[發明專利]結合遙感與浮標數據的海洋熱含量遙感反演方法

有效

• 申請號: 202110324115.6
• 申請日: 2021-03-26
• 公開（公告）號: CN113063737B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 蘇華;秦天
• 申請（專利權）人: 福州大學
• 主分類號: G01N21/17
• 分類號: G01N21/17;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳鼎桂;蔡學俊

1.一種結合遙感與浮標數據的海洋熱含量遙感反演方法，其特征在于，包括以下步驟：

步驟S1：獲取全球海洋多源海表遙感觀測數據以及Argo實測格網數據并進行預處理，得到海表數據、時空參量以及海洋內部熱含量數據；

步驟S2：根據Argo實測坐標數據，將每個格網點海洋內部熱含量數據與輸入模型的海表遙感和時空參量一一對應，分別標記為特征矩陣X、標簽矩陣Y；

步驟S3：將特征矩陣和標簽矩陣縱向合并，并按時間序列劃分成訓練數據集、驗證數據集、測試數據集；

步驟S4：基于長短期記憶神經網絡LSTM時間序列深度學習方法對訓練數據集進行訓練，并根據數據集的損失函數的變化，選擇最優的網絡深度及參數，建立反演模型；

步驟S5：獲取歷史長時序特征矩陣X'，并作為步驟S4中模型的輸入數據，進一步重建海洋內部熱含量OHC數據集；

所述海表數據包括海表高度SSH、海表溫度SST、海表風速水平分量USSW及垂直分量VSSW，所述時空參量包括經度LON、緯度LAT和時間DOY；

所述步驟S2具體為：利用Argo實測經緯度坐標數據，使每格網點熱含量OHC與輸入模型的海表遙感觀測數據和時空位置參量共7個變量一一對應；將七參量標記為特征矩陣X、實測熱含量OHC標記為標簽矩陣Y。

2.根據權利要求1所述的一種結合遙感與浮標數據的海洋熱含量遙感反演方法，其特征在于，所述步驟S1具體為：

步驟S11：獲取全球海洋多源海表遙感觀測數據以及Argo實測格網數據，按月尺度提取時間序列海表高度數據SSH；海表溫度數據SST；海表風場數據SSW；經度LON；緯度LAT；時間DOY；Argo實測的熱含量數據OHC；其中海表風場分解成水平分量USSW與垂直分量VSSW；將所有數據的異常值剔除并統一空間范圍；

步驟S12：將所有海表遙感觀測數據的空間分辨率利用最優插值法統一為預設值；

步驟S13：將得到的所有參量均進行歸一化處理。

3.根據權利要求1所述的一種結合遙感與浮標數據的海洋熱含量遙感反演方法，其特征在于，所述步驟S3具體為：

步驟S31：將特征矩陣X與標簽矩陣Y進行列合并得到矩陣A；

步驟S32：將矩陣A按時間序列以預設比例進行行向劃分，從而生成訓練數據集、驗證數據集、測試數據集。

4.根據權利要求1所述的一種結合遙感與浮標數據的海洋熱含量遙感反演方法，其特征在于，所述步驟S4具體為：

步驟S41：使用長短期記憶神經網絡LSTM時間序列深度學習方法對訓練數據集進行訓練，依據驗證集的損失函數變化，選擇最優的超參數，得到最終模型；

步驟S42：超參數調整后，將測試集作為輸入數據，用精度評價因子決定系數R²、均方根誤差RMSE或相對均方根誤差RRMSE衡量最終模型的泛化能力。

5.根據權利要求1所述的一種結合遙感與浮標數據的海洋熱含量遙感反演方法，其特征在于，所述步驟S5具體為：

步驟S51：獲取歷史長時序海表遙感觀測和時空位置共7個參量的數據標記為長時序特征矩陣X'；

步驟S52：將長時序特征矩陣X'輸入步驟S4訓練好的模型，利用模型在訓練集中學習到的時序依賴關系，由X'直接預測得到Y'，反演并輸出時序重建海洋內部熱含量OHC數據集。