基于物理约束反射率深度学习反演方法、系统及电子设备

本发明公开了基于物理约束反射率深度学习反演方法、系统及电子设备，其方法包括：构建深度神经网络模型；将高光谱遥感样本数据输入深度神经网络模型，透过率乘积组合参数子模型、大气本征反射率子模型和大气半球反照率子模型分别利用高光谱遥感样本数据进行模型训练；物理反演模型通过物理约束公式进行模型训练；S3、获取研究区的高光谱遥感数据输入深度神经网络模型并预测输出大气层顶反射率。本发明创新性构建有参数模型，借助参数模型对透过率乘积组合参数、大气本征反射率与大气半球反照率分别预测，实现了利用三个参数并基于构建的物理辐射传输方程高效快速预测输出的大气层顶反射率，具有预测效率高、精准高等优点。