基于Sentinel-1的南极冰盖冻融探测方法研究
发布时间:2020-11-14 11:09
极地冰盖的冻融与全球气候变化、海平面变化、冰架崩解的关系密切,准确观测极地冰盖变化对理解全球变化研究具有重要的科学意义。Sentinel-1 SAR数据结合Google Earth Engine(GEE)遥感大数据云计算平台,为极地观测提供了重要的技术支撑。本文基于GEE平台,利用Sentinel-1 EW SAR数据,以南极半岛的Larsen C冰架及其周边区域为例,开展南极冰盖冻融探测方法的研究。得到的主要结果如下:(1)针对GEE平台提供的Sentinel-1 EW数据中存在的宽度不等,且宽达十几公里的黑边噪声问题,提出基于信息熵+缓冲区结合的方法,有效去除黑边噪声,提高影像信息的有效性。基于Sentinel-1分析融化与冻结的后向散射系数变化特征,以及冰川带后向散射系数特征、空间分布,分析结果与Liu等基于Radarsat-1 SAR的冰川带后向散射系数分析结果一致。(2)本文综合应用GEE平台的随机森林、分类回归树、支持向量机分类方法,选用海量Sentinel-1数据,开展南极冻融信息探测方法实验。实验结果表明:基于分类回归树、支持向量机的探测精度较高,随机森林的精度较低,三种方法在一定程度上均能探测出冰盖冻融信息,但对干雪带和湿雪带有一定程度的混淆。(3)本文首次提出了基于变化检测+决策树的南极冰盖冻融探测方法。在GEE平台上,以冬季6、7、8月份的Sentinel-1数据的中值为基图像,夏季影像与同轨道的基图像做差值的变化检测,确定雪带后向散射系数变化阈值和高程阈值,做阈值分割,实现南极冰盖冻融信息探测。使用该方法探测2015年12月-2016年3月,2016年10月-2017年3月,2017年10月-2018年3月的南极冰盖冻融信息,对探测结果,采用自选样本和自动气象站数据进行精度验证,自选样本验证的平均总体精度为93%,平均Kappa系数为0.90;自动气象站点验证的平均精度为83.86%。并将该方法应用于格林兰岛的冰盖冻融探测,验证精度约为90%。因此,基于变化检测+决策树的南极冰盖冻融探测方法在冰盖冻融探测中具有一定的应用前景。
【学位单位】:西安科技大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:P343.6;P332
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景与意义
1.1.1 南极冰盖冻融与全球变化
1.1.2 南极冰盖冻融与微波遥感
1.2 国内外研究现状
1.2.1 微波遥感冰盖冻融研究
1.2.2 SAR冰雪观测研究
1.3 研究内容及技术路线
2 南极冰盖基本特征与研究平台简介
2.1 雪的微波介电特性
2.1.1 干雪的介电常数
2.1.2 湿雪的介电常数
2.2 南极冰盖与带状划分
2.2.1 南极冰盖成冰过程
2.2.2 南极冰盖带状划分
2.3 基于云计算的地理空间数据处理平台-Google Earth Engine
2.3.1 Google Earth Engine云平台简介
2.3.2 Google Earth Engine公共数据集
2.3.3 Google Earth Engine系统架构
3 研究区域与数据源
3.1 研究区域
3.2 研究数据
3.2.1 Sentinel-1数据
3.2.2 其它数据
3.3 Sentinel-1数据预处理
4 基于监督分类的南极冰盖冻融探测方法
4.1 基于随机森林的冻融探测方法
4.2 基于CART的冻融探测方法
4.3 基于SVM的冻融探测方法
4.4 基于监督分类的冻融探测验证与分析
5 基于变化检测+决策树的南极冰盖冻融探测方法
5.1 南极冰盖后向散射系数特征
5.2 基于变化检测+决策树的冻融探测方法
5.3 基于变化检测+决策树的冻融探测验证与分析
6 结论与展望
6.1 结论
6.2 不足与展望
致谢
参考文献
附录
作者简介及攻读硕士期间取得的成果
【参考文献】
本文编号:2883401
【学位单位】:西安科技大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:P343.6;P332
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景与意义
1.1.1 南极冰盖冻融与全球变化
1.1.2 南极冰盖冻融与微波遥感
1.2 国内外研究现状
1.2.1 微波遥感冰盖冻融研究
1.2.2 SAR冰雪观测研究
1.3 研究内容及技术路线
2 南极冰盖基本特征与研究平台简介
2.1 雪的微波介电特性
2.1.1 干雪的介电常数
2.1.2 湿雪的介电常数
2.2 南极冰盖与带状划分
2.2.1 南极冰盖成冰过程
2.2.2 南极冰盖带状划分
2.3 基于云计算的地理空间数据处理平台-Google Earth Engine
2.3.1 Google Earth Engine云平台简介
2.3.2 Google Earth Engine公共数据集
2.3.3 Google Earth Engine系统架构
3 研究区域与数据源
3.1 研究区域
3.2 研究数据
3.2.1 Sentinel-1数据
3.2.2 其它数据
3.3 Sentinel-1数据预处理
4 基于监督分类的南极冰盖冻融探测方法
4.1 基于随机森林的冻融探测方法
4.2 基于CART的冻融探测方法
4.3 基于SVM的冻融探测方法
4.4 基于监督分类的冻融探测验证与分析
5 基于变化检测+决策树的南极冰盖冻融探测方法
5.1 南极冰盖后向散射系数特征
5.2 基于变化检测+决策树的冻融探测方法
5.3 基于变化检测+决策树的冻融探测验证与分析
6 结论与展望
6.1 结论
6.2 不足与展望
致谢
参考文献
附录
作者简介及攻读硕士期间取得的成果
【参考文献】
相关期刊论文 前7条
1 李德仁;张良培;夏桂松;;遥感大数据自动分析与数据挖掘[J];测绘学报;2014年12期
2 王星东;李新武;熊章强;梁雷;;基于改进的交叉极化比率算法的南极冻融探测[J];吉林大学学报(地球科学版);2013年01期
3 齐乐;岳彩荣;;基于CART决策树方法的遥感影像分类[J];林业调查规划;2011年02期
4 方匡南;吴见彬;朱建平;谢邦昌;;随机森林方法研究综述[J];统计与信息论坛;2011年03期
5 陈云;戴锦芳;李俊杰;;基于影像多种特征的CART决策树分类方法及其应用[J];地理与地理信息科学;2008年02期
6 李俊杰;何隆华;戴锦芳;李金莲;;基于遥感影像纹理信息的湖泊围网养殖区提取[J];湖泊科学;2006年04期
7 秦大河,任贾文;6000km横贯南极洲雪层剖面与表面特征的初步研究[J];中国科学(B辑 化学 生命科学 地学);1991年09期
本文编号:2883401
本文链接:https://www.wllwen.com/projectlw/dqwllw/2883401.html
最近更新
教材专著