一种星载GNSS-R海面有效波高反演的混合深度学习模型构建及输出解释方法

本发明公开一种星载GNSS‑R海面有效波高反演的混合深度学习模型构建及输出解释方法，包括：获取CYGNSS L1级GNSS‑R数据、欧洲中期天气预报中心(ECMWF)ERA5再分析数据集、IMERG降雨产品数据和WaveWatch III SWH数据；将获取的数据进行预处理和质量控制；将质量控制后得到的数据集进行时空匹配，按一定比例划分为训练集、测试集和验证集；构建结合高效多尺度注意力和CNN‑Transformer‑BiConvLSTM的混合深度学习模型，并对模型进行训练和验证；创建MultiScaleWaveFormer模型深度学习SHAP解释器，计算和可视化输入特征重要性；输入到已经训练的MultiScaleWaveFormer模型中，得到反演结果；最后将此模型与已有模型的SWH反演结果进行对比，评估模型的性能。本发明结合五个模块，实现更高的效率和功能性，使星载GNSS‑R数据反演有效波高的精度得到进一步提高。