人工神经网络在星载散射计海面风场反演建模中的应用
地球物理模型函数(GMF)是散射计风场反演的基础及算法有效运行的前提条件.采用传统的统计方法建立GMF往往需要大量的、多种参数条件下的雷达后向散射测量数据.以圆锥扫描散射计SeaWinds为例,根据其特点,建立了一个两种极化方式下统一的神经网络模型函数(NN GMF),并对风速、相对风向采样间隔和测量值数目对模型精度的影响进行了详细分析.通过与Qscat-1模型进行比较,发现该神经网络模型在采样间隔较大或测量值数目较少的情况下,仍能较好地体现SeaWinds散射计的海面后向散射特性.
作 者： 陈克海 解学通 黄舟 方裕 陈晓翔 CHEN Kehai XIE Xuetong HUANG Zhou FANG Yu CHEN Xiaoxiang 作者单位： 陈克海,陈晓翔,CHEN Kehai,CHEN Xiaoxiang(中山大学遥感与地理信息工程系,广州,510275)解学通,XIE Xuetong(中山大学遥感与地理信息工程系,广州,510275;北京大学遥感与地理信息系统研究所,北京,100871)
黄舟,方裕,HUANG Zhou,FANG Yu(北京大学遥感与地理信息系统研究所,北京,100871)
刊 名： 北京大学学报（自然科学版） ISTIC PKU 英文刊名： ACTA SCIENTIARUM NATURALIUM UNIVERSITATIS PEKINENSIS 年，卷(期)： 2007 43(4) 分类号： P208 关键词： 散射计 海面风场 地球物理模型函数(GMF) 神经网络