-
题名基于机器学习的海面风速和有效波高联合反演
- 1
-
-
作者
梁月吉
蒋雪玉
党毓茜
罗启迪
朱丙林
-
机构
桂林理工大学测绘地理信息学院
玉林市自然资源规划测绘信息院
-
出处
《海洋测绘》
CSCD
北大核心
2024年第4期64-68,共5页
-
基金
国家自然科学基金(42064003)
广西省自然科学基金(2021GXNSFBA220046,2022GXNSFBA035639)。
-
文摘
海面风速和有效波高(significant wave height,SWH)是海洋环境中的关键参数,两者之间关系密切。全球导航卫星系统反射测量(global navigation satellite system reflectometry,GNSS-R)可有效反演海面风速和SWH,然而已有研究局限于单一参数的反演。为此,提出一种基于机器学习算法的海面风速和SWH联合反演方法。首先通过质量控制获取有效的气旋全球导航卫星系统(cyclone global navigation satellite system,CYGNSS)观测数据,进而分别采用随机森林、极端梯度提升、轻量梯度提升机、决策树和自适应增强算法建立联合反演模型,并对比分析其反演性能。经实验表明:极端梯度提升更适用于海面风速和SWH的联合反演,均方根误差分别为0.91 m/s和0.20 m,皮尔逊相关系数分别达到0.90和0.96。相对于传统的单一参数反演,本文方法能够实现对海面风速和SWH高效又准确的反演。
-
关键词
全球导航卫星系统反射测量
海面风速
有效波高
机器学习
联合反演
-
Keywords
GNSS-R
sea surface wind speed
significant wave height
machine learning
joint inversion
-
分类号
P229.7
[天文地球—大地测量学与测量工程]
-
