基于樹模型機器學習方法的GNSS-R海面風速反演

作者：駱黎明,白偉華,孫越強,夏俊明

摘要：GNSS-R是基于GNSS衛星反射信號的一種新技術.GNSS-R技術可以運用到海面風場反演中,傳統的GNSS-R技術反演海面風場主要有波形匹配和經驗函數兩種方法,風速反演精度約為2m·s^-1.波形匹配方法耗時多,計算量大;經驗函數方法通常只使用少量物理觀測量,會造成信息浪費,損失一定的反演精度.為了提高海面風速的反演精度,引入機器學習領域常用的樹模型算法決策樹、隨機森林、GBDT等對海面風速進行預測.利用GNSS-R與ECMWF數據構成訓練集和驗證集,訓練集用于模型學習,驗證集用于檢驗模型的反演效果.實驗結果顯示,決策樹和隨機森林預測誤差約為0.6 m·s^-1,GBDT等算法的預測誤差約為2 m·s^-1,滿足風速反演要求.與GNSS-R傳統反演方法相比,機器學習樹模型算法效果更好,在驗證集上表現穩定且誤差較小.因此,可以將機器學習樹模型算法運用到海面風速反演中.

發文機構：中國科學院國家空間科學中心 中國科學院大學 北京市天基空間環境探測重點實驗室

關鍵詞：GNSS-R海面風速反演機器學習GNSS-RSea surface wind speedInversionMachine learning

分類號： P753[交通運輸工程—港口、海岸及近海工程]TN967[天文地球—海洋科學]