海表面盐度的高精度预测模型

作者：王颖超,柳青青,李洪平,赵红

摘要：为了建立高精度的海洋表面盐度预测模型,采用BP神经网络的方法,针对SMOS卫星level 1C级亮度温度数据和辅助数据建立了一种海表面盐度预测模型,以ARGO浮标观测值作为海表盐度实测值来检验新模型预测结果的准确度,同时利用验证集对模型的精度进行验证。结果表明:通过新模型预测的海表盐度(SSS0)比SMOS卫星的3个粗糙度模型盐度产品(SSS1,SSS2,SSS3)精度高;SSS0,SSS1,SSS2,SSS3与ARGO浮标实测盐度(SSS ARGO)的均方根误差分别为0.8473,2.0417,2.0288和2.0805,平均绝对误差分别为0.7553,1.4226,1.4216和1.4566,SSS0与SSS ARGO的均方根误差和绝对平均误差值都明显小于SSS1,SSS2和SSS3与SSS ARGO的;由此可见,建立的海表盐度预测模型精度较高。新模型为海表盐度的反演算法提供了新思路。

发文机构：中国海洋大学信息科学与工程学院 青岛大学商学院 中国海洋大学数学科学学院

关键词：海表盐度BP神经网络SMOS卫星ARGO浮标sea surface salinitythe back propagation(BP)neural networkthe soil moisture and ocean salinity(SMOS)satellitethe array for real-time geostrophic oceanography(ARGO)buoy

分类号： P731.11[天文地球—海洋科学]