蔡世樵1, *
黃贊翰1
陳致穎 2
1國防大學理工學院環境資訊及工程學系
2中央研究院環境變遷研究中心
*tsc0504@gmail.com
臺灣於 2023 年 10 月發射首枚自主氣象衛星「獵風者」（TRITON），搭載國內研發之全球導航衛星系統反射訊號接收儀（Global Navigation Satellite System-Reflectometry, GNSS-R），可提供海面風速、均方坡度（Mean Square Slope, MSS）與示性波高（Significant Wave Height, SWH）等資料，為全球氣象觀測與預報提供重要支援。GNSS-R 技術具備高即時性且訊號較不受劇烈天氣影響之優勢，但在高風速條件下，其風速反演準確度明顯下降。主因為該技術係透過分析反射訊號於不同延遲與都卜勒頻率上的功率分布，建立延遲都卜勒圖（Delay-Doppler Map, DDM），並取其反射點附近區域的平均值（DDMA）作為主要反演依據，再建立 DDMA 與海面風速間的地球物理模型函數（Geophysical Model Function, GMF）。然而，當風速增大至一定程度時，DDMA 對風速的敏感度下降，導致反演不確定性提升。
本研究使用 TRITON 衛星於 2023 年 11 月至 2024 年 9 月期間的 Level 1b 資料，設計五種特徵參數組合，涵蓋物理、幾何、時空、儀器特性與外部輸入（ERA5之MSS與SWH），針對前向神經網路（FNN）與長短期記憶（LSTM）模型進行訓練，再以 CCMP 的 10 公尺風速作為驗證依據。結果顯示，當輸入特徵同時包含 ERA5 之 MSS 與 SWH 時表現最佳，RMSE 僅 1.23 m/s，明顯優於僅使用物理、幾何、時空或儀器特性參數之組合；整體而言，FNN 表現優於 LSTM。此外，考量MSS即時資料獲取不易，當模型於訓練階段使用ERA5 風速轉換之 MSS，測試階段以 WRF 模擬風速轉換之 MSS，並搭配 TRITON 所有可用參數進行風速反演，RMSE 為 1.89 m/s，在高風速條件下與 CCMP 呈現近 1:1 一致性，表現優於 TRITON 原始 GMF 方法（RMSE = 2.820 m/s）與 WRF 模擬結果（RMSE = 1.984 m/s），顯示 MSS 為提升風速反演能力的關鍵參數。整體而言，MSS 轉換方法提供了一種實用且可行的替代方案，未來將隨TRITON資料持續釋出持續拓展訓練集規模，並優化輸入特徵與神經網路結構，以提升TRITON反演產品於高風速與複雜海象條件下之可靠性與應用價值。
關鍵詞：TRITON, GNSS-R, MSS, ERA5, WRF, FNN, LSTM, CCMP
