基于树模型机器学习方法的GNSS-R海面风速反演

作者：骆黎明,白伟华,孙越强,夏俊明

摘要：GNSS-R是基于GNSS卫星反射信号的一种新技术.GNSS-R技术可以运用到海面风场反演中,传统的GNSS-R技术反演海面风场主要有波形匹配和经验函数两种方法,风速反演精度约为2m·s^-1.波形匹配方法耗时多,计算量大;经验函数方法通常只使用少量物理观测量,会造成信息浪费,损失一定的反演精度.为了提高海面风速的反演精度,引入机器学习领域常用的树模型算法决策树、随机森林、GBDT等对海面风速进行预测.利用GNSS-R与ECMWF数据构成训练集和验证集,训练集用于模型学习,验证集用于检验模型的反演效果.实验结果显示,决策树和随机森林预测误差约为0.6 m·s^-1,GBDT等算法的预测误差约为2 m·s^-1,满足风速反演要求.与GNSS-R传统反演方法相比,机器学习树模型算法效果更好,在验证集上表现稳定且误差较小.因此,可以将机器学习树模型算法运用到海面风速反演中.

发文机构：中国科学院国家空间科学中心 中国科学院大学 北京市天基空间环境探测重点实验室

关键词：GNSS-R海面风速反演机器学习GNSS-RSea surface wind speedInversionMachine learning

分类号： P753[交通运输工程—港口、海岸及近海工程]TN967[天文地球—海洋科学]