Please wait a minute...
 
国土资源遥感  2006, Vol. 18 Issue (2): 8-11    DOI: 10.6046/gtzyyg.2006.02.03
  技术方法 本期目录 | 过刊浏览 | 高级检索 |
散射计资料的风场神经网络反演算法研究
林明森1,3 , 宋新改2,1, 彭海龙1, 冯 倩1
1.国家卫星海洋应用中心,北京100081; 2.中国海洋大学,青岛266003; 3.国家海洋局第三海洋研究所,厦门361005
NEURAL NETWORK WIND RETRIEVAL FROM SCATTEROMETER DATA
LIN Ming-sen 1,3, SONG Xin-gai 2,1, PENG Hai-long 1, FENG Qian 1
1.National Satellite Ocean Application Service, Beijing 100081, China; 2.Ocean University of China, Qingdao 266003, China; 3.The Third Istitute of Oceanography, SAO,Xiamen 361005, China
全文: PDF(674 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

 建立一种神经网络反演海面风场的算法。该算法以ERS_1/2散射计数据和欧洲中期预报分析风场(ECMWF)的配准点数据作为神经网络训练和检验数据集。研究表明,该算法具有运行速度快和精度高等特点,反演的风速和风向与C波段第4模型(COMD 4)和ECMWF吻合较好。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 遥感数字图像处理大气校正    
Abstract

This paper presents a neural network method for retrieving wind vectors from ERS-1/2 scatterometer data, which resolves wind directional ambiguities for scatterometer derived winds by a circular median filter algorithm. Learning data set and test data set come from ERS-1/2 scatterometer data collocated pairs with ECMWF vectors. A comparison with COMD4 and ECMWF wind vector shows that the result is good and the performance is quicker than any other methods. The good performance of the neural network method suggests the possibility of wind retrieval from ERS-1/2 scatterometer.

Key wordsremote sensing    digital image processing    atmospheric correction
     出版日期: 2009-09-10
: 

 

 
  TP 75

 
引用本文:   
林明森, 宋新改, 彭海龙, 冯倩. 散射计资料的风场神经网络反演算法研究[J]. 国土资源遥感, 2006, 18(2): 8-11.
LIN Ming-Sen, SONG Xin-Gai, PENG Hai-Long, FENG Qian. NEURAL NETWORK WIND RETRIEVAL FROM SCATTEROMETER DATA. REMOTE SENSING FOR LAND & RESOURCES, 2006, 18(2): 8-11.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2006.02.03      或      https://www.gtzyyg.com/CN/Y2006/V18/I2/8
[1] 李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[2] 丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[3] 高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[4] 张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[5] 贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[6] 刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[7] 王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[8] 吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[9] 张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[10] 薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[11] 宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[12] 艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[13] 李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
[14] 刘白露, 管磊. 南海珊瑚礁白化遥感热应力检测改进方法研究[J]. 自然资源遥感, 2021, 33(4): 136-142.
[15] 吴芳, 金鼎坚, 张宗贵, 冀欣阳, 李天祺, 高宇. 基于CZMIL测深技术的海陆一体地形测量初探[J]. 自然资源遥感, 2021, 33(4): 173-180.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发