This paper demonstrates the capability and performance of sea surface wind speed retrieval in coastal regions (within 200 km away from the coastline) using spaceborne Global Navigation Satellite System Reflectometry (GNSS-R) data from NASA's Cyclone GNSS (CYGNSS) mission. The wind speed retrieval is based on the Artificial Neural Network (ANN). A feedforward neural network is trained with the collocated CYGNSS Level 1B (version 2.1) observables and the wind speed from European Centre for Medium-range Weather Forecast Reanalysis 5th Generation (ECMWF ERA5) data in coastal regions. An ANN model with five hidden layers and 200 neurons in each layer has been constructed and applied to the validation set for wind speed retrieval. The proposed ANN model achieves good wind speed retrieval performance in coastal regions with a bias of −0.03 m/s and a RMSE of 1.58 m/s, corresponding to an improvement of 24.4% compared to the CYGNSS Level 2 (version 2.1) wind speed product. The ANN based retrievals are also compared to the ground truth measurements from the National Data Buoy Center (NDBC) buoys, which shows a bias of −0.44 m/s and a RMSE of 1.86 m/s. Moreover, the sensitivities of the wind speed retrieval performance to different input parameters have been analyzed. Among others, the geolocation of the specular point and the swell height can provide significant contribution to the wind speed retrieval, which can provide useful reference for more generic GNSS-R wind speed retrieval algorithms in coastal regions.

本文利用来自NASA的GNSS旋风（CYGNSS）任务的星载全球导航卫星系统反射法（GNSS-R）数据，论证了沿海地区（距海岸线200公里以内）的海面风速反演的能力和性能。风速检索基于人工神经网络（ANN）。前馈神经网络通过并置的CYGNSS 1B级（2.1版）可观测值和来自欧洲沿海地区中距离天气预报再分析第五中心（ECMWF ERA5）数据的风速进行训练。已构建了一个具有五个隐藏层和每层200个神经元的ANN模型，并将其应用于风速检索的验证集。所提出的人工神经网络模型在沿海地区具有良好的风速检索性能，偏差为-0。03 m / s和RMSE为1.58 m / s，与CYGNSS 2级（2.1版）风速产品相比，提高了24.4％。还将基于ANN的检索结果与来自国家数据浮标中心（NDBC）浮标的地面真实测量值进行了比较，其偏差为-0.44 m / s，RMSE为1.86 m / s。此外，分析了风速检索性能对不同输入参数的敏感性。其中，镜面反射点的地理位置和隆起高度可以为风速获取做出重要贡献，这可以为沿海地区更通用的GNSS-R风速获取算法提供有用的参考。还将基于ANN的检索结果与来自国家数据浮标中心（NDBC）浮标的地面真实测量值进行了比较，其偏差为-0.44 m / s，RMSE为1.86 m / s。此外，分析了风速检索性能对不同输入参数的敏感性。其中，镜面反射点的地理位置和隆起高度可以为风速获取做出重要贡献，这可以为沿海地区更通用的GNSS-R风速获取算法提供有用的参考。还将基于ANN的检索结果与来自国家数据浮标中心（NDBC）浮标的地面真实测量值进行了比较，其偏差为-0.44 m / s，RMSE为1.86 m / s。此外，分析了风速检索性能对不同输入参数的敏感性。其中，镜面反射点的地理位置和隆起高度可以为风速获取做出重要贡献，这可以为沿海地区更通用的GNSS-R风速获取算法提供有用的参考。