美国宇航局快速测风卫星QuikSCAT上的SeaWinds散射计发射于1999年6月。SeaWinds散射计数据对海洋表面风场研究、全球气候研究和实用天气预报的精确度都做出了突出贡献。而且，由于SeaWinds散射计数据分辨率高，所以对大尺度陆地和冰的研究也很有意义。 传统的风场反演方法是利用海洋表面后向散射截面积(σ<0>)测量值，通过构建地球物理模型函数(σ<0>与风矢量之间的关系函数)来获得风速和风向的。用这种方法产生的不是唯一风矢量解，而是多个模糊解(通常为2-6个)。这多个模糊解之间的风速通常是一致的，风向则会有比较大的差别，需要模糊去除算法来消除模糊解获得唯一解。传统的反演方法基本上都是依据最小概率误差的遍历搜索算法，计算复杂、计算量大，且由于算法的固定，求得的若干个模糊解基本上是不可调节的，导致了在风向上经常有较大的误差。本文基于SeaWinds散射计雷达后向散射截面积随风速和相对方位角的变化规律，从信息图谱几何形态特征出发，提出了一种新的海面风场反演方法。它不同于传统的依据最小概率误差的遍历搜索算法，反演时不需要方差，仅从信息图谱几何形态特征出发，用微粒群算法求得信息图谱聚合节点集的特征点，反演风矢量。实验共用了96248条SeaWinds L2A数据(即96248个风元)。先用新的基于信息图谱的方法对L2A数据进行反演，然后用传统的圆中数滤波器进行模糊去除。实验结果表明，与对应的美国NASA反演数据(L2B)对比，风速平均相对偏差为8.08﹪，风向平均偏差为10.05°。