[发明专利]结合遥感与浮标数据的海洋热含量遥感反演方法

权利要求书

1.一种结合遥感与浮标数据的海洋热含量遥感反演方法，其特征在于，包括以下步骤：

步骤S1：获取全球海洋多源海表遥感观测数据以及Argo实测格网数据并进行预处理，得到海表数据、时空参量以及海洋内部热含量数据；

步骤S2：根据Argo实测坐标数据，将每个格网点海洋内部热含量数据与输入模型的海表遥感和时空参量一一对应，分别标记为特征矩阵X、标签矩阵Y；

步骤S3：将特征矩阵和标签矩阵纵向合并，并按时间序列划分成训练数据集、验证数据集、测试数据集；

步骤S4：基于长短期记忆神经网络LSTM时间序列深度学习方法对训练数据集进行训练，并根据数据集的损失函数的变化，选择最优的网络深度及参数，建立反演模型；

步骤S5：获取历史长时序特征矩阵X'，并作为步骤S4中模型的输入数据，进一步重建海洋内部热含量OHC数据集；

所述海表数据包括海表高度SSH、海表温度SST、海表风速水平分量USSW及垂直分量VSSW，所述时空参量包括经度LON、纬度LAT和时间DOY；

所述步骤S2具体为：利用Argo实测经纬度坐标数据，使每格网点热含量OHC与输入模型的海表遥感观测数据和时空位置参量共7个变量一一对应；将七参量标记为特征矩阵X、实测热含量OHC标记为标签矩阵Y。

2.根据权利要求1所述的一种结合遥感与浮标数据的海洋热含量遥感反演方法，其特征在于，所述步骤S1具体为：

步骤S11：获取全球海洋多源海表遥感观测数据以及Argo实测格网数据，按月尺度提取时间序列海表高度数据SSH；海表温度数据SST；海表风场数据SSW；经度LON；纬度LAT；时间DOY；Argo实测的热含量数据OHC；其中海表风场分解成水平分量USSW与垂直分量VSSW；将所有数据的异常值剔除并统一空间范围；

步骤S12：将所有海表遥感观测数据的空间分辨率利用最优插值法统一为预设值；

步骤S13：将得到的所有参量均进行归一化处理。

3.根据权利要求1所述的一种结合遥感与浮标数据的海洋热含量遥感反演方法，其特征在于，所述步骤S3具体为：

步骤S31：将特征矩阵X与标签矩阵Y进行列合并得到矩阵A；

步骤S32：将矩阵A按时间序列以预设比例进行行向划分，从而生成训练数据集、验证数据集、测试数据集。

4.根据权利要求1所述的一种结合遥感与浮标数据的海洋热含量遥感反演方法，其特征在于，所述步骤S4具体为：

步骤S41：使用长短期记忆神经网络LSTM时间序列深度学习方法对训练数据集进行训练，依据验证集的损失函数变化，选择最优的超参数，得到最终模型；

步骤S42：超参数调整后，将测试集作为输入数据，用精度评价因子决定系数R²、均方根误差RMSE或相对均方根误差RRMSE衡量最终模型的泛化能力。

5.根据权利要求1所述的一种结合遥感与浮标数据的海洋热含量遥感反演方法，其特征在于，所述步骤S5具体为：

步骤S51：获取历史长时序海表遥感观测和时空位置共7个参量的数据标记为长时序特征矩阵X'；

步骤S52：将长时序特征矩阵X'输入步骤S4训练好的模型，利用模型在训练集中学习到的时序依赖关系，由X'直接预测得到Y'，反演并输出时序重建海洋内部热含量OHC数据集。