成印河，李家明，朱鳳芹，劉大召，付東洋

（廣東海洋大學(xué) 電子與信息工程學(xué)院海洋技術(shù)系，廣東 湛江 524088）

基于SSM/I亮溫的海表面溫度、風(fēng)速可視化應(yīng)用系統(tǒng)開發(fā)

成印河，李家明，朱鳳芹*，劉大召，付東洋

（廣東海洋大學(xué) 電子與信息工程學(xué)院海洋技術(shù)系，廣東 湛江 524088）

衛(wèi)星遙感已成為海洋現(xiàn)象研究的主要手段。由于衛(wèi)星數(shù)據(jù)資料數(shù)據(jù)量大，操作復(fù)雜，目前很難找到一種衛(wèi)星數(shù)據(jù)的可視化工具，用以實(shí)現(xiàn)衛(wèi)星數(shù)據(jù)的反演和可視化?；贛atlab開發(fā)了一套基于SSM/I亮溫的反演海表面溫度和風(fēng)速的可視化應(yīng)用系統(tǒng)。該系統(tǒng)集數(shù)據(jù)匹配、遙感反演方法及可視化于一體，具有界面友好、操作簡單和反演產(chǎn)品可靠，易于拓展的特點(diǎn)。該系統(tǒng)反演的海表面溫度和風(fēng)速產(chǎn)品與文獻(xiàn)中其他結(jié)果是一致的。

遙感反演；神經(jīng)網(wǎng)絡(luò)；D-矩陣；可視化

21世紀(jì)是海洋的世紀(jì)，在國家的海洋強(qiáng)國戰(zhàn)略下，越來越多的學(xué)者開始研究、開發(fā)海洋。面對廣闊的海洋，衛(wèi)星遙感技術(shù)無疑是當(dāng)今研究海洋的一種重要手段。衛(wèi)星遙感具有全天候、可持續(xù)觀察，觀測范圍大和實(shí)時(shí)性高等特點(diǎn)，能為海洋研究帶來海量、實(shí)時(shí)、可靠的數(shù)據(jù)，更好地研究海洋。SST（Sea Surface Temperature）以及近海面風(fēng)速是其中很重要的環(huán)境因子。

從SSM/I（Special Sensor Microwave Imager）亮溫?cái)?shù)據(jù)中反演SST和風(fēng)速算法主要有3種，物理算法，經(jīng)驗(yàn)統(tǒng)計(jì)和神經(jīng)網(wǎng)絡(luò)算法。Wentz[1-2]建立和發(fā)展了一種反演包括風(fēng)速的物理算法，SST是已知輸入?yún)?shù)。由于物理反演方法要求較多輻射傳輸物理機(jī)制知識(shí)，比較復(fù)雜，反演算法進(jìn)而轉(zhuǎn)向經(jīng)驗(yàn)算法，包括統(tǒng)計(jì)方法和神經(jīng)網(wǎng)絡(luò)算法。經(jīng)驗(yàn)算法方便簡單，適應(yīng)性強(qiáng)。許多學(xué)者基于SSM/I亮溫?cái)?shù)據(jù)利用經(jīng)驗(yàn)算法開展反演風(fēng)速研究[3-5]。Goodberlet等[3]1989年給出了一種經(jīng)驗(yàn)統(tǒng)計(jì)算法，即D矩陣算法反演海表面風(fēng)速，Petty等[5]1993年對其進(jìn)行了改進(jìn)，加入一個(gè)由水汽引起的校正項(xiàng)，來提高風(fēng)速反演精度。另一種最成功的經(jīng)驗(yàn)算法是神經(jīng)網(wǎng)絡(luò)算法，許多專家、學(xué)者都進(jìn)行了研究[6-13]。在SST反演中有著同樣相似方法。Xia等[14]2001年給出了SST反演的D矩陣方法，Meng等[12]2007年利用神經(jīng)網(wǎng)絡(luò)模型同時(shí)反演了風(fēng)速和SST多個(gè)海表面參數(shù)。衛(wèi)星遙感反演算法中都需要大量匹配的實(shí)測數(shù)據(jù)與衛(wèi)星亮溫?cái)?shù)據(jù)，尤其是經(jīng)驗(yàn)算法，匹配數(shù)據(jù)多少會(huì)影響反演的精度及普適性。本文采用了高分辨率浮標(biāo)數(shù)據(jù)進(jìn)行匹配，包括10 min和1 h的SST、風(fēng)速數(shù)據(jù)，針對熱帶海洋區(qū)域給出新的D矩陣系數(shù)和BP神經(jīng)模型，給出最優(yōu)結(jié)果。

衛(wèi)星遙感反演算法國內(nèi)外已經(jīng)開展了較多研究，然而關(guān)于海洋遙感的反演產(chǎn)品業(yè)務(wù)可視化僅有部分研究成果[15-16]。對于海洋工作者來說，需要的不僅是一個(gè)最優(yōu)的算法，更需要能夠查看和方便使用遙感圖像的工具。因此本文在改進(jìn)經(jīng)驗(yàn)?zāi)Ｐ蛥?shù)的基礎(chǔ)上，利用最成功經(jīng)驗(yàn)算法，開發(fā)一套能通過操作GUI界面的窗體應(yīng)用程序，并顯示最優(yōu)結(jié)果的軟件系統(tǒng)。

1 可視化流程、數(shù)據(jù)及方法

1.1 可視化流程

本程序基于Matlab語言編寫而成。Matlab在科學(xué)計(jì)算中是一種主流的程序語言，擁有龐大的函數(shù)庫,對矩陣數(shù)據(jù)的處理方便快速，可較大程度地減少開發(fā)人員的工作量，并且Matlab擁有強(qiáng)大的繪圖能力，可方便制圖顯示，應(yīng)用領(lǐng)域廣泛。同時(shí)Matlab還提供強(qiáng)大的GUI界面設(shè)計(jì)功能，可進(jìn)行應(yīng)用窗體設(shè)計(jì)。本文中程序包完整的可視化流程如圖1所示。

圖1 可視化流程

如圖1所示，衛(wèi)星數(shù)據(jù)可視化的過程首先是匹配數(shù)據(jù)模塊，然后是根據(jù)需要選擇反演方法模塊，BP神經(jīng)網(wǎng)絡(luò)模型或D-矩陣算法，訓(xùn)練網(wǎng)絡(luò)或擬合求得系數(shù)，調(diào)整到最優(yōu)，然后反演海洋要素參數(shù)，展示海洋參數(shù)，完成可視化。

1.2 數(shù)據(jù)

本程序包采用反演算法是神經(jīng)網(wǎng)絡(luò)模型和D-矩陣方法。該算法都是基于大量實(shí)測數(shù)據(jù)的經(jīng)驗(yàn)算法，必須要匹配較大的衛(wèi)星數(shù)據(jù)和浮標(biāo)數(shù)據(jù)。數(shù)據(jù)匹配的數(shù)量和精度影響著海面要素反演的質(zhì)量，所以數(shù)據(jù)匹配尤為重要。本文以2007年的SSM/I的5個(gè)低分辨率通道的亮溫?cái)?shù)據(jù)和TAO（Tropical Atmosphere Ocean project）浮標(biāo)的SST和風(fēng)場數(shù)據(jù)為例進(jìn)行匹配。

衛(wèi)星數(shù)據(jù)主要采用5個(gè)低分辨率通道的SSM/I亮溫?cái)?shù)據(jù)，分別是19 GHz(h)、19 GHz(v)、22 GHz(v)、37 GHz(h)和37 GHz(v)。下載網(wǎng)址為http://www. remss.com/missions/SSM/I。實(shí)測數(shù)據(jù)主要采用高分辨率TAO浮標(biāo)數(shù)據(jù)，主要分布在南北緯10°范圍內(nèi)的熱帶海域，包括太平洋，印度洋和大西洋，采樣間隔為10 min或 1 h。下載網(wǎng)址為：http://www.pmel. noaa.gov/tao/data_deliv/frames/main.html。該數(shù)據(jù)通過質(zhì)量控制后與衛(wèi)星SSM/I亮溫?cái)?shù)據(jù)進(jìn)行匹配。匹配標(biāo)準(zhǔn)為衛(wèi)星數(shù)據(jù)中心坐標(biāo)距離浮標(biāo)為0.25°距離內(nèi)，時(shí)間為前后10 min之內(nèi)。匹配好的SST數(shù)據(jù)為45 525個(gè)，風(fēng)速數(shù)據(jù)為39 586個(gè)。

1.3 溫度和風(fēng)場反演方法

海洋要素反演算法也是結(jié)果展示準(zhǔn)確性最為關(guān)鍵一步，計(jì)算出最優(yōu)的反演模型，才能使得數(shù)據(jù)產(chǎn)品達(dá)到理想效果。該系統(tǒng)中可以選擇使用BP神經(jīng)網(wǎng)絡(luò)模型和D-矩陣方法，進(jìn)行SST和風(fēng)速反演。1.3.1 BP神經(jīng)網(wǎng)絡(luò)算法 BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)，信號(hào)前向傳遞，誤差反向傳播。本系統(tǒng)中可采用BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)來反演SST和風(fēng)速，具體流程見圖2。

圖2 基于SSM/I亮溫反演SST和風(fēng)速的BP神經(jīng)網(wǎng)絡(luò)模型

1.3.2 D-矩陣算法 本系統(tǒng)中采用的另一種經(jīng)驗(yàn)算法為D-矩陣方法。該算法基于匹配的衛(wèi)星亮溫和浮標(biāo)數(shù)據(jù)，擬合線性方程，可采用T19H、T19V、T22V、T37H和 T37V通道亮溫反演 SST，采用T19H、T22V、T37H和T37V通道亮溫反演海表面風(fēng)速。SST和海表面風(fēng)的D-矩陣反演算法公式分別為(1)和(2)[17]。

公式中D0，D1，D2，D3，D4和D5為需要擬合的線性系數(shù)，擬合方法采用最小二乘法。

2 可視化應(yīng)用程序設(shè)計(jì)

2.1 系統(tǒng)介紹

本設(shè)計(jì)具有界面友好，操作簡易可靠的特點(diǎn)，其主窗體見圖3。

圖3 基于SSM/I亮溫反演SST和風(fēng)速可視化系統(tǒng)主窗體

在主窗體的菜單欄上，有匹配、訓(xùn)練/擬合、反演和可視化的功能，窗體中能顯示訓(xùn)練和擬合的結(jié)果，并能輸出操作過程信息，以下為詳細(xì)的功能介紹。

（1）數(shù)據(jù)匹配，即把相同時(shí)間和位置的SSM/I衛(wèi)星數(shù)據(jù)和TAO浮標(biāo)數(shù)據(jù)關(guān)聯(lián)起來，并把匹配結(jié)果輸出到一個(gè)新的文件。并可以選擇匹配的位置精度和時(shí)間精度。

（2）訓(xùn)練/擬合，即根據(jù)匹配好的數(shù)據(jù)，使用神經(jīng)網(wǎng)絡(luò)的方式訓(xùn)練出神經(jīng)網(wǎng)絡(luò)，或使用D-矩陣的方式擬合出系數(shù)，并把訓(xùn)練網(wǎng)絡(luò)或擬合系數(shù)以mat格式保存到文件。

點(diǎn)擊主窗體的“訓(xùn)練/擬合”后，在下拉菜單選擇訓(xùn)練或擬合的方法，選擇匹配好的數(shù)據(jù)文件，在設(shè)置界面里面會(huì)顯示相應(yīng)的參數(shù)設(shè)置。如匹配數(shù)據(jù)為SSM/I亮溫和TAO浮標(biāo)中的SST數(shù)據(jù)，則設(shè)置界面的輸出參數(shù)是SST，見圖4；如果TAO浮標(biāo)的數(shù)據(jù)是風(fēng)速，輸出參數(shù)就是U，V的風(fēng)速分量，見圖5。

圖4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)設(shè)置界面

圖5 D-矩陣方法擬合參數(shù)設(shè)置界面

在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)設(shè)置界面中，可選擇不同通道的SSM/I亮溫?cái)?shù)據(jù)，隱含層、學(xué)習(xí)率、學(xué)習(xí)次數(shù)、學(xué)習(xí)目標(biāo)和訓(xùn)練函數(shù)等參數(shù)，不同參數(shù)設(shè)置，會(huì)達(dá)到不同的訓(xùn)練效果。同理，在D-矩陣擬合參數(shù)設(shè)置界面中，可以根據(jù)不同的輸出參數(shù)，選擇不同的輸入通道，以達(dá)到理想效果。訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)或者是擬合好的系數(shù)，都會(huì)以mat的格式保存，供解碼SSM/I亮溫?cái)?shù)據(jù)時(shí)調(diào)用。

（3）反演，即調(diào)用反演算法，SSM/I亮溫?cái)?shù)據(jù)解碼為SST、海表面風(fēng)速等產(chǎn)品。反演的設(shè)置界面如圖6所示。

圖6 反演參數(shù)設(shè)置界面

反演輸出某參數(shù)產(chǎn)品如SST時(shí)，可根據(jù)實(shí)際情況，選擇反演方法，導(dǎo)入相應(yīng)的訓(xùn)練好BP神經(jīng)網(wǎng)絡(luò)模型或D-矩陣方法擬合系數(shù)，可導(dǎo)入批量的SSM/I亮溫?cái)?shù)據(jù)，輸出結(jié)果如SST會(huì)寫到netcdf格式文件里面。

（4）可視化，即反演產(chǎn)品顯示窗口設(shè)置，設(shè)置界面，如圖7所示。

圖7 可視化顯示設(shè)置窗口

根據(jù)輸出結(jié)果，選擇要顯示的變量產(chǎn)品，選擇繪圖的邊界，程序就會(huì)按照設(shè)置界面的參數(shù)，繪制輸出圖形。

2.2 BP神經(jīng)網(wǎng)絡(luò)模型和D矩陣方法結(jié)果分析

2.2.1 BP神經(jīng)網(wǎng)絡(luò)模型結(jié)果分析 在主窗體的“訓(xùn)練/擬合”功能中，每次BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練，都可以監(jiān)視其訓(xùn)練過程，完成后還會(huì)輸出誤差來提供參考，SST和海表面風(fēng)速的誤差，見圖8。圖8中，BP神經(jīng)網(wǎng)絡(luò)模型反演結(jié)果和浮標(biāo)實(shí)測數(shù)據(jù)散點(diǎn)圖擬合的一次函數(shù)的斜率、平均誤差和均方差可表征BP神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)的好壞。可訓(xùn)練多次，取斜率接近1，誤差最小的BP神經(jīng)網(wǎng)絡(luò)模型，

圖8 BP神經(jīng)網(wǎng)絡(luò)模型反演結(jié)果與浮標(biāo)實(shí)測SST和風(fēng)速對比圖

并進(jìn)行保存，作為最優(yōu)結(jié)果。本實(shí)例誤差為SST和海表面風(fēng)速的網(wǎng)絡(luò)，斜率都接近于1，SST的平均誤差為0.86℃，標(biāo)準(zhǔn)差為0.73℃；海表面風(fēng)速的平均誤差為0.96m/s，標(biāo)準(zhǔn)差為0.89m/s。

2.2.2 D矩陣方法結(jié)果分析 在主窗體的“訓(xùn)練/擬合”功能中，也可選擇擬合功能，調(diào)整滑動(dòng)條調(diào)整參與擬合系數(shù)和驗(yàn)證數(shù)據(jù)多少，給出不同擬合系數(shù)和誤差等提供參考，SST和海表面風(fēng)速的誤差，見圖9。

圖9 D-矩陣算法反演結(jié)果與TAO浮標(biāo)實(shí)測SST和風(fēng)速對比圖

從圖9中可知SST和海表面風(fēng)速擬合系數(shù)，斜率都接近于1.0，SST的平均誤差為0.88℃，標(biāo)準(zhǔn)差為0.83℃；海表面風(fēng)速的平均誤差為1.0m/s，標(biāo)準(zhǔn)差為0.95m/s。

利用該系統(tǒng)程序可以很方便地進(jìn)行數(shù)據(jù)匹配及衛(wèi)星SSM/I亮溫的處理，方便地利用BP神經(jīng)網(wǎng)絡(luò)反演和D-矩陣方法開展SST和風(fēng)速的反演。在BP神經(jīng)網(wǎng)絡(luò)算法中，可以選擇不同通道亮溫、訓(xùn)練函數(shù)、隱層神經(jīng)元層數(shù)和個(gè)數(shù)、及學(xué)習(xí)次數(shù)等。D-矩陣反演過程中，也可以選擇輸入數(shù)據(jù)多少，選擇不同通道進(jìn)行矩陣系數(shù)的計(jì)算，反演SST和風(fēng)速。通過調(diào)節(jié)各種參數(shù)，達(dá)到最優(yōu)的結(jié)果。本文中，BP神經(jīng)網(wǎng)絡(luò)和D-矩陣方法都能夠給出較好的結(jié)果，Meng等給出結(jié)果是一致的[12]，從平均誤差方面，本文中兩種方法反演的SST比Meng等給出的結(jié)果稍低。因此該系統(tǒng)給出的結(jié)果是可靠的。

3 SST和風(fēng)速可視化應(yīng)用

利用該系統(tǒng)給出最優(yōu)的反演算法對SSM/I亮溫?cái)?shù)據(jù)進(jìn)行反演，得到SST和海表面風(fēng)速的可視化產(chǎn)品。以2014年6月1日一天SSM/I亮溫使用BP神經(jīng)網(wǎng)絡(luò)方法反演的區(qū)域SST和海表面風(fēng)速為例展示可視化產(chǎn)品，考慮TAO浮標(biāo)實(shí)測數(shù)據(jù)空間分布導(dǎo)致的算法的準(zhǔn)確度，該產(chǎn)品只顯示40°S～40°N之間的區(qū)域。

圖10 BP神經(jīng)網(wǎng)絡(luò)反演的全球熱帶海洋SST和風(fēng)速

4 結(jié)論

本文基于Matlab軟件開發(fā)了一個(gè)衛(wèi)星數(shù)據(jù)反演參數(shù)可視化應(yīng)用系統(tǒng)。該系統(tǒng)集數(shù)據(jù)匹配、遙感反演方法及可視化于一體，具有界面友好、操作簡單和反演產(chǎn)品可靠，易于拓展的特點(diǎn)。通過操作GUI界面的方式，匹配SSM/I亮溫?cái)?shù)據(jù)和TAO浮標(biāo)數(shù)據(jù)，可以選擇使用神經(jīng)網(wǎng)絡(luò)模型和D矩陣方法反演SST和海表面風(fēng)，可以顯示最優(yōu)結(jié)果。該系統(tǒng)中通過神經(jīng)網(wǎng)絡(luò)方法反演的SST平均誤差為0.86℃，標(biāo)準(zhǔn)差為0.73℃；由D-矩陣反演的SST平均誤差為0.88℃，標(biāo)準(zhǔn)差為0.83℃。通過BP神經(jīng)網(wǎng)絡(luò)反演的風(fēng)速平均誤差為0.92m/s，標(biāo)準(zhǔn)差0.86m/s；由D-矩陣反演的海表面風(fēng)速的平均誤差為1.0 m/s，均方差為0.95m/s。這與其他結(jié)果是一致的。

由于匹配的數(shù)據(jù)只限于TAO浮標(biāo)的數(shù)據(jù)，因此在空間尺度上，匹配的數(shù)據(jù)有限制，只限制于赤道附近的海域，緯度離赤道越遠(yuǎn)的海域，產(chǎn)品精度會(huì)降低。衛(wèi)星反演輸出產(chǎn)品遙感空白的區(qū)域進(jìn)行插值處理，增加更多數(shù)據(jù)融合處理功能。

參考文獻(xiàn)：

[1]Wentz F J.MeasurementofOceanicWind Vector Using Satellite Microwave Radiometers[J].IEEE Trans GeosciRemote Sens,1992 (30):960-972.

[2]Wentz F J.AWellCalibrated Ocean Algorithm for SSM/I[J].JGeophys Res,1997(102):8703-8708.

[3]Goodberlet M A,C T Swift,JCWilkson.Remote Sensing of Ocean Surface Winds with the Special Sensor Microwave/Imager [J].JGeophysRes,1989(94):14547-14555.

[4]GoodberletM A,CTSwift.Improved Retrievals from the DMSPWind Speed Algorithm Under AdverseWeather Conditions[J].IEEE Trans GeosciRemote Sens,1992(30):1076-1077.

[5]Petty GW.A Comparison of SSM/IAlgorithms for the Estimation of Surface Wind[C]//Proc Shared Processing Network DMSP SSM/IAlgorithm Symp,Monterey,CA,NRL,1993.

[6]Stogryn A P,C T Butler,T JBartolac.Ocean Surface Wind Retrievals from Special Sensor Microwave Imager Data with Neural Networks[J].JGeophys Res,1994(99):981-984.

[7]Thiria S,CMejia,FBadran.A NeuralNetwork Approach forModelling Nonlinear Transfer Functions:Application forWind Retrieval from Spaceborne ScatterometerData[J].JGeophysRes,1993(98):22827-22842.

[8]Krasnopolsky VM,LCBreaker,W H Gemmill.Developmentofa Single“All-Weather”NeuralNetwork for Estimating Ocean Surface Winds from the SpecialSensorMicrowave Imager[R].NMC/NOAA Tech.Note,OPCContribution 94,1994.

[9]Krasnopolsky V M,LCBreaker:A NeuralNetwork as a Nonlinear Transfer Function Model for Retrieving SurfaceWind Speeds from the SpecialSensorMicrowave Imager[J].JGeophys Res,1995(100):11033-11045.

[10]王振占.用19.35GHz星載微波輻射計(jì)(SSM/I)亮溫反演海面風(fēng)速[J].海洋技術(shù)學(xué)報(bào),2003,22(2):1-6.

[11]宋新改.神經(jīng)網(wǎng)絡(luò)反演散射計(jì)風(fēng)場算法的研究[D].青島:中國海洋大學(xué),2005.

[12]Meng Lei,He Yijun,Chen Jinnian,etal.NeuralNetwork RetrievalofOcean Surface Parameters from SSM/IData[J].2007,135:586-597.

[13]雷林,陳新軍,毛志華.基于微波輻射計(jì)SSM/I的海面風(fēng)速反演算法研究及應(yīng)用[J].上海海洋大學(xué)學(xué)報(bào),2012,21(1):124-131.

[14]Xia Y.Sea-Surface Temperature and Sea-Surface Wind Speed Retrievals from Space Borne Radiometer Measurements[D]. Amherst:University ofMassachusetts,2001.

[15]陳宏.海表溫度_SST_遙感反演系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].福州:福建師范大學(xué),2009.

[16]韓冬.衛(wèi)星高度計(jì)海面風(fēng)速反演與風(fēng)場可視化[D].青島:中國海洋大學(xué),2005.

[17]劉于光.衛(wèi)星海洋學(xué)[M].北京：高等教育出版社，2009.

Development of the Visualization Application System of SST and Wind Speed Inverted from SSM/IBrightness Temperature

CHENG Yin-he,LIJia-ming,ZHU Feng-qin,LIU Da-zhao，F(xiàn)U Dong-yang
Department of Ocean technology,College of Electronic and information Engineering,Guangdong Ocean University,Zhanjiang 524088, Guangdong Province,China

The satellite remote sensing technology has become a major means to study ocean phenomena.Since the data of remote sensing have some common features such as huge volume and relative complex algorithm,it is difficult to find a visualization tool for the inversion and visualization of satellite remote sensing data.A visualization application system for SSM/I data is designed based on the Matlab GUI(Graphical User Interface) technique,which serves as an integrated system including datamatching,two methods of inversion of SST(Sea Surface Temperature)and wind speed,and image visualization.The software has the advantages of friendly interface,visible operation,convenient operating and good expansibility.The product of inversion from the SSM/I brightness temperature is proved accurate and consistentwith the results form other literatures.

retrieval of remote sensing;neural networkmodel;D-matrix algorithm;visualization

P714；TP75

A

1003-2029（2017）01-0014-05

10.3969/j.issn.1003-2029.2017.01.003

2016-08-15

國家自然科學(xué)基金資助項(xiàng)目（41406041）；廣東省自然科學(xué)基金資助項(xiàng)目（2016A030313751）；廣東省教育廳創(chuàng)新強(qiáng)校項(xiàng)目（GDOU2016050242）；廣東海洋大學(xué)優(yōu)秀青年教師專項(xiàng)人才培養(yǎng)特別資助項(xiàng)目（HDYQ2015008）

成印河（1980-），男，博士，副教授，碩士生導(dǎo)師，主要從事海氣相互作用與數(shù)值模擬研究。E-mail：yinhe_9951@163.com

朱鳳芹（1981-），女，講師，主要從事軟件開發(fā)及信號(hào)處理。E-mail:fqzhu_07@163.com