《雷达学报杂志》发表论文赏析

基于机器学习的Sentinel-1 SAR多普勒频移风、浪响应建模与海流反演

来源:雷达学报杂志2026年第2期北京时间:

作者:车佳恒, 闫秋双, 范陈清, 孟俊敏, 张杰

单位:1.中国石油大学(华东) 青岛 266580;2.自然资源部第一海洋研究所 青岛 266061;

摘要:海流在全球气候调节中具有重要作用。合成孔径雷达(SAR)凭借其对海表多普勒频移的观测能力,为高分辨率海流探测提供了有效的数据支撑。然而,SAR多普勒频移含有多种贡献项,要从中准确反演海流,需要进行非地球物理校正,并准确估算风-浪致多普勒频移的贡献。该研究基于Sentinel-1 SAR多普勒频移观测数据,在完成精确的非地球物理校正后,构建了经粒子群算法优化的BPNN与XGBoost模型描述SAR风-浪致多普勒频移与海面风-浪参数间的非线性映射关系,并通过系统对比评估确定了性能更优的模型,实现了海流流速的高精度反演。结果表明,与BPNN模型相比,XGBoost模型在性能上实现了显著提升。XGBoost模型估计的多普勒频移均方根误差(RMSE)约为4.043 Hz,较BPNN模型降低了2.898 Hz;与HYCOM海流相比,XGBoost模型反演海流的RMSE约为0.202 m/s,较BPNN模型降低了0.122 m/s;与HF雷达观测流速对比,XGBoost模型反演海流的RMSE为0.21 m/s,较BPNN降低了16%。该研究为星载SAR海流反演提供了一种更为精确的技术方法。

关键词:合成孔径雷达, 多普勒频移, 海流反演, 风-浪多普勒贡献, 机器学习

基金资助:国家自然科学基金(42206178)

2026年2期其他文献查阅:

基于多源信息跨域学习的SAR图像目标检测技术研究进展与展望

基于视觉语言模型的SAR图像目标解译综述

DGS-CapNet:基于空间-频率感知的SAR图像描述模型

基于局部拟合一致性的机载SAR图像与仿真SAR图像匹配方法

基于物理感知频空注意力与运动学约束的半监督视频SAR阴影跟踪

基于自监督强化学习的SAR距离压缩域舰船目标检测方法

基于主散射时间熵的多时相极化SAR盐田区域分类

基于有源干扰机的SAR智能识别对抗方法

联合误导性与逼真度优化的SAR ATR最优对抗样本生成方法

仿真数据辅助的雷达HRRP小样本目标识别方法

自适应PHD-BOF:一种基于低空监视雷达的慢速目标跟踪方法

面向海事雷达目标跟踪的自适应多视野聚焦贝叶斯融合相关滤波器

基于互信息熵-改进PHD协同的非合作双基地雷达目标跟踪

雷达变脉宽脉冲串与接收失配滤波协同设计方法

一种面向机械旋转变极化雷达的蝙蝠超分辨改进算法

地球同步轨道SAR运动舰船探测跟踪定位方法与实验验证

众源数据辅助的高分辨率SAR影像控制点自动提取与校正方法研究

基于国产商业SAR卫星的城区建构筑物层析三维成像

基于高分三号SAR图像的海面起伏场准线性反演

基于机器学习的Sentinel-1 SAR多普勒频移风、浪响应建模与海流反演

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!