一种多通道多模态时空3D卷积与Transformer融合的星载GNSS-R波高反演模型

本发明涉及一种多通道多模态时空3D卷积与Transformer融合的星载GNSS‑R波高反演模型，旨在解决传统经验模型对复杂海洋适应性差及现有深度学习无法充分挖掘时空关联的问题。该方法创新融合三模块协同处理：首先利用3D CNN‑ConvLSTM提取多通道GNSS‑R数据的局部时空特征并捕捉动态时序；其次通过Transformer的多头注意力机制深度编码海面环境参数，建立特征间全局依赖；最终采用加权求和与特征拼接策略实现跨模态融合。经Adam优化器训练及早停策略控制，以均方误差为损失函数进行优化。实验表明，相较传统模型和机器学习模型，本方法将有效波高估计误差降低40‑53％，相关系数达0.84‑0.91，显著提升了复杂海况下的精度与泛化能力，为海洋遥感监测与灾害预警提供可靠支撑。