合成孔径雷达（Synthetic Aperture Radar，SAR）是监测海面风场的常用方式之一，但降雨会严重影响SAR海面风场反演精度，而现有SAR海面风场反演算法大都没有考虑降雨参数。因此，探究降雨对SAR后向散射截面和风场反演的影响，进而提高降雨条件下SAR海面风场反演精度具有理论和实际应用价值。全球降雨观测（Global Precipitation Measurement，GPM）任务搭载的双频降雨雷达（Dual-frequency Precipitation Radar）可以提供高分辨率、高精度的降雨信息，为研究降雨对SAR后向散射截面和海面风场反演的影响创造了条件。本文基于时空匹配的SAR数据和GPM DPR数据，提出一种联合深度学习和降雨校正模型的海面风速反演方法。实验结果表明，深度学习模型对降雨和无降雨图像分类的准确率为96.2%，对降雨强度等级分类的准确率为86.2%；随后利用识别的降雨等级和降雨校正模型对后向散射截面进行校正。经降雨校正后，海面风速反演的均方根误差从3.83 m/s降低到1.76 m/s，有效提高降雨条件下SAR海面风速反演精度。

合成孔径雷达,全球卫星降水计划,海面风场,降水,校正