• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于Sentinel-1A的全球有效波高的反演研究*

    2020-03-26 09:43:50穆珊珊李海艷吳明柏
    海洋與湖沼 2020年2期
    關(guān)鍵詞:模型

    穆珊珊 李海艷 吳明柏, 2

    基于Sentinel-1A的全球有效波高的反演研究*

    穆珊珊1李海艷1①吳明柏1, 2

    (1. 中國科學(xué)院大學(xué) 北京 100049; 2. 中國科學(xué)院地理科學(xué)與資源研究所 北京 100101)

    本文利用神經(jīng)網(wǎng)絡(luò)的技術(shù)手段, 針對Sentinel-1A二級波模式數(shù)據(jù)提出一種用于海浪有效波高(Hs)反演的模型——N_N模型。該模型在基于ERS2 SAR波模數(shù)據(jù)開發(fā)的雙參數(shù)模型的基礎(chǔ)上, 加入經(jīng)度、緯度、方位向截斷波長(c)、圖像偏斜(skewness, skew)、圖像峰度(kurtosis, kurt)、衛(wèi)星平臺距目標(biāo)物的距離與衛(wèi)星飛行速度之比()等其他參數(shù)信息, 根據(jù)不同輸入?yún)?shù)的組合, 建立了14個模型用于Hs反演, 旨在分析各參數(shù)對有效波高反演的影響。通過分析表明, 14個N_N模型相關(guān)系數(shù)都在0.8以上。隨著c、參數(shù)的加入, N_N模型性能均大幅上升, 且c參數(shù)對模型性能的改善作用更加明顯, 相關(guān)系數(shù)提升0.06左右, 均方根誤差(Root Mean Squared Error, RMSE)下降0.12m左右。另外, skew與kurt的加入也使N_N模型性能有所改善, RMSE下降0.03m左右, 相關(guān)系數(shù)提升0.01左右。其中, N_N10模型效果最佳且性能最穩(wěn)定, 與歐洲中程天氣預(yù)測中心(the European Centre for Medium-Range Weather Forecasts, ECMWF)數(shù)據(jù)對比, 相關(guān)系數(shù)(CORR)達(dá)到0.905, 散射指數(shù)(Scattering Index, SI)與RMSE最低, 分別為18.74%、0.502m, 與獨(dú)立測量的浮標(biāo)數(shù)據(jù)的相關(guān)系數(shù)達(dá)到了0.894。

    神經(jīng)網(wǎng)絡(luò); 有效波高; 方位向截斷波長; 歸一化雷達(dá)后向散射系數(shù)

    海浪是海洋最明顯的表面特征, 波長范圍從幾厘米到數(shù)百米, 波高范圍從海洋表面的微小擾動到數(shù)十米, 對海洋工程、船舶設(shè)計、海上運(yùn)輸以及海洋污染的消散等都有很大的影響。因此, 通過有效的技術(shù)手段了解海浪的統(tǒng)計特性, 如有效波高、平均波周期等尤為重要。

    自1978年發(fā)射Seasat1搭載合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)開始, ERS-1/2、RADARSAT-1和ENVISAT、Sentinel-1持續(xù)運(yùn)行, 星載SAR不斷提供全球范圍內(nèi)實(shí)時動態(tài)的海面波浪信息, 憑借其間接的、大范圍的測量方式和全天候、全天時、高分辨率的測量能力, 成為海浪信息獲取的重要途徑之一(Jackson, 2004)。利用SAR進(jìn)行海浪統(tǒng)計參數(shù)的反演有兩種常見的方式, 一種是通過SAR圖像譜獲取二維海浪方向波譜, 繼而獲取海浪統(tǒng)計參數(shù)。例如, 有效波高(Hs)可以表示為方向波譜的積分:

    第一種通過SAR圖像譜獲取海浪譜, 反演海浪參數(shù)的方式在海浪遙感應(yīng)用中是很常見的。但海洋的SAR圖像常常在方位方向顯得十分模糊且導(dǎo)出的波譜容易發(fā)生畸變(Grieco, 2016; Stopa, 2017)。這是由于SAR特殊的成像機(jī)制——速度聚束調(diào)制引起的。受這一調(diào)制作用的影響, 海浪的隨機(jī)運(yùn)動會引起SAR后向散射回波信號的多普勒頻移, 造成SAR不能對低于某一波長(即方位向截斷波長)的波浪進(jìn)行成像。在這種情況下, 海浪的成像過程中常表現(xiàn)出很強(qiáng)的非線性, 對SAR圖像影響很大(Hasselmann, 1985; Jackson, 2004)。因此, 通過SAR圖像推導(dǎo)二維海浪譜絕非一項簡單的任務(wù), 必須通過引入其他數(shù)值模式結(jié)果作為先驗信息才有可能估計完整的二維波譜(Hasselmann, 1991; Hasselmann, 1996; Schulz-Stellenfleth, 2005)?;蛘呃肧AR圖像交叉譜計算得到海浪譜, 此計算雖不需要初猜信息, 且可以消除海浪傳播方向180°模糊的問題, 但產(chǎn)生的海浪譜無法完全解析高頻波, 即丟失短波信息, 多數(shù)情況下是涌浪部分的譜分量(Engen, 1995)。由此可見, 通過SAR圖像譜獲取海浪譜, 進(jìn)一步獲得Hs等海浪統(tǒng)計參數(shù)這一途徑, 具有一定的困難性和局限性。

    因此, 很多學(xué)者針對第二種方法, 即在不獲取二維海浪譜的情況下反演海浪參數(shù)的方法進(jìn)行了研究。Schulz-Stellenfleth等(2007)基于ERS2數(shù)據(jù), 提出了一個經(jīng)驗二次模型CWAVE-ERS, 在不需要先驗信息的條件下, 通過SAR圖像直接獲取海浪積分參數(shù)。Li等(2011)與Stopa等(2017)在CWAVE-ERS模型的基礎(chǔ)上, 分別提出了針對ENVISAT ASAR數(shù)據(jù)的CWAVE- ENV模型以及針對S1A數(shù)據(jù)的CWAVE-S1A模型, 用于計算有效波高、平均周期等海浪參數(shù)。但由于上述CWAVE算法, 僅針對特定的SAR數(shù)據(jù), 因此對于其他衛(wèi)星數(shù)據(jù)的普適性不強(qiáng)(Stopa, 2017)。

    除以上兩種方法之外, 隨著海浪參數(shù)反演研究的不斷進(jìn)步, 許多學(xué)者認(rèn)識到方位向截斷波長與海況條件之間具有強(qiáng)相關(guān)性, 可用于海浪統(tǒng)計參數(shù)反演的研究(Jackson, 1985; Kerbaol, 1998; Ren, 2016; Wang, 2012)。方位向截斷波長為SAR數(shù)據(jù)所特有的海況參數(shù), 可作為對SAR方位向分辨率的一種度量(Greico, 2016)。在假設(shè)線性波的情況下, 方位向截斷波長可表示為(Lyzenga, 1986; Kerbaol, 1998):

    因此, 本文擬在相關(guān)有效波高反演研究的基礎(chǔ)上進(jìn)行拓展, 利用S1A二級波模式數(shù)據(jù), 采用神經(jīng)網(wǎng)絡(luò)的技術(shù)手段建立有效波高與0、c等SAR參數(shù)之間的聯(lián)系, 旨在分析各參數(shù)對有效波高反演的影響。本次實(shí)驗建立的神經(jīng)網(wǎng)絡(luò)模型, 除用于模型訓(xùn)練的歐洲中程天氣預(yù)測中心(the European Centre for Medium-Range Weather Forecasts, ECMWF)模式數(shù)據(jù)外, 不需要額外模式數(shù)據(jù)作為先驗信息, 且模型輸入的SAR參數(shù)可在S1A二級WV數(shù)據(jù)中直接獲取, 大大降低了數(shù)據(jù)存儲內(nèi)存, 減化了數(shù)據(jù)處理過程, 對于硬件條件受限的用戶尤為重要。

    1 數(shù)據(jù)源介紹

    本文采用了三種類型的數(shù)據(jù), 分別為S1A衛(wèi)星二級波模式數(shù)據(jù)、ECMWF再分析數(shù)據(jù)和美國國家數(shù)據(jù)浮標(biāo)中心(National Data Buoy Center, NDBC)浮標(biāo)數(shù)據(jù)。其中, S1A數(shù)據(jù)與ECMWF再分析數(shù)據(jù)進(jìn)行時空匹配, 用于神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練, 獨(dú)立測量的浮標(biāo)數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果的驗證。

    1.1 Sentinel-1A 二級波模式數(shù)據(jù)

    Sentinel-1A衛(wèi)星于2014年4月發(fā)射成功, 在太陽同步軌道運(yùn)行, 高度()約為693km, 飛行速度約為7570m/s, 傾角98.18°, 重復(fù)周期為12d, 搭載了基于C波段的雷達(dá)成像系統(tǒng)。S1A衛(wèi)星具有四種成像模式, 其中波模式(Wave Mode, WV)是S1A在大洋上的操作模式, 主要應(yīng)用于海洋參數(shù)的獲取。在此模式下, S1A沿衛(wèi)星軌道每100km進(jìn)行一次采集, 以23°(WV1)和36°(WV2)兩個入射角交替工作, 在近距處獲取一個圖斑, 在遠(yuǎn)距處獲取下一個圖斑, 具有相同入射角的圖斑間隔為200km, 空間分辨率為5m, 圖斑大小約為20km×20km。

    本研究使用的衛(wèi)星數(shù)據(jù)為S1A二級WV海洋產(chǎn)品(L2 Ocean Product, OCN)中的海洋涌浪譜(Ocean Swell spectra, OSW)數(shù)據(jù), 可通過ESA網(wǎng)站(https:// scihub.copernicus.eu/dhus/#/home)免費(fèi)下載獲取。該數(shù)據(jù)可提供0、NV、、skew、kurt、對數(shù)極坐標(biāo)系下的海浪方向譜、c、Hs等參數(shù)。但受到速度聚束調(diào)制作用的影響, 其測量的海浪Hs被嚴(yán)重低估, 且受方位向截斷波長的影響較大, 僅可用于較低海況(Li, 2011)。如圖1所示, 我們將S1A二級數(shù)據(jù)提供的Hs以及根據(jù)公式(1)將S1A提供的海浪譜數(shù)據(jù)進(jìn)行積分獲得的Hs與ECMWF再分析數(shù)據(jù)提供的Hs進(jìn)行了比較, 可以看出, 圖1a、b中散點(diǎn)基本分布在=直線下方, 表明S1A二級數(shù)據(jù)提供的以及通過海浪譜計算的Hs低于ECMWF再分析數(shù)據(jù)中的Hs。

    圖1 S1A二級波模式數(shù)據(jù)提供的Hs與ECMWF再分析數(shù)據(jù)提供的Hs的對比散點(diǎn)圖

    注:a: S1A二級波模式數(shù)據(jù)提供的Hs與ECMWF再分析數(shù)據(jù)提供的Hs的比較散點(diǎn)圖; b: 通過S1A二級波模式數(shù)據(jù)提供的海浪譜積分獲得的Hs與ECMWF再分析數(shù)據(jù)提供的Hs的比較散點(diǎn)圖; Hs: 有效波高

    為保證本研究實(shí)驗結(jié)果不受船舶、海冰、溢油等影響, 選擇雷達(dá)截面的歸一化方差在1—2之間, 緯度在±60°, 時間為2018年1—12月的S1A數(shù)據(jù)作為實(shí)驗數(shù)據(jù)。

    1.2 ECMWF再分析數(shù)據(jù)

    由于本研究選用的S1A波模式數(shù)據(jù)通常為全球公海數(shù)據(jù), 而在公海僅有少量浮標(biāo)測量數(shù)據(jù)可用。考慮到神經(jīng)網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)高準(zhǔn)確度、廣覆蓋度的要求, 因此, 本研究同時選擇ECMWF再分析數(shù)據(jù)ERA5與S1A數(shù)據(jù)進(jìn)行時空匹配, 組成神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集。

    ERA5是第五代ECMWF再分析數(shù)據(jù)集, 是ECMWF使用其預(yù)測模型和數(shù)據(jù)同化系統(tǒng)“重新分析”存檔的觀測結(jié)果, 用于創(chuàng)建描述大氣、陸地表面和海洋最近歷史的全球數(shù)據(jù)集, 可由ECMWF網(wǎng)站下載獲得(http://www. ecmwf.int/)。本研究主要采用ERA5海浪數(shù)據(jù)中的有效波高數(shù)據(jù), 其格網(wǎng)大小為0.5°×0.5°, 時間間隔為1h。本研究按照小于0.25°的空間窗口、小于30min的時間窗口對二者進(jìn)行時空匹配, 共獲得982351對匹配數(shù)據(jù)對, 其中328081對用于模型訓(xùn)練, 其余數(shù)據(jù)用于模型應(yīng)用。

    1.3 NDBC浮標(biāo)數(shù)據(jù)

    為了對神經(jīng)網(wǎng)絡(luò)模型輸出結(jié)果進(jìn)行對比分析, 本文采用獨(dú)立測量的具有海浪譜信息的浮標(biāo)數(shù)據(jù)對其進(jìn)行驗證, 其數(shù)據(jù)可由NDBC網(wǎng)站下載獲得(https://www.ndbc.noaa.gov/)。浮標(biāo)多布放于北半球, 數(shù)據(jù)獲取頻率約為1次/h, 根據(jù)其頻率測量范圍分為兩類: 0.03—0.4Hz, 離散為38個頻率; 0.02—0.485Hz, 離散為47個頻率??筛鶕?jù)公式(1), 將海浪譜進(jìn)行積分獲取有效波高。本研究將浮標(biāo)數(shù)據(jù)和S1A數(shù)據(jù)按照小于0.5°的空間窗口和小于0.5h的時間窗口進(jìn)行時空匹配, 獲得400對數(shù)據(jù)用于模型驗證。

    2 研究方法

    本研究擬在Schulz-Stellenfleth等(2007)開發(fā)的利用ERS2 SAR數(shù)據(jù)0、NV及其乘積項(02、NV2、0×NV)共5個參數(shù)用于海浪參數(shù)反演的雙參數(shù)模型基礎(chǔ)上, 加入經(jīng)緯度、c等信息進(jìn)行反演研究。同時, 為增加模型的計算效率, 本文將利用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行多元非線性回歸, 用于描述SAR不同輸入?yún)?shù)與有效波高之間的關(guān)系。首先將S1A數(shù)據(jù)與時空匹配后的ECWMF數(shù)據(jù)用于模型的訓(xùn)練, 然后利用獨(dú)立的浮標(biāo)數(shù)據(jù)對模型性能進(jìn)行驗證, 同時, 選取均值偏差(Bias)、均方根誤差、散射指數(shù)、相關(guān)系數(shù)四個統(tǒng)計參數(shù)對模型性能進(jìn)行定量評估。

    2.1 神經(jīng)網(wǎng)絡(luò)的選取

    神經(jīng)網(wǎng)絡(luò)是一種方便而通用的預(yù)測結(jié)果的方法, 近年來被多次應(yīng)用于遙感研究中。本研究基于MATLAB進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練, 選用的BP(back propagation)神經(jīng)網(wǎng)絡(luò), 是一種多層前饋神經(jīng)網(wǎng)絡(luò), 包括輸入層, 輸出層和隱藏層。其主要特點(diǎn)是信號前向傳遞, 誤差反向傳播。當(dāng)神經(jīng)網(wǎng)絡(luò)的輸入和輸出數(shù)據(jù)確定后, 可調(diào)整的只有隱藏層的神經(jīng)元數(shù)目, 而優(yōu)化隱藏層結(jié)點(diǎn)數(shù), 成為神經(jīng)網(wǎng)絡(luò)訓(xùn)練的首要任務(wù)。實(shí)驗表明, 如隱藏層結(jié)點(diǎn)數(shù)過少, 網(wǎng)絡(luò)則不能具有必要的學(xué)習(xí)和信息處理能力。反之, 若過多, 不僅會增加網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性, 還會降低網(wǎng)絡(luò)學(xué)習(xí)的速度。因此, 在神經(jīng)網(wǎng)絡(luò)模型測試過程, 可對隱藏層結(jié)點(diǎn)數(shù)進(jìn)行調(diào)整, 最終取最優(yōu)結(jié)果來確定神經(jīng)元數(shù)目(王小川等, 2013; Stopa, 2017)。本文在進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練的實(shí)驗中, 根據(jù)不同N_N模型輸入?yún)?shù)的個數(shù), 將隱藏層神經(jīng)元個數(shù)設(shè)定為4—30之間, 發(fā)現(xiàn)其性能均在隱藏層神經(jīng)元個數(shù)大于輸入?yún)?shù)個數(shù)時有所提升, 且在大于20時趨于穩(wěn)定, 但隨著神經(jīng)元數(shù)目增多, 訓(xùn)練時間也逐漸增加, 因此, 考慮到不同模型之間的對比, 本文將N_N模型的隱藏層神經(jīng)元數(shù)目均定為20。

    基于輸入與輸出參數(shù)之間非線性關(guān)系的考慮, 神經(jīng)網(wǎng)絡(luò)采用正切S型傳遞函數(shù)(tansig)隱藏神經(jīng)元和線性傳遞函數(shù)(purelin)輸出神經(jīng)元。另外, 基于Levenberg-Marquardt反向傳播算法(trainlm)是現(xiàn)階段應(yīng)用最廣泛的優(yōu)化算法, 可為非線性最小二乘問題提供解決方案, 本研究采用trainlm進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練。最后, 使用均方誤差(MSE)和回歸分析評估其性能(王小川等, 2013)。

    2.2 N_N模型建立

    為避免神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果受到進(jìn)行不同范圍的Hs數(shù)據(jù)分層篩選等人為因素影響, 同時考慮到對全球范圍內(nèi)的有效波高反演的目的以及有效波高隨季節(jié)明顯變化的特性, 本文擬在2018年所有S1A數(shù)據(jù)以及時空匹配后的ECMWF的Hs數(shù)據(jù)中每個季節(jié)選擇一個月份的數(shù)據(jù)(本文選擇1、4、7、10月份的數(shù)據(jù))作為訓(xùn)練數(shù)據(jù), 同時擬采用常規(guī)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練方法, 在模型訓(xùn)練過程中將訓(xùn)練數(shù)據(jù)隨機(jī)分為60%、20%、20%, 分別用于模型建立過程中的訓(xùn)練、測試和驗證。

    本文首先對2018年4個月訓(xùn)練數(shù)據(jù)的ECMWF的Hs數(shù)據(jù)的分布及其占2018年總Hs數(shù)據(jù)的比例分布進(jìn)行了分析。1、4、7、10月份數(shù)據(jù)包括了全球范圍內(nèi)不同的海況, 且分別代表冬、春、夏、秋四個季節(jié), 因此最終選擇1、4、7、10月份的數(shù)據(jù)進(jìn)行訓(xùn)練, 并將2018年其他月份數(shù)據(jù)作為獨(dú)立的數(shù)據(jù)(應(yīng)用數(shù)據(jù))用于神經(jīng)網(wǎng)絡(luò)的應(yīng)用, 不參與模型的訓(xùn)練。訓(xùn)練數(shù)據(jù)的Hs分布情況以及在2018年所有數(shù)據(jù)中的比例分布情況的柱狀圖, 分別如圖2a和b所示, 可以看出, 其主要Hs范圍在1—4m, 且在2018年總數(shù)據(jù)中分布較均勻, 比例均在33%左右。

    圖2 訓(xùn)練數(shù)據(jù)的Hs分布情況

    注:a: 訓(xùn)練數(shù)據(jù)的Hs在每個區(qū)間內(nèi)的數(shù)據(jù)量分布情況; b: 訓(xùn)練數(shù)據(jù)的Hs與總數(shù)據(jù)在每個區(qū)間內(nèi)的比例, 其中, 由于較低海況以及高海況的數(shù)據(jù)較少, 因此將Hs按照以下方式進(jìn)行劃分: 橫軸代表不同的Hs區(qū)間, 共17個, 1代表Hs<1m; 2—15代表19m

    本文選用0、NV、02、NV2、0×NV、c、skew、kurt、lon、lat、作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的輸入?yún)?shù), 通過改變輸入?yún)?shù)的個數(shù), 進(jìn)行神經(jīng)網(wǎng)絡(luò)模型調(diào)整, 共建立14個N_N模型, 如表1所示。

    表1 不同有效波高反演模型一覽表

    Tab.1 List of different Hs inversion models

    N_N模型輸入?yún)?shù)中,0通常與風(fēng)速和風(fēng)向有關(guān), 常用于風(fēng)場反演算法中, 因此可表示海浪的短波信息(Horstmann, 2003; Li, 2011)。NV提供關(guān)于圖像均勻性和海況的信息, 反映了由于SAR圖像中的波浪而引起的回波強(qiáng)度調(diào)制(Stopa, 2017)。考慮到有效波高具有明顯的緯向分布的特征, 因此在進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練時, 加入經(jīng)緯度信息, 增加輸入與輸出參數(shù)之間的空間對應(yīng)性。c反映SAR非線性成像機(jī)制, 與Hs具有很強(qiáng)的相關(guān)性(Beal, 1983; Shao, 2016)。另外, 有研究表明, 海表面的隨機(jī)運(yùn)動對SAR成像的影響取決于SAR衛(wèi)星系統(tǒng)的表征參數(shù),值越大, SAR成像海洋表面波的能力就越差, 因此,信息可用于提供海表面運(yùn)動的信息(Beal, 1983)。最后利用skew、kurt來考慮SAR圖像重要的高階特征信息(Stopa, 2017)。

    2.3 統(tǒng)計分析

    本研究對上述N_N模型反演得到的海浪有效波高, 進(jìn)行對比分析, 選擇Bias、RMSE、SI、CORR四種統(tǒng)計參數(shù)進(jìn)行評價, 定義如下:

    3 結(jié)果分析

    為了更全面的對不同N_N模型的反演結(jié)果進(jìn)行分析, 本研究分別從模式數(shù)據(jù)、獨(dú)立測量的浮標(biāo)數(shù)據(jù)以及不同環(huán)境條件下的模型性能分析三個方面對海浪有效波高反演結(jié)果進(jìn)行了對比分析。

    3.1 N_N模型反演結(jié)果與模式數(shù)據(jù)對比

    為評估上述14個神經(jīng)網(wǎng)絡(luò)模型的性能, 本研究對應(yīng)用數(shù)據(jù)進(jìn)行了有效波高的反演, 對其結(jié)果進(jìn)行了統(tǒng)計分析。本節(jié)主要分析輸出結(jié)果與進(jìn)行時空配后的ECMWF數(shù)據(jù)之間的對比, 統(tǒng)計參數(shù)如表2所示。

    表2 不同神經(jīng)網(wǎng)絡(luò)模型輸出的Hs與ECMWF數(shù)據(jù)提供的Hs對比統(tǒng)計參數(shù)一覽表

    Tab.2 Comparison statistical parameters between Hs output from different N_N models and Hs provided by ECMWF

    注:Bias: 均值偏差; RMSE: 均方根誤差; CORR: 相關(guān)系數(shù); SI: 散射指數(shù)

    根據(jù)表2不同模型間的Bias、RMSE、CORR、SI四個統(tǒng)計參數(shù)對比可知:

    1) N_N 2與N_N 1相比, 方位向截斷波長的加入使神經(jīng)網(wǎng)絡(luò)模型的性能顯著提高, 散射指數(shù)明顯下降為19.93%, Bias與RMSE分別由-0.017m、0.654m降為-0.009m、0.534m, 相關(guān)系數(shù)由0.832提升至0.892, 這與Stopa等(2017)中的結(jié)果相近, 證明了方位向截斷波長與有效波高之間的強(qiáng)相關(guān)性。

    2) N_N3模型在N_N1模型的基礎(chǔ)上, 加入02、NV2、0×NV三個參量, 使得模型的統(tǒng)計參數(shù)略有提升, 均方根誤差的由0.654m降為0.643m, 以下模型均在N_N3基礎(chǔ)上進(jìn)行改進(jìn)。

    3) N_N4、N_N5模型分別加入、c參數(shù), N_N6模型則同時加入、c參數(shù), N_N5與N_N6的統(tǒng)計參數(shù)相差較小, N_N4與N_N5相比, RMSE由0.557m降為0.532m, 這可能是由于c與成比例, 且其包含除信息外的更多信息的關(guān)系(Beal, 1983)。但N_N4與N_N3相比, 性能有明顯提升, 相關(guān)系數(shù)由0.838升為0.882, 因此在方位向截斷波長信息缺失或者不準(zhǔn)確時, 可以選擇信息作為有效波高反演模型的輸入?yún)?shù)。

    4) N_N7、N_N8、N_N9與N_N10、N_N11、N_N12這兩組模型分別在N_N4和N_N5的基礎(chǔ)上依次加入skew、kurt、skew和kurt。通過分別對這兩組模型進(jìn)行分析, 可以看出, skew加入比kurt的加入, 對模型性能的改善更有優(yōu)勢, 而二者的同時加入與單獨(dú)加入skew對模型的影響相近, 統(tǒng)計參數(shù)的差別均在千分之一數(shù)量級。另外, 在模型訓(xùn)練過程中, skew對模型的穩(wěn)定性有所提升, 而kurt的單獨(dú)加入會造成模型結(jié)果出現(xiàn)與ECMWF數(shù)據(jù)相差5m以上的奇異點(diǎn)。

    5) N_N13是參照Schulz-Stellenfleth等(2007)的雙參數(shù)模型, 在N_N5基礎(chǔ)上加入方位向截斷波長的乘積參數(shù)(c2、0×c、NV×c)。研究表明, N_N13和N_N5統(tǒng)計參數(shù)之間的差別均在千分之一的數(shù)量級, RMSE下降了0.001m, 相關(guān)系數(shù)提升了0.001, 對模型的結(jié)果影響很小, 但輸入?yún)?shù)卻增加了8個。

    6) N_N14在N_N10基礎(chǔ)上去掉了經(jīng)緯度信息, 旨在分析經(jīng)緯度信息對有效波高反演的重要性。研究表明, N_N14模型較N_N10模型, RMSE提升0.01m, SI增大0.36%, N_N10模型的性能優(yōu)于N_N14模型, 表明經(jīng)緯度信息對有效波高的反演具有一定的影響, 但影響很小。

    綜上所述, 14個神經(jīng)網(wǎng)絡(luò)模型中, N_N10為最佳模型, 其性能最穩(wěn)定, 相關(guān)系數(shù)最高達(dá)到0.905, SI與RMSE最低, 分別為18.74%、0.502m。

    為了更加直觀的對模型的性能進(jìn)行分析, 本研究將N_N模型的輸出結(jié)果與ECMWF數(shù)據(jù)的輸出結(jié)果的對比散點(diǎn)圖及二者之間的殘差全球分布圖展示如下, 由于篇幅限制, 本文僅對N_N5、N_N10模型的輸出結(jié)果與ECMWF數(shù)據(jù)的對比散點(diǎn)圖由圖3表示, 將N_N10模型與ECMWF數(shù)據(jù)的對比殘差全球分布圖由圖4表示。

    通過與ECMWF數(shù)據(jù)相比, 由圖3a可知, N_N10模型訓(xùn)練結(jié)果較為理想, 相關(guān)系數(shù)接近0.91, SI為19.07%。圖3cN_N5模型與N_N10的散點(diǎn)圖分布相似度極高, 且相關(guān)系數(shù)也接近0.9, 但其Bias、RMSE均低于N_N10模型。圖3b的應(yīng)用效果也較好, Bias接近于零, RMSE為0.502m, SI低于20%。其數(shù)據(jù)點(diǎn)集中在1—4m之間, 且基本圍繞在=左右, 與Stopa等(2017)中的結(jié)果類似。當(dāng)Hs大于4m時, 隨著訓(xùn)練數(shù)據(jù)點(diǎn)的減少, 訓(xùn)練效果也逐漸變差, 尤其當(dāng)Hs大于10m時, 數(shù)據(jù)點(diǎn)基本在=以下, 這是由于在極端海況下, 數(shù)據(jù)點(diǎn)較少, 神經(jīng)網(wǎng)絡(luò)模型不能達(dá)到較好的學(xué)習(xí)效果造成的。

    注:a: N_N10訓(xùn)練數(shù)據(jù)的輸出結(jié)果; b: N_N10應(yīng)用數(shù)據(jù)的輸出結(jié)果; c: N_N5訓(xùn)練數(shù)據(jù)的輸出結(jié)果; d: N_N5應(yīng)用數(shù)據(jù)的輸出結(jié)果; 藍(lán)色實(shí)線表示=

    圖4 Hs的殘差及S1A應(yīng)用數(shù)據(jù)密度的全球分布圖

    注:a: S1A數(shù)據(jù)通過N_N10模型得到的Hs與ECMWF再分析數(shù)據(jù)提供的Hs的殘差全球分布圖; b: 2018年S1A應(yīng)用數(shù)據(jù)全球分布密度圖

    雖然圖3dN_N5模型的結(jié)果較圖3bN_N10模型稍差, 但二者的統(tǒng)計參數(shù)差別在百分之一的數(shù)量級, 均值偏差接近, 相關(guān)系數(shù)僅相差0.013。也就是說, 即使無法獲取代表雷達(dá)截面高階特征的skew、kurt時, 神經(jīng)網(wǎng)絡(luò)模型反演的Hs仍然可接受。

    圖4a展示了S1A二級波模式數(shù)據(jù)通過N_N10模型反演得到的Hs與ECMWF模式數(shù)據(jù)提供的Hs之差的全球分布圖。可以看出, 二者之間的殘差整體在±1m, 南半球殘差正值居多, 而北半球殘差多為負(fù)值, 且中高緯度地區(qū)殘差水平高于低緯度地區(qū), 整體色調(diào)為白色, 沿海地區(qū)有少量的紅色和藍(lán)色。數(shù)據(jù)分析得到, 二者之間的殘差小于二者的RMSE(0.502m)的數(shù)據(jù)占整體數(shù)據(jù)的90%左右, 而殘差水平大于3倍的RMSE (HsN_N10-HsECMWF>3*RMSE)的數(shù)據(jù)異常值僅為整體數(shù)據(jù)的0.1%, 異常值在全球分布且沒有空間相關(guān)性, 這與Stopa等(2017)的結(jié)果類似。表明整體殘差控制在理想的范圍之內(nèi)。由圖4b可知, 在太平洋海域, S1A數(shù)據(jù)最多, 沿海地區(qū)相對稀疏, 這是由于在一些沿海地區(qū), SAR天線經(jīng)常以其他模式(例如, 干涉寬幅模式)獲取數(shù)據(jù), 無法獲得波模式數(shù)據(jù)造成的(Li, 2011)。通過對比圖4a、b還可以觀察到, 殘差值的大小與應(yīng)用數(shù)據(jù)點(diǎn)的密度成正相關(guān)關(guān)系, 數(shù)據(jù)點(diǎn)密集區(qū)域, 殘差為正值, 數(shù)據(jù)點(diǎn)稀疏的區(qū)域, 殘差為負(fù)值, 這是由于訓(xùn)練數(shù)據(jù)點(diǎn)過少導(dǎo)致的神經(jīng)網(wǎng)絡(luò)模型不能達(dá)到較好的學(xué)習(xí)效果, 使得訓(xùn)練結(jié)果限制在一定范圍內(nèi), 相反, 數(shù)據(jù)點(diǎn)過于密集的區(qū)域, 可能存在過擬合現(xiàn)象。由圖4a可以看出, 殘差的高值分布區(qū)域, 一般為數(shù)據(jù)點(diǎn)比較少的區(qū)域, 證明了神經(jīng)網(wǎng)絡(luò)模型對訓(xùn)練數(shù)據(jù)的高要求。

    3.2 N_N模型反演結(jié)果與浮標(biāo)數(shù)據(jù)對比

    本節(jié)擬將N_N模型的反演結(jié)果與獨(dú)立測量的浮標(biāo)數(shù)據(jù)結(jié)果進(jìn)行比較, 由于篇幅限制, 本文只將N_N10模型的與浮標(biāo)數(shù)據(jù)的對比分析結(jié)果進(jìn)行展示, 如圖5所示。

    圖5 浮標(biāo)數(shù)據(jù)提供的Hs與ECMWF再分析數(shù)據(jù)提供的Hs及S1A數(shù)據(jù)通過N_N10模型得到的Hs的對比散點(diǎn)圖

    注:a: 浮標(biāo)數(shù)據(jù)提供的Hs與ECMWF再分析數(shù)據(jù)提供的Hs比較結(jié)果; b: 浮標(biāo)數(shù)據(jù)提供的Hs與S1A數(shù)據(jù)通過N_N10模型得到的Hs的比較結(jié)果; 藍(lán)色實(shí)線表示=

    為了更好的分析N_N10模型輸出結(jié)果與浮標(biāo)數(shù)據(jù)的差別, 本研究首先對浮標(biāo)數(shù)據(jù)與時空匹配后的ECMWF模式數(shù)據(jù)進(jìn)行對比, 見圖5a。由于N_N10模型是以ECMWF數(shù)據(jù)為基準(zhǔn)進(jìn)行訓(xùn)練的神經(jīng)網(wǎng)絡(luò), 因此本文判斷其結(jié)果應(yīng)與ECMWF數(shù)據(jù)具有相似的趨勢。

    由圖5a可知, 浮標(biāo)和ECMWF的有效波高整體上圍繞著=直線, 相關(guān)系數(shù)高達(dá)0.980, 散射系數(shù)為14.96%, 這表明了ECMWF再分析數(shù)據(jù)的可靠性及其用于提供可靠海況信息的能力。當(dāng)Hs<2m時, 分布于=直線上方的數(shù)據(jù)點(diǎn)居多, 表明二者之間存在一個正偏差(HsECMWF-Hsbuoy), 數(shù)據(jù)點(diǎn)比較集中; 當(dāng)Hs>2m時, 數(shù)據(jù)點(diǎn)分布在=直線左右, 數(shù)據(jù)點(diǎn)相對較為離散。

    圖5b中散點(diǎn)圖分布趨勢與圖5a類似, 當(dāng)Hs<2m時, 數(shù)據(jù)點(diǎn)基本分布于=直線上方, 當(dāng)Hs>2m時, 數(shù)據(jù)點(diǎn)則離散的分布于=直線兩側(cè)。與圖5a相比, 圖5b的數(shù)據(jù)點(diǎn)則更加離散, SI值更大, 為32.27%, 圖5a、b的Bias分別為0.043m和0.263m, 均為正值, 這是由Hs<2m部分的數(shù)據(jù)所造成的。圖5b相關(guān)系數(shù)為0.894, 雖然沒有圖5a相關(guān)性高, 但也達(dá)到了較好的結(jié)果, 且二者之間相似的分布趨勢也進(jìn)一步證明N_N10模型提供了可靠的Hs估計。

    3.3 不同環(huán)境條件下N_N10模型的性能分析

    本節(jié)擬對不同SAR觀測模式(WV1/2), 不同的c以及不同海況下的N_N10模型的Hs反演情況進(jìn)行分析, 以有效波高的大小表示海況的變化。不同條件下的統(tǒng)計參數(shù)變化如表3所示。

    表3 不同環(huán)境條件下的N_N10模型性能分析統(tǒng)計參數(shù)一覽表(N_N10 VS ECMWF)

    Tab.3 List of statistical parameters for performance analysis of N_N10 Model under different environment conditions (N_N10 VS ECMWF)

    由表3對不同入射角、Hs、c條件下的統(tǒng)計參數(shù)比較可知:

    1) S1A衛(wèi)星在WV模式下以23°(WV1)和36°(WV2)兩個入射角交替工作, WV2模式的數(shù)據(jù)點(diǎn)較WV1的數(shù)據(jù)點(diǎn)略多, 但N_N10模型在WV2模式的反演結(jié)果比WV1稍差, RMSE相差0.029m, WV2的SI為19.22%, WV1的SI為18.19%, WV2的低性能是由于它的傾斜調(diào)制較弱, 信噪比較低, 在0和c中產(chǎn)生較大噪聲值的比率造成的(Stopa, 2017)。整體上N_N10模型在兩種SAR觀測模式下均取得了較好的反演結(jié)果。

    2) 對于不同的Hs, N_N10模型性能具有明顯差異。其中, 平穩(wěn)海況(18m), N_N10模型性能大幅降低, 相關(guān)系數(shù)均在0.15以下。分析可知, 針對低海況的情況, 一方面由于用于進(jìn)行模型訓(xùn)練的低海況數(shù)據(jù)點(diǎn)較少, 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)要求未達(dá)標(biāo), 另一方面, 當(dāng)Hs<1m時, 存在一些N_N10模型輸出結(jié)果與ECMWF相差很大的數(shù)據(jù)點(diǎn)(由圖3可知)。而高海況下, 數(shù)據(jù)點(diǎn)更少, N_N10與N_N5模型均處于低估的狀態(tài)。

    3) 方位向截斷波長表示為SAR圖像譜在方位方向上受約束的程度, 當(dāng)方位向截斷波長較大時(如,c>500m), SAR圖像譜將變得不清楚, 多數(shù)波譜成分將不可靠(Kerboal, 1998), 但N_N10模型在高c條件下, 卻取得了較好的結(jié)果, 相關(guān)系數(shù)高達(dá)0.944, Bias僅為0.102m, 而SI為35.94%表明數(shù)據(jù)較為離散。對于c小于100m的情況, 其Bias接近于0, 但相關(guān)系數(shù)很低, 為0.418, 分析可知, 由于c較小的情況下, 海面大多處于較為平穩(wěn)的狀態(tài), 訓(xùn)練數(shù)據(jù)較少, 訓(xùn)練效果不佳導(dǎo)致相關(guān)系數(shù)降低。

    圖6進(jìn)一步對S1A的c、N_N10模型輸出的Hs、以及N_N10模型與ECMWF對比的殘差全球分布進(jìn)行展示, 從全球分布的角度, 分析三者之間的關(guān)系, 本研究選擇春秋兩個季節(jié)的數(shù)據(jù)進(jìn)行分析, 以1°的經(jīng)緯度窗口進(jìn)行季度平均計算。

    從圖6a、b、d、e可知,c與Hs均具有緯向分布的特征, 且二者具有明顯正相關(guān)關(guān)系。春、秋兩個季節(jié), 南半球平均海浪有效波高均高于北半球, 尤其在30°—50°S, 平均Hs達(dá)到5m以上, 與c分布一致, 秋季則更為明顯。秋季時期北大西洋與南印度洋均出現(xiàn)了Hs高值區(qū), Hs在5m左右, 此處c也處于高值區(qū), 而春季時期, 南印度洋、南太平洋與南大西洋Hs較秋季時期減小, 但也為高值區(qū)與相應(yīng)的c的全球分布情況一致, 這也表明c可用于表示Hs的季節(jié)變化。從兩個季節(jié)的平均殘差分布圖可知, N_N10模型整體性能良好, 其殘差水平在沿岸地區(qū)高于大洋內(nèi)部, 且隨著c與Hs的提高, 殘差有增大的趨勢, 且中高緯度地區(qū)的殘差水平高于低緯度地區(qū)。

    圖6 S1A數(shù)據(jù)的λc、N_N10模型輸出的Hs及Hs殘差的全球分布圖

    注:a、d表示S1A數(shù)據(jù)的c全球分布圖; b、e表示S1A數(shù)據(jù)通過N_N10模型得到的Hs分布圖; c、f表示N_N10模型輸出的Hs以及ECMWF再分析數(shù)據(jù)提供的Hs對比的殘差(HsN_N10-HsECMWF)分布情況; 以上數(shù)據(jù)均為季度平均的結(jié)果, 其中圖a、b、c為春季, 時間為2018年三月、五月, 圖d、e、f為秋季, 時間為2018年九月、十一月

    4 結(jié)論

    本文在Schulz-Stellenfleth等(2007)提出的雙參數(shù)模型的基礎(chǔ)上, 利用神經(jīng)網(wǎng)絡(luò)技術(shù)對2018年的S1A二級波模式數(shù)據(jù)進(jìn)行了海浪有效波高的反演, 對具有不同輸入?yún)?shù)的神經(jīng)網(wǎng)絡(luò)模型的性能進(jìn)行了分析。為了更準(zhǔn)確的進(jìn)行全球范圍的Hs反演, 本文在N_N模型中加入經(jīng)緯度的信息。對模型反演結(jié)果, 除利用ECMWF再分析數(shù)據(jù)進(jìn)行對比外, 還利用獨(dú)立測量的浮標(biāo)數(shù)據(jù)進(jìn)行了驗證, 初步得到以下結(jié)論:

    1) 總體上, 14個N_N模型的反演結(jié)果與ECMWF數(shù)據(jù)相比, 均達(dá)到了可接受的訓(xùn)練結(jié)果, 相關(guān)系數(shù)均在0.8以上, 且大部分模型RMS控制在0.6m以內(nèi), 其中N_N10的性能最佳, 相關(guān)系數(shù)達(dá)到0.9以上, 散射指數(shù)在19%以內(nèi)。

    2) 通過表2對14個模型性能的分析, 隨著c的加入, N_N模型的性能大幅提升, 相關(guān)系數(shù)達(dá)到0.88以上。其次,參數(shù)的加入也會小幅度提高模型反演的準(zhǔn)確度, 因此, 在c缺失或者不準(zhǔn)確時, 可選擇信息作為Hs反演模型的輸入?yún)?shù)。

    3) 浮標(biāo)測量數(shù)據(jù)用于驗證N_N模型算法, N_N10與浮標(biāo)對比的RMS為0.607m, Bias為0.263m, 且相關(guān)系數(shù)達(dá)到了0.894, 表明將N_N10模型用于Hs的反演, 整體上達(dá)到了較好的結(jié)果。同時, 通過散點(diǎn)圖可知, 當(dāng)Hs<2m時, N_N10模型、ECMWF均與浮標(biāo)觀測結(jié)果之間存在較小的正偏差; 當(dāng)Hs>2.5m時, 數(shù)據(jù)點(diǎn)的偏差趨于0, 但數(shù)據(jù)點(diǎn)相對較為離散, N_N10與浮標(biāo)的散點(diǎn)圖分布情況與ECMWF和浮標(biāo)的對比散點(diǎn)圖具有相似趨勢, 也進(jìn)一步表明N_N10模型提供了可靠的Hs估計。由于本研究用于評估的浮標(biāo)數(shù)據(jù)僅有400對, 數(shù)量較少, 因此, 為了更好的確認(rèn)N_N性能, 需要進(jìn)行更密集的現(xiàn)場浮標(biāo)測量。

    4) 通過對不同入射角下N_N10模型的性能分析, 在入射角為36°(WV2)模式的反演結(jié)果比23°(WV1)較差, RMSE相差0.029m, WV1的SI控制在19%以內(nèi)。但總體上N_N10模型在兩種SAR觀測模式下均取得了不錯的反演結(jié)果。

    5) 對于不同海況條件, N_N10模型性能具有明顯差異。其中, 平穩(wěn)海況(18m)的模型性能大幅降低, 相關(guān)系數(shù)均在0.15以下, 這是由于用于模型訓(xùn)練的低海況及高海況的數(shù)據(jù)點(diǎn)較少, 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)要求未達(dá)標(biāo)所造成, 但如果通過加入更大的反映所有海況下的數(shù)據(jù)集, 該模型性能將會有所改進(jìn)。

    6) 歷史研究表明, 較大的c, 會引起SAR圖像譜, 在方位方向上變得十分模糊, 很難用于海浪參數(shù)的提取(Kerbaol, 1998)。但本研究通過N_N10模型進(jìn)行Hs反演, 在高c條件下, 卻取得了較好的結(jié)果, 相關(guān)系數(shù)高達(dá)0.944。同時, 通過對S1A數(shù)據(jù)的c以及N_N10模型反演的Hs進(jìn)行春、秋兩個季節(jié)的全球分布分析可知,c與Hs的全球分布具有大致相同的緯向分布的特征, 表明c還可用來表示Hs的季節(jié)變化。

    7) 通過對N_N10與ECMWF的Hs殘差全球分布圖可知, N_N10模型在全球大部分海域達(dá)到了較好的反演效果, 但在沿岸地區(qū)的有效波高反演結(jié)果仍不理想, 遠(yuǎn)不及遠(yuǎn)海地區(qū), 該問題與數(shù)據(jù)點(diǎn)的分布密度有關(guān)。因此, 通過加入包含更多沿岸數(shù)據(jù)的訓(xùn)練數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練, 可以完善N_N模型在全球范圍內(nèi)Hs反演的性能。

    綜上分析, 本研究建立的用于Hs反演的神經(jīng)網(wǎng)絡(luò)模型, 取得了較好的反演效果, 在全球范圍內(nèi)提供了可靠的海浪有效波高估計。盡管本研究僅限于S1A衛(wèi)星, 但該方法還可應(yīng)用于當(dāng)前任何具有二級波模式數(shù)據(jù)的其他合成孔徑雷達(dá)數(shù)據(jù), 如ENVISAT、Sentinel 1B等。此外, 若在模型訓(xùn)練過程中考慮海浪的傳播方向以及主波波長等信息, 模型性能將會有所改進(jìn)(Stopa, 2017)。

    致謝 本文使用的Sentinel 1A二級波模式數(shù)據(jù)由歐洲太空局(ESA)網(wǎng)站提供, ECMWF再分析數(shù)據(jù)集ERA5由ECMWF網(wǎng)站提供, 浮標(biāo)數(shù)據(jù)由美國國家數(shù)據(jù)浮標(biāo)中心(NDBC)網(wǎng)站下載, 在此表示感謝。

    王小川, 史 峰, 郁 磊等, 2013. MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析. 北京: 北京航空航天大學(xué)出版社, 1—32

    Beal R C, Tilley D G, Monaldo F M, 1983. Large-and small-scale spatial evolution of digitally processed ocean wave spectra from SEASAT synthetic aperture radar. Journal of Geophysical Research: Oceans, 88(C3): 1761—1778

    Engen G, Johnsen H, 1995. SAR-ocean wave inversion using image cross spectra. IEEE Transactions on Geoscience and Remote Sensing, 33(4): 1047—1056

    Grieco G, Lin W, Migliaccio M, 2016. Dependency of the Sentinel-1 azimuth wavelength cut-off on significant wave height and wind speed. International Journal of Remote Sensing, 37(21): 5086—5104

    Hasselmann K, Hasselmann S, 1991. On the nonlinear mapping of an ocean wave spectrum into a synthetic aperture radar image spectrum and its inversion. Journal of Geophysical Research: Oceans, 96(C6): 10713—10729

    Hasselmann K, Raney R K, Plant W J, 1985. Theory of synthetic aperture radar ocean imaging: A MARSEN view. Journal of Geophysical Research: Oceans, 90(3): 4659—4686

    Hasselmann S, Brüning C, Hasselmann K, 1996. An improved algorithm for the retrieval of ocean wave spectra from synthetic aperture radar image spectra. Journal of Geophysical Research: Oceans, 101(C7): 16615—16629

    Horstmann J, Schiller H, Schulz-Stellenfleth J, 2003. Global wind speed retrieval from sar. IEEE Transactions on Geoscience and Remote Sensing, 41(10): 2277—2286

    Jackson C R, Apel J R, 2004. Synthetic aperture radar marine user’s manual. U.S. Department of Commerce National Oceanic and Atmospheric Administration. http:// sarusersmanual.com

    Jackson F C, Walton W T, Baker P L, 1985. Aircraft and satellite measurement of ocean wave directional spectra using scanning-beam microwave radars. Journal of Geophysical Research: Oceans, 90(C1): 987—1004, doi: 10.1029/ JC090iC01p00987

    Kerbaol V, Chapron B, Vachon P W, 1998. Analysis of ERS-1/2 synthetic aperture radar wave mode imagettes. Journal of Geophysical Research: Oceans, 103(C4): 7833—7846

    Li X M, Lehner S, Bruns T, 2011. Ocean wave integral parameter measurements using Envisat ASAR wave mode data. IEEE Transactions on Geoscience and Remote Sensing, 49(1): 155—174

    Lyzenga D R, 1986. Numerical simulation of synthetic aperture radar image spectra for ocean waves. IEEE Transactions on Geoscience and Remote Sensing, GE-24(6): 863—872

    Marghany M, Ibrahim Z, Van Genderen J, 2002. Azimuth cut-off model for significant wave height investigation along coastal water of Kuala Terengganu, Malaysia. International Journal of Applied Earth Observation and Geoinformation, 4(2): 147—160

    Ren L, Yang J S, Zheng G, 2015. Significant wave height estimation using azimuth cutoff of C-band RADARSAT-2 single-polarization SAR images. Acta Oceanologica Sinica, 34(12): 93—101

    Schulz-Stellenfleth J, K?nig T, Lehner S, 2007. An empirical approach for the retrieval of integral ocean wave parameters from synthetic aperture radar data. Journal of Geophysical Research: Oceans, 112(C3): C03019

    Schulz-Stellenfleth J, Lehner S, Hoja D, 2005. A parametric scheme for the retrieval of two‐dimensional ocean wave spectra from synthetic aperture radar look cross spectra. Journal of Geophysical Research: Oceans, 110(C5): C05004, doi: 10.1029/2004JC002822

    Shao W Z, Zhang Z, Li X F, 2016. Ocean wave parameters retrieval from Sentinel-1 SAR imagery. Remote Sensing, 8(9): 707, doi: 10.3390/rs8090707

    Stopa J E, Ardhuin F, Chapron B, 2015. Estimating wave orbital velocity through the azimuth cutoff from space-borne satellites. Journal of Geophysical Research: Oceans, 120(11): 7616—7634

    Stopa J E, Mouche A, 2017. Significant wave heights from Sentinel-1 SAR: validation and applications. Journal of Geophysical Research: Oceans, 122(3): 1827—1848

    Wang H, Zhu J H, Yang J S, 2012. A semiempirical algorithm for SAR wave height retrieval and its validation using Envisat ASAR wave mode data. Acta Oceanologica Sinica, 31(3): 59—66

    INVERSION OF GLOBAL SIGNIFICANT WAVE HEIGHT BASED ON SENTINEL-1A

    MU Shan-Shan1, LI Hai-Yan1, WU Ming-Bo1, 2

    (1. University of Chinese Academy of Sciences, Beijing 100049, China; 2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Science, Beijing 100101, China)

    By using the technique of neural network, a new neural network model a new neural network model (N_N model) was proposed for the inversion of wave effective wave height (HS) from Sentinel-1A level-2 wave model data. Based on the two-parameter model developed by ERS2 SAR wave mode data, the model was added with other parameters including longitude, latitude, the azimuth cutoff (c), skewness, kurtosis, and the ratio () of the distance between satellite platform and the target to the satellite flight speed. The influence of each parameter on the inversion of significant wave height was analyzed using different combinations of input parameters, based on 14 models which were established for HSinversion. Results show that the correlation coefficients of all the 14 models were above 0.8. With the addition ofcand β parameters, the performance of the N_N model increased significantly, and the improvement effect ofcon the model performance was more obvious. The correlation coefficient increased by about 0.06, and RMSE decreased by about 0.12m. In addition, the addition of skewness and kurtosis also improved the performance of the N_N model as the RMSE decreased by about 0.03m, and the correlation coefficient increased by about 0.01. Among them, the N_N10 model had the best effect and the most stable performance. Compared with the ECMWF (European Centre for medium range weather forecasts), the correlation coefficient (CORR) was 0.905, and the scattering index (SI) and RMSE were the lowest, being 18.74% and 0.502m, respectively. The correlation coefficient with the independently measured buoy data reached 0.894.

    neural network; significant wave height; azimuth cutoff; normalized radar cross-section

    2019-12-07

    P7; TP3

    李海艷, 碩士生導(dǎo)師, 副教授, E-mail: lihaiyan@ucas.edu.cn

    2019-09-21,

    * 國家自然科學(xué)基金項目, 41776197號; 中國科學(xué)院大學(xué)優(yōu)秀青年教師科研能力提升項目, Y95401N號。穆珊珊, 碩士研究生, E-mail: mushanjiangnan@163.com

    10.11693/hyhz20190900177

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機(jī)模型
    提煉模型 突破難點(diǎn)
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達(dá)及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    3D打印中的模型分割與打包
    黄片无遮挡物在线观看| 久久 成人 亚洲| a 毛片基地| 国产野战对白在线观看| 国产精品av久久久久免费| 一区在线观看完整版| 2018国产大陆天天弄谢| 一边摸一边抽搐一进一出视频| 男人舔女人的私密视频| 看免费成人av毛片| 欧美日韩福利视频一区二区| av国产精品久久久久影院| 亚洲欧美中文字幕日韩二区| h视频一区二区三区| 亚洲av电影在线进入| 婷婷色综合大香蕉| 久久99热这里只频精品6学生| 国产日韩欧美视频二区| 久久天堂一区二区三区四区| 欧美精品人与动牲交sv欧美| 亚洲av福利一区| 天天躁日日躁夜夜躁夜夜| 午夜精品国产一区二区电影| 90打野战视频偷拍视频| 少妇人妻久久综合中文| 欧美乱码精品一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲国产精品一区二区三区在线| 欧美日韩亚洲国产一区二区在线观看 | 久久久精品国产亚洲av高清涩受| 精品卡一卡二卡四卡免费| 在线亚洲精品国产二区图片欧美| 波野结衣二区三区在线| 最近最新中文字幕免费大全7| 丝袜美足系列| 一个人免费看片子| 欧美在线一区亚洲| 激情五月婷婷亚洲| 韩国高清视频一区二区三区| 1024香蕉在线观看| 国产精品一国产av| 青青草视频在线视频观看| 麻豆乱淫一区二区| 不卡视频在线观看欧美| 人人妻人人澡人人看| 高清不卡的av网站| 新久久久久国产一级毛片| 国产精品一区二区在线观看99| 久久精品久久久久久噜噜老黄| xxxhd国产人妻xxx| 18禁动态无遮挡网站| 在线精品无人区一区二区三| 又大又黄又爽视频免费| 女人爽到高潮嗷嗷叫在线视频| 国产在线一区二区三区精| 午夜福利免费观看在线| 中国三级夫妇交换| 久久久久精品性色| 一区福利在线观看| 国产精品偷伦视频观看了| 久久影院123| 韩国av在线不卡| 国产不卡av网站在线观看| 日韩av不卡免费在线播放| svipshipincom国产片| 欧美精品亚洲一区二区| 久久亚洲国产成人精品v| 国产精品国产三级专区第一集| 丰满乱子伦码专区| 欧美亚洲日本最大视频资源| 午夜福利在线免费观看网站| 777米奇影视久久| 久久久久网色| 搡老岳熟女国产| 黄频高清免费视频| 丰满乱子伦码专区| 国产日韩欧美视频二区| 在线观看一区二区三区激情| 黄色视频不卡| 亚洲一区二区三区欧美精品| 亚洲av成人精品一二三区| 国产精品人妻久久久影院| 国产视频首页在线观看| 亚洲国产欧美网| 18禁观看日本| 亚洲国产看品久久| 亚洲中文av在线| 国产免费福利视频在线观看| 欧美日韩一级在线毛片| 2018国产大陆天天弄谢| 亚洲,一卡二卡三卡| 午夜福利影视在线免费观看| 另类精品久久| 精品视频人人做人人爽| 天天添夜夜摸| 久久天躁狠狠躁夜夜2o2o | 少妇人妻 视频| 777米奇影视久久| 亚洲国产精品一区三区| 亚洲欧美清纯卡通| 国产欧美日韩一区二区三区在线| 成人亚洲欧美一区二区av| 99久久精品国产亚洲精品| 一本久久精品| 80岁老熟妇乱子伦牲交| 国产精品久久久久久人妻精品电影 | 老司机靠b影院| 看免费成人av毛片| 久久久久国产一级毛片高清牌| 五月天丁香电影| 亚洲精品久久成人aⅴ小说| 亚洲精品视频女| 丰满迷人的少妇在线观看| 妹子高潮喷水视频| 欧美日韩综合久久久久久| 国产97色在线日韩免费| 在线免费观看不下载黄p国产| 亚洲男人天堂网一区| av福利片在线| 国产精品熟女久久久久浪| 亚洲成人免费av在线播放| 免费女性裸体啪啪无遮挡网站| 亚洲综合色网址| 久热爱精品视频在线9| 尾随美女入室| 国产成人免费观看mmmm| 九色亚洲精品在线播放| 黄色视频不卡| 国产亚洲欧美精品永久| 啦啦啦啦在线视频资源| 国产有黄有色有爽视频| 日本猛色少妇xxxxx猛交久久| 一边摸一边做爽爽视频免费| 黑丝袜美女国产一区| 久久久久视频综合| 日韩一区二区三区影片| videosex国产| 男女边吃奶边做爰视频| 三上悠亚av全集在线观看| 国产成人精品在线电影| 各种免费的搞黄视频| 国产精品久久久久久精品电影小说| 少妇被粗大的猛进出69影院| 亚洲伊人久久精品综合| 少妇人妻精品综合一区二区| 成人漫画全彩无遮挡| 男男h啪啪无遮挡| 丝袜喷水一区| 国产精品成人在线| 一本久久精品| 亚洲,欧美,日韩| 日本一区二区免费在线视频| 曰老女人黄片| 国产成人一区二区在线| 七月丁香在线播放| 一边摸一边做爽爽视频免费| 亚洲成国产人片在线观看| a级毛片黄视频| 亚洲视频免费观看视频| 十分钟在线观看高清视频www| 欧美人与性动交α欧美软件| 十八禁网站网址无遮挡| xxx大片免费视频| 久久人人爽人人片av| 日韩,欧美,国产一区二区三区| 国产成人免费观看mmmm| 久久久久久免费高清国产稀缺| 久久精品人人爽人人爽视色| 欧美精品av麻豆av| 国产野战对白在线观看| 男女边摸边吃奶| 黄片播放在线免费| 欧美在线黄色| 欧美日韩一级在线毛片| 最近2019中文字幕mv第一页| 夫妻性生交免费视频一级片| 亚洲av电影在线观看一区二区三区| 热re99久久精品国产66热6| 国产免费现黄频在线看| 2018国产大陆天天弄谢| 亚洲美女搞黄在线观看| 国产极品天堂在线| 日韩免费高清中文字幕av| 久久精品aⅴ一区二区三区四区| 如日韩欧美国产精品一区二区三区| 丰满少妇做爰视频| 久久毛片免费看一区二区三区| 成人黄色视频免费在线看| 女人爽到高潮嗷嗷叫在线视频| 两个人免费观看高清视频| 亚洲熟女精品中文字幕| 丝袜脚勾引网站| 91精品三级在线观看| 成人国语在线视频| 亚洲国产成人一精品久久久| 色精品久久人妻99蜜桃| 91精品国产国语对白视频| 丝袜喷水一区| 国产极品粉嫩免费观看在线| 少妇 在线观看| 女人久久www免费人成看片| 国产精品人妻久久久影院| 久久久久久免费高清国产稀缺| 欧美日韩综合久久久久久| 精品一区在线观看国产| 国产成人系列免费观看| 少妇被粗大猛烈的视频| 亚洲五月色婷婷综合| 亚洲中文av在线| 国产精品三级大全| 丁香六月天网| 亚洲天堂av无毛| 亚洲四区av| 精品少妇黑人巨大在线播放| 十分钟在线观看高清视频www| 久久人人爽人人片av| 国产男女超爽视频在线观看| 人人妻人人添人人爽欧美一区卜| av在线老鸭窝| 亚洲美女视频黄频| 妹子高潮喷水视频| 午夜日本视频在线| 免费观看性生交大片5| 精品国产一区二区三区四区第35| 操出白浆在线播放| 国产精品国产三级国产专区5o| 最近中文字幕2019免费版| 久久ye,这里只有精品| 日日啪夜夜爽| 最黄视频免费看| 成年人午夜在线观看视频| 99国产精品免费福利视频| 久久久久国产一级毛片高清牌| 欧美亚洲日本最大视频资源| 最近最新中文字幕大全免费视频 | 国产成人欧美| 亚洲一区二区三区欧美精品| 国产精品嫩草影院av在线观看| 国产探花极品一区二区| 免费av中文字幕在线| 亚洲av成人不卡在线观看播放网 | 中文字幕另类日韩欧美亚洲嫩草| 国产1区2区3区精品| 在线观看免费视频网站a站| 婷婷色综合大香蕉| 建设人人有责人人尽责人人享有的| 香蕉丝袜av| 观看美女的网站| 欧美成人精品欧美一级黄| 成人亚洲欧美一区二区av| 久久热在线av| 两个人免费观看高清视频| 性少妇av在线| 亚洲国产成人一精品久久久| 久久性视频一级片| 一二三四在线观看免费中文在| 亚洲av电影在线进入| 国产人伦9x9x在线观看| 成年动漫av网址| 日韩一卡2卡3卡4卡2021年| 在线免费观看不下载黄p国产| 丝袜美腿诱惑在线| 91精品国产国语对白视频| 国产成人午夜福利电影在线观看| 最新在线观看一区二区三区 | 高清在线视频一区二区三区| 看非洲黑人一级黄片| 日韩 亚洲 欧美在线| 免费高清在线观看日韩| 卡戴珊不雅视频在线播放| 80岁老熟妇乱子伦牲交| 国产亚洲欧美精品永久| 欧美精品高潮呻吟av久久| 最黄视频免费看| 秋霞在线观看毛片| 久久免费观看电影| 中文乱码字字幕精品一区二区三区| 国产在线免费精品| 青青草视频在线视频观看| 成年动漫av网址| 女人精品久久久久毛片| 婷婷色av中文字幕| 免费高清在线观看视频在线观看| 国语对白做爰xxxⅹ性视频网站| 国产成人系列免费观看| 亚洲人成电影观看| 亚洲国产欧美网| 久久久国产欧美日韩av| 狠狠婷婷综合久久久久久88av| 少妇的丰满在线观看| 色婷婷久久久亚洲欧美| 欧美激情 高清一区二区三区| 欧美日韩视频精品一区| 夜夜骑夜夜射夜夜干| 亚洲国产看品久久| 国产 一区精品| 丁香六月欧美| 国产xxxxx性猛交| 交换朋友夫妻互换小说| 日韩成人av中文字幕在线观看| 欧美成人精品欧美一级黄| 久久女婷五月综合色啪小说| 夫妻午夜视频| 男人舔女人的私密视频| 亚洲av欧美aⅴ国产| 久久久久精品国产欧美久久久 | 只有这里有精品99| 亚洲国产最新在线播放| 蜜桃在线观看..| 成人国产麻豆网| 国产一级毛片在线| 又大又爽又粗| 亚洲熟女毛片儿| 人成视频在线观看免费观看| 国产精品嫩草影院av在线观看| 叶爱在线成人免费视频播放| 99九九在线精品视频| 国产在线免费精品| 黄色毛片三级朝国网站| 女性生殖器流出的白浆| 国产成人a∨麻豆精品| 久久久久精品人妻al黑| 黄色怎么调成土黄色| 久久天堂一区二区三区四区| 国产高清国产精品国产三级| 久久天堂一区二区三区四区| 久久久久人妻精品一区果冻| av视频免费观看在线观看| 亚洲国产欧美在线一区| 久久国产精品男人的天堂亚洲| 性少妇av在线| 在线观看人妻少妇| 最近最新中文字幕免费大全7| 久久精品国产a三级三级三级| 日本午夜av视频| 亚洲熟女毛片儿| 午夜日本视频在线| 亚洲三区欧美一区| 久久精品亚洲av国产电影网| 亚洲精品在线美女| 国产一区二区三区av在线| 麻豆精品久久久久久蜜桃| 亚洲精品视频女| 欧美精品亚洲一区二区| 电影成人av| 日韩免费高清中文字幕av| 老司机影院毛片| 中文字幕高清在线视频| 大陆偷拍与自拍| 男男h啪啪无遮挡| 女人久久www免费人成看片| 国产av国产精品国产| 亚洲在久久综合| 中国国产av一级| 国产一卡二卡三卡精品 | 国产又爽黄色视频| 大片电影免费在线观看免费| 一区福利在线观看| 国产片内射在线| 欧美变态另类bdsm刘玥| av天堂久久9| 亚洲精品一二三| 国产视频首页在线观看| 人妻一区二区av| 国产高清国产精品国产三级| 国产成人一区二区在线| 国产99久久九九免费精品| 99国产精品免费福利视频| 综合色丁香网| 久久鲁丝午夜福利片| 色视频在线一区二区三区| 国产精品二区激情视频| 亚洲色图综合在线观看| 亚洲av日韩精品久久久久久密 | 女性被躁到高潮视频| 男女之事视频高清在线观看 | 丰满饥渴人妻一区二区三| 免费人妻精品一区二区三区视频| 亚洲精品国产区一区二| 欧美日韩一级在线毛片| 中文字幕亚洲精品专区| 18在线观看网站| 美国免费a级毛片| 久久亚洲国产成人精品v| 亚洲一级一片aⅴ在线观看| 在线观看www视频免费| tube8黄色片| 亚洲精品久久久久久婷婷小说| 国产免费一区二区三区四区乱码| 精品少妇黑人巨大在线播放| 激情五月婷婷亚洲| 国产xxxxx性猛交| 欧美日韩福利视频一区二区| 国产乱来视频区| 香蕉丝袜av| 日本爱情动作片www.在线观看| 久久国产精品男人的天堂亚洲| 日本午夜av视频| 国产 精品1| 黑丝袜美女国产一区| 久久热在线av| 日韩欧美一区视频在线观看| 色吧在线观看| 在线亚洲精品国产二区图片欧美| 日韩av在线免费看完整版不卡| 亚洲欧美一区二区三区久久| 精品少妇黑人巨大在线播放| 久久久精品94久久精品| tube8黄色片| av福利片在线| 国产精品一二三区在线看| 中文字幕另类日韩欧美亚洲嫩草| 国产免费视频播放在线视频| 亚洲,欧美,日韩| 大片电影免费在线观看免费| 丁香六月天网| 亚洲欧美成人综合另类久久久| 一边摸一边做爽爽视频免费| 人成视频在线观看免费观看| 最近手机中文字幕大全| 五月开心婷婷网| 午夜免费鲁丝| 夫妻性生交免费视频一级片| 日本欧美国产在线视频| 视频在线观看一区二区三区| 婷婷色av中文字幕| 亚洲国产av新网站| 亚洲第一av免费看| 欧美少妇被猛烈插入视频| 蜜桃在线观看..| 天美传媒精品一区二区| 久久国产精品大桥未久av| 又黄又粗又硬又大视频| 一级片免费观看大全| 免费黄色在线免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲国产精品国产精品| av又黄又爽大尺度在线免费看| avwww免费| 久久午夜综合久久蜜桃| 国产成人精品福利久久| 中文字幕精品免费在线观看视频| 伊人亚洲综合成人网| 亚洲五月色婷婷综合| 欧美日韩视频精品一区| 十八禁高潮呻吟视频| 爱豆传媒免费全集在线观看| 午夜免费观看性视频| 精品第一国产精品| 女性生殖器流出的白浆| 亚洲四区av| 一级,二级,三级黄色视频| 麻豆精品久久久久久蜜桃| 亚洲一卡2卡3卡4卡5卡精品中文| 国产野战对白在线观看| 国产精品 欧美亚洲| 人人妻人人爽人人添夜夜欢视频| 国产精品 国内视频| 日韩一区二区三区影片| 久久久久精品久久久久真实原创| 一级爰片在线观看| 久久午夜综合久久蜜桃| 国产一区二区激情短视频 | 黄色怎么调成土黄色| 国产成人精品在线电影| 国产精品久久久久久精品电影小说| 十八禁人妻一区二区| 久久久久久久大尺度免费视频| 国产成人免费观看mmmm| 两个人免费观看高清视频| 国产成人av激情在线播放| 精品酒店卫生间| 欧美人与性动交α欧美软件| 汤姆久久久久久久影院中文字幕| 国产欧美日韩一区二区三区在线| 成人国产av品久久久| 成人国产av品久久久| svipshipincom国产片| 在线精品无人区一区二区三| 日韩欧美精品免费久久| 一级片免费观看大全| 国产精品久久久久久精品古装| 日韩不卡一区二区三区视频在线| 久久国产精品男人的天堂亚洲| 国产人伦9x9x在线观看| 亚洲av日韩精品久久久久久密 | 一区二区三区激情视频| 亚洲欧洲国产日韩| 国产色婷婷99| 青青草视频在线视频观看| 老司机影院毛片| 老司机在亚洲福利影院| av免费观看日本| 97在线人人人人妻| 成人三级做爰电影| 精品少妇黑人巨大在线播放| 又黄又粗又硬又大视频| 一区二区三区精品91| 乱人伦中国视频| 欧美中文综合在线视频| 午夜免费男女啪啪视频观看| 久久国产亚洲av麻豆专区| av.在线天堂| 亚洲熟女毛片儿| 精品国产一区二区久久| 男女无遮挡免费网站观看| 观看美女的网站| 在线天堂最新版资源| 亚洲五月色婷婷综合| 日本一区二区免费在线视频| 精品视频人人做人人爽| 黄色怎么调成土黄色| 你懂的网址亚洲精品在线观看| 亚洲精品成人av观看孕妇| 国产欧美日韩综合在线一区二区| 久久狼人影院| 久久99热这里只频精品6学生| 欧美日韩亚洲综合一区二区三区_| 欧美精品亚洲一区二区| 久久久久精品久久久久真实原创| 日韩精品免费视频一区二区三区| 国产av国产精品国产| 国产成人精品久久久久久| 国产亚洲一区二区精品| 精品国产一区二区久久| 国产午夜精品一二区理论片| 美女福利国产在线| 一级,二级,三级黄色视频| 成年av动漫网址| 国产男女内射视频| 黄色一级大片看看| 欧美日韩av久久| 操出白浆在线播放| 日韩一区二区视频免费看| 中文字幕av电影在线播放| 久久99一区二区三区| 国产一级毛片在线| 国产男人的电影天堂91| 看免费成人av毛片| a 毛片基地| 日韩精品有码人妻一区| 80岁老熟妇乱子伦牲交| 午夜日韩欧美国产| 18在线观看网站| 女人高潮潮喷娇喘18禁视频| 激情五月婷婷亚洲| 亚洲成人av在线免费| 最近的中文字幕免费完整| 国产精品秋霞免费鲁丝片| 欧美黑人精品巨大| 午夜日韩欧美国产| 最新的欧美精品一区二区| 亚洲av在线观看美女高潮| svipshipincom国产片| 午夜福利免费观看在线| 亚洲精品成人av观看孕妇| 99热网站在线观看| 尾随美女入室| 中文字幕精品免费在线观看视频| 午夜av观看不卡| 在线观看一区二区三区激情| av国产精品久久久久影院| 欧美精品一区二区大全| www.自偷自拍.com| 久久久久精品国产欧美久久久 | 国产亚洲精品第一综合不卡| 黑人欧美特级aaaaaa片| 制服丝袜香蕉在线| 久久久久久人人人人人| 男女边吃奶边做爰视频| 免费高清在线观看日韩| 丰满饥渴人妻一区二区三| 可以免费在线观看a视频的电影网站 | 亚洲av成人精品一二三区| 国产精品国产av在线观看| 美国免费a级毛片| 国产一区二区三区av在线| 精品一区二区三卡| 卡戴珊不雅视频在线播放| 亚洲av中文av极速乱| 亚洲成人免费av在线播放| 黄色怎么调成土黄色| 欧美在线一区亚洲| 乱人伦中国视频| 9色porny在线观看| 亚洲国产精品一区二区三区在线| 999久久久国产精品视频| 黑人猛操日本美女一级片| 国产男女超爽视频在线观看| 久久精品久久久久久久性| 自拍欧美九色日韩亚洲蝌蚪91| av有码第一页| 激情五月婷婷亚洲| 精品国产乱码久久久久久男人| 老汉色∧v一级毛片| 大片电影免费在线观看免费| 人人妻人人澡人人爽人人夜夜| 日韩中文字幕欧美一区二区 | 美女国产高潮福利片在线看| 亚洲美女视频黄频| 国产毛片在线视频| 男人爽女人下面视频在线观看| 精品国产一区二区久久| 国产伦理片在线播放av一区| 超碰成人久久| bbb黄色大片| 尾随美女入室| 国产精品久久久久久精品电影小说| 日韩制服骚丝袜av| 深夜精品福利| 午夜激情av网站| av片东京热男人的天堂| 日本黄色日本黄色录像| av不卡在线播放| 一区二区av电影网|