该文基于美国国家浮标资料中心(National Data Buoy Center,NDBC)浮标观测数据对哨兵一号搭载的合成孔径雷达(synthetic aperture radar,SAR)反演风速数据进行精度分析,并利用BP神经网络(back propagation neural network)对SAR反演风...该文基于美国国家浮标资料中心(National Data Buoy Center,NDBC)浮标观测数据对哨兵一号搭载的合成孔径雷达(synthetic aperture radar,SAR)反演风速数据进行精度分析,并利用BP神经网络(back propagation neural network)对SAR反演风速的偏差进行校正;同时针对环境要素、BP神经网络训练输入的样本量以及神经网络结构参数设计了敏感性试验;最后将SAR标量风场数据转换为用u、v矢量表示的风场数据,并对u向风和v向风分别进行了精度分析和校正。实验结果表明:SAR反演风速相较于浮标观测数据出现了低估现象;经过BP神经网络校正后,SAR反演风速数据的精度得到了改善,风速的平均偏差绝对值从0.78 m s下降到0.04 m s,均方根误差从1.98 m s下降到了1.77 m s;敏感性试验表明输入质量较差的环境要素数据时BP神经网络的校正效果有所下降,而增加训练集样本量能改善校正效果;将标量风场数据转换为u、v矢量风场数据后的校正结果也显示BP神经网络具有较好的校正效果。展开更多
文摘该文基于美国国家浮标资料中心(National Data Buoy Center,NDBC)浮标观测数据对哨兵一号搭载的合成孔径雷达(synthetic aperture radar,SAR)反演风速数据进行精度分析,并利用BP神经网络(back propagation neural network)对SAR反演风速的偏差进行校正;同时针对环境要素、BP神经网络训练输入的样本量以及神经网络结构参数设计了敏感性试验;最后将SAR标量风场数据转换为用u、v矢量表示的风场数据,并对u向风和v向风分别进行了精度分析和校正。实验结果表明:SAR反演风速相较于浮标观测数据出现了低估现象;经过BP神经网络校正后,SAR反演风速数据的精度得到了改善,风速的平均偏差绝对值从0.78 m s下降到0.04 m s,均方根误差从1.98 m s下降到了1.77 m s;敏感性试验表明输入质量较差的环境要素数据时BP神经网络的校正效果有所下降,而增加训练集样本量能改善校正效果;将标量风场数据转换为u、v矢量风场数据后的校正结果也显示BP神经网络具有较好的校正效果。
