基于SMOS卫星数据的BP神经网络盐度反演模型

• 作者: 李长军 赵清晖 赵红
• 来源期刊: 中国海洋大学学报（自然科学版）
• 学科: 数学
• 关键词: 海表面盐度 SMOS卫星 BP神经网络 反演算法
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 125-134
• 页数: 10页
• 分类号: O212
• 字数: 6669字
• 语种: 中文
• DOI: 10.16441/j.cnki.hdxb.20150261

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、WOA 13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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵红	中国海洋大学数学科学学院	11	28	4.0	5.0
2	李长军	中国海洋大学数学科学学院	20	10	2.0	2.0
3	赵清晖	中国海洋大学数学科学学院	1	1	1.0	1.0