大霧是常見的自然天氣現(xiàn)象,也是不可忽視的自然災害。近年來,隨著經濟的快速發(fā)展,大霧影響著人們的生產生活。因此,研究者們逐漸開始重視大霧的監(jiān)測和識別。而隨著科學技術的快速發(fā)展,衛(wèi)星遙感技術也趨于成熟,遙感數(shù)據比傳統(tǒng)的地面數(shù)據具有更新快,檢測范圍廣,時效性高等方面,因而很多的領域使用到遙感衛(wèi)星技術。本文中所使用的為葵花8衛(wèi)氣象衛(wèi)星數(shù)據,無論是從云圖的質量,截取的頻率,波道,清晰度都比上代衛(wèi)星大幅改善。因此,使用葵花8衛(wèi)星數(shù)據進行霧的監(jiān)測與識別研究,可以提高大霧的識別性能。本文在進行研究之前首先要進行大霧數(shù)據的提取與標注,根據地面站的經緯度找出安徽省所對應的地面站的位置,然后與衛(wèi)星數(shù)據進行經緯度匹配,提取該位置上的衛(wèi)星數(shù)據,在根據地面站的能見度判斷該位置霧的情況。本文主要通過兩類算法對大霧識別進行研究,第一類算法是基于傳統(tǒng)的機器學習方法的大霧的識別,第二類算法是基于深度學習的大霧識別。主要研究內容如下:1)基于機器學習的分類方法進行霧的識別。在平衡樣本和非平衡樣本的條件下,使用多種傳統(tǒng)的機器學習分類算法進行霧的識別。所使用的算法中有支持向量機,樸素貝葉斯,決策樹等。實驗驗證在平衡樣本下,機器... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

圖１－２葵花８遙感衛(wèi)星圖像??－－

Ik，近鄰分類原理

圖2一2兩類超平面示意圖

【參考文獻】：
期刊論文
[1]霧霾對農業(yè)生產及農產品流通影響的研究進展[J]. 馬娟娟,孔繁濤,周向陽,徐維微,吳建寨.  中國農業(yè)科技導報. 2017(12)
[2]大霧天氣對農業(yè)生產的影響與防范[J]. 楊光艷.  農業(yè)科技與信息. 2016(08)
[3]基于MTSAT衛(wèi)星遙感監(jiān)測的浙江省及周邊海區(qū)大霧分布特征[J]. 何月,張小偉,蔡菊珍,杜惠良,胡波,高大偉.  氣象學報. 2015(01)
[4]日本向日葵-8氣象衛(wèi)星[J]. 云燕.  衛(wèi)星應用. 2015(01)
[5]基于NOAA/AVHRR衛(wèi)星資料的北京地區(qū)霾識別研究[J]. 劉勇洪.  氣象. 2014(05)
[6]黃渤海一次持續(xù)性大霧過程特征和成因分析[J]. 曹祥村,邵利民,李曉東.  氣象科技. 2012(01)
[7]EOS—MODIS衛(wèi)星資料在北疆大霧監(jiān)測中的應用分析[J]. 沙依然,丁林,鐠拉提,張紅.  沙漠與綠洲氣象. 2008(06)
[8]基于差分進化交叉驗證SVM的飛控系統(tǒng)傳感器故障預測學習算法研究[J]. 尹偉,章衛(wèi)國,寧東方,孫勇,李斌.  傳感技術學報. 2008(11)
[9]基于支持向量機的遙感大霧判識[J]. 劉年慶,蔣建瑩,吳曉京.  氣象. 2007(10)
[10]大霧天氣對城市環(huán)境中空氣質量的影響及危害[J]. 王海艷,熊坤,孔劍君,張艷玲,張時英.  氣象與環(huán)境科學. 2007(S1)

碩士論文
[1]基于卷積神經網絡的深度學習算法與應用研究[D]. 陳先昌.浙江工商大學 2014
[2]基于K近鄰的分類算法研究[D]. 桑應賓.重慶大學 2009
[3]EOS/MODIS資料的數(shù)據處理方法及其在白天低云大霧監(jiān)測中的應用[D]. 陳林.南京信息工程大學 2006



本文編號：3078325