Retrieval of atmospheric properties with radiometric measurements using neural network

رادیومتری مایکروویو یک ابزار موثر برای نظارت بر جو به طور مداوم در شرایط مختلف آب و هوایی است. این دما را در باند های مختلف فرکانس روشنایی اندازه گیری می کند که به روش های بازیابی استاندارد برای بدست آوردن پروفایل زمان واقعی از پارامترهای جوی مختلف مانند درجه حرارت و رطوبت می پردازد. اما تکنیک های بازیابی که توسط رادیومتر استفاده می شود، باید با تغییر شرایط آب و هوایی و موقعیت مکانی سازگار باشد. در مطالعه حاضر، برای به دست آوردن پروفیل رطوبت دما و رطوبت از دماهای روشنایی، سه روش بازیابی استفاده شده است؛ رگرسیون خطی قطعه ای، شبکه عصبی مستقیم و شبکه عصبی برگشت داده است. نتایج شبیه سازی شده با مشاهدات رادیوسندی با استفاده از تحلیل همبستگی و توزیع خطا مقایسه شده است. تجزیه و تحلیل نشان می دهد که شبکه عصبی با انتشار عقب دقیق ترین روش در میان سه روش بازیابی مورد استفاده در این مطالعه است.