海洋是地球最為重要的組成部分,也是全球最大的熱庫,不斷影響著全球氣候變化。當(dāng)前衛(wèi)星遙感可獲得多尺度的海表觀測信息,但無法探測到海洋內(nèi)部的關(guān)鍵參數(shù)信息。由于大部分海洋次表層現(xiàn)象都會在海表有所表征,因此結(jié)合衛(wèi)星觀測的海表表征現(xiàn)象和遙感模型,可以推演海洋內(nèi)部關(guān)鍵動力參數(shù),延伸衛(wèi)星對海洋觀測垂向范圍。本文以大尺度海洋為研究區(qū),利用表層多源衛(wèi)星觀測資料（海表高度異常（SSHA）、海表溫度異常（SSTA）、海表鹽度異常（SSSA）、海表風(fēng)場異常（SSWA））,結(jié)合海洋內(nèi)部Argo浮標(biāo)觀測數(shù)據(jù),采用機(jī)器學(xué)習(xí)和地理加權(quán)回歸方法,通過構(gòu)建合理的遙感反演模型,提取大尺度海洋次表層熱力異常信息（STA）。主要研究內(nèi)容與成果如下:（1）基于支持向量回歸（SVR）模型提取全球海洋次表層溫度異常信息。結(jié)果表明:結(jié)合衛(wèi)星觀測和Argo現(xiàn)場觀測的SVR模型表現(xiàn)穩(wěn)定且性能較高。4個(gè)海表輸入?yún)⒘浚⊿SHA、SSTA、SSSA、SSWA）SVR估算精度最高,接著為3個(gè)輸入?yún)⒘浚⊿SHA、SSTA、SSSA）和2個(gè)輸入?yún)⒘浚⊿SHA、SSTA）。它們相應(yīng)的平均決定系數(shù)R2分別為:0.485、0.457、0.443,平均均方誤... 

【文章來源】：福州大學(xué)福建省 211工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 研究背景及意義
    1.2 海洋遙感衛(wèi)星發(fā)展
        1.2.1 海表高度遙感發(fā)展
        1.2.2 海表溫度遙感發(fā)展
        1.2.3 海表鹽度遙感發(fā)展
        1.2.4 海表風(fēng)場遙感發(fā)展
    1.3 海洋內(nèi)部動力異常信息提取研究進(jìn)展
        1.3.1 基于實(shí)測數(shù)據(jù)同化的數(shù)值模擬方法
        1.3.2 根據(jù)動力理論模型推測方法
        1.3.3 結(jié)合實(shí)測數(shù)據(jù)建立統(tǒng)計(jì)或經(jīng)驗(yàn)?zāi)Ｐ头椒?br>    1.4 研究內(nèi)容及論文框架
        1.4.1 研究目標(biāo)和主要研究內(nèi)容
        1.4.2 研究框架
    1.5 論文章節(jié)安排
第二章 研究區(qū)域及數(shù)據(jù)預(yù)處理
    2.1 研究區(qū)域概況
    2.2 多源海表遙感觀測與Argo數(shù)據(jù)
    2.3 數(shù)據(jù)預(yù)處理
    2.4 本章小結(jié)
第三章 基于機(jī)器學(xué)習(xí)的全球海洋內(nèi)部溫度異常信息提取
    3.1 基于支持向量機(jī)的全球海洋內(nèi)部溫度異常信息提取
        3.1.1 支持向量機(jī)基本原理
        3.1.2 支持向量回歸模型構(gòu)建與優(yōu)化
        3.1.3 不同海表參量輸入組合對比模型
    3.2 基于隨機(jī)森林的全球海洋內(nèi)部溫度異常信息提取
        3.2.1 隨機(jī)森林基本原理
        3.2.2 隨機(jī)森林模型構(gòu)建與優(yōu)化
        3.2.3 不同季相的海洋內(nèi)部溫度異常估算
        3.2.4 不同洋盆的模型估算精度
    3.3 不同機(jī)器學(xué)習(xí)模型的對比分析
        3.3.1 不同海表參量輸入組合模型的對比分析
        3.3.2 不同季相估算結(jié)果對比分析
        3.3.3 估算誤差的空間分布分析
    3.4 本章小結(jié)
第四章 基于地理加權(quán)回歸模型的印度洋次表層溫度異常信息提取
    4.1 最小二乘回歸應(yīng)用分析
        4.1.1 最小二乘回歸模型構(gòu)建
        4.1.2 最小二乘回歸模型結(jié)果分析
    4.2 地理加權(quán)回歸應(yīng)用分析
        4.2.1 空間自相關(guān)檢驗(yàn)
        4.2.2 地理加權(quán)回歸模型基本理論
        4.2.3 地理加權(quán)回歸模型構(gòu)建
        4.2.4 地理加權(quán)回歸模型結(jié)果分析
    4.3 局部與全局回歸模型的對比分析
        4.3.1 AICc信息準(zhǔn)則
        4.3.2 定性對比分析
        4.3.3 定量對比分析
    4.4 本章小結(jié)
結(jié)論與展望
    主要結(jié)論
    論文特色與創(chuàng)新點(diǎn)
    存在的問題及展望
參考文獻(xiàn)
致謝
個(gè)人簡介、在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]2017 was the Warmest Year on Record for the Global Ocean[J]. Lijing CHENG,Jiang ZHU.  Advances in Atmospheric Sciences. 2018(03)
[2]多源衛(wèi)星觀測的全球海洋次表層溫度異常信息提取[J]. 黎文娥,蘇華,汪小欽,嚴(yán)曉海.  遙感學(xué)報(bào). 2017(06)
[3]基于隨機(jī)森林的遙感干旱監(jiān)測模型的構(gòu)建[J]. 沈潤平,郭佳,張婧嫻,李洛晞.  地球信息科學(xué)學(xué)報(bào). 2017(01)
[4]隨機(jī)森林算法在機(jī)載LiDAR數(shù)據(jù)林分平均樹高估算中的應(yīng)用研究[J]. 魯林,周小成,余治忠,韓尚,汪小欽.  地球信息科學(xué)學(xué)報(bào). 2016(08)
[5]微波輻射計(jì)反演海表面溫度和風(fēng)場研究進(jìn)展[J]. 朱恩澤,周俊浩,彭洋.  電子測試. 2016(11)
[6]海洋鹽度探測衛(wèi)星的現(xiàn)狀分析和未來趨勢[J]. 殷小軍,張慶君,王睿,張歡.  航天器工程. 2016(01)
[7]基于SMOS衛(wèi)星數(shù)據(jù)的海表面鹽度模型[J]. 趙紅,王成杰.  海洋技術(shù)學(xué)報(bào). 2016(01)
[8]海洋重要水文參數(shù)的衛(wèi)星遙感反演研究綜述[J]. 吳桂平,劉元波.  水科學(xué)進(jìn)展. 2016(01)
[9]3種海面風(fēng)場資料在臺灣海峽的比較和評估[J]. 曠芳芳,張友權(quán),張俊鵬,賈村.  海洋學(xué)報(bào). 2015(05)
[10]土壤濕度主被動探測衛(wèi)星[J]. 龔燃.  衛(wèi)星應(yīng)用. 2015(02)

博士論文
[1]地理加權(quán)回歸基本理論與應(yīng)用研究[D]. 覃文忠.同濟(jì)大學(xué) 2007

碩士論文
[1]海表溫度（SST）遙感反演系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 陳宏.福建師范大學(xué) 2009



本文編號：3173469