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YOLOv3深度学习的海雾气象条件下海上船只实时检测     

王飞  刘梦婷  刘雪芹  秦志亮  马本俊  郑毅 《海洋科学》2020,44(8):197-204

海雾气象条件下船只高精度检测识别面临较大困难，传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题，提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法，实现图片清晰度分类处理；其次为提高海雾气象条件下海上船只的实时检测精度，消除海雾遮挡对目标识别的影响，运用暗通道先验去雾方法对含有海雾的图像实行去雾；最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只，对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。  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   

轨道误差对InSAR相位影响的BP神经网络去除法     

师悦龄  刘国祥  汤伟尧  张瑞  于冰 《测绘科学》2018,(4):1-8

针对用二次多项式法去除轨道误差对InSAR相位影响时,须对干涉相位其他项分布性质作假设,且自身存在一定的模型缺陷的问题,该文提出用BP神经网络去除轨道误差对InSAR相位影响的方法。研究表明:BP神经网络法在使用时无须对干涉相位其他项分布性质作假设,模型更优。模拟实验中,轨道误差相位拟合残差更小;真实数据实验中,纠正后非形变区相位集中在零值附近,且波动趋势更为平稳。该方法一定程度上降低了传统二次多项式法的应用局限性。  相似文献   

利用主动深度学习提取极化SAR影像建筑区   总被引：2，自引：0，他引：2  

邓鸿儒  徐佳  单文龙  袁春琦 《测绘科学技术学报》2018,(3)

针对利用传统监督分类方法从极化SAR影像中提取建筑区存在标记样本数量不足、难以挖掘有效特征等问题,提出一种主动学习与深度学习相结合的极化SAR影像建筑区提取方法。首先通过自动编码器对训练样本训练得到初始分类器;接着利用主动学习得到未标记样本中最富有信息量的样本进行人工标记;并将标记好的样本加入到训练样本中重新训练分类器。分别采用RADARSAT-2和ALOS-2极化SAR影像进行实验。结果表明传统的SVM方法和深度学习的方法加入主动学习后建筑区的提取精度都有所提高,而主动深度学习方法的提取效果优于主动SVM方法。  相似文献   

改进的GOTURN算法     

《测绘科学技术学报》2018,(6)

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。  相似文献   

基于差分筛选的YOLOv2监控视频目标检测方法     

《测绘科学技术学报》2018,(6)

监控视频的多目标跟踪是视频智能分析的热点研究内容,其中目标的检测是目标跟踪的基础,精度高、速度快的目标检测器对于后续的实时分析任务尤为重要。提出一种针对监控视频的基于差分筛选的YOLOv2目标检测算法,采用差分算法筛选无前景目标帧及设置重叠度量阈值进行跨帧检测,改善了YOLOv2作为检测方法用于监控视频多目标跟踪任务时速度过慢的不足,同时高精度的检测结果有利于下一步多目标跟踪任务的顺利完成。利用NPLR监控视频数据集对YOLOv2目标检测算法进行了测试,并将该方法与可变型部件模型DPM进行了比较。结果表明,差分YOLOv2方法在精度上高出DPM方法0.304 6,检测时间快了26倍左右,验证了该算法的有效性。  相似文献   

基于错误式学习的低空影像人行横道多角度自动识别          下载免费PDF全文

李谦  张永军  卢洪树  刘欣怡 《武汉大学学报(信息科学版)》2018,43(1):46-52

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。  相似文献