基于SMOS卫星数据的BP神经网络盐度反演模型

2018年第01期

关键词:
海表面盐度;SMOS卫星;BP神经网络;反演算法

Keywords
sea surface salinity;SMOS satellite;BP neural networks;retrieved algorithm
摘要
     海表面盐度SSS(Sea Surface Salinity)是研究大洋环流和海洋对气候影响的重要参量、是决定海水基本性质的重要因素之一。卫星微波遥感可以满足盐度研究过程中大范围、连续观测的需要。目前,由欧洲空间局设计开发的SMOS(Soil Moisture and Ocean Salinity)卫星于2009年发射成功,并且根据它的观测数据和物理机制反演出了海表面盐度的相关产品。但结果显示,在某些近海岸区域(如中国南海海域)受陆地RFI等诸多因素的影响,基于卫星遥感物理机制反演得到的盐度产品的精度较低。本文的主要目的是利用中国海洋大学"东方红2"科学考察船的走航数据、SMOS卫星数据,针对中国南海海域提出了用BP神经网络预测海表面盐度的方法,并用实测Argo浮标、WOA13的盐度数据对模型进行适应性评估。结果表明,模型产品相对于"东方红2"实测盐度数据的均方根误差(RMSE)是0.21,而SMOS的SSS1产品、SSS2产品和SSS3产品的精度分别为1.90、1.93和1.91。同时,在验证数据集中,模型预测数据相对于Argo浮标实测盐度数据的均方根误差(RMSE)是0.50,而SMOS的SSS1产品、SSS2产品和SSS3产品的精度分别为1.83、1.83和1.84。此模型具有良好的适应性和泛化能力,为海表面盐度的反演和预测提供了一个不依赖于物理机制的新方法。


本文地址:www.fabiao.net/content-17-8058-1.html

上一篇:莱州湾围填海工程对海洋环境的累积影响研究
下一篇:Geochemical and Sr-Nd-Pb isotopic compositions of volcanic rocks from the Iheya Ridge,the middle Okinawa Trough:implications for petrogenesis and a mantle source

分享到: 分享基于SMOS卫星数据的BP神经网络盐度反演模型到腾讯微博           收藏
评论排行
公告