(1.上海海洋大学 海洋科学学院,上海201306;2.上海河口海洋测绘工程技术研究中心,上海201306)

郭 鑫1,韩 震1,2*,张雪薇1,周玮辰1

海面风场是研究海洋运动和气候变化重要的物理参数,获取高质量的海洋风场资料具有重要的意义。星载散射计是一种搭载在卫星上的主动微波传感器,是获得大范围、高时空分辨率海表风矢量最有效的方法之一。散射计发射出的电磁波束到达海面后,电磁波会发生后向散射现象。风通过调制海面的粗糙度来影响散射计的后向散射系数,而后向散射系数是风速、风向、入射角、方位角和极化方式的函数,可以建立后向散射系数与海面风矢量之间的关系,实现对海面风场的反演[1]。目前运行的散射计主要工作在C和K波段,很多地球物理模型函数(Geophysical Model Function,GMF)也是基于这2个波段建立的,比如CMOD系列和NSCAT系列[2-5]。人们对风矢量和海面几何状况之间的关系,以及电磁波与海表面之间的相互作用机制还未研究透彻,因此这些GMF都是半经验模型函数。在台风等极端情况,受海表面物理特性以及环境的复杂影响,后向散射系数与风场之间呈高度非线性关系,致使所建立的地球物理模型函数的普适性并不理想。

由于利用神经网络方法反演风速不依赖复杂的GMF,因此具有简洁高效和适应不同海况的能力[6]。Thiria等[7]于1993年将神经网络方法运用于散射计风场反演,证明了复杂传递函数可以通过使用神经网络有效地建模。宋新改等[8]于2006年基于ERS-1,ERS-2数据,采用神经网络算法对风场进行反演,推动了国内对神经网络反演海面风场的研究。……