海表面鹽度的高精度預測模型

作者：王穎超,柳青青,李洪平,趙紅

摘要：為了建立高精度的海洋表面鹽度預測模型,采用BP神經網絡的方法,針對SMOS衛星level 1C級亮度溫度數據和輔助數據建立了一種海表面鹽度預測模型,以ARGO浮標觀測值作為海表鹽度實測值來檢驗新模型預測結果的準確度,同時利用驗證集對模型的精度進行驗證。結果表明:通過新模型預測的海表鹽度(SSS0)比SMOS衛星的3個粗糙度模型鹽度產品(SSS1,SSS2,SSS3)精度高;SSS0,SSS1,SSS2,SSS3與ARGO浮標實測鹽度(SSS ARGO)的均方根誤差分別為0.8473,2.0417,2.0288和2.0805,平均絕對誤差分別為0.7553,1.4226,1.4216和1.4566,SSS0與SSS ARGO的均方根誤差和絕對平均誤差值都明顯小于SSS1,SSS2和SSS3與SSS ARGO的;由此可見,建立的海表鹽度預測模型精度較高。新模型為海表鹽度的反演算法提供了新思路。

發文機構：中國海洋大學信息科學與工程學院 青島大學商學院 中國海洋大學數學科學學院

關鍵詞：海表鹽度BP神經網絡SMOS衛星ARGO浮標sea surface salinitythe back propagation(BP)neural networkthe soil moisture and ocean salinity(SMOS)satellitethe array for real-time geostrophic oceanography(ARGO)buoy

分類號： P731.11[天文地球—海洋科學]