论文部分内容阅读
海洋表面风场是海洋动力环境的重要参数。星载微波散射计是获取海洋表面风速的重要仪器,通过测量目标的反射回波,得到目标后向散射系数信息。由于散射计较大的观测刈幅和丰富的方位角观测信息,适合用于海洋风场观测,其风产品在全球天气预报、天气分析、海洋环流分析等领域有着极其广泛和重要的应用。星载微波散射计数据产品大致可以分为两级,一级产品以后向散射系数为主,二级产品以风场产品为主。观测的后向散射系数与海面风场的对应关系建立了微波散射计的半经验地球物理模型函数(Geophysical Model Function,GMF)。传统风场反演方法以GMF为基础展开,在高风速条件下,后向散射系数易发生饱和,后向散射系数与风场的对应关系难以准确描述。本文研究利用神经网络方法处理微波散射计数据,反演海面风场。重点研究海洋二号(HY-2)卫星微波散射计数据反演,特别是中高风速条件下的风场反演。其中风速的反演基于后向传播(Back Propagation,BP)神经网络;多解风向的反演基于混合密度(Mixture Density Network,MDN)神经网络,求解过程中的核函数采用高斯分布;网络训练的目标风场采用欧洲中期天气预报中心(European Centre for Medium-Range Weather Foresting,ECMWF)模式风场。本文针对低风速和中高风速情况,分别建立了风场反演神经网络模型,并对本文方法反演得到的风场和HY-2微波散射计L2B风场产品进行了比较。通过与ECMWF风场的比较,利用本文神经网络方法反演的风场可以满足HY-2微波散射计风场反演的精度要求。同时通过与国家卫星海洋应用中心发布的HY-2微波散射计L2B级风场产品相比较,表明本文方法反演的风场更接近ECMWF模式风场。