首页期刊介绍通知公告编 委 会投稿须知电子期刊广告合作联系我们在线留言
 
一种基于BP神经网络方法的HY-2A散射计反演风场偏差订正方案
作者:潘微1 2 3  邢建勇1 3  万莉颖1 3 
单位:1. 国家海洋环境预报中心, 北京 100081;
2. 厦门大学海洋与地球学院物理海洋学系, 厦门 361005;
3. 国家海洋环境预报中心 国家海洋局海洋灾害预报技术研究重点实验室, 北京 100081
关键词:HY-2A散射计 偏差订正 BP神经网络 
分类号:P732.1
出版年·卷·期(页码):2018·35·第二期(8-18)
摘要:
针对HY-2A散射计风矢量场数据,利用BP神经网络方法,引入NDBC浮标的降水海温等环境要素,对HY-2A散射计风场进行偏差订正。实验结果表明: BP神经网络方法对HY-2A散射计的风速风向均有较好的订正效果,能有效修正HY-2A的风速高估现象,风速平均偏差由2.32 m/s改善至0.25 m/s;同时通过敏感性试验,发现了各样本输入量以及各环境要素对实验结果的敏感性。
Aiming at HY-2A scatter meter wind vector field data,using BP neural network method,with the introduction of NDBC buoy environmental elements,including SST and precipitation,we have made a bias correction in the HY-2A scatter meter wind field.Experiment results show that the BP neural network method has a good correction effect on HY-2A scattering wind speed and direction,which can effectively alleviated HY-2A wind speed overestimation,with the mean bias improving from 2.32 m/s to 0.25 m/s.At the same time by sensitivity test,we find the sensitivity of experiment result with the sample size and environmental factors.
参考文献:
[1] 王东良, 姚小海, 孟雷, 等. 海洋二号卫星散射计风场产品真实性检验及分析[J]. 海洋预报, 2014, 31(4):47-53, doi:10.11737/j. issn.1003-0239.2014.04.007.
[2] 苗俊刚, 刘大伟. 微波遥感导论[M]. 北京:机械工业出版社, 2013.
[3] 冯士筰, 李风岐, 李少菁. 海洋科学导论[M]. 北京:高等教育出版社, 1999.
[4] Freilich M H, Dunbar R S. The accuracy of the NSCAT 1 vector winds:comparisons with National Data Buoy Center buoys[J]. Journal of Geophysical Research:Oceans, 1999, 104(C5):11231-11246.
[5] Xing J Y, Shi J C, Lei Y H, et al. Evaluation of HY-2A scatterometer wind vectors using data from buoys, ERA-interim and ASCAT during 2012-2014[J]. Remote Sensing, 2016, 8(5):390.
[6] Stiles B W, Yueh S H. Impact of rain on spaceborne Ku-band wind scatterometer data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(9):1973-1983.
[7] Liu W T. The effects of the variations in sea surface temperature and atmospheric stability in the estimation of average wind speed by SEASAT-SASS[J]. Journal of Physical Oceanography, 1984, 14(2):392-401.
[8] 邢建勇. 基于HY-2A多传感器的风反演精度和同化研究[D]. 北京:中国科学院大学, 2016.
[9] 何恩业, 李海, 任湘湘, 等. BP人工神经网络在渤海湾叶绿素预测中的应用[J]. 海洋预报, 2008, 25(2):1-10.
[10] 李世萍, 孔令彬, 肖玮, 等. 基于BP神经网络的风速观测资料序列订正模型[J]. 兰州大学学报(自然科学版), 2013, 49(3):337-339, 346.
[11] 卢君峰, 李少伟, 袁方超. 基于BP神经网络的厦门沿海风暴潮预报应用[J]. 海洋预报, 2016, 33(4):9-16.
[12] 邵利民, 傅刚, 曹祥村, 等. BP神经网络在台风路径预报中的应用[J]. 自然灾害学报, 2009, 18(6):104-111.
[13] Pensieri S, Bozzano R, Schiano M E. Comparison between QuikSCAT and buoy wind data in the Ligurian Sea[J]. Journal of Marine Systems, 2010, 81(4):286-296.
服务与反馈:
文章下载】【发表评论】【查看评论】【加入收藏
 
 海洋预报编辑部 地址:北京海淀大慧寺路8号 电话:010-62105776
投稿网址:http://www.hyyb.org.cn
邮箱:bjb@nmefc.cn
本系统由北京博渊星辰网络科技有限公司设计开发 技术支持电话:010-63361626