近日，我室与上海交通大学联合培养的博士研究生韩心海和我室优秀出站海星博士后李晓辉副研究员以第一作者和第二作者在地球科学领域知名期刊Geo-Spatial Information Science上发表了题为”Evaluation and deep learning-based calibration of nearshore sea surface wind speeds from FY-3E GNOS-II and TIANMU missions”的研究论文，杨劲松研究员为通讯作者。合作者包括加拿大海洋与渔业部韩国奇研究员，中山大学王久珂教授，我室硕士生王译启等。

图1 由FY-3E和TIANMU卫星在2023年10月1日得到的风速产品数据

GNSS-R技术利用来自卫星的信号经海面反射后的信息，对海面风速等环境参数进行反演。由于GNSS卫星信号覆盖范围广且免费，GNSS-R不仅能实现全球范围内的数据获取，还能克服传统近海观测站点覆盖不足和成本高昂的问题。基于全球导航卫星系统反射信号（GNSS‐R）的海面风速产品评估与校正工作近年来取得了显著进展。利用FY-3E和天目（TIANMU）星座的数据（图1），本研究重点探讨了GNSS‐R反射信号在近海区域海面风速监测中的应用前景，对其风速产品进行了评估，并提出了一种基于深度学习残差网络的校正方法，有效降低了风速测量的误差。

为了验证卫星反演风速数据的准确性，将FY-3E GNOS-II和TIANMU卫星的GNSS-R风速产品与近海区域内91个NDBC浮标的实测数据进行了匹配。初步评估表明，FY-3E使用BDS和GPS信号的产品分别与浮标数据的均方根误差（RMSE）为约2.49 m/s和2.13 m/s；而TIANMU的BDS、GPS、GLONASS和Galileo信号对应的RMSE分别为3.21 m/s、3.13 m/s、2.91 m/s和2.91 m/s。总体来看，虽然两颗卫星的产品在近海区域表现出较好的相关性，但在高风速等复杂环境下仍存在一定偏差，这为进一步的校正工作提供了依据。

图2 (a)–(b)展示的是TIANMU（天目）BDS信号在校正前后的风速结果，(c)–(d)为GPS信号的校正前后对比；(e)–(f)给出了BDS与GPS在±2 m/s风速区间内的误差统计；(g)–(h)显示了校正前后BDS与GPS样本的分布情况。

针对评估中发现的偏差问题，采用了一种基于深度学习残差网络的校正方法，该模型通过残差块结构有效捕捉数据中的非线性复杂关系。校正前后，通过与NDBC浮标数据的对比显示，校正过程显著改善了卫星风速数据的精度。以TIANMU卫星为例，图8展示了TIANMU GNSS-R风速数据在BDS和GPS信号下的校正前后对比结果。另外，FY-3E的BDS和GPS信号校正后分别降低至1.03 m/s和0.99 m/s，改善幅度分别达到60%和54%。本研究通过对FY-3E和天目（TIANMU）星座的GNSS-R风速产品进行评估校正，不仅验证了GNSS-R技术在近海海面风速监测中的巨大潜力，也展示了深度学习在提高卫星数据精度方面的显著优势。

本研究得到了国家自然科学基金项目（42306200）、国家重点研发计划项目（2023YFC3008100）、南方海洋科学与工程广东省实验室创新团队项目（311021004）和上海交通大学深蓝计划（SL2021ZD203）的资助。

论文引用：Han, Xinhai, Xiaohui Li, Jingsong Yang, Wei Tao, Guoqi Han, Jiuke Wang, Yiqi Wang, Qinghua Bao, Lin Chen, and Weiqiang Li. 2025. “Evaluation and Deep Learning-Based Calibration of Nearshore Sea Surface Wind Speeds from FY-3E GNOS-II and TIANMU Missions.” Geo-Spatial Information Science, March, 1–12. doi:10.1080/10095020.2024.2441473.

文章链接：https://www.tandfonline.com/doi/full/10.1080/10095020.2024.2441473