结合后向散射与干涉特征从SWOT KaRIn数据中反演显著波高
《Remote Sensing》:SWH Retrieval from SWOT KaRIn Data by Combining Backscattering and Interference Characteristics
【字体:
大
中
小
】
时间:2026年08月28日
来源:Remote Sensing 4.3
编辑推荐:
摘要
本研究聚焦于通过结合后向散射和干涉特性,从"陆地和海洋表面地形"(SWOT)卫星上的Ka波段雷达干涉仪(KaRIn)中获取有效波高(SWH)。为此,将后向散射相关参数和干涉相关参数共同作为输入,开发了一种机器学习模型。其中,后向散射相关数据包括归一化雷达截面(NRC
摘要
本研究聚焦于通过结合后向散射和干涉特性,从"陆地和海洋表面地形"(SWOT)卫星上的Ka波段雷达干涉仪(KaRIn)中获取有效波高(SWH)。为此,将后向散射相关参数和干涉相关参数共同作为输入,开发了一种机器学习模型。其中,后向散射相关数据包括归一化雷达截面(NRCS)、入射角以及从KaRIn一级1B(L1B)数据中提取的图像谱参数,而干涉相关数据对应于二级(L2)体积相关性,该参数表征了海洋波散射对干涉相干性的影响。该机器学习模型基于多层感知器(MLP)构建,作为非线性拟合工具。本研究提出的方法所得到的SWH结果与现有的L2 SWH产品作为参考,通过共址的欧洲中期天气预报中心(ECMWF)再分析数据、海洋2C(HY2C)和海洋2D(HY2D)测高仪数据以及美国国家数据浮标中心(NDBC)浮标数据进行了验证。验证结果表明,两种KaRIn SWH结果在相关系数(COR)、偏差(BIAS)和均方根误差(RMSE)方面与共址数据均表现出良好的一致性。此外,当与共址的ECMWF数据集进行验证时,所提出方法的反演精度(RMSE约为0.29米)优于L2产品(RMSE约为0.46米)。消融分析进一步确认,图像谱参数和体积相关性是驱动反演精度提升的主要因素,且谱特征的子参数之间存在显著的贡献差异。这种性能提升源于后向散射和干涉可观测量之间互补的物理机制,它们从独立的维度描述了海况信息。这些精确的SWH反演结果有助于修正共址KaRIn海面高度产品的海况偏差,并补充其他卫星传感器的波浪产品。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号