基于SMAP卫星雷达资料的海冰密集度反演技术研究   总被引：1，自引：0，他引：1  

闻斌  周旋  种劲松  石立坚  叶小敏 《海洋学报》2018,40(6):29-39

SMAP是美国于2015年初发射的一颗卫星，搭载了L波段的雷达。它采用圆锥扫描方式，具有固定的入射角、较大的幅宽和千米级的分辨率，在海冰监测方面具有独特的优势。本文利用SMAP卫星雷达资料分别与德国Bremen大学海冰密集度产品和美国国家冰雪数据中心（NSIDC）海冰密集度产品建立3.125 km和25 km匹配数据集，分析了L波段雷达后向散射系数、极化比和归一化极化差与海冰密集度之间相关性，建立基于人工神经网络的海冰密集度反演算法。为了验证SMAP卫星雷达资料反演海冰密集度的精度，本文选择德国Bremen大学和美国冰雪数据中心发布的海冰密集度产品分别与SMAP海冰密集度产品进行对比分析，SMAP海冰密集度与Bremen海冰密集度的偏差为0.07、均方根误差为0.14；与NSIDC海冰密集度的偏差为0.04、均方根误差为0.18，这表明SMAP海冰密集度产品与现有业务化海冰密集度产品具有很好的一致性。  相似文献   

基于神经网络模型的湛江湾水体有色溶解有机物的遥感估算     

余果  付东洋  刘大召  刘贝  廖珊  王立安  张小龙 《海洋科学》2018,42(9):73-80

有色溶解有机物(Colored Dissolved Organic Matter, CDOM)是水体中重要的水质参数之一,是水色遥感的重要研究对象,如何构建适合特定区域的近海二类水体CDOM反演模型一直是国内外研究难点。本文利用2017年5月26～29日对南海西北部海域湛江湾20个站位采集的水样和测量的光谱资料,分析归一化遥感反射率与CDOM浓度a_g(400)的相关性,发现最大负相关系数出现在586nm处,选择580、585、590、595nm这四个波段处的归一化遥感反射率与a_g(400)建立了多元线性回归模型、BP(Back-Propagation)神经网络模型和RBF(Radial-Basis Function)神经网络模型,并与其他算法模型进行对比分析。结果发现, BP和RBF神经网络模型的平均相对误差和均方根误差均远小于多元线性回归模型和其他算法模型,神经网络模型的预测值与实测值拟合效果要优于多元线性回归模型。研究表明,神经网络模型更适合于湛江湾有色溶解有机物的遥感估算。  相似文献   

气压对巴伦台钻孔倾斜的影响特征及机制研究     

许璐  邢喜民 《大地测量与地球动力学》2018,38(8):873-876

以巴伦台钻孔倾斜及分量应变辅助观测气压数据为研究对象，运用相关及小波分析研究气压对巴伦台钻孔倾斜的影响特征。结果表明，气压对巴伦台钻孔倾斜影响表现为准线性关系，对NS向的影响大于EW向。气压对NS向影响的显著频段有2 048～8 192、32 768～65 536 min，对EW向影响的显著频段为2 048～8 192 min。探讨了气压对巴伦台钻孔倾斜的影响机制。  相似文献   

基于深度学习理论的无人机影像分类     

阳成 《北京测绘》2020,(4):481-484

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。  相似文献   

基于广义回归神经网络的全球表层海水1°×1°二氧化碳分压数据推演     

钟国荣  李学刚  曲宝晓  王彦俊  袁华茂  宋金明 《海洋学报》2020,42(10):70-79

表层海水二氧化碳分压是评估海洋碳源汇强度的关键参数，但其实测数据较少、时空分布极不均匀，导致二氧化碳交换通量的估算有很大的不确定性，海洋源汇特征就不能确切获取。为了解决这个难题，在收集的表层大洋二氧化碳地图(Surface Ocean CO₂ Atlas，SOCAT)实测数据集基础上，运用广义回归神经网络建立二氧化碳分压与经纬度、时间、温度、盐度和叶绿素浓度间的非线性关系，构建了1998?2018年间全球1°×1°经纬度的表层海水二氧化碳分压格点数据，其标准误差为16.93 μatm，平均相对误差为2.97%，优于现有研究中的前反馈神经网络、自组织映射神经网络和机器学习算法等方法。根据构建的数据所绘制的全球表层海水二氧化碳分压的分布与现有研究有较好的一致性。  相似文献   

基于大数据分析下的气候模型     

张宸豪  冯曦  冯卫兵  刘涛  丁坤 《海洋科学》2020,44(10):1-11

为研究全球变暖与极寒天气间的关系，对加拿大13个省代表性测站10年的观测数据进行时空变化趋势分析，采用经验正交函数（EOF）寻找海洋表面温度历史数据的变化规律。另外利用BP神经网络建立了年平均温度、日降水量与地球吸热、散热、海表面温度、当地纬度间的关系，预测未来25年气候的变化，并建立了“极寒天气”与气候变化的关系模型。研究表明：高纬度地区温度、降水量普遍较低，同经度地区的温度差异较小且降水量变化不大；加拿大地区温度呈周期性变化，符合北半球的季节变化特征；北大西洋的东部与其他海洋的温度是反相关的，西太平洋南北回归线附近的海洋表面温度升高；“极寒天气”出现频率与气候变化有一定关系，局地极寒现象与全球变暖的大趋势并不矛盾。本研究为人们认识和理解“全球变暖”提供了一个新的思路。  相似文献   

基于机器学习的海洋环境预报订正方法研究     

许立兵  王安喜  汪纯阳  陈悦  陈昱文  周峥  陈幸荣  邢建勇  刘克威  黄小猛 《海洋通报》2020,39(6):695-704

结合中尺度数值模式 WRF 预报数据和 ERA5 再分析资料，利用机器学习方法对 WRF 预报场的风场、温度、气压进行预报订正。采用 ERA5 作为真值，与原始 WRF 预报相比，利用随机森林模型可以将预报结果整体均方根误差降低 44%以 上，利用深度神经网络模型可以将预报结果整体均方根误差降低 34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度，分析了关键的预报订正因子。  相似文献   

基于PSO算法的BP神经网络对植被叶片氮素含量的预测     

王杰  徐锡杰  解斐斐 《北京测绘》2018,32(11)

  相似文献   

东北黑土区侵蚀沟遥感影像特征提取与识别   总被引：3，自引：0，他引：3  

于佩鑫  周询  刘素红  王西凯 《遥感学报》2018,22(4):611-620

东北黑土区是中国重要的粮食生产区,而长期的开垦造成了严重的水土流失现象,坡耕地表面出现大量的侵蚀沟。侵蚀沟的识别是土壤侵蚀监测的重要手段之一,目前遥感技术在侵蚀沟的识别中应用广泛,但自动化程度不高。针对特定地物影像的识别,如何选取最能够有效描述该地物的特征是解决问题的关键。本文构建了耕地和侵蚀沟遥感影像的训练样本集,基于样本集分别提取了由光谱特征和纹理特征组成的浅层特征、SIFT特征经编码后得到的中层特征,以及利用卷积神经网络提取的深层特征;再基于不同层次的特征选用合适的分类器对遥感影像进行分类,识别出含有侵蚀沟的遥感影像,形成了一套针对侵蚀沟的特征提取与识别方法,为东北黑土区的耕地保护提供有力支持。测试结果表明:基于中层特征的识别精度最高,为98.5%,但该特征需要人工设计,自动化程度有限;而利用卷积神经网络可自动提取深层特征,其识别精度达到了95.5%,同时大大提高了自动化程度,满足侵蚀沟影像的识别的需求。  相似文献   

GPS高层建筑物动态特性的小波分析提取     

王涛  田林亚  孔令杰  张洋 《测绘科学》2018,(4):100-104,108

针对高层建筑物GPS动态监测数据特点,该文将小波分析技术应用于高层建筑物动态特性提取,研究了数据处理时4种阈值选取准则的好坏,针对观测数据不同阶段振幅和频率不同,提出分段、分层处理数据的思想,为了获得更全面的观测信号,将小波包分析应用于数据处理。结果表明:自适应阈值准则更适用于高层建筑物动态数据处理,采用分段分层的处理方法,既能满足去噪要求又能提取丰富的变形信息,小波包分析能有效提取高层建筑物动态特性,保留更多的动态信息。  相似文献