论文部分内容阅读
微波辐射计是通过测量地物微波辐射亮温从而提取地物信息的被动式微波遥感器,已经广泛应用于大气微波遥感、海洋微波遥感和陆地微波遥感等众多领域。海洋表面是海洋和大气能量及其他交换的界面,是人类研究和开发海洋的一个重要议题。本文针对降雨条件下海气参数反演较为困难这一问题,采用AMSR2在轨亮温数据,利用半统计模型法和统计模型法,分别发展了适用于飓风情况的风速反演算法和适用于全球的降雨条件下海表温度和风速的反演算法,弥补了AMSR2传感器无降雨条件下的海表风速和温度数据产品的不足,为飓风等海洋灾害预报和评估,提供数据支持。本文的主要内容和结论包括:(1)AMSR2在轨亮温数据稳定性评价。阐述最低亮温分析方法的基本原理,利用多项式拟合,确定AMSR2各个通道的最低亮温值,并分析其变化情况,发现各通道最低亮温标准差为0.2K-1.3K,与同类传感器水平相当,结果表明AMSR2辐射计在轨性能稳定,在轨亮温数据稳定、可靠。(2)降雨条件下飓风风速反演算法。基于辐射传输模型,考虑降雨对大气吸收的影响,研究不同频率亮温对降雨的敏感度,得到了对降雨不敏感而对于风速较为敏感的通道组合TB6.8H-0.39*TB10.7H,用于飓风风速反演算法的建立。最终算法结果通过与HRD风场数据比较,线性回归算法的反演结果标准偏差2.7m/s,相对误差11%;BP神经网络算法的反演结果标准偏差2.2m/s,相对误差8%。BP神经网络算法的结果优于线性回归算法。(3)降雨条件下全球海气参数反演算法。利用AMSR2的L1B亮温数据,提取降雨点数据,与NDBC浮标数据匹配,分别建立线性回归算法和神经网络算法。线性回归算法的海表温度SST标准偏差1.9℃,相关系数0.97;海表风速标准偏差3.0m/s,相关系数0.70。BP神经网络方法反演算法,得到海表温度SST标准偏差1.6℃,相关系数0.98;海表风速标准偏差2.4m/s,相关系数0.81。BP神经网络算法的结果优于线性回归算法。