SeaWinds散射计海面风场的几何反演算法

基于SeaWinds散射计雷达后向散射截面积随风速和相对方位角的变化规律,从信息图谱几何形态特征出发,提出了一种新的海面风场反演方法。它不同于传统的依据最小概率误差的遍历搜索算法,反演时不依赖方差,仅从信息图谱几何形态特征就可以反演风矢量。实验共用了218623条数据(即218623个风元)。实验结果表明,与对应的美国NASA反演数据(L2B)对比,风速平均相对偏差为7.4%,风向平均偏差为9.5°。

一种新的SeaWinds散射计海面风场反演方法

针对传统的最大似然法存在的主要缺点,在分析SeaWinds散射计模型函数表的基础上,根据雷达后向散射截面积(σ0)随风速和相对方位角的变化规律,提出了一种新的海面风场反演方法.然后利用SeaWinds散射计部分L2A实测数据对该方法进行了验证,并在等风向间隔的条件下将该方法与传统的最大似然方法对同一实验数据的运行时间进行了比较.实验结果表明,与传统方法相比,该方法运行效率有明显提高,且反演结果与美国L2B反演结果十分接近.

SeaWinds散射计风场反演中的图谱特征研究

在基于信息图谱特征的风场反演新算法的基础上,对风速、风向二维解空间中的图谱特征和反演风向偏差之间的关系作进一步研究,发现解空间中真解所对应的密集区域的散点标准差与风向偏差之间存在线性关系,并根据这一线性关系对风矢量反演结果作了改进试验。结果表明,风向反演精度在调整以后得到提高(3.7°),并且对于误差大的象元(6°左右)其改进效果更好。

用SeaWinds散射计数据反演海面风矢量的神经网络模型

针对构建用 SeaWinds 散射计数据反演海面风矢量的神经网络模型所面临的主要问题,结合 SeaWinds 散射计的几何观测特征,提出了适合 SeaWinds 散射计旋转圆锥扫描方式的先风向后风速的两步神经网络反演模型及相应算法,并采用两组不同的 L2A 和相应 L2B 数据及浮标数据对该神经网络反演模型进行了初步验证。实验结果证明了该神经网络反演模型的可行性。与最大似然估计(MLE)反演方法相比,该神经网络反演模型在能够保证反演精度的情况下,运行效率提高了约5倍,从而为海面风矢量的实时反演提供了可能性。

SeaWinds散射计风矢量解空间中图像椭圆总灰度值对风矢量反演误差的约束效应

已有的SeaWinds散射计反演结果误差评价包括两种方法:一是与其他数据来源进行对比,如与数值气象预报产品或浮标风场数据对比;二是从风场反演结果的空间一致性进行判断。文中采用二维几何中心矩定量描述象元解空间中模糊解区域(与真解最接近的模糊解区域)的图谱特征,如图像椭圆的主轴倾角、长短轴比以及总灰度值;研究了总灰度值与风矢量反演误差的关系。结果表明,当总灰度值大于某一阈值时,风矢量反演误差将被限制在一个较小的范围之内。根据图像椭圆总灰度的这一特性,设计了一种新的基于总灰度约束特性的滤波算法。通过与浮标风矢量观测值的比较发现,新滤波方法比传统的圆中数滤波方法在风向反演误差、风向误差的标准差以及模糊解识别正确率等3个指标方面有所提高,特别是模糊解识别错误的数目有较明显的下降(由289下降至240,下降约17%),这预示着新方法有较好的应用前景。

Sea Winds散射计海面风场模糊去除方法研究

利用最大似然法(MLE)对SeaWinds散射计数据反演得出的风矢量,一般存在2～4个模糊解,故需采用圆中数滤波法进行模糊去除.根据SeaWinds散射计第一模糊解的空间分布特性,归纳出一套适合SeaWinds散射计的模糊去除方法,并在理论上探讨了其适应性.该方法的圆中数定义简单,计算量小,且易于收敛.利用美国NASA提供的部分L2A原始数据对该方法进行验证的结果表明,对于简单风场分布情况,该方法在没有其他参考数据进行初始化的条件下,能有效解决SeaWinds轨道边缘区域的块状模糊问题.

Sea Winds散射计海面风场神经网络建模研究

根据Sea Winds散射计只有两个入射角和两种极化方式的特点,利用其L2A数据和F291海上浮标数据,针对传统建模方法的不足和限制,借助神经网络建立了一个两种极化方式下统一的神经网络地球物理模型函数。该模型的主要特点是建模风矢量全部取自海上浮标测量数据,因而所用风矢量更加客观准确。通过与Qscat-1模型的比较和L2B与浮标风速之间的偏差统计分析,证明了该神经网络模型的有效性,并发现Qscat-1模型存在一定的系统性偏差。

一种修正的Sea Winds散射计圆中数滤波法

利用最大似然法(MLE)对SeaWinds散射计数据反演得出的风矢量一般存在2—4个模糊解,而且第1模糊解构成的风场在轨道外侧区域容易出现块状模糊,所以不能像SASS和NSCAT等散射计那样,以第1模糊解初始化风场后用圆中数滤波法进行模糊去除。文章根据SeaWinds散射计第1模糊解的空间分布特性,对传统圆中数滤波法进行了修正,使之适合SeaWinds散射计的模糊去除,即在缺乏参考数据进行初始化的前提下,能够有效去除块状模糊问题。

基于目标函数分布特征的散射计海面风场反演方法

本文以SeaWinds散射计为例,针对圆锥扫描散射计星下点附近区域容易产生风向模糊问题,在分析其目标函数分布特征的基础上,对传统的最大似然风矢量反演算法和圆中数滤波算法进行了改进,提出了一种适合于圆锥扫描散射计的海面风场反演方法。该方法通过在目标函数分布较平坦的区域设置风向扩展区间,并使扩展后的更多风向解参与模糊去除来提高风向选择的准确性。利用200条轨道的SeaWinds散射计L2A数据和相应浮标数据,对本文给出的风场反演方法进行了验证。结果表明,该方法在无需外部辅助风场数据作为参考的条件下,能够使星下点附近区域的风向模糊性得到明显改善,从而证明了该方法的可行性。