合成孔径雷达风场反演变分方案评估

来源 :地球物理学报 | 被引量 : 0次 | 上传用户：ycdyjlc

【摘要】

：

利用合成孔径雷达获取高空间分辨率的海面风场,对于研究沿岸海域大气海洋过程具有重要意义.应用CMOD地球物理模型直接反演风速受先验风向误差影响较大,30°的风向误差可导致高达40%的风速误差.变分方法考虑了雷达观测值及背景风场的不确定性,能够较好地降低先验风向对反演风速的影响.但不同的观测误差或地球物理模型选择会形成不同的变分方案,使得反演风场存在差异.本文基于Sentinel-1合成孔径雷达数据及NDBC浮标数据,对不同变分方案进行了系统评估.试验结果表明,当观测误差选取常值0.1 dB、地球物理模型选取

【作者】

：

张伟石汉青姜祝辉杨平吕常舒捷项杰买彦博

【机构】

：

国防科技大学气象海洋学院,中国卫星海上测控部,地理信息工程国家重点实验室

【出处】

：

地球物理学报

【发表日期】

：

2021年7期

【关键词】

：

合成孔径雷达海面风场变分方法 Sentinel-1 CMOD7

【基金项目】

：

国家自然科学基金(41275113),地理信息工程国家重点实验室自主研究课题(SKLGIE2018-ZZ-8)资助.

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

卷积神经网络快速挑选接收函数

地震三分量波形数据中提取的接收函数受震源复杂性及随机噪声等因素的影响,往往出现一些波形异常现象,需要在资料解释前予以剔除.当接收函数数量较多时,人为挑选质量合格的接收函数将耗费大量的时间.为了高效的挑选高质量的接收函数,本文利用深度学习卷积神经网络(Convolutional Neural Network,简称CNN)方法来对接收函数的质量进行判断.我们使用华北地区和阿巴嘎地区地震观测台站接收的9

期刊

接收函数卷积神经网络快速挑选

基于领域本体的数字图书馆知识聚合服务研究

随着数字图书馆知识存量井喷式增长,其在满足用户对多元化知识需求的同时,亦诱发了选择困难、信息孤岛与重复建设等突出矛盾。通过对数字知识进行领域本体分析与概念聚合,有助于将数字图书馆中零散的海量异构化知识数据予以规整化统筹,为用户提供更直观化、个性化、智能化的知识服务。本文阐释领域本体相关理论,分析基于领域本体的数字图书馆知识聚合服务基本要素,并从领域本体知识表示、领域知识聚合交互与聚合服务三大模块,探讨基于领域本体的数字图书馆知识聚合服务实现机制与技术路线。

期刊

领域本体知识聚合数字图书馆服务实现路径

合成孔径雷达风场反演变分方案评估

其他学术论文