技术特征：
1.一种星载合成孔径雷达风速风向联合反演方法，其特征在于，包括：获取风速预测模型以及所述风速预测模型对sar方位向海面风速分量和sar距离向海面风速分量的预测误差，其中，用于训练所述风速预测模型的训练样本为基于同极化sar数据计算得到的sar交叉谱特征，标签为基于与所述sar数据时间和空间相同步的散射计测量数据计算得到的sar方位向海面风速分量与sar距离向海面风速分量；获取待预测的同极化sar数据，并计算待预测同极化sar数据的待预测交叉谱特征；将所述待预测交叉谱特征输入所述风速预测模型，得到sar方位向海面风速初步预测分量与sar距离向海面风速初步预测分量；基于gmf查找表，根据雷达入射角、后向散射系数、所述sar方位向海面风速初步预测分量、所述sar距离向海面风速初步预测分量以及所述风速预测模型对sar方位向海面风速分量和sar距离向海面风速分量的预测误差，选择确定代价最小的sar方位向海面风速分量以及sar距离向海面风速分量作为最终预测结果；所述gmf查找表为雷达入射角、sar方位向海面风速分量、sar距离向海面风速分量以及基于地球物理模式函数计算得到的散射系数之间的关系表；基于sar方位向海面风速分量以及sar距离向海面风速分量的最终预测结果计算海面风速和海面风向。2.根据权利要求1所述的星载合成孔径雷达风速风向联合反演方法，其特征在于，根据代价函数确定sar方位向海面风速分量u以及sar距离向海面风速分量v的代价，其中，σ
0sar
为雷达后向散射系数，δσ0为所述后向散射系数的不确定度，u
az
cnn为所述sar方位向海面风速初步预测分量，u
ra
cnn为所述sar距离向海面风速初步预测分量，δu
az
为所述风速预测模型对sar方位向海面风速分量的预测误差，δu
ra
为所述风速预测模型对所述sar距离向海面风速分量的预测误差。3.根据权利要求1所述的星载合成孔径雷达风速风向联合反演方法，其特征在于，基于同极化sar数据计算sar交叉谱特征的方法包括：获取同极化sar数据的单视复图像；对所述单视复图像进行交叉谱估计，获得sar交叉谱特征，所述sar交叉谱特征包括sar交叉谱的实部、虚部和相位。4.根据权利要求1所述的星载合成孔径雷达风速风向联合反演方法，其特征在于，所述方法还包括：训练风速预测模型：获取训练集，所述训练集中的样本为基于同极化sar数据计算得到的sar交叉谱特征，标签为基于与所述sar数据时间和空间相同步的散射计测量数据计算得到的sar方位向海面风速分量与sar距离向海面风速分量；采用所述训练集对卷积深度学习模型进行训练，得到所述风速预测模型。5.根据权利要求1所述的星载合成孔径雷达风速风向联合反演方法，其特征在于，所述方法还包括：确定风速预测模型的预测误差：
获取验证集，所述验证集中的样本为基于同极化sar数据计算得到的sar交叉谱特征，标签为基于与所述sar数据时间和空间相同步的散射计测量数据计算得到的sar方位向海面风速分量与sar距离向海面风速分量；将所述验证集中的样本输入所述风速预测模型；根据所述风速预测模型与所述样本的标签，确定所述风速预测模型的预测误差。6.一种星载合成孔径雷达风速风向联合反演系统，其特征在于，包括：模型及误差获取模块，用于获取风速预测模型以及所述风速预测模型对sar方位向海面风速分量和sar距离向海面风速分量的预测误差，其中，用于训练所述风速预测模型的训练样本为基于同极化sar数据计算得到的sar交叉谱特征，标签为基于与所述sar数据时间和空间相同步的散射计测量数据计算得到的sar方位向海面风速分量与sar距离向海面风速分量；待预测交叉谱特征求取模块，用于获取待预测的同极化sar数据，并计算待预测同极化sar数据的待预测交叉谱特征；初级预测模块，用于将所述待预测交叉谱特征输入所述风速预测模型，得到sar方位向海面风速初步预测分量与sar距离向海面风速初步预测分量；终级寻优预测模块，用于基于gmf查找表，根据雷达入射角、后向散射系数、所述sar方位向海面风速初步预测分量、所述sar距离向海面风速初步预测分量以及所述风速预测模型对sar方位向海面风速分量和sar距离向海面风速分量的预测误差，选择确定代价最小的sar方位向海面风速分量以及sar距离向海面风速分量作为最终预测结果，所述gmf查找表为雷达入射角、sar方位向海面风速分量、sar距离向海面风速分量以及基于地球物理模式函数计算得到的散射系数之间的关系表；海面风速风向计算模块，用于基于所述sar方位向海面风速分量以及sar距离向海面风速分量的最终预测结果计算海面风速和海面风向。7.根据权利要求6所述的星载合成孔径雷达风速风向联合反演系统，其特征在于，所述终级寻优预测模块包括：代价计算单元，用于根据代价函数计算sar方位向海面风速分量u以及sar距离向海面风速分量v的代价，其中，σ
0sar
为雷达后向散射系数，δσ0为所述后向散射系数的不确定度，u
az
cnn为所述sar方位向海面风速初步预测分量，u
ra
cnn为所述sar距离向海面风速初步预测分量，δu
az
为所述风速预测模型对sar方位向海面风速分量的预测误差，δu
ra
为所述风速预测模型对所述sar距离向海面风速分量的预测误差。8.根据权利要求6所述的星载合成孔径雷达风速风向联合反演系统，其特征在于，所述待预测交叉谱特征求取模块包括：单视复图像获取单元，用于获取同极化sar数据的单视复图像；sar交叉谱特征求取单元，用于对所述单视复图像进行交叉谱估计，获得sar交叉谱特征，所述sar交叉谱特征包括sar交叉谱的实部、虚部和相位。9.根据权利要求6所述的星载合成孔径雷达风速风向联合反演系统，其特征在于，所述系统还包括：
风速预测模型训练模块，用于获取训练集，所述训练集中的样本为基于同极化sar数据计算得到的sar交叉谱特征，标签为基于与所述sar数据时间和空间相同步的散射计测量数据计算得到的sar方位向海面风速分量与sar距离向海面风速分量；采用所述训练集对卷积深度学习模型进行训练，得到所述风速预测模型。10.根据权利要求6所述的星载合成孔径雷达风速风向联合反演系统，其特征在于，所述系统还包括：风速预测模型的预测误差确定模块，用于获取验证集，所述验证集中的样本为基于同极化sar数据计算得到的sar交叉谱特征，标签为基于与所述sar数据时间和空间相同步的散射计测量数据计算得到的sar方位向海面风速分量与sar距离向海面风速分量；将所述验证集中的样本输入所述风速预测模型；根据所述风速预测模型与所述样本的标签，确定所述风速预测模型的预测误差。