基于时延-多普勒图像的海洋表面风速反演方法     

吴崇  严颂华  杨永立  卜方玲  陈泽强 《科技通报》2019,35(9):22-30,47

随着GNSS-R技术在海洋遥感领域的发展,已经积累了海量的GNSS-R数据。针对基于时延-多普勒相关功率图(DDM)实测波形与经验模型反演风速复杂性高、计算量大和精度低的问题,采用两种神经网络方法,基于NASA CYGNSS的DDM数据,分析了DDM与海洋表面风速的关系,首先引入卷积神经网络建立风速等级分类模型对海洋表面风速进行分类反演,但效果不理想。为获取精度更高的反演风速,对DDM进行特征提取,改用BP神经网络完成了风速反演。反演风速与实际风速的皮尔逊相关系数为0.958、均方根误差为1.86 m/s、平均相对误差为2.66%,证明了基于DDM使用神经网络反演风速的可行性和有效性。  相似文献