本文使用 SSM/I 辐射计资料,通过建立神经网络模型的方法进行全球海面风场的实时反演。分别讨论了使用神经网络方法反演海面风速和海面风向。重点分析海面风速的神经网络反演方法,分别建立单参数、多参数和复合多参数神经网络模型反演海面风速。对神经网络的结构、传递函数及训练方法对反演风速的影响进行了分析。发展了分类神经网络方法、循环型神经网络和联合型神经网络三种新型的神经网络对海面风速进行反演。对海面风向的反演主要是通过建立多个单参数、多参数和复合多参数神经网络模型进行探讨。 神经网络的训练和检验使用由 TAO 浮标和 NDBC 浮标的实测值与 SSM/I 辐射计亮温值的匹配得到的样本数据。数据被分成不同类型以便考察神经网络在不同天气及风速状态下的反演表现。在进行风速及风向的反演过程中,讨论了SSM/I 辐射计的 85GHz H/V 极化亮温通道对结果的影响。同时,分析了风向对风速反演的影响。 通过比较,本文中的神经网络方法反演海面风速的精度高于与以往的各种SSM/I 辐射计资料反演海面实时风速算法的精度。由于 SSM/I 辐射计资料里的风向信息微弱,对使用神经网络反演海面风向仅做探讨型研究。