SMAP卫星的RBF神经网络海表盐度遥感反演

作者：赵文杰; 李洪平^*; 刘海行

来源：海洋科学进展, 2022, 40(03): 513-522.

• 海表盐度
• SMAP卫星
• RBF神经网络
• 盐度反演

针对传统海表盐度遥感反演精度不高、影响因素较少等问题，本文基于SMAP(Soil Moisture Active Passive)卫星L2C(Level 2 C)数据、Argo(Array for Real-time Geostrophic Oceanography)数据和其他辅助数据，以太平洋部分海域（160°E～120°W,0°～30°N）为研究区域，综合考虑海面粗糙度以及白冠覆盖率等参量，利用径向基神经网络建立RBF亮温增量模型，并对平静海面亮温进行修正，然后基于Meissner-Wentz介电常数模型得到反演后的盐度值。验证结果表明：模型预测盐度和SMAP卫星盐度相对于Argo实测盐度的均方根误差分别为0.4和0.5，平均绝对误差分别为0.3和0.4。实验证明，利用RBF神经网络建立的亮温增量模型可以提高海表盐度反演的精度，对海表盐度反演具有实用意义。

• 单位
  中国海洋大学; 自然资源部第一海洋研究所