基于神经网络方法的C波段和Ku波段统一地球物理模型.pdfVIP

第30卷第5期 海 洋 学 报 V01．30。No．5 SINICA ACTAoCEANoLoGICA 2008 2008年9月 september 基于神经网络方法的C波段和Ku波段 统一地球物理模型 邹巨洪1’2，林明森3，潘德炉1，陈正华1，杨乐1 (1．国家海洋局第二海洋研究所卫星海洋环境动力学国家重点实验室，浙江杭州310012；2．中国科学院上海技 术物理研究所，上海200083；3．国家海洋局国家海洋环境预报中心国家卫星海洋应用中心，北京100081) 摘要：通过地球物理模型建立后向散射系数与海面风矢量的关系，可将散射计从不同方位角测得 的风矢量单元后向散射系数反演得到风矢量，因此地球物理模型在风速反演中起着至关重要的作 建立了形式统一的C波段和Ku波段地球物理模型。新模型将电磁波频率作为模型的参数之一， 使新模型不再局限于特定的传感器，并使C波段与Ku波段具有统一的形式。分析表明，由新模型 建立的后向散射系数与海面风矢量的关系同经验模型具有很好的可比性。利用新模型反演的风速 与CMoI)4和QSCAT一1模型反演的风速具有很好的一致性，说明新模型在具有统一简洁形式的 同时也兼有与经验统计模型相同的有效性。 关键词：地球物理模型；神经网络；CMOD4模型；QSCAT一1模型 中图分类号：P733；TPl83文献标识码：A 文章编号：0253—4193(2008)05—0023—06 早期业务化运行中ERSl／2散射计采用CMOD4， l 引言 风场反演效果。 作为目前全球海面风场遥感最重要的传感 器——散射计，通过测量海表面后向散射系数获 传统经验地球物理模型多采用经验拟合方 得海表面粗糙度信息，进而反演得出海表面风矢 法，根据风速、风向、频率、极化方式、入射角和后 量。目前业务化运行的散射计采用最大似然估计 向散射系数之间的先验知识，利用大量实测数据 对经验模型中的参数进行拟合，其一般形式为嘞= 算法L13；利用地球物理模型(GMF)，由多个方位角 测得的后向散射系数反演得到多解风矢量，再利 用矢量中值滤波技术消除风向多解[2]，其中地球 具体的传感器，它们的极化方式的固定频率都为 物理模型描述风矢量单元后向散射系数与海表面 风矢量之间的关系，其精度直接影响到风场的反 工作在Ku波段)，故在这两个地球物理模型中频 演精度。自1975年美国发射第一个搭载业务化率和极化方式不再作为参数出现。 运行散射计的卫星Seasat以来已有多个星载散射 人工神经网络建模不需先验假设，同时它还 计投入业务化运行，人们也相应提出了多种用于 具有较强的非线性拟合逼近能力以及容残缺、去 风场反演的经验模型函数，常见的有Ku波段 噪声的优良特性，为星载散射计海面风场建模提 供了一种全新的技术手段…-1引。本文采用神经网 SASS一1／2，NSCAT一1／2，QSCAT一1模型，C波 o。。 络方法建立了形式统一的C波段和Ku波段地球 段的CMOD—IFR2，CMoD4，CMOD5模型L3-1 收穆日期：2008一05—28；修订日期：2008一06—28。 作者简介：邹巨洪(1981一)，男。重庆市潼南县人．博士．从事微波海洋遥感研究。E—mail：feeless．zou@gmail．com 24