融合星载GNSS-R数据和多变量参数全球海洋有效波高深度学习反演法

作     者：布金伟 余科根 汪秋兰 李玲惠 刘馨雨 左小清 常军 BU Jinwei;YU Kegen;WANG Qiulan;LI Linghui;LIU Xinyu;ZUO Xiaoqing;CHANG Jun

作者机构：昆明理工大学国土资源工程学院云南昆明650093 中国矿业大学环境与测绘学院江苏徐州221116 自然资源部第一大地测量队陕西西安710054 

出 版 物：《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期：2024年第53卷第7期

页      面：1321-1335页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：云南省基础研究计划项目(202401CF070151) 昆明理工大学高层次人才平台建设项目(20230041) 国家自然科学基金(42174022 42161067) 云南省大学生创新训练计划项目(S202310674221) 

主　　题：GNSS-R 延迟多普勒图 海洋有效波高 经验模型 深度学习模型 

摘      要：星载GNSS-R作为一种新兴的观测方法,最近被应用于有效波高反演。现有研究通常使用从延迟多普勒图中提取的特征值以构建经验地球物理模型函数反演SWH。然而,使用多个变量参数作为模型输入具有很大挑战。为此,本文提出了一个融合星载GNSS-R数据和多变量参数反演全球海面SWH的深度学习网络模型(GloWH-Net)。为了验证本文模型的性能,ERA5、WaveWatchⅢ和AVISO SWH数据被用作广泛测试的参考数据,以评估GloWH-Net模型和先前模型(即经验模型和机器学习模型)的SWH反演性能。结果表明,当分别使用ERA5、WaveWatchⅢ和AVISO SWH作为参考值时,所提的GloWH-Net模型反演SWH的均方根误差分别为0.330、0.393和0.433 m,相关系数分别为0.91、0.89和0.84。相比基于最小方差估计器的经验组合模型反演SWH的均方根误差分别降低了53.45%、48.06%和40.63%;相比袋装树机器学习模型反演SWH的均方根误差分别降低了21.92%、18.72%和4.47%。表明了本文方法在反演全球海面SWH方面具有显著优势。