全球海面风速反演的混合CNN-Transformer网络与加权MSE损失方法研究
作者及发表信息
本研究由加拿大纽芬兰纪念大学（Memorial University of Newfoundland）的Xin Qiao（IEEE学生会员）、南京信息工程大学的Qingyun Yan（IEEE会员）及纽芬兰纪念大学的Weimin Huang（IEEE高级会员）合作完成，发表于2025年的《IEEE Transactions on Geoscience and Remote Sensing》（卷63，文章编号4207013）。研究得到加拿大自然科学与工程研究理事会（NSERC）的资助。
学术背景
科学领域与问题背景
全球导航卫星系统反射测量技术（GNSS-R, Global Navigation Satellite System Reflectometry）是一种低成本、广覆盖且不受降水影响的海洋风速监测手段，其通过接收海面反射的GNSS信号生成延迟多普勒图（DDM, Delay-Doppler Map）来反演风速。传统方法依赖卷积神经网络（CNN），但CNN的固定卷积核限制了全局特征提取能力，且现有研究在数据分布不平衡（低风速过拟合、高风速低估）时表现不佳。
研究目标
本研究提出一种混合CNN-Transformer网络（CTN）结合加权均方误差（MSE, Mean Square Error）损失函数的方法，旨在：
1. 通过Transformer分支增强全局特征提取能力；
2. 设计加权MSE损失以缓解数据不平衡问题，提升高风速反演精度。
研究方法与流程
1. 混合CTN架构
- 局部特征提取：采用双分支CNN结构，包含两个卷积块（3×3卷积核+批归一化+ReLU激活函数），输出经平均池化降维。
- 全局特征提取：基于Transformer编码器，将DDM分割为不重叠的Patch嵌入，通过多头自注意力机制（MHSA, Multi-Head Self-Attention）捕获长程依赖关系。
- 特征融合模块：动态加权融合局部与全局特征，通过点卷积层（PWConv）和Sigmoid函数生成权重系数，避免简单相加或拼接的局限性。
2. 加权MSE损失函数
- 根据风速区间样本量动态分配权重：低风速（<15 m/s）权重0.1，高风速（≥15 m/s）权重0.9，以强化模型对稀疏高风速样本的学习。
3. 数据与实验设置
- 数据源：使用CYGNSS（Cyclone GNSS）L1 v3.1数据（2023年全年），以ECMWF ERA5再分析数据和NDBC浮标数据为基准。
- 预处理：剔除低质量样本（如信噪比SNR、散射面积无效等），按时间划分训练集（1-5月）、验证集（5-7月）和测试集（8-12月）。
- 评估指标：均方根误差（RMSD）、偏差（Bias）和相关系数（CC）。
主要结果
1. 特征提取与融合效果
- 消融实验：纯CNN模型（CTN-L）在全局风速上RMSD为1.447 m/s，而纯Transformer模型（CTN-G）为1.419 m/s，但CTN-L在高风速（>15 m/s）表现更优（RMSD 5.015 m/s vs. 5.102 m/s）。混合CTN融合两者优势，整体RMSD降至1.417 m/s，高风速RMSD为4.952 m/s。
- 特征融合模块：相比直接相加（CTN-add）或拼接（CTN-concat），专用融合模块将高风速RMSD进一步降低至4.952 m/s（提升1%）。
2. 加权MSE的贡献
- 高风速区间RMSD从4.952 m/s显著降至3.945 m/s（改进20.3%），偏差从-4.454 m/s改善至-3.119 m/s，验证了加权策略的有效性。
3. 对比实验
- 相较于MLP（MHL-NN）、CNN（CYGNSSNet）和纯Transformer（DDM-Former）模型，CTN在整体测试集上RMSD最低（1.417 m/s），且在高风速区间优于其他方法（如DDM-Former的RMSD为5.424 m/s）。
结论与价值
科学价值
1. 方法创新：首次将Transformer引入GNSS-R风速反演，解决了CNN的全局特征提取瓶颈；
2. 工程意义：加权MSE损失为不平衡数据建模提供了新思路，尤其适用于台风等极端天气监测。
应用前景
- 可集成至业务化天气预报系统，提升海上风电场运维和航海安全预警的精度。
研究亮点
1. 混合架构设计：CNN-Transformer双分支协同提取局部-全局特征，弥补了单一模型的局限性；
2. 动态加权损失：通过逆样本频率加权，显著提升高风速反演性能；
3. 多源数据验证：结合ERA5再分析数据和NDBC浮标实测数据，增强了结论的普适性。
未来方向
- 引入物理模型修正GNSS-R信号在高风速下的饱和效应；
- 探索数据增强技术生成合成高风速样本，进一步优化数据平衡性。
（全文约2000字）