지상 레이더와 TRMM 강수 레이더를 이용한 하이브리드 심층 신경망을 통한 강수 추정

강수의 원격 감지는 지역, 대륙 및 글로벌 물과 기후 연구에 중요합니다. 본 연구에서는 지점별 우량계 측정값과 지상 및 우주 기반 레이더 반사율 관측값 간의 연결을 위한 심층 학습 메커니즘을 개발합니다. 두 개의 신경망 모델이 하이브리드 강수 시스템을 구성하기 위해 설계되었으며, 여기서 지상 레이더는 우량계와 위성 간의 규모 격차를 연결하는 데 사용됩니다. 첫 번째 모델은 우량계 데이터를 목표 레이블로 사용하여 지상 레이더를 훈련시키고, 두 번째 모델은 지상 레이더 추정치를 훈련 레이블로 사용하여 우주 기반 열대 강수 측정 임무(TRMM) 강수 레이더(PR)를 위한 것입니다. 2009년 플로리다에서의 1년 간 관측 데이터를 활용하여 이 하이브리드 강수 시스템의 적용을 설명합니다. 2009년의 독립 데이터로 검증 및 표준 PR 제품과 2년 간 비교를 통해 이 혁신적인 강수 알고리즘의 유망한 성능과 일반성을 입증합니다.