發(fā)布時(shí)間：2020-11-10 04:27

　　 湖冰作為冰凍圈的組成部分,是地球表層關(guān)鍵水循環(huán)過(guò)程參量之一。其在時(shí)間序列上的變化可以比較直觀的反映湖冰所在地區(qū)的氣候變化狀況。因此,關(guān)于湖冰的研究在區(qū)域氣候變化研究中有著重要意義。目前,國(guó)內(nèi)外對(duì)湖冰分類的研究根據(jù)其數(shù)據(jù)源可以分為基于主動(dòng)遙感數(shù)據(jù)的湖冰分類和基于被動(dòng)遙感數(shù)據(jù)的湖冰分類,其中基于主動(dòng)遙感數(shù)據(jù)的湖冰分類可以對(duì)不同類型的湖冰進(jìn)行分類。隱馬爾可夫隨機(jī)場(chǎng)和期望最大(HMRF-EM)算法是一種可以對(duì)SAR影像進(jìn)行有效分類的分類方法,但目前并沒(méi)有基于該算法的湖冰分類方法的相關(guān)研究,因此本研究依托地球大數(shù)據(jù)科學(xué)工程時(shí)空三極環(huán)境項(xiàng)目,提出了基于HMRF-EM算法的湖冰分類方法,并對(duì)勒拿河三角洲地區(qū)2018年1月至4月的部分湖冰進(jìn)行了分類。由于地理?xiàng)l件等因素的限制,目前對(duì)于研究區(qū)的湖冰變化監(jiān)測(cè)缺少實(shí)地觀測(cè)數(shù)據(jù),因此本研究選用模擬數(shù)據(jù)替代真實(shí)數(shù)據(jù)對(duì)HMRF-EM算法進(jìn)行參數(shù)選取和精度評(píng)價(jià)。其中參數(shù)選取部分包括湖冰分類中最優(yōu)參數(shù)的選取和不同初始化方法對(duì)分類結(jié)果精度的影響兩個(gè)部分。參數(shù)選取的結(jié)果表明,在勢(shì)能參數(shù)β為[0.1,2]區(qū)間時(shí),使用K-Means算法和模糊C均值聚類算法作為初始化方法的HMRF-EM算法的分類結(jié)果與真實(shí)的分類結(jié)果相接近,湖冰分類效果最好時(shí)HMRF-EM算法的初始化方法為K-Means算法,勢(shì)能參數(shù)β為0.1,其總體精度為99.76%,Kappa系數(shù)為0.995,且湖冰分類中不同的初始化方法會(huì)對(duì)HMRF-EM算法的分類精度產(chǎn)生一定影響。在分類精度評(píng)價(jià)中,分別選取閾值法,平行六面體法,迭代自組織數(shù)據(jù)分析(ISODATA)分類方法,K-Means分類方法等方法與HMRF-EM算法進(jìn)行對(duì)比。相比較于其它方法,HMRF-EM算法總體分類精度提高了1%-23%,Kappa系數(shù)提高了0.03-0.53,這說(shuō)明湖冰分類中HMRF-EM算法要優(yōu)于其它算法。最后,本研究選取哨兵1號(hào)衛(wèi)星數(shù)據(jù)為主要數(shù)據(jù)源對(duì)湖冰進(jìn)行分類,分浮冰和接地冰,統(tǒng)計(jì)在時(shí)間序列上不同類型湖冰的變化。從結(jié)果中可以看出,隨著時(shí)間的變化,浮冰的面積逐漸減少,接地冰的面積逐漸增加,這與西伯利亞極區(qū)冬季的氣溫狀況相吻合,證明HMRF-EM算法可以有效地對(duì)不同類型的湖冰進(jìn)行分類。
【學(xué)位單位】：中國(guó)地質(zhì)大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2020
【中圖分類】：P343.63;TP79
【部分圖文】：

中國(guó)地質(zhì)大學(xué)（北京）工程碩士學(xué)位論文3圖1-1：世界湖泊與河流地圖(邱玉寶,2018)1.2研究現(xiàn)狀1.2.1湖冰分類研究現(xiàn)狀湖冰大多分布于高緯度地區(qū)或者氣候較為寒冷的高原地區(qū)，例如西伯利亞，阿拉斯加，青藏高原等地區(qū)，由于這些區(qū)域的地理環(huán)境和氣候條件較為惡劣，加之湖冰的空間分布較為廣泛，傳統(tǒng)的野外地面觀測(cè)很難對(duì)時(shí)間序列上高緯度地區(qū)大空間范圍的湖冰變化進(jìn)行有效監(jiān)測(cè)。而遙感技術(shù)具有時(shí)效性，經(jīng)濟(jì)性，以及大面積的同步觀測(cè)等優(yōu)勢(shì)(梅安新等,2001)，因此是一種有效的湖冰監(jiān)測(cè)方法。目前國(guó)內(nèi)外對(duì)湖冰分類均有所研究，國(guó)內(nèi)對(duì)湖冰分類的研究主要集中于湖冰物候中的湖冰分類，以被動(dòng)遙感數(shù)據(jù)作為數(shù)據(jù)源，而國(guó)外除了湖冰物候中的湖冰分類，還基于主動(dòng)遙感數(shù)據(jù)對(duì)不同類型的湖冰進(jìn)行了分類。1.2.1.1國(guó)內(nèi)研究現(xiàn)狀目前國(guó)內(nèi)關(guān)于湖冰分類的研究及應(yīng)用主要集中于青藏高原，特別是青海湖，納木錯(cuò)湖等幾個(gè)大型湖泊。這些研究使用的數(shù)據(jù)大多為光學(xué)遙感數(shù)據(jù)，其數(shù)據(jù)類型為被動(dòng)遙感數(shù)據(jù)。這些數(shù)據(jù)在無(wú)云的環(huán)境下可以有效的識(shí)別冰水，但由于受光學(xué)遙感數(shù)

中國(guó)地質(zhì)大學(xué)（北京）工程碩士學(xué)位論文7圖1-2論文的技術(shù)路線1.4.2論文結(jié)構(gòu)本論文有六章，每章內(nèi)容如下所示：第一章介紹了論文的研究背景，研究意義，研究現(xiàn)狀與論文的研究?jī)?nèi)容，介紹了湖冰分類的研究現(xiàn)狀以及HMRF方法的研究現(xiàn)狀。第二章介紹研究區(qū)概況，實(shí)驗(yàn)數(shù)據(jù)的情況以及冬季不同類別地物的后向散射系數(shù)變化。第三章介紹基于HMRF-EM算法的湖冰分類方法，其中包括預(yù)處理方法，SAR影像初始化方法，HMRF理論，EM算法和后處理。第四章對(duì)HMRF-EM算法進(jìn)行了最優(yōu)參數(shù)選取和精度評(píng)價(jià)。第五章研究了勒拿河三角洲地區(qū)2018年1月-4月的湖冰變化。第六章介紹了論文的結(jié)論以及未來(lái)的發(fā)展方向。

研究區(qū)概況與實(shí)驗(yàn)數(shù)據(jù)82.研究區(qū)概況與實(shí)驗(yàn)數(shù)據(jù)2.1研究區(qū)概況2.1.1地理位置如圖2-1所示，勒拿河三角洲位于西伯利亞北部地區(qū)（73°N，126°E），是世界第六大三角洲，也是俄羅斯第一大三角洲。其面積約為30000Km2，次于美國(guó)密西西比三角洲，是世界最大的永久凍土三角洲，而且還是世界面積前十的三角洲中唯一位于極地地區(qū)的三角洲。目前該三角洲的面積仍在持續(xù)增長(zhǎng)(AntonovaSetal,2016a)。本文選取該三角洲中冬季不同類型湖冰分布較為明顯的湖泊作為研究對(duì)象，其具體位置見(jiàn)圖2-2。圖2-1勒拿河三角洲地理位置圖2-2研究對(duì)象的位置。（A）底圖為L(zhǎng)andsat影像；（B）底圖為哨兵1B衛(wèi)星影像。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 解正山;;算法決策規(guī)制——以算法“解釋權(quán)”為中心[J];現(xiàn)代法學(xué);2020年01期

2 傅惠;王葉飛;陳賽飛;;面向宏觀基本圖的多模式交通路網(wǎng)分區(qū)算法[J];工業(yè)工程;2020年01期

3 魏遠(yuǎn)山;;算法解釋請(qǐng)求權(quán)及其權(quán)利范疇研究[J];甘肅政法學(xué)院學(xué)報(bào);2020年01期

4 劉斌;;算法新聞的公共性建構(gòu)研究——基于行動(dòng)者網(wǎng)絡(luò)理論的視角[J];人民論壇·學(xué)術(shù)前沿;2020年01期

5 全燕;;關(guān)鍵詞批評(píng)視野中的算法文化及其閾限性[J];學(xué)習(xí)與實(shí)踐;2020年02期

6 張銘?zhàn)?;掌控還是被掌控——大數(shù)據(jù)時(shí)代有關(guān)算法分發(fā)的憂患與反思[J];新媒體研究;2020年04期

7 陸凱;蘇苗罕;丁聞?wù)Z;;美國(guó)算法治理政策與實(shí)施進(jìn)路[J];環(huán)球法律評(píng)論;2020年03期

8 許可;朱悅;;算法解釋權(quán):科技與法律的雙重視角[J];蘇州大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2020年02期

9 迪莉婭;;大數(shù)據(jù)算法決策的問(wèn)責(zé)與對(duì)策研究[J];現(xiàn)代情報(bào);2020年06期

10 陶雪芹;;大數(shù)據(jù)時(shí)代算法歧視的風(fēng)險(xiǎn)防控和法律規(guī)制[J];河南牧業(yè)經(jīng)濟(jì)學(xué)院學(xué)報(bào);2020年02期

相關(guān)博士學(xué)位論文 前10條

1 王冰;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

2 王艷嬌;人工蜂群算法的研究與應(yīng)用[D];哈爾濱工程大學(xué);2013年

3 李美安;普適分布式互斥算法及應(yīng)用[D];電子科技大學(xué);2007年

4 王小根;粒子群優(yōu)化算法的改進(jìn)及其在圖像中的應(yīng)用研究[D];江南大學(xué);2009年

5 劉婷;改進(jìn)人工蜂群算法及其在多用戶檢測(cè)中的應(yīng)用[D];天津大學(xué);2013年

6 邱劍鋒;人工蜂群算法的改進(jìn)方法與收斂性理論的研究[D];安徽大學(xué);2014年

7 肖建元;保幾何結(jié)構(gòu)算法在等離子體物理中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

8 盛歆漪;粒子群優(yōu)化算法及其應(yīng)用研究[D];江南大學(xué);2015年

9 張冬麗;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用研究[D];燕山大學(xué);2014年

10 孔翔宇;幾類優(yōu)化問(wèn)題的人工蜂群算法[D];西安電子科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 王東偉;基于HMRF-EM算法的湖冰分類方法研究及其應(yīng)用[D];中國(guó)地質(zhì)大學(xué)(北京);2020年

2 賈紅;煙花爆炸優(yōu)化算法及其改進(jìn)研究[D];華中科技大學(xué);2010年

3 王書(shū)勤;車輛路徑問(wèn)題的蟻群算法研究[D];重慶大學(xué);2008年

4 徐一春;淺析大數(shù)據(jù)算法歧視的法律規(guī)制[D];蘇州大學(xué);2019年

5 鄒游;快速傅里葉變換裁剪算法[D];華南理工大學(xué);2017年

6 何子曠;蝙蝠算法的改進(jìn)與應(yīng)用[D];廣東工業(yè)大學(xué);2016年

7 丁亞英;基于局部搜索和二進(jìn)制的改進(jìn)人工蜂群算法[D];南京師范大學(xué);2016年

8 韓宏業(yè);基于人工蜂群算法的軟硬件劃分算法研究[D];天津大學(xué);2014年

9 孟凡明;基于共享因子的人工蜂群算法的研究與應(yīng)用[D];蘭州交通大學(xué);2016年

10 胡慶生;煙花算法及其應(yīng)用[D];陜西師范大學(xué);2016年

本文編號(hào)：2877474