日前，國際學(xué)術(shù)期刊Remote sensing of Environment（《環(huán)境遙感》）在線發(fā)表了學(xué)校衛(wèi)星導(dǎo)航定位技術(shù)研究中心、人工智能研究院與澳大利亞新南威爾士大學(xué)等聯(lián)合研究論文——“Information fusion for GNSS-R wind speed retrieval using statistically modified convolutional neural network”（《基于統(tǒng)計(jì)改正卷積神經(jīng)網(wǎng)絡(luò)的GNSS-R信息融合海面風(fēng)速反演方法》）。

武漢大學(xué)衛(wèi)星導(dǎo)航定位技術(shù)研究中心副教授郭文飛為該論文第一作者，教授郭遲為通訊作者，人工智能研究院為通訊單位，碩士研究生杜皓參與完成該研究工作。

GNSS-R是一種融合衛(wèi)星定位和定量遙感的新型交叉技術(shù)，其典型應(yīng)用之一是利用GNSS導(dǎo)航衛(wèi)星等無線電信號反演出全球海面風(fēng)速的變化規(guī)律。目前GNSS-R風(fēng)速反演算法大多是從時延-多普勒圖像（DDM）中人為提取信號特征，根據(jù)人為經(jīng)驗(yàn)建立這些特征與海洋風(fēng)速之間的關(guān)聯(lián)，其結(jié)果受各類因素影響大，反演精度低，極大地降低了GNSS-R的實(shí)際價值。

圖1 基于累計(jì)分布函數(shù)改正的卷積神經(jīng)網(wǎng)絡(luò)模型

本次發(fā)表的研究成果提出了一種將人工智能、衛(wèi)星導(dǎo)航與遙感相融合的技術(shù)思路，設(shè)計(jì)了一種基于累計(jì)分布函數(shù)改正的卷積神經(jīng)網(wǎng)絡(luò)模型（圖1）。該模型利用一個端到端的人工智能網(wǎng)絡(luò)自適應(yīng)提取DDM中的有效特征，并融合有效波高等輔助信息得到初步的風(fēng)速反演結(jié)果。該工作充分發(fā)揮了深度學(xué)習(xí)技術(shù)的優(yōu)勢，可以有效融合任何影響海面風(fēng)速反演的參數(shù)，從而建立一個完備且魯棒性強(qiáng)的風(fēng)速反演模型，為該領(lǐng)域帶來突破性的技術(shù)變革。

圖2 反演風(fēng)速的時空性能

實(shí)驗(yàn)結(jié)果表明，以ECMWF ERA5 10米風(fēng)速產(chǎn)品為參照，利用17個月的美國CYGNSS V2.1數(shù)據(jù)，該模型在0-25 m/s范圍內(nèi)反演風(fēng)速的均方根誤差為1.53m/s，系統(tǒng)偏差為-0.097m/s，顯著優(yōu)于現(xiàn)有其他方法。該研究還分析了所提模型反演風(fēng)速的時空性能（圖2），結(jié)果表明反演風(fēng)速與ERA5風(fēng)速產(chǎn)品在空間上具有良好的一致性，且反演風(fēng)速不隨時間漂移。

該工作與新南威爾士大學(xué)教授Andrew G.Dempster課題組進(jìn)行了合作，并得到了國家自然科學(xué)基金（41604021, 41974031）的支持。

據(jù)了解，衛(wèi)星導(dǎo)航定位技術(shù)研究中心是學(xué)校人工智能研究院重要共建單位之一。多年來一直致力于交叉學(xué)科的前沿創(chuàng)新性研究，尤其在GNSS-R、機(jī)器人無人系統(tǒng)、高精度定位授時等領(lǐng)域大力推進(jìn)人工智能技術(shù)的融合研究。