一种利用卫星遥感数据反演海洋三维温盐场的方法技术

本发明专利技术公开了一种利用卫星遥感数据反演海洋三维温盐场的方法，属于海洋观测领域；具体为首先，针对待处理的海洋区域，获取历史数据构建训练集；然后，构建基于U

【技术实现步骤摘要】
一种利用卫星遥感数据反演海洋三维温盐场的方法


[0001]本专利技术属于海洋观测
，具体涉及一种利用卫星遥感数据反演海洋三维温盐场的方法。

技术介绍

[0002]卫星可以提供大范围的海洋遥感信息，但是其局限性在于卫星遥感只能观测海洋表面，为了获取更丰富的海面以下的海洋参数，需要利用卫星遥感反演技术，结合海洋表面的参数特征，如海表面温度(SST)，海表面盐度(SSS)和海表面高度(SSH)等，对海面以下的参数信息进行反演计算，提高了遥感数据的利用价值和利用效率。
[0003]现有的卫星遥感智能反演算法中，常采用三类神经网络：全连接神经网络(ANN)、卷积神经网络(CNN)和长短期记忆网络(LSTM)；其中，ANN能抓取足够充分的信息，但是其计算量相对较大；CNN能在减小计算量的同时抓取空间特征，但是其存在信息丢失的问题；LSTM能较好的抓取时间规律特征，但是其在空间特征抓取上有所欠缺。
[0004]目前，还没有能在保证可行性前提下弥补以上缺点的智能反演算法。

技术实现思路

[0005]针对上述问题，本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用卫星遥感数据反演海洋三维温盐场的方法，其特征在于，具体包括以下步骤：首先，针对待处理的海洋区域，获取历史卫星遥感数据和海洋历史再分析数据，分别构建训练样本数据集和训练标签数据集；然后，构建基于U
‑
Net神经网络的，包括卷积层、跳跃连接、下采样和上采样的深度学习网络模型；通过在不同卷积层建立跳跃连接，使不同卷积层中的所有信息都能在上采样过程中得到保留；接着，利用训练样本数据集和训练标签数据集对深度学习网络进行训练，得到智能反演模型；最后，输入新时刻下采集的卫星遥感数据，利用智能反演模型得到对应的海洋三维温盐场。2.如权利要求1所述的一种利用卫星遥感数据反演海洋三维温盐场的方法，其特征在于，所述卫星遥感数据包括SST、SSS和SSH，每种数据分别是一个二维矩阵；将各卫星遥感数据根据各自的时刻打上相应的时间标签，构成时间二维矩阵；然后，将3个卫星遥感数据的二维矩阵和时间二维矩阵合并成4层的三维矩阵，即构建出训练样本数据集S＝{S1,S2,...,S
n
}；同时，提取历史再分析资料中对应时刻的温盐场，构建训练标签数据集L＝{L1,L2,...,L
n
}。3.如权利要求1所述的一种利用卫星遥感数据反演海洋三维温盐场的方法，其特征在于，所述卷积层包括卷积操作、批标准化操作和激活函数，下采样为平均值池化操作，上采样为双线性插值；卷积核大小为3
×
3。4.如权利要求1所述的一种利用卫星遥感数据反演海洋三维温盐场的方法，其特征在于，所述对深度学习网络进行训练，得到智能反演模型的具体步骤为：首先，人为根据实际需要设定深度学习网络的超参数：学习率和训练次数；然后，将训练样本数据集S＝{S1,S2,...,S
n
}，以4层图片的形式输入深度学习网络中；其中，输入数据为4*512*512；通过2次卷积变为16*512*512的三维特征矩阵S1；该矩阵S1将流向两条不同的路径：一条路径是下采样，通过池化操作水平网格数缩小2倍，变成16*256*256，并通过2次卷积变为32*256*256的矩阵特征S2；矩阵特征S2继...

【专利技术属性】
技术研发人员：高峰，毛锴，张绍晴，李云波，钟健，刘厂，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：