針對合成孔徑雷達(SAR)海浪有效波高反演方法開展研究,提出了基于超限學習機(ELM)模型的SAR海浪有效波高經驗反演方法。通過對ENVISAT ASAR波模式數據和ECMWF再分析數據進行數據時空匹配得到SAR圖像與海浪有效波高的匹配數據集,分別在大匹配數據集和小匹配數據集兩種情況下對SAR海洋有效波高反演算法進行經驗建模,并與業(yè)務化CWAVE算法進行了對比驗證。結果表明:大匹配數據集下,所提經驗模型的精度為0.87,反演精度總體略遜于CWAVE算法(0.91),但在模型訓練效率方面,所提經驗算法(0.022 s)要優(yōu)于CWAVE算法(0.514 s);在小匹配數據集下,所提經驗算法反演精度為0.59,模型效率為0.008 s,均遠優(yōu)于CWAVE算法(-0.38和0.318 s)�；贓LM模型可以實現(xiàn)小匹配數據集下SAR海浪有效波高的較高精度反演。

【文章頁數】：9 頁

【文章目錄】：
1 引 言
2 數據源與預處理
    2.1數據源
        2.1.1 SAR數據
        2.1.2 ECMWF再分析數據
        2.1.3浮標數據
    2.2預處理
3 研究方法
4 數據結果處理與分析
    4.1大匹配數據集下反演模型的建立與驗證
    4.2小匹配數據集下反演模型的建立與驗證
    4.3參數敏感性評價
5 結 論
附錄：CWAVE＿ENV算法中的多元系數



本文編號：3833376