基于机器学习模型FY⁃3D MWRI海面风速反演

风云三号D星(FY-3D)微波成像仪(MWRI)L1级亮温数据可用于全球海面风速反演,本文讨论了在晴空区和云区使用多元线性统计回归模型和机器学习模型反演海面风速的情况,在晴空区将4 d测试集分别放入多元线性统计回归模型,采用随机森林(RF),支持向量回归(SVR),卷积神经网络(CNN)和Stacking融合(SF)模型对海面风速进行反演,最优的均方根误差(RMSE)分别为1.56、1.31、1.24、1.29和1.27 m/s;在云区2 d测试集上的最优RMSE分别为2.12、1.98、1.87、1.89和1.89 m/s。为了进一步验证晴空区海面风速反演的可靠性,选取美国国家浮标数据中心(NDBC)实测的浮标风速对海面反演风速进行验证,CNN反演风速与NDBC实测风速的RMSE为0.74 m/s,决定系数(R^(2))为0.80;SF反演风速与NDBC实测风速的RMSE为0.85 m/s,R^(2)为0.74。结果证实了通过机器学习模型能够很好地完成FY-3D MWRI亮温反演全球海面风速的任务。

基于深度神经网络的CALIOP透明云下海面风速反演

构建了一种适用于CALIOP透明云下数据的深度神经网络模型,用于反演海面风速。通过使用2017年1、4、7、10月的CALIOP夜间数据和准同步的AMSR-2风速数据对模型进行训练,然后将该模型应用于2018年1—9月的夜间云下数据,实现海面风速的反演。与无云数据对比,所得反演结果表明精度接近,标准偏差最大为0.89 m/s,最低相关系数为0.94。在引入ERA5有效波高数据后,反演精度进一步提升,标准偏差最大为0.68 m/s,相关系数达到0.96以上。研究结果表明,透明云下数据同样可用于风速反演,深度神经网络能够有效地从CALIOP数据中提取风速信息,并结合有效波高数据进一步提高反演精度。

基于卷积神经网络的GNSSGR海面风速反演方法研究

传统基于地球物理模型函数(geophysical model function,GMF)的全球导航卫星系统反射测量(global navigation satellite system reflectometry,GNSS-R)海面风速反演存在特征提取准确度低、模型复杂度高等问题。针对上述问题,提出了一种基于卷积神经网络的GNSS-R海面风速反演方法。通过构建卷积模块自动提取时延-多普勒映射图像(delay-Doppler map,DDM)中的观测特征,特征融合模块将提取的特征与辅助特征关联,全连接模块将上述特征向量逐级映射到海面风速。以“捕风一号”卫星观测数据为例验证了上述方法的有效性,较传统GMF方法,风速反演精度在均方根误差(root mean square error,RMSE)和平均偏差(mean bias error,MBE)上分别降低了0.51 m/s和0.19 m/s,反演效果分别提升了21%和16%。试验结果表明:该方法能够有针对性地自动提取DDM特征,有效提高特征提取的精度,同时显著降低模型的复杂度。本研究为同类卫星各种地表参数反演提供了新思路。

基于机器学习的海面风速和有效波高联合反演

海面风速和有效波高(significant wave height,SWH)是海洋环境中的关键参数,两者之间关系密切。全球导航卫星系统反射测量(global navigation satellite system reflectometry,GNSS-R)可有效反演海面风速和SWH,然而已有研究局限于单一参数的反演。为此,提出一种基于机器学习算法的海面风速和SWH联合反演方法。首先通过质量控制获取有效的气旋全球导航卫星系统(cyclone global navigation satellite system,CYGNSS)观测数据,进而分别采用随机森林、极端梯度提升、轻量梯度提升机、决策树和自适应增强算法建立联合反演模型,并对比分析其反演性能。经实验表明:极端梯度提升更适用于海面风速和SWH的联合反演,均方根误差分别为0.91 m/s和0.20 m,皮尔逊相关系数分别达到0.90和0.96。相对于传统的单一参数反演,本文方法能够实现对海面风速和SWH高效又准确的反演。

基于随机森林算法的岸基GNSS R海面风速反演

GNSS-R技术可应用于海面风速反演,但传统的反演方法存在计算量大、反演精准度不高等缺点。利用随机森林算法,对东营沿海东青五号石油平台上的岸基GNSS-R数据进行海面风速反演,结果显示:训练集的决定系数R^(2)为0.94,均方根误差为1.02 m/s;测试集的R^(2)为0.84,均方根误差为1.55 m/s。与传统方法相比,随机森林算法反演效果大幅提升,可应用于GNSS-R海面风速反演中。岸基GNSS-R反演海面风速中最重要的特征因子是风向和相关时间,不同风力等级下的反演结果也存在明显差异。

基于自适应波谱斜率的海面风速反演算法研究

对于波浪谱风速反演研究,虽然已经建立了波谱平衡范围斜率为-4幂律的初步反演模型,然而对于复杂多变的实测波谱,单一斜率模型的反演效果不佳。针对可变波谱斜率的问题,通过量化波谱函数对应的谱系数,提出一种自适应波谱斜率的风速反演算法。为了验证该算法估算风的准确性,本文通过对NDBC浮标观测的大量风浪数据进行海面风速反演研究,结果显示自适应波谱斜率算法反演风速与实测风速相关系数R=0.83,呈显著相关,且平均偏差BIAS和均方根误差RMSE分别为0.75 m/s和2.48 m/s。通过近海海试实验验证表明该算法依然有效具有普适性。总的来看,自适应波谱斜率反演风速算法与实测风速之间误差相对较小,反演精度较好,为风浪观测和风浪研究提供了一种新思路,且该算法能够融合应用于海洋观测应用平台,使理论研究和工程实际相结合。

海洋环境噪声反演估计海面风速

海洋环境噪声与海面风速高度相关。本文在研究国内近年来测量数据的基础上，给出环境噪声级与风速的关系。提出按风速分段（三段）线性拟合环境噪声与对数风速关系曲线的方法，提出并确定最佳反演频段。在麦岛海域，由实测数据确定了分段拟合参数，获得在 ０．１～ ２２．６ ｍ／ｓ的风速范围内，由海洋环境噪声估计海面风速的误差在 １０％以下的优良结果。

基于GNSS-R的海面风速探测技术研究

该文利用数值仿真手段分析了全球导航卫星系统海面反射(GNSS-R)信号的时延相关功率曲线特征,讨论了风速、风向、GNSS卫星高度角、接收机平台高度和速度等因素对海面散射信号相关功率的影响,给出了GNSS-R海面风速的反演方法和技术流程,并进行了试验验证。结果表明,在中低风速条件(<20 m/s)下,GNSS-R测量的海面风速与实测风速的基本一致,说明GNSS-R探测海面风速的可行性以及该文给出的海面风速反演方法的正确性。当风速超过20 m/s时,由于受海浪谱模型的限制,其反演的结果明显低于实测风速。最后,根据试验结果,初步给出了GNSS-R测量海面风速的修正模型。

星载GNSS-R海面风速反演方法研究

星载GNSS-R因其时延-多普勒相关功率(DDM)波形对风速的敏感性较低,采用理论与实测波形匹配的方法所得风速精度较差。针对这一问题,该文采用一种直接建立相关功率值与风速之间联系的方法获取风速信息。基于相关功率模型对散射功率进行了归一化修正及其简化处理,利用UK TDS-1卫星试验数据和散射计(ASCAT)同比观测风速分别建立归一化散射功率及其简化式与海面风速之间的经验模型。与ASCAT观测风速对比结果表明:在0~20 m/s的风速范围内,采用归一化散射功率反演风速的均方根误差为2.11 m/s;两种方法的反演精度相近,简化修正方式避免了复杂的积分运算更适用于实时处理。

利用机载GNSS反射信号反演海面风速的研究

全球卫星导航定位系统的反射信号(GNSS—R)遥感技术作为一种新型的、低成本的、高机动性的海面微波遥感测风技术,与其他测风手段优势互补,可以增加测风手段的多样性,弥补局部测风手段不足的状况。研究了接收机在机载高度时,GPS反射信号功率理论模型四部分函数的性质,在此基础之上,数值模拟了机载高度下理论相关功率波形,基于海面风速对波形峰值与后沿的影响,提出了一种能够兼顾所有理论波形信息的二维插值风速反演方法。利用该方法,结合实测机载数据对海面风速进行反演,反演的风速均值与附近测站风速均值相差为1.4 m/s,与浮标数据相一致。

星载雷达高度计反演海面风速进展

因为星载雷达高度计风速资料有沿轨分辨率高、精度高的特点,对其进行深入研究有重要意义。在中国海洋二号动力环境卫星刚刚升空之际,对星载雷达高度计反演海面风速国内外研究进展作一个综述。首先介绍星载雷达高度计风速反演的理论依据及存在困难;然后以风速反演进展历程为主线,分别针对后向散射系数、波浪状态、降雨、白沫等物理量引入地球物理模型函数的反演方法及强风速的反演算法进行评述,简要介绍了星载雷达高度计风速调整海面风场方法;最后对星载雷达高度计反演海面风速的进一步研究提出了几点建议。

岸基多星多参数北斗GEO反射信号海面风速反演

开展北斗GEO卫星B3I信号岸基近岸海域海面风速反演研究.在GNSS反射信号相干时间和归一化时延波形面积两个观测量的基础上,本文提出了主成分分析和线性无偏最小方差的多星多参数海面风速反演方法.为了验证北斗GEO卫星B3I信号反演海面风速以及所提方法的有效性,在山东东营青东五验潮站开展了外场试验.试验结果表明反射信号的相干时间能够提供比波形面积更好的反演性能;多星多参数的反演结果比单星单参数的更好;线性无偏最小方差能够提供精度为1.15 m/s的最佳反演结果.

卫星高度计海面风速的校准与验证

为了改善不同卫星高度计海面风速数据之间的一致性,以浮标数据为基准,对国内的HY-2A和国外的T/P、GFO、Jason-1、Envisat、Jason-2、CryoSat-2共7颗卫星高度计的海面风速数据进行了分析,给出了各个卫星高度计的海面风速校准公式,并对其校准效果进行了验证。验证结果表明:各个卫星高度计的海面风速在经过校准后,与浮标海面风速差异的均值和均方根都有所降低,其中HY-2A最为显著。经过校准后所有卫星高度计的海面风速与浮标海面风速差异的均值都在±0.2m/s以内。除了HY-2A、GFO和Jason-1,其余4颗卫星高度计校准后的海面风速与浮标海面风速差异的均方根都在1.6m/s以下。由此可以得出结论,利用本文的校准公式对各个卫星高度计(特别是HY-2A卫星高度计)的海面风速进行校准,可以有效减少其与浮标海面风速之间的差异。

基于SSM/I数据的神经网络方法反演海面风速

研究了单参数神经网络（SANN）模型、多参数神经网络（MANN）模型及复合多参数神经网络（CMANN）模型对使用SSM/I数据反演海面风速精度的影响,并对增加85.5GHz垂直和水平极化亮温作为输入项对反演精度的提高进行了验证.重点发展了一种新型的CMANN算法,并分析了它在不同风速范围下的反演效果.随着风速的增加,反演风速的精度也有提高,高风速（≥15m/s）较低风速有更小的风速误差.比较表明,此方法的反演效果优于以往的各种SSM/I反演风速算法.反演风速的范围为0～25m/s,在晴天和云天混合状况下反演风速与实测风速的均方根误差为1.61m/s,晴天则达到1.46m/s.

北印度洋—南海海面风速和有效波高的年代际变化

采用1958年1月—2001年12月ECMWF ERA-40的10m风场资料,以及由该风场资料驱动WAVEWATCHⅢ得到的北印度洋—南海海域44a的海浪场资料,通过EOF分析、正交小波分析和M-K检测方法,分析了北印度洋—南海海域海面风场和有效波高的年代际变化特征。结果表明:北印度洋—南海海域存在3个大风、大浪区,其中亚丁湾以东洋面风力最强,有效波高最高;表面风场和有效波高存在35、15和3a的主周期变化,并自20世纪70年代中期以来,年平均风场和有效波高均存在明显增强趋势,1977年为突变起始年;年平均海表10m风速和有效波高随时间增大主要是由冬季和春季海表10m风速和有效波高随时间增大引起的;冬、秋季海面风场与有效波高的年际、年代际变化周期较一致,冬季以35～40a的周期为主,秋季以11～12a的周期为主。

基于遗传神经网络算法的海面风速反演新方法

针对海面运动的复杂性、海面电磁散射理论模型的局限性以及利用SAR图像反演海面风速存在的非线性现象,基于遗传神经网络的方法,以业务化的CMOD4模式函数数据为基础,采用Fletcher-Reeves算法的变梯度反向传播算法,建立一种SAR风速反演的新模型。试验结果表明,利用遗传神经网络方法反演海面风速是可行的,当随机误差小于10%时,模型的抗噪能力较强,风速反演的精度较为理想。比较不同风速下的反演结果可以发现,在中、小风速的情况下,模型的抗噪能力较强,模型学习拟合和预测检验的精度相对较高;在大风速的情况下,模型的反演能力有待于进一步提高。

遥感和GIS技术在全球海面风速分析中的应用

将遥感技术和地理信息系统 (GIS)技术相结合 ,建立了一个基于TOPEX卫星的全球海面风速分析的海洋地理信息系统 (MGIS)。阐述了全球海面风速分析模型的建立方法 ,定义了描述风场特征的相关参数 ,介绍了全球海面风速海洋地理信息系统的结构、功能和工作流程 ,另外 ,对系统的

一种改进海面风速反演的分类神经网络方法

为了提高使用SSM/I资料反演全球海面风速的精度,发展了一个新型的神经网络方法。在这个方法中,使用高风速、中、低风速状态和天气状态分类的方法分别训练神经网络,然后根据其类别的不同使用不同的神经网络计算风速。此方法较好地去除了由于高风速和云天天气状态下训练样本数据的缺少所产生的误差,改进了在高风速状态下反演风速值比实际风速偏低的情况,使得反演的高风速值被校正到了正常位置。本方法反演海面风速的值与浮标实测风速值之间的均方根误差达到1.60m/s。

近岸海域海面风速分布的预测方法研究

针对近岸海上风速观测比较困难,应用近岸海域流速垂直分布的理论模式和采用枚举法结合最小二乘法,通过实测流速分离,提出了一种新的近岸海面分速分布预测方法。并首先对实验室风生流实验和长江口北支河段的风速进行了检验性计算,获得了比较满意的结果。然后应用于长江口南支河段及口外实测流速的分离,实测流速分离后,不仅可获得海面风流速,用于估算作用于海表面10m的风速数据,而且还可从中得到海表面的摩擦风速。据此,结合对数风速分布可以对海面低空的风速分布进行预测。初步研究表明,此方法原理简单、过程合理、结果可信,是一种适用于现场资料分析计算的有效方法。

海面风速微波散射测量与分析

为了深入研究海面风的微波散射特性 ,利用海洋石油平台和飞机作为仪器的工作平台 ,对海面微波散射特性进行了测量 ,并应用统计分析方法 ,对测量数据作处理分析。结果表明 ,海面微波后向散射系数 (σ°)值与海面风速成线性关系 ,随风速增大而增大。同时 ,σ°值与夹角及散射计天线入射角、极化方式有关。结合对海面微波散射算法中 Phillips模式的分析比较 ,得到