| SMAP卫星的RBF神经网络海表盐度遥感反演 |
| |
| 引用本文： | 赵文杰,李洪平,刘海行.SMAP卫星的RBF神经网络海表盐度遥感反演[J].海洋科学进展,2022,40(3):513-522. |
| |
| 作者姓名： | 赵文杰 李洪平 刘海行 |
| |
| 作者单位： | 1. 中国海洋大学 信息科学与工程学部, 山东 青岛 266100;2. 自然资源部 第一海洋研究所, 山东 青岛 266061 |
| |
| 基金项目： | 自然资源部全球变化与海气相互作用专项（二期）资助项目——海洋动力系统多尺度相互作用及其参数化评估；国家自然科学基金委员会-山东省人民政府联合基金项目——海量数据驱动下的高分辨率海洋数值模式关键算法研究（U1806205） |
| |
| 摘 要： | 针对传统海表盐度遥感反演精度不高、影响因素较少等问题，本文基于SMAP（Soil Moisture Active Passive）卫星L2C（Level 2 C）数据、Argo（Array for Real-time Geostrophic Oceanography）数据和其他辅助数据，以太平洋部分海域（160°E～120°W，0°～30°N）为研究区域，综合考虑海面粗糙度以及白冠覆盖率等参量，利用径向基神经网络建立RBF亮温增量模型，并对平静海面亮温进行修正，然后基于Meissner-Wentz介电常数模型得到反演后的盐度值。验证结果表明：模型预测盐度和SMAP卫星盐度相对于Argo实测盐度的均方根误差分别为0.4和0.5，平均绝对误差分别为0.3和0.4。实验证明，利用RBF神经网络建立的亮温增量模型可以提高海表盐度反演的精度，对海表盐度反演具有实用意义。
|
| 关 键 词： | 海表盐度 SMAP卫星 RBF神经网络 盐度反演 |
| 收稿时间： | 2021/7/2 0:00:00 |
Remote Sensing Retrieval of Sea Surface Salinity Based on RBF Neural Network From SMAP Satellite |
| |
| ZHAO Wen-jie,LI Hong-ping,LIU Hai-xing.Remote Sensing Retrieval of Sea Surface Salinity Based on RBF Neural Network From SMAP Satellite[J].Advances in Marine Science,2022,40(3):513-522. |
| |
| Authors: | ZHAO Wen-jie LI Hong-ping LIU Hai-xing |
| |
| Institution: | 1. Division of Information Science and Engineering, Ocean University of China , Qingdao 266100, China;2. First Institute of Oceanography, MNR, Qingdao 266061, China |
| |
| Abstract: | |
| |
| Keywords: | sea surface salinity SMAP satellite RBF neural network salinity inversion |
|
| 点击此处可从《海洋科学进展》浏览原始摘要信息 |
| 点击此处可从《海洋科学进展》下载免费的PDF全文 |
