基于树模型机器学习方法的GNSS-R海面风速反演

• 作者: 夏俊明 孙越强 白伟华 骆黎明
• 来源期刊: 空间科学学报
• 学科: 地球科学
• 关键词: GNSS-R 海面风速 反演 机器学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 研究论文—空间探测技术
• 页码范围: 595-601
• 页数: 7页
• 分类号: P753|TN967
• 字数: 3550字
• 语种: 中文

摘要

GNSS-R是基于GNSS卫星反射信号的一种新技术.GNSS-R技术可以运用到海面风场反演中,传统的GNSS-R技术反演海面风场主要有波形匹配和经验函数两种方法,风速反演精度约为2m·s-1.波形匹配方法耗时多,计算量大;经验函数方法通常只使用少量物理观测量,会造成信息浪费,损失一定的反演精度.为了提高海面风速的反演精度,引入机器学习领域常用的树模型算法决策树、随机森林、GBDT等对海面风速进行预测.利用GNSS-R与ECMWF数据构成训练集和验证集,训练集用于模型学习,验证集用于检验模型的反演效果.实验结果显示,决策树和随机森林预测误差约为0.6m·s-1,GBDT等算法的预测误差约为2m.s-1,满足风速反演要求.与GNSS-R传统反演方法相比,机器学习树模型算法效果更好,在验证集上表现稳定且误差较小.因此,可以将机器学习树模型算法运用到海面风速反演中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙越强	中国科学院国家空间科学中心	48	277	8.0	14.0
7	白伟华	中国科学院国家空间科学中心	19	76	6.0	7.0
13	骆黎明	中国科学院国家空间科学中心	1	0	0.0	0.0