一种基于卫星遥感数据反演海洋表层流速的方法
本发明涉及人工智能，特别是涉及一种基于卫星遥感数据反演海洋表层流速的方法。
背景技术：
1、赤道地区海洋表层流速是当地关键的海洋变量之一，基于卫星遥感数据反演时空连续的高精度海洋表层流速对于气候变化预测、海上航行安全保障、海洋生态与动力灾害预警等具有重要意义。然而由于赤道的特殊地理位置，纬度为0，科氏参数为0，无法直接应用地转平衡理论和ekman平衡理论，赤道海区海表流速的反演一直是海洋数据反演中的一大难题。当前基于卫星遥感数据反演赤道海表面流速的技术，主要为将地转平衡在赤道海区进行修正后即β平衡算得的地转流和经过统计修正后的ekman平衡即加入振幅系数算得的风生流相加得到海表流速。
2、为了验证当前反演算法得到的海表面流速的精度，基于当前反演算法、aviso(archiving,validation,and interpretation of satellite oceanographic data)、卫星遥感海表面高度数据集和era5(ecmwf reanalysis-5)海洋10m风速数据集反演得到了赤道海区的海表面流速，并与该海区的tao(tropical atmosphere ocean)海洋流速观测数据集进行了对比。对比结果如图2(a)-(b)所示，结果表明基于该算法反演流速的效果不理想，其中反演纬向流速与观测纬向流速的相关系数仅为0.38，均方根误差可以达到0.97m/s；反演经向流速与观测经向流速的相关系数仅为0.1，均方根误差达到0.44m/s。
3、当前海流反演算法主要存在如下问题：(1)反演地转和风生流的公式是基于海水处于平衡态的假设，忽略了平流和混合等关键物理过程，利用简化后的海水运动方程推得，该方程只适用于时间分辨率较粗如一个月以上、空间尺度较大即符合地转平衡的海表面流速反演，然而当前卫星遥感数据的时间分辨率已经达到1天甚至更高，基于平衡假设的反演计算方法无法满足当前的反演需求；(2)流速反演过程中仅考虑了海表面高度和海表面风速两个要素，而自然界中海表面流速还会受到海表面温度、盐度和海浪的影响，忽略这些要素会很大程度上降低反演结果的精度。
技术实现思路
1、本发明的目的是提供一种基于卫星遥感数据反演海洋表层流速的方法，主要针对传统算法中由于假设海水处于平衡状态和重要特征缺失造成的赤道海区海表面流速反演效果较差的问题，将海表面温度、盐度、海浪要素融入人工智能神经网络，确定海表面流速与卫星遥感特征的非线性关系。
2、为实现上述目的，本发明提供了如下方案：
3、一种基于卫星遥感数据反演海洋表层流速的方法，包括：
4、获取赤道海区的卫星遥感数据和再分析数据，并获取所述卫星遥感数据和所述再分析数据的衍生数据；
5、将所述卫星遥感数据、所述再分析数据和所述衍生数据输入赤道海表面流速反演模型，获取赤道海区海表面流速并进行逆归一化处理，获取最终赤道海区海表面流速，其中，所述赤道海表面流速反演模型基于前馈神经网络构建并通过训练数据集训练获得，所述训练数据集包括历史卫星遥感数据、历史再分析数据、历史衍生数据和相应的现场观测流速数据集。
6、可选的，所述再分析数据包括：再分析的海表面温度、盐度、海浪要素、风应力数据、海水表面密度。
7、可选的，所述衍生数据包括：所述卫星遥感数据的经纬向梯度、所述再分析数据的经纬向梯度和波向正余弦。
8、可选的，获取所述训练数据集包括：
9、将所述现场观测流速数据集的时空格点作为基准，将所述历史卫星遥感数据、所述历史再分析数据和所述历史衍生数据进行插值；
10、将所述现场观测流速数据集作为反演标签，并将所述历史卫星遥感数据、所述历史再分析数据、所述历史衍生数据与相对应的所述反演标签作为所述训练数据集，并将所述训练数据集进行归一化处理。
11、可选的，基于所述前馈神经网络构建所述赤道海表面流速反演模型包括：
12、根据太平洋表层流速特征，采用预设划分经度划定太平洋东西海盆，根据划分结果采用不同结构的所述前馈神经网络构建所述赤道海表面流速反演模型，其中，所述预设划分经度的预设范围内添加平滑系数。
13、可选的，不同结构的所述前馈神经网络为不同隐藏层数和不同隐藏层神经元数量的前馈神经网络。
14、可选的，训练所述赤道海表面流速反演模型包括：
15、将所述历史卫星遥感数据、所述历史再分析数据、所述历史衍生数据作为所述赤道海表面流速反演模型的输入，所述相应的现场观测流速数据作为输出，在到达预设训练停止条件时，完成所述赤道海表面流速反演模型训练，获得训练完成的所述赤道海表面流速反演模型。
16、可选的，在训练所述赤道海表面流速反演模型过程中，隐藏层激活函数采用非对称的sigmoid函数激活，输出层则采用线性激活。
17、本发明的有益效果为：
18、本发明提出了使用神经网络反演赤道海区表层流速的方法，该方法合理规避了传统算法中关于海水处于平衡状态的假设，避免了因为流体运动方程在赤道海区的不合理近似造成的流速反演的较大误差，有效提高了赤道海区海表面流速的反演精度。
19、本发明构建了一个多要素特征输入的赤道海区表层流速的反演方法，使用合理有效的多卫星遥感参数组合，弥补了传统算法中仅采用海表面高度、风应力两个参数的不足。
技术特征：
1.一种基于卫星遥感数据反演海洋表层流速的方法，其特征在于，包括：
2.根据权利要求1所述的基于卫星遥感数据反演海洋表层流速的方法，其特征在于，所述再分析数据包括：再分析的海表面温度、盐度、海浪要素、风应力数据、海水表面密度。
3.根据权利要求1所述的基于卫星遥感数据反演海洋表层流速的方法，其特征在于，所述衍生数据包括：所述卫星遥感数据的经纬向梯度、所述再分析数据的经纬向梯度和波向正余弦。
4.根据权利要求1所述的基于卫星遥感数据反演海洋表层流速的方法，其特征在于，获取所述训练数据集包括：
5.根据权利要求1所述的基于卫星遥感数据反演海洋表层流速的方法，其特征在于，基于所述前馈神经网络构建所述赤道海表面流速反演模型包括：
6.根据权利要求2所述的基于卫星遥感数据反演海洋表层流速的方法，其特征在于，不同结构的所述前馈神经网络为不同隐藏层数和不同隐藏层神经元数量的前馈神经网络。
7.根据权利要求1所述的基于卫星遥感数据反演海洋表层流速的方法，其特征在于，训练所述赤道海表面流速反演模型包括：
8.根据权利要求7所述的基于卫星遥感数据反演海洋表层流速的方法，其特征在于，在训练所述赤道海表面流速反演模型过程中，隐藏层激活函数采用非对称的sigmoid函数激活，输出层则采用线性激活。
技术总结
本发明涉及人工智能技术领域，特别是涉及一种基于卫星遥感数据反演海洋表层流速的方法，包括：获取赤道海区的卫星遥感数据和再分析数据，并获取卫星遥感数据和再分析数据的衍生数据；将卫星遥感数据、再分析数据和衍生数据输入赤道海表面流速反演模型，获取赤道海区海表面流速并进行逆归一化处理，获取最终赤道海区海表面流速，其中赤道海表面流速反演模型基于前馈神经网络构建并通过训练数据集训练获得，训练数据集包括历史卫星遥感数据、历史再分析数据、历史衍生数据和相应的现场观测流速数据集。本发明提供了一种简单有效的高精度海表面流速反演方法，有效地提高了赤道流速的反演效果。
技术研发人员：梁朋,游济铭,杨丽娜
受保护的技术使用者：广东海洋大学
技术研发日：
技术公布日：2024/12/5