西北太平洋海域台风频发,获取该海域台风大范围、高分辨风场信息可为中国近海防灾减灾提供支持。星载合成孔径雷达（SAR）是目前唯一可以实现大范围台风风场精细探测的手段。深度学习技术已应用于星载SAR风场反演,但相关研究仍比较初步,很少涉及台风海况,且基本未挖掘极化图像的优势。该文利用西北太平洋台风海域Sentinel-1 VV/VH双极化SAR数据,以欧洲中期天气预报中心第五代再分析数据集风场为参考,建立了融合高效注意力机制的卷积核选择网络深度学习海面风场反演模型。通过评估分析发现, VV和VH双极化输入下的模型精度显著高于VV或VH单极化输入下的模型精度。双极化模型反演风速的均方根误差（RMSE）约为1.49 m·s-1,反演风向的RMSE约为19.03°。该模型充分挖掘了双极化SAR图像的空间纹理特征,直接实现了高精度SAR数据的风向提取,在风速提取时不依赖外部风向输入,且解决了单极化数据在高风速或低风速反演中受限的问题。
