| 基于Sentinel-1A的全球有效波高的反演研究 |
| |
| 引用本文： | 穆珊珊,李海艳,吴明柏.基于Sentinel-1A的全球有效波高的反演研究[J].海洋与湖沼,2020,51(2):235-247. |
| |
| 作者姓名： | 穆珊珊 李海艳 吴明柏 |
| |
| 作者单位： | 中国科学院大学 北京 100049;中国科学院大学 北京 100049;中国科学院地理科学与资源研究所 北京 100101 |
| |
| 基金项目： | 国家自然科学基金项目，41776197号；中国科学院大学优秀青年教师科研能力提升项目，Y95401N号。 |
| |
| 摘 要： | 本文利用神经网络的技术手段,针对Sentinel-1A二级波模式数据提出一种用于海浪有效波高(Hs)反演的模型——N_N模型。该模型在基于ERS2 SAR波模数据开发的双参数模型的基础上,加入经度、纬度、方位向截断波长(λ_c)、图像偏斜(skewness,skew)、图像峰度(kurtosis,kurt)、卫星平台距目标物的距离与卫星飞行速度之比(β)等其他参数信息,根据不同输入参数的组合,建立了14个模型用于Hs反演,旨在分析各参数对有效波高反演的影响。通过分析表明,14个N_N模型相关系数都在0.8以上。随着λ_c、β参数的加入,N_N模型性能均大幅上升,且λ_c参数对模型性能的改善作用更加明显,相关系数提升0.06左右,均方根误差(Root Mean Squared Error,RMSE)下降0.12m左右。另外,skew与kurt的加入也使N_N模型性能有所改善,RMSE下降0.03m左右,相关系数提升0.01左右。其中,N_N10模型效果最佳且性能最稳定,与欧洲中程天气预测中心(the European Centre for Medium-Range Weather Forecasts,ECMWF)数据对比,相关系数(CORR)达到0.905,散射指数(Scattering Index,SI)与RMSE最低,分别为18.74%、0.502m,与独立测量的浮标数据的相关系数达到了0.894。
|
| 关 键 词： | 神经网络 有效波高 方位向截断波长 归一化雷达后向散射系数 |
| 收稿时间： | 2019/9/21 0:00:00 |
| 修稿时间： | 2019/12/7 0:00:00 |
INVERSION OF GLOBAL SIGNIFICANT WAVE HEIGHT BASED ON SENTINEL-1A |
| |
| MU Shan-Shan,LI Hai-Yan and WU Ming-Bo.INVERSION OF GLOBAL SIGNIFICANT WAVE HEIGHT BASED ON SENTINEL-1A[J].Oceanologia Et Limnologia Sinica,2020,51(2):235-247. |
| |
| Authors: | MU Shan-Shan LI Hai-Yan and WU Ming-Bo |
| |
| Institution: | University of Chinese Academy of Sciences, Beijing 100049, China,University of Chinese Academy of Sciences, Beijing 100049, China and University of Chinese Academy of Sciences, Beijing 100049, China;Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Science, Beijing 100101, China |
| |
| Abstract: | |
| |
| Keywords: | neural network significant wave height azimuth cutoff normalized radar cross-section |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《海洋与湖沼》浏览原始摘要信息 |
| 点击此处可从《海洋与湖沼》下载免费的PDF全文 |
|
