好地识别出云和晴空；云顶高度反演模型的平均绝对误差(MAE:Mean Absolute Error)为1.26 km,均方根误差(RMSE:Root Mean Square Error)为1.87 km,决定系数R2为0.797 1,反演结果与真实值存在较好的一致性，证明了方法的有效性。