基于遥感数据的海洋水色水温重构方法研究

发布时间：2020-04-13 08:03

【摘要】：当前海洋开发在国民经济建设中所占比重越来越大,卫星海洋遥感作为重要的观测手段,得到普遍应用。海洋水色水温领域作为其重要应用之一,得到了学者的极大关注。海洋上空常年的云覆盖导致的遥感数据缺失比高,使得海洋遥感水色水温缺失数据的重构算法成为研究重点。 本文针对海洋水色水温图像存在的数据缺失问题,首先提出把自组织映射SOM算法应用于海洋水色水温缺失数据重构,然后结合该领域新兴的经验正交函数EOF算法,提出了SOM-EOF算法。该方法利用SOM能够较好体现遥感数据集的非线性结构的优点,随后把SOM非线性估计的结果用于EOF算法的初始化,有效的克服了EOF算法对数据集初始化敏感的缺陷,同时改进了EOF算法本身不能重构缺失比率高的图像和程序效率低的缺点。在数据处理的过程中,对奇异值分解使用了lanczos算子分解矩阵,提高了程序运行的效率。此外,该方法还应用了蒙特卡罗交叉校正集,确定重构的最佳EOF模态数,最终高精度重构缺失数据,最后利用最优模态分析了研究区域的物理现象。 原始数据来自搭载于AQUA遥感卫星上的MODIS传感器所采集的海表温度和叶绿素浓度数据。通过实验验证,新方法重构误差小,重构精度高。在SST重构试验中,SOM、EOF和SOM-EOF的最小重构误差分别为0.2736℃、0.6000℃和0.2304℃。在CHL重构试验中SOM、EOF和SOM-EOF的最小对数重构误差分别为0.4650、0.5272和0.4267(log10mg/L)。
【图文】：

第一章 绪论失比率比较高，这就给海洋研究和业务化工作等实际应用带来了比[6]。对于使用红外线波段和可见光波段反演的海洋遥感数据，大气可能部分或完全覆盖研究区域，从而导致数据缺失和数据异常等可以在某些时期达到一个相当高的比率，而且遥感数据中很可能伴星故障等致使的覆盖面减少之类的问题，所有这些原因无不加大了例。数据缺失经常表现在遥感资料大面积的数据缺失（图 1-1a）和缺失（图 1-1b）。

性指系统能够根据其所处周围环境的不环境变化的能力。神经网络具有初步的习的过程中自适应的发现隐藏在输入样自适应性是息息相关的，神经网络的自自组织性是通过自适应性体现的。的分类标准可以有很多种分类方法，按模型，主要有以下四种模型[31][33][34]：向网络。该网络中，各神经元是分层排特定模式。各神经元只会接收来自其前一（网络中不存在任何反馈）。输入的信层输出最后的结果。前馈网络可以分为相连，其他的中间层也称作隐层，而隐示。
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP751;P715.7

【参考文献】

相关期刊论文 前6条

1 马寨璞,井爱芹;动态最优插值方法及其同化应用研究[J];河北大学学报(自然科学版);2004年06期

2 杨晓霞,沈桐立,徐文金,周军,闵锦忠;最优插值客观分析方法[J];南京气象学院学报;1991年04期

3 谢文君,陈君;海洋遥感的应用与展望[J];海洋地质与第四纪地质;2001年03期

4 朱江，，徐启春，王赐震，李许花;海温数值预报资料同化试验Ⅰ．客观分析的最优插值法试验[J];海洋学报(中文版);1995年06期

5 屠伟铭，张跃堂;全球最优插值客观分析[J];气象学报;1995年02期

6 谈建国,周红妹,陆贤,杨崇俊;NOAA卫星云检测和云修复业务应用系统的研制和建立[J];遥感技术与应用;2000年04期

相关硕士学位论文 前3条

1 翁时锋;自适应SOM特征映射研究[D];清华大学;2003年

2 吴红艳;基于自组织特征映射网络的聚类算法研究[D];重庆大学;2006年

3 周建军;基于神经网络的异构数据集成系统研究[D];大连海事大学;2004年

本文编号：2625786