一种可解释机器学习的临近空间温湿度廓线二维反演方法

本发明公开的可解释机器学习的临近空间温湿度廓线二维反演方法，包括：基于样本库中的样本对DeepONet深度学习模型进行训练，样本特征为当前观测条件下示踪气体的干涉光谱中提取到的辐射能量，样本标签为温湿度廓线；将SHS层析仪的视场切分成不同高度的视场切片，从每个视场切片的示踪气体干涉光谱中提取示踪气体的辐射能量，将观测条件及该观测条件下获得取示踪气体的辐射能量输入训练好的DeepONet深度学习模型，输出各个视场切片对应高度的温湿度廓线。基于不同时空位置的SHS层析干涉数据，结合物理规律建立起的样本库数据量充足，深度学习模型训练充分，能够充分发挥深度学习的优势实现临近空间温湿度廓线的高精度二维反演。