雷达学报

作者：车佳恒, 闫秋双, 范陈清, 孟俊敏, 张杰

单位：1.中国石油大学(华东) 青岛 266580；2.自然资源部第一海洋研究所 青岛 266061；

关键词：合成孔径雷达, 多普勒频移, 海流反演, 风-浪多普勒贡献, 机器学习

基金：国家自然科学基金(42206178)

海流在全球气候调节中具有重要作用。合成孔径雷达(SAR)凭借其对海表多普勒频移的观测能力，为高分辨率海流探测提供了有效的数据支撑。然而，SAR多普勒频移含有多种贡献项，要从中准确反演海流，需要进行非地球物理校正，并准确估算风-浪致多普勒频移的贡献。该研究基于Sentinel-1 SAR多普勒频移观测数据，在完成精确的非地球物理校正后，构建了经粒子群算法优化的BPNN与XGBoost模型描述SAR风-浪致多普勒频移与海面风-浪参数间的非线性映射关系，并通过系统对比评估确定了性能更优的模型，实现了海流流速的高精度反演。结果表明，与BPNN模型相比，XGBoost模型在性能上实现了显著提升。XGBoost模型估计的多普勒频移均方根误差(RMSE)约为4.043 Hz，较BPNN模型降低了2.898 Hz；与HYCOM海流相比，XGBoost模型反演海流的RMSE约为0.202 m/s，较BPNN模型降低了0.122 m/s；与HF雷达观测流速对比，XGBoost模型反演海流的RMSE为0.21 m/s，较BPNN降低了16%。该研究为星载SAR海流反演提供了一种更为精确的技术方法。

来源：2026年第2期

《雷达学报》期刊编辑部

查看雷达学报杂志2026年第2期