论文部分内容阅读
地球物理模型函数(GMF)是散射计风场反演的基础及算法有效运行的前提条件。采用传统的统计方法建立GMF往往需要大量的、多种参数条件下的雷达后向散射测量数据。以圆锥扫描散射计SeaWinds为例,根据其特点,建立了一个两种极化方式下统一的神经网络模型函数(NNGMF),并对风速、相对风向采样间隔和测量值数目对模型精度的影响进行了详细分析。通过与Qscat-1模型进行比较,发现该神经网络模型在采样间隔较大或测量值数目较少的情况下,仍能较好地体现SeaWinds散射计的海面后向散射特性。