[口头报告]基于机器学习和SAR遥感的近海风速反演研究

基于机器学习和SAR遥感的近海风速反演研究
编号:3766 稿件编号:2120 访问权限:仅限参会人 更新:2024-04-14 11:22:17 浏览:73次 口头报告

报告开始:2024年05月20日 10:23 (Asia/Shanghai)

报告时间:7min

所在会议:[S20] 主题20、城市海岸带与陆海统筹 » [S20-4] 主题20、城市海岸带与陆海统筹 专题20.8、专题20.10(20日上午,109)

暂无文件

摘要
       海表面风速是海洋气象观测的重要指标之一,在海洋学、气象学等相关领域研究中具有重要作用。合成孔径雷达(SAR)最重要的应用之一就是可以用来获取海表的风速信息。目前已有研究主要基于经验关系的地球物理模型函数(GMFs)手段,通过描述海表SAR信号与风速之间的复杂关系来反演海表面风速。随着人工智能技术的迅速发展,类似的非线性反演难题可以通过机器学习的方法解决,本研究针对哨兵1号SAR数据,研发了多种基于机器学习方法的海表面风速反演模型,实验结果表明,相较于传统GMFs模型手段,这些机器学习反演方法能够很好地再现海表面的风场信息,所反演风速的均方根误差在2 m/s以内。本研究可以为近海风速的SAR遥感探测研究提供重要参考和依据。
关键字
Synthetic aperture radar (SAR),风速,机器学习
报告人
于鹏
副教授 厦门理工学院

稿件作者
于鹏 厦门理工学院
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 18005960255 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订