一种改进的星载GNSS-R卷积神经网络海冰检测方法

作者：叶世榕; 罗歆琪^*; 南阳; 夏朋飞

来源：武汉大学学报(信息科学版), 2023, 1-12.

DOI：10.13203/j.whugis20220585

• 卷积神经网络
• 时延多普勒图
• 海冰检测
• GNSS卫星信号反射

卷积神经网络（Convolutional Neural Network， CNN）已用于星载GNSS-R（Global Navigation Satellite System-Reflectometry）海冰检测，其具有数据预处理简单、最大限度保留反射面信息等优势，但已有GNSS-R CNN海冰检测方法研究的数据集时间跨度较小，代表性有限，且未考虑训练集内海水、海冰时延多普勒图（Delay-Doppler Map， DDM）的比例对方法泛化能力的影响。针对该问题，首先提出一种筛除畸形DDM方法，有效筛除错误数据；其次，设计合适的CNN结构及参数，通过小样本对比试验发现CNN模型在训练集内海水、海冰DDM的比例为1:1时具有高准确率和最佳泛化能力并优化数据集选取策略；最后使用2018全年大样本数据集评估改进的方法在大数据量和大时间跨度时的有效性和可靠性。研究表明改进的方法通过加强数据质量控制、优化数据集选取策略，提升CNN海冰检测方法泛化能力及可靠性，使其更适用于实际应用场景，为海冰消融等研究提供参考。

• 单位
  武汉大学; 天津大学