2025年10月14日，刘会增课题组在中国科学院一区TOP期刊《IEEE Transactions on Geoscience and Remote Sensing》发表了题为“A Deep Learning-based Framework for Estimating the Earth’s TOA Shortwave Radiation Flux from DSCOVR EPIC”（一种基于深度学习的DSCOVR EPIC地球大气层顶短波辐射通量估算框架）研究论文。论文第一作者为深圳大学硕士研究生曹添业，通讯作者为刘会增研究员，深圳大学高等研究院为第一完成单位，论文共同作者包括深圳大学李清泉院士、朱平教授、中山大学王天星教授、深圳大学研究生赵宇晨、马艳、朱路乐等。

地球大气层顶辐射通量是地球辐射收支的关键组成部分，准确观测和估算大气层顶辐射通量对于理解全球变暖、气候变化和极端天气事件至关重要。位于地-日拉格朗日L1点的DSCOVR/EPIC等深空地球观测平台，能够提供连续的、面向地球日照面的全盘观测，为地球辐射收支研究提供极具前景的新视角。然而，将卫星传感器测量的辐亮度转换为辐射通量，需要依赖精确的角度分布模型。目前，尚无专为DSCOVR/EPIC设计的地球辐射角度分布模型，若直接套用其他近地轨道卫星（如CERES）模型会引入较大不确定性，这也是制约日-地L1点观测数据在地球辐射收支研究中应用的关键瓶颈。

针对这一科学难题，课题组创新性地开发了一套基于深度学习的估算框架。该框架结合了卷积神经网络（CNN）和多层感知机神经网络（MLPNN）：通过构建18个CNN模型（分别对应9种地表类型和晴空/云天条件），利用DSCOVR/EPIC观测数据与同步的CERES SSF产品进行时空匹配训练，实现从EPIC多光谱影像到大气层顶短波辐射通量的高精度反演；进一步开发MLPNN模型，将EPIC估算通量与CERES SYN全球TOA短波通量相关联，阐明日-地L1点观测对全球辐射通量监测应用能力。

图1. 基于深度学习和DSCOVR/EPIC地球辐射通量估算框架

研究结果表明，该深度学习框架估算的大气层顶短波通量与CERES SSF产品高度一致，且明显优于EPIC-L2官方反照率产品。更重要的是，研究发现，基于该框架，DSCOVR/EPIC的观测数据在日尺度上可以解释全球平均短波通量高达93%的变化。本研究不仅成功解决了DSCOVR/EPIC数据在大气层顶短波通量估算中缺乏专用地球辐射角度分布模型难题，也定量揭示了地-日L1点观测在监测全球地球辐射收支方面的巨大潜力。该框架具有较好的可移植性，可为深圳大学牵头开展的嫦娥七号月基对地观测等深空地球观测任务的辐射收支研究提供重要参考。

图2. DSCOVR/EPIC观测全球瞬时及天均辐射通量应用能力及与NASA反照率产品对比

该研究得到国家自然科学基金、广东省基础与应用基础研究基金、深圳市科技计划项目、广东省基础与应用基础研究重大项目、深圳政府投资项目、风云应用先行计划项目、深圳大学青年学者科研基金等项目资助。

相关研究成果发表在：

Tianye Cao, Huizeng Liu*, Qingquan Li, Ping Zhu, Yuchen Zhao, Yan Ma, Lule Zhu, and Tianxing Wang, "A Deep Learning-Based Framework for Estimating the Earth's TOA Shortwave Radiation Flux From DSCOVR EPIC". IEEE Transactions on Geoscience and Remote Sensing, vol. 63, 2025, pp. 1-14, Art no. 4708114. https://doi.org/10.1109/TGRS.2025.3621118