首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   5篇
  国内免费   1篇
  海洋学   6篇
  2014年   2篇
  2013年   2篇
  2012年   1篇
  2011年   1篇
排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
以珠江口东岸香港海域为研究对象,准同步获取实测悬浮物浓度和Radarsat-2影像数据.对影像进行滤波处理和掩模处理后,利用Radarsat-2四种极化下的后向散射系数建立悬浮物浓度单极化回归模型;通过多极化后向散射系数构造多个遥感参数,运用相关性分析得到4个敏感因子,建立悬浮物浓度多极化回归模型.最终得到研究区域悬浮物浓度的反演模型为:SSC=11.08+0.06(HH+VV)-0.002(HH+VV)2,R2=0.84,其中SSC为悬浮物浓度,HH和W为该极化下的后向散射系数,R2为决定系数.研究表明:HH和W极化的后向散射系数之和对研究区域悬浮物反演最为敏感,得到的反演模型能较好预测海洋悬浮物的分布情况.  相似文献
2.
以珠江口海域的Radarsatt-2全极化SAR数据和海域表层水面叶绿素a质量浓度实测数据为基础,利用微波散射原理及Cloude Pottier理论对SAR图像进行分解,得到平均散射角a、散射熵H及VH、VV、HH、HV等6个参数;采用BP人工神经网络模型建立上述6个参数与叶绿素a质量浓度的数学关系模型,并结合实测数据对叶绿素a质量浓度进行分类。结果表明:当隐含层节点数为9,输入层和隐含层传递函数分别为tansig和logsig,学习速率和动量系数均为0.2时的网络结构对叶绿素质量浓度反演取得了较好的效果,叶绿素a质量浓度实测值与预测值之间的决定系数(R~2)为0.826。将模型应用于不同时期的2幅图像进行验证,效果良好,与实际情况基本相符。  相似文献
3.
利用2007-2010年MODIS的L2级叶绿素a浓度产品作为数据基础, 对叶绿素a浓度年平均和月平均数据进行分级分区处理, 研究南海北部海域叶绿素a浓度时空分布特征及其与海洋环境因素的关系。初步研究结果表明:2007-2010年在南海北部海域叶绿素a浓度的高值区(>5.0 mg/m3)主要分布在广东省沿岸河流的入海口, 分布范围在夏季最大, 在春秋次之, 在冬季最小;叶绿素a浓度的次高值区(1.0~5.0 mg/m3)主要分布在海岸线到50 m等深线之间的海域, 分布范围夏冬较大, 能扩展到50 m等深线附近, 而春秋较小, 会退缩到50 m等深线以内;叶绿素a浓度的中值区(0.3~1.0 mg/m3)主要分布在50 m到100 m等深线之间的海域, 时空变化复杂;叶绿素a浓度的低值区(<0.3 mg/m3)主要分布在100 m等深线以外的海域, 其区域平均值夏季最低, 春秋次之, 冬季最高, 同时该区域叶绿素a浓度在春夏秋三季空间分布较均匀, 而冬季受季风和黑潮入侵影响空间分布较为复杂。南海北部海域海表叶绿素a浓度的时空变化特征与季风、沿岸河流、海流、海表温度等海洋环境因素的变化有关。  相似文献
4.
王晶  刘湘南 《海洋通报》2013,32(4):452-459
针对单纯依靠光谱特征油膜提取精度低、雷达影像油膜提取易受海况条件及假目标影响的问题,提出了一种结合光 谱特征与纹理特征的多光谱遥感影像油膜信息提取方法。以2011 年6 月蓬莱19-3 油田溢油事故为研究对象,选用HJ-1 星 CCD 遥感数据,利用灰度共生矩阵获取影像纹理特征,采用SVM 模型对结合纹理特征与光谱特征的影像进行分类,提取出 研究区油膜信息,并将分类提取结果与仅依靠光谱特征的SVM 模型分类结果进行了比较。结果表明:引入纹理特征的SVM 模型分类总精度达到90.29 %,比仅依靠光谱特征的分类精度提高了12.41 %;纹理特征的参与降低了原影像噪声对分类结果 的影响,油膜边缘提取更加清晰,油膜中心呈连续面状分布,引入纹理特征的SVM 模型可有效地用于多光谱遥感影像海面 油膜信息提取。  相似文献
5.
提出了一种基于随机森林反演海盐的算法模型,基于研究海域的实测数据,分析并筛选出与海表盐度敏感性较高的影响因子(总氮、悬浮固体、温度),利用2003-2008年共6期ASTER影像数据,从中提取、计算敏感因子的光谱参数,结合相应实测盐度,作为模型的原始数据集,运用R语言构建随机森林算法对数据进行训练,将训练得到的随机森林用于海表盐度的预测。结果显示,预测值与实测值之间平均相对误差较小,吻合度高,R2均在0.85以上,多数达0.95以上。研究表明,基于多因子参数的随机森林反演海表盐度是可行且高效的。  相似文献
6.
以2007年1月到2010年12月的MODIS Aqua CHL-a Level 2海表水色产品为基础数据,获得南海北部海域海表叶绿素a浓度的月平均影像集,基于影像集数据的时空相关性利用DIEOF(Data Interpolating Empirical Orthogonal Functions)方法重构其缺失数据。通过分析重构前后数据变化、验证重构结果的时空特征、计算模型精度指标等对重构结果进行评价。研究结果表明:DIEOF方法重构的MODIS海表叶绿素a影像,能够体现研究区海表叶绿素a的时空变化特征,重构结果的复相关系数R2可达到0.98,平均绝对误差MAE小于0.01;该方法重构过程中无需先验信息,易操作,能够有效重构大面积成片缺失或缺失比例较高的影像。  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号