湖冰作為冰凍圈的組成部分,是地球表層關鍵水循環(huán)過程參量之一。其在時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,國內外對湖冰分類的研究根據(jù)其數(shù)據(jù)源可以分為基于主動遙感數(shù)據(jù)的湖冰分類和基于被動遙感數(shù)據(jù)的湖冰分類,其中基于主動遙感數(shù)據(jù)的湖冰分類可以對不同類型的湖冰進行分類。隱馬爾可夫隨機場和期望最大(HMRF-EM)算法是一種可以對SAR影像進行有效分類的分類方法,但目前并沒有基于該算法的湖冰分類方法的相關研究,因此本研究依托地球大數(shù)據(jù)科學工程時空三極環(huán)境項目,提出了基于HMRF-EM算法的湖冰分類方法,并對勒拿河三角洲地區(qū)2018年1月至4月的部分湖冰進行了分類。由于地理條件等因素的限制,目前對于研究區(qū)的湖冰變化監(jiān)測缺少實地觀測數(shù)據(jù),因此本研究選用模擬數(shù)據(jù)替代真實數(shù)據(jù)對HMRF-EM算法進行參數(shù)選取和精度評價。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分類結果精度的影響兩個部分。參數(shù)選取的結果表明,在勢能參數(shù)β為[0.1,2]區(qū)間時,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算法的分類結果與真實的分類結果相接近,湖冰分類效果最好時HMRF-EM算法的初始化方法為K-Means算法,勢能參數(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對HMRF-EM算法的分類精度產(chǎn)生一定影響。在分類精度評價中,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算法進行對比。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號衛(wèi)星數(shù)據(jù)為主要數(shù)據(jù)源對湖冰進行分類,分浮冰和接地冰,統(tǒng)計在時間序列上不同類型湖冰的變化。從結果中可以看出,隨著時間的變化,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算法可以有效地對不同類型的湖冰進行分類。
【學位單位】：中國地質大學(北京)
【學位級別】：碩士
【學位年份】：2020
【中圖分類】：P343.63;TP79
【部分圖文】：

中國地質大學（北京）工程碩士學位論文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)的野外地面觀測很難對時間序列上高緯度地區(qū)大空間范圍的湖冰變化進行有效監(jiān)測。而遙感技術具有時效性，經(jīng)濟性，以及大面積的同步觀測等優(yōu)勢(梅安新等,2001)，因此是一種有效的湖冰監(jiān)測方法。目前國內外對湖冰分類均有所研究，國內對湖冰分類的研究主要集中于湖冰物候中的湖冰分類，以被動遙感數(shù)據(jù)作為數(shù)據(jù)源，而國外除了湖冰物候中的湖冰分類，還基于主動遙感數(shù)據(jù)對不同類型的湖冰進行了分類。1.2.1.1國內研究現(xiàn)狀目前國內關于湖冰分類的研究及應用主要集中于青藏高原，特別是青海湖，納木錯湖等幾個大型湖泊。這些研究使用的數(shù)據(jù)大多為光學遙感數(shù)據(jù)，其數(shù)據(jù)類型為被動遙感數(shù)據(jù)。這些數(shù)據(jù)在無云的環(huán)境下可以有效的識別冰水，但由于受光學遙感數(shù)

中國地質大學（北京）工程碩士學位論文7圖1-2論文的技術路線1.4.2論文結構本論文有六章，每章內容如下所示：第一章介紹了論文的研究背景，研究意義，研究現(xiàn)狀與論文的研究內容，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，實驗數(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HMRF-EM算法進行了最優(yōu)參數(shù)選取和精度評價。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論以及未來的發(fā)展方向。

研究區(qū)概況與實驗數(shù)據(jù)82.研究區(qū)概況與實驗數(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(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象，其具體位置見圖2-2。圖2-1勒拿河三角洲地理位置圖2-2研究對象的位置。（A）底圖為Landsat影像；（B）底圖為哨兵1B衛(wèi)星影像。
【相似文獻】

相關期刊論文 前10條

1 解正山;;算法決策規(guī)制——以算法“解釋權”為中心[J];現(xiàn)代法學;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 魏遠山;;算法解釋請求權及其權利范疇研究[J];甘肅政法學院學報;2020年01期

4 劉斌;;算法新聞的公共性建構研究——基于行動者網(wǎng)絡理論的視角[J];人民論壇·學術前沿;2020年01期

5 全燕;;關鍵詞批評視野中的算法文化及其閾限性[J];學習與實踐;2020年02期

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

7 陸凱;蘇苗罕;丁聞語;;美國算法治理政策與實施進路[J];環(huán)球法律評論;2020年03期

8 許可;朱悅;;算法解釋權:科技與法律的雙重視角[J];蘇州大學學報(哲學社會科學版);2020年02期

9 迪莉婭;;大數(shù)據(jù)算法決策的問責與對策研究[J];現(xiàn)代情報;2020年06期

10 陶雪芹;;大數(shù)據(jù)時代算法歧視的風險防控和法律規(guī)制[J];河南牧業(yè)經(jīng)濟學院學報;2020年02期

相關博士學位論文 前10條

1 王冰;人工蜂群算法的改進及相關應用的研究[D];北京理工大學;2015年

2 王艷嬌;人工蜂群算法的研究與應用[D];哈爾濱工程大學;2013年

3 李美安;普適分布式互斥算法及應用[D];電子科技大學;2007年

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

5 劉婷;改進人工蜂群算法及其在多用戶檢測中的應用[D];天津大學;2013年

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

7 肖建元;保幾何結構算法在等離子體物理中的應用[D];中國科學技術大學;2017年

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

9 張冬麗;人工蜂群算法的改進及相關應用研究[D];燕山大學;2014年

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

相關碩士學位論文 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用[D];中國地質大學(北京);2020年

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

3 王書勤;車輛路徑問題的蟻群算法研究[D];重慶大學;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;2019年

5 鄒游;快速傅里葉變換裁剪算法[D];華南理工大學;2017年

6 何子曠;蝙蝠算法的改進與應用[D];廣東工業(yè)大學;2016年

7 丁亞英;基于局部搜索和二進制的改進人工蜂群算法[D];南京師范大學;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;2014年

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

10 胡慶生;煙花算法及其應用[D];陜西師范大學;2016年

本文編號：2877474