- 1、本文档共57页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
湖冰作为冰冻圈的组成部分,是地球表层关键水循环过程参量之一。其在时
间序列上的变化可以比较直观的反映湖冰所在地区的气候变化状况。因此,关于
湖冰的研究在区域气候变化研究中有着重要意义。
目前,国内外对湖冰分类的研究根据其数据源可以分为基于主动遥感数据的
湖冰分类和基于被动遥感数据的湖冰分类,其中基于主动遥感数据的湖冰分类可
以对不同类型的湖冰进行分类。隐马尔可夫随机场和期望最大(HMRF-EM )算
法是一种可以对 SAR 影像进行有效分类的分类方法,但目前并没有基于该算法
的湖冰分类方法的相关研究,因此本研究依托地球大数据科学工程时空三极环境
项目,提出了基于HMRF-EM 算法的湖冰分类方法,并对勒拿河三角洲地区2018
年1 月至4 月的部分湖冰进行了分类。
由于地理条件等因素的限制,目前对于研究区的湖冰变化监测缺少实地观测
数据,因此本研究选用模拟数据替代真实数据对HMRF-EM 算法进行参数选取和
精度评价。其中参数选取部分包括湖冰分类中最优参数的选取和不同初始化方法
对分类结果精度的影响两个部分。
参数选取的结果表明,在势能参数β 为[0.1,2]区间时,使用K-Means 算法和
模糊C 均值聚类算法作为初始化方法的HMRF-EM 算法的分类结果与真实的分
类结果相接近,湖冰分类效果最好时 HMRF-EM 算法的初始化方法为 K-Means
算法,势能参数β 为0.1 ,其总体精度为99.76%,Kappa 系数为0.995 ,且湖冰分
类中不同的初始化方法会对HMRF-EM 算法的分类精度产生一定影响。
在分类精度评价中,分别选取阈值法,平行六面体法,迭代自组织数据分析
(ISODATA )分类方法,K-Means 分类方法等方法与HMRF-EM 算法进行对比。
相比较于其它方法,HMRF-EM 算法总体分类精度提高了 1%-23% ,Kappa 系数
提高了0.03-0.53 ,这说明湖冰分类中HMRF-EM 算法要优于其它算法。
最后,本研究选取哨兵1 号卫星数据为主要数据源对湖冰进行分类,分浮冰
和接地冰,统计在时间序列上不同类型湖冰的变化。从结果中可以看出,随着时
间的变化,浮冰的面积逐渐减少,接地冰的面积逐渐增加,这与西伯利亚极区冬
季的气温状况相吻合,证明 HMRF-EM 算法可以有效地对不同类型的湖冰进行
分类。
关键词:HMRF-EM ,湖冰,勒拿河三角洲
Abstract
Lake ice, as a component of the cryosphere, is one of the key water cycle parameters
of the Earth's surface. Its change in time series can relatively intuitively reflect the
climate change in the area where the lake ice is located. Therefore, the study of lake ice
is of great significance in the study of regional climate change.
At present, research on lake ice classification at home and abroad can be divided into
lake ice classification based on active remote sensing data and lake ice classification
based on passive remote sensing data. Lake ice classification based on active remote
sensing data can classify different types of lake ice. The hidden Markov random field
and expected maximum (HMRF-EM) algorithm is a classification method that c
您可能关注的文档
- 黄土冲沟高填方涵洞土压力分布特征研究.pdf
- 机械研磨制备碳酸钙-纳米TiO2复合光催化剂及性能研究.pdf
- 姬塬油田延长组下组合低孔渗储层特征及形成机理.pdf
- 基于15N、18O同位素示踪的流域硝酸盐来源解析技术研究.pdf
- 基于ARM Cortex-A9的智慧养老系统.pdf
- 基于CIE1976L_a_b_均匀色空间的红珊瑚热改色与颜色成因探究.pdf
- 基于GIS的以地控税信息系统研发.pdf
- 基于GPS技术的水汽反演及大气增强精密单点定位研究.pdf
- 基于GPU的RRTMG_SW加速算法及其在地球系统模式中的应用.pdf
- 基于InSAR技术大同煤田沉陷区的监测与识别.pdf
- 2024年中考化学复习专题练一物质的性质与应用第三讲水与常见的溶液(一)1课件.ppt
- 银行财务部年度工作总结.pptx
- 2024届高考物理复习分层练习第十四章光学实验十八用双缝干涉实验测量光的波长含答案.docx
- 2024届高考物理复习分层练习第九章静电场实验十观察电容器的充放电现象含答案.docx
- SD6711B_2产品使用说明书.pdf
- LED产业相关项目融资计划书.pptx
- 2024版高考物理复习专题八静电场第19练电容器带电粒子在电场中的运动课件.ppt
- 电子玻璃行业发展趋势及前景展望分析报告.pptx
- 女皮鞋行业市场突围建议及需求分析报告.pptx
- 2024版高考物理复习专题二相互作用第3练三种常见力力的合成与分解课件.ppt
文档评论(0)