逆向建模反演算法

温压误差双降50%

利用两组具有逆向关系的瑞利-布里渊谱线宽建立反演模型，在短波长下实现更高精度的气体温度与压力同步反演，温度与压力误差均较常规方法降低50%。

张鹏

IEEE Sensors Journal 2025

参数信息

温度拟合误差

1 K

压力拟合误差

0.025 bar

平均相对温度误差

0.22 %

平均相对压力误差

4.093 %

技术优势

温压误差双降

实测平均相对温度误差0.22%、压力误差4.093%，均比常规方法低50%，直接提高反演置信度。

短波长误差更小

在短波长条件下拟合误差比Zhang提出的双参数模型更小，有利于系统波长选择灵活化。

建模只用两组谱宽

模型不依赖耗时的逐点光谱扫描，仅需两组成逆向关系的谱线宽，降低数据获取复杂度。

应用场景

• 激光雷达遥感：提升激光雷达遥感中温压反演的准确性，可用于大气折射率修正和目标识别。
• 大气参数测量：用瑞利-布里渊散射精确测量大气温度与压力，替代传统探空方式的逐点测量。
• 飞行器环境感知：为飞行器提供高精度的大气温压分布，支撑飞行控制和环境监测。
• 气象传感网络：通过算法升级现有气象雷达节点，提高网络数据一致性与预报质量。