共查询到17条相似文献，搜索用时 171 毫秒
1.
2.
3.
4.
基于SAR图像雨团足印的海面风向提取方法 总被引：1，自引：1，他引：0
利用地球物理模式函数进行SAR海面风速反演时，需以风向作为地球物理模式函数的输入。本文应用了一种利用SAR图像上雨团足印顺风一侧比逆风一侧明亮的图像特征的海面风向提取方法，以进行海面风速反演。4景RADARSAT-2卫星SAR示例数据风向提取结果相对于ASCAT散射计的风向均方根误差满足不大于16°。分别以本文方法提取的风向和ASCAT散射计风向作为输入，利用地球物理模式函数CMOD5进行海面风速的SAR反演，两者的风速反演结果基本一致，其均方根误差差值不超过0.3 m/s。本文利用SAR图像雨团足印信息的风向提取方法准确可靠，可应用于SAR海面风速反演。 相似文献
5.
我们发展了一种用19．35GHz星载微波辐射计(SSM／I)亮温反演海面风速的模式，并利用同步的卫星亮温和海面浮标数据反演出海面风速，并且和浮标风速进行比较。为了说明反演算法的可用性，我们分别与目前国际上的通用反演算法的反演结果进行了比较。文章提供了一种新的、用单一波段亮温反演海面风速的方法。 相似文献
6.
HY-2微波辐射计降雨条件下海面风速反演算法研究 总被引：1，自引：0，他引：1
由于降雨改变了海洋-大气的辐射/散射特性,长期以来星载遥感器在降雨条件下进行海面风速信息提取存在困难。本文针对自主海洋动力环境卫星海洋2号（HY-2）搭载的扫描微波辐射计,分析了不同频段亮温对降雨和海面风速敏感性,自此基础上获得了一种对降雨不敏感的亮温通道组合,该亮温通道组合对海面风速的敏感性甚至高于原有亮温通道。本文利用该亮温通道组合建立了降雨条件下的风速反演算法,并将反演结果与WindSat全天候风速产品、HY-2微波辐射计原有风速产品以及浮标实测数据进行了比较。结果表明本文算法在降雨条件下的反演误差小于2m/s,明显优于原有HY-2微波辐射计风速产品,验证了本文发展的算法在降雨条件下的风速反演能力。 相似文献
7.
为了提高使用SSM/I资料反演全球海面风速的精度,发展了一个新型的神经网络方法.在这个方法中,使用高风速、中、低风速状态和天气状态分类的方法分别训练神经网络,然后根据其类别的不同使用不同的神经网络计算风速.此方法较好地去除了由于高风速和云天天气状态下训练样本数据的缺少所产生的误差,改进了在高风速状态下反演风速值比实际风速偏低的情况,使得反演的高风速值被校正到了正常位置.本方法反演海面风速的值与浮标实测风速值之间的均方根误差达到1.60m/s. 相似文献
8.
基于人工神经网络方法,利用海面水温、海面风速以及海面气压反演南海近海面气温,采用的基础数据集是国际综合海洋-大气数据集(International Comprehensive Ocean-Atmosphere Data Set,2.4 Release,ICOADS2.4)1981—2008年的观测资料,其中1981—2000年的观测资料用来建立模型,2001—2008年的观测资料用来进行模型检验。采用的人工神经网络方法是引入动量因子并采用批处理梯度下降法的BP(Back propagation)算法。试验结果表明,基于人工神经网络建立的近海面气温反演方法明显优于多元线性回归方法,尤其是在春季和冬季,海面水温、海面风速以及海面气压与近海面气温之间存在较强的非线性关系,人工神经网络的优势更加明显。总体而言,人工神经网络在各月的反演效果较均衡,均方根误差介于1.5—1.8℃之间,平均绝对误差为1.1—1.3℃。 相似文献
9.
10.
通过地球物理模型建立后向散射系数与海面风矢量的关系,可将散射计从不同方位角测得的风矢量单元后向散射系数反演得到风矢量,因此地球物理模型在风速反演中起着至关重要的作用。使用神经网络方法,利用C波段经验模型CMOD4和Ku波段经验模型QSCAT—1仿真数据建立了形式统一的C波段和Ku波段地球物理模型。新模型将电磁波频率作为模型的参数之一,使新模型不再局限于特定的传感器,并使C波段与Ku波段具有统一的形式。分析表明,由新模型建立的后向散射系数与海面风矢量的关系同经验模型具有很好的可比性。利用新模型反演的风速与CMOD4和QSCAT—1模型反演的风速具有很好的一致性,说明新模型在具有统一简洁形式的同时也兼有与经验统计模型相同的有效性。 相似文献
11.
全球有效波高和风速的时空变化及相关关系研究 总被引：2，自引：1，他引：1
The climatology of significant wave height（SWH） and sea surface wind speed are matters of concern in the fields of both meteorology and oceanography because they are very important parameters for planning offshore structures and ship routings. The TOPEX/Poseidon altimeter, which collected data for about 13 years from September 1992 to October 2005, has measured SWHs and surface wind speeds over most of the world＇s oceans. In this paper, a study of the global spatiotemporal distributions and variations of SWH and sea surface wind speed was conducted using the TOPEX/Poseidon altimeter data set. The range and characteristics of the variations were analyzed quantitatively for the Pacific, Atlantic, and Indian oceans. Areas of rough waves and strong sea surface winds were localized precisely, and the correlation between SWH and sea surface wind speed analyzed. 相似文献
12.
为实现对海面风速精确的短期预测,提出了一种基于长短期记忆(LSTM,long short-term memory)神经网络的短期风速预测模型,选取OceanSITES数据库中单个浮标站点采集的风速历史数据作为模型输入,经过训练设置最佳参数等步骤,实现了以LSTM方法,对该站点所在海区海面风速在各季节性代表月份海面风速的24h短期预测。同时通过不同预测时长的实验以及与BP(back propagation)神经网络神经网络和径向基函数神经网络(radial basis function neural network,RBF)的预测效果对比实验,证明了LSTM预测方法相比上述两种神经网络预测方法,在海表面风速预测应用中的优越性。最后通过多个海域对应的站点风速数据预测实验,证明了LSTM神经网络模型的普遍适用性,由相关系数和预测误差的分析可知该方法具备应对急剧变化数据的预测稳定性,可以作为海洋表面风速短期预测的一种可靠方法。 相似文献
13.
14.
风速是重要的海洋状态参数之一，对海面风速的准确提取是实现海洋环境监测和沿海工程应用的重要保证。目前，作为新兴海洋环境监测设备，高频雷达在风速提取方面仍然存在挑战。本文提出了一种基于人工神经网络的风速提取方法，利用历史浮标测量海态数据训练风速提取网络，实现风速与有效波高、波周期、风向及时间因素之间的非线性映射。测试结果表明了这一网络在时间和空间上的稳定性；进而将已训练的网络应用到便携式高频地波雷达OSMAR-S的风速反演中，得到的风速与浮标测量风速间的相关系数达到0.849，均方根误差为2.11 m/s。这一结果明显优于常规由浪高反演风速的SMB方法，验证了该方法在高频雷达风速反演中的可行性。 相似文献
15.
海面粗糙度对于海洋工程和海洋军事都非常重要,但对海面粗糙度的现场观测资料非常少, 这大大制约了对海面粗糙度的认识。利用 TOPEX 高度计风速资料实现了对海面粗糙度的反演,并利用 1993 年和1998 年两年的资料对西北太平洋海域的海面粗糙度进行了研究。 相似文献
16.
Comparison of TOPEX/POSEIDON Altimeter Derived Wind Speed and Wave Parameters with Ocean Buoy Data in the North Indian Ocean 总被引：1，自引：0，他引：1
Results of comparison exercises carried out between the state-of-the-art TOPEX/POSEIDON altimeter-derived ocean surface wind speed and ocean wave parameters (significant wave height and wave period) and those measured by a set of ocean data buoys in the North Indian Ocean are presented in this article. Altimeter-derived significant wave height values exhibited rms deviation as small as ±0.3 m, and surface wind speed of ±1.6 m/s. These results are found consistent with those found for the Pacific Ocean. For estimation of ocean wave period, the spectral moments-based semiempirical approach, earlier applied on GEOSAT data, was extended to TOPEX/POSEIDON. For this purpose, distributions of first four years of TOPEX/POSEIDON altimeter data and climatology over the North Indian Ocean were analyzed and a new set of coefficients generated for estimation of wave period. It is shown that wave periods thus estimated from TOPEX/POSEIDON data (for the subsequent two years), when compared with independent data set of ocean data buoys deployed in the North Indian Ocean, exhibit improved accuracy (rms ~ ±1.4 nos) over those determined earlier with GEOSAT data. 相似文献
17.
Results of comparison exercises carried out between the state-of-the-art TOPEX/POSEIDON altimeter-derived ocean surface wind speed and ocean wave parameters (significant wave height and wave period) and those measured by a set of ocean data buoys in the North Indian Ocean are presented in this article. Altimeter-derived significant wave height values exhibited rms deviation as small as - 0.3 m, and surface wind speed of - 1.6 m/s. These results are found consistent with those found for the Pacific Ocean. For estimation of ocean wave period, the spectral moments-based semiempirical approach, earlier applied on GEOSAT data, was extended to TOPEX/POSEIDON. For this purpose, distributions of first four years of TOPEX/POSEIDON altimeter data and climatology over the North Indian Ocean were analyzed and a new set of coefficients generated for estimation of wave period. It is shown that wave periods thus estimated from TOPEX/POSEIDON data (for the subsequent two years), when compared with independent data set of ocean data buoys deployed in the North Indian Ocean, exhibit improved accuracy (rms ~ - 1.4 nos) over those determined earlier with GEOSAT data. 相似文献