青藏高原MODIS积雪面积比例制图算法研究
发布时间：2021-07-01 17:06
在地形复杂和积雪分布破碎化的青藏高原地区,大范围的积雪对全球气候变化、能量平衡、生态系统等影响显著。由于当前基于MODIS数据的积雪面积比例遥感监测模型大多是基于单一的雪被指数模型,其监测精度受地形、地理位置、地表温度以及植被指数等因子的影响显著,在青藏高原存在一些诸如精度低、适应性差等缺点。因此,本研究以青藏高原不同地表覆盖类型区域为研究对象,基于实测的UAV积雪范围数据和卫星遥感数据（Landsat 8 OLI和MODIS）,结合雪被指数和其他辅助变量,构建了3种基于不同算法的MODIS积雪面积比例监测模型,用高分辨率的遥感资料Landsat 8 OLI对三类算法（9个模型）进行精度验证,并与全球标准MODIS积雪面积比例产品进行对比。主要探讨地形、地理位置、温度以及植被等因子对研究区积雪分布以及对积雪面积比例反演模型精度的影响;验证UAV技术在青藏高原积雪面积比例监测方面的适应性和应用能力;比较基于不同思路和方法的MODIS积雪面积比例反演模型（线性回归模型、混合像元分解模型和机器学习模型）在研究区各子区域的反演精度和适应性,从而选择一种适合整个青藏高原的最优积雪面积比例反演模型...
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
研究技术路线图
图 2-1 研究区概括图2.2 无人机数据UAV 积雪范围数据的野外调查时间为 2017 年至 2018 年的 1 月份、2 月份及 3 月份，调查地区涉及祁连、昌都、达日、河南、林芝、玉树、泽库等 7 个地区，总计调查 24 个样地（图 2-1）。数据采集方案如下：先在研究区内选择具有代表性的典型地段进行样地设置，为了与 500 m 空间分辨率的 MODIS 遥感数据匹配，样地范围大小设定为约 500 m×500 m，并用 GPS 定位器逐一记录样地的经纬度和海拔信息；然后利用携带 GoPro Hero 3+ 相机的大疆悟INSPIRE 1 Pro 四旋翼无人机对各样地按照提前设置好的线路进行拍摄，设备围绕样地中心点在高空拍摄成像，使得整个飞行的范围略大于样地，一景 500m×500 m 的 UAV 影像需要多次航拍完成；所获数据经过拼接裁剪等处理，然后用于研究区的线性回归模型和机器学习算法模型（BP-ANN、RF 和 SVM 模
m×500 m 的 UAV 影像需要多次航拍完成；所获数据经过拼接裁剪等处理，然后用于研究区的线性回归模型和机器学习算法模型（BP-ANN、RF 和 SVM 模型）的构建。图2-2为经过拼接裁剪等处理所得的部分UAV影像（500 m×500 m），这些影像包含积雪在内的多种地物类型，每景积雪面积比例介于 0%~100%之间，可以作为构建积雪面积比例模型的基础数据。UAV 积雪范围数据的拍摄日期、经纬度、对应 MODIS 数据全球行列号、海拔、积雪面积所占比例等基本信息详见表 2-1。
【参考文献】：
期刊论文
[1]基于小波分解的优化支持向量机模型在水库年径流预测中的应用[J]. 周婷,夏萍,胡宏祥,金菊良. 华北水利水电大学学报(自然科学版). 2018(03)
[2]2001-2015年天山山区积雪时空变化及其与温度和降水的关系[J]. 秦艳,丁建丽,赵求东,刘永强,马勇刚,穆艾塔尔·赛地. 冰川冻土. 2018(02)
[3]中国积雪特性及分布调查[J]. 王建,车涛,李震,李弘毅,郝晓华,郑照军,肖鹏峰,李晓峰,黄晓东,钟歆玥,戴礼云,李红星,柯长青,李兰海. 地球科学进展. 2018(01)
[4]基于多源数据的松嫩平原黑土区亚像元雪盖率算法研究[J]. 王子龙,胡石涛,付强,姜秋香,印玉明. 农业机械学报. 2018(02)
[5]祁连冰沟流域浅雪层光谱特征分析与遥感算法反演[J]. 梁慧,黄晓东,王云龙,高金龙,马晓芳,梁天刚. 草业科学. 2017(07)
[6]NDSI与NDFSI结合的山区林地积雪制图方法[J]. 王晓艳,王建,李弘毅,郝晓华. 遥感学报. 2017(02)
[7]基于UAV技术和MODIS遥感数据的高寒草地盖度动态变化监测研究——以黄河源东部地区为例[J]. 葛静,孟宝平,杨淑霞,高金龙,冯琦胜,梁天刚,黄晓东,高新华,李文龙,张仁平,王云龙. 草业学报. 2017(03)
[8]基于渐进辐射传输模型的雪粒径与积雪覆盖面积反演算法[J]. 王杰,李卫朋. 遥感技术与应用. 2017(01)
[9]一种考虑雪粒径变化的积雪面积反演算法[J]. 王杰,黄春林,郝晓华. 地球信息科学学报. 2017(01)
[10]欧亚大陆中高纬度区逐日无云积雪产品研发及验证[J]. 王云龙,黄晓东,邓婕,马晓芳,梁天刚. 遥感技术与应用. 2016(05)
博士论文
[1]基于UAV和机器学习方法的甘南地区高寒草地地上生物量遥感估测研究[D]. 孟宝平.兰州大学 2018
[2]基于遥感和GIS的青藏高原牧区积雪动态监测与雪灾预警研究[D]. 王玮.兰州大学 2014
[3]干旱地区稀疏植被覆盖度高光谱遥感定量反演研究[D]. 李晓松.中国林业科学研究院 2008
[4]人工神经网络技术及其应用[D]. 覃光华.四川大学 2003
硕士论文
[1]基于多源遥感资料的中国积雪制图及其时空变化研究[D]. 邓婕.兰州大学 2016
[2]基于MODIS资料的积雪亚像元制图算法研究[D]. 张颖.兰州大学 2015
[3]混合像元分解技术及其在阜新市土地覆盖分类中的应用研究[D]. 陈子玄.辽宁工程技术大学 2008
[4]基于遥感和地面数据的藏北积雪动态分布和影响因素的研究[D]. 吴杨.南京信息工程大学 2007
本文编号：3259532
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
研究技术路线图
图 2-1 研究区概括图2.2 无人机数据UAV 积雪范围数据的野外调查时间为 2017 年至 2018 年的 1 月份、2 月份及 3 月份，调查地区涉及祁连、昌都、达日、河南、林芝、玉树、泽库等 7 个地区，总计调查 24 个样地（图 2-1）。数据采集方案如下：先在研究区内选择具有代表性的典型地段进行样地设置，为了与 500 m 空间分辨率的 MODIS 遥感数据匹配，样地范围大小设定为约 500 m×500 m，并用 GPS 定位器逐一记录样地的经纬度和海拔信息；然后利用携带 GoPro Hero 3+ 相机的大疆悟INSPIRE 1 Pro 四旋翼无人机对各样地按照提前设置好的线路进行拍摄，设备围绕样地中心点在高空拍摄成像，使得整个飞行的范围略大于样地，一景 500m×500 m 的 UAV 影像需要多次航拍完成；所获数据经过拼接裁剪等处理，然后用于研究区的线性回归模型和机器学习算法模型（BP-ANN、RF 和 SVM 模
m×500 m 的 UAV 影像需要多次航拍完成；所获数据经过拼接裁剪等处理，然后用于研究区的线性回归模型和机器学习算法模型（BP-ANN、RF 和 SVM 模型）的构建。图2-2为经过拼接裁剪等处理所得的部分UAV影像（500 m×500 m），这些影像包含积雪在内的多种地物类型，每景积雪面积比例介于 0%~100%之间，可以作为构建积雪面积比例模型的基础数据。UAV 积雪范围数据的拍摄日期、经纬度、对应 MODIS 数据全球行列号、海拔、积雪面积所占比例等基本信息详见表 2-1。
【参考文献】：
期刊论文
[1]基于小波分解的优化支持向量机模型在水库年径流预测中的应用[J]. 周婷,夏萍,胡宏祥,金菊良. 华北水利水电大学学报(自然科学版). 2018(03)
[2]2001-2015年天山山区积雪时空变化及其与温度和降水的关系[J]. 秦艳,丁建丽,赵求东,刘永强,马勇刚,穆艾塔尔·赛地. 冰川冻土. 2018(02)
[3]中国积雪特性及分布调查[J]. 王建,车涛,李震,李弘毅,郝晓华,郑照军,肖鹏峰,李晓峰,黄晓东,钟歆玥,戴礼云,李红星,柯长青,李兰海. 地球科学进展. 2018(01)
[4]基于多源数据的松嫩平原黑土区亚像元雪盖率算法研究[J]. 王子龙,胡石涛,付强,姜秋香,印玉明. 农业机械学报. 2018(02)
[5]祁连冰沟流域浅雪层光谱特征分析与遥感算法反演[J]. 梁慧,黄晓东,王云龙,高金龙,马晓芳,梁天刚. 草业科学. 2017(07)
[6]NDSI与NDFSI结合的山区林地积雪制图方法[J]. 王晓艳,王建,李弘毅,郝晓华. 遥感学报. 2017(02)
[7]基于UAV技术和MODIS遥感数据的高寒草地盖度动态变化监测研究——以黄河源东部地区为例[J]. 葛静,孟宝平,杨淑霞,高金龙,冯琦胜,梁天刚,黄晓东,高新华,李文龙,张仁平,王云龙. 草业学报. 2017(03)
[8]基于渐进辐射传输模型的雪粒径与积雪覆盖面积反演算法[J]. 王杰,李卫朋. 遥感技术与应用. 2017(01)
[9]一种考虑雪粒径变化的积雪面积反演算法[J]. 王杰,黄春林,郝晓华. 地球信息科学学报. 2017(01)
[10]欧亚大陆中高纬度区逐日无云积雪产品研发及验证[J]. 王云龙,黄晓东,邓婕,马晓芳,梁天刚. 遥感技术与应用. 2016(05)
博士论文
[1]基于UAV和机器学习方法的甘南地区高寒草地地上生物量遥感估测研究[D]. 孟宝平.兰州大学 2018
[2]基于遥感和GIS的青藏高原牧区积雪动态监测与雪灾预警研究[D]. 王玮.兰州大学 2014
[3]干旱地区稀疏植被覆盖度高光谱遥感定量反演研究[D]. 李晓松.中国林业科学研究院 2008
[4]人工神经网络技术及其应用[D]. 覃光华.四川大学 2003
硕士论文
[1]基于多源遥感资料的中国积雪制图及其时空变化研究[D]. 邓婕.兰州大学 2016
[2]基于MODIS资料的积雪亚像元制图算法研究[D]. 张颖.兰州大学 2015
[3]混合像元分解技术及其在阜新市土地覆盖分类中的应用研究[D]. 陈子玄.辽宁工程技术大学 2008
[4]基于遥感和地面数据的藏北积雪动态分布和影响因素的研究[D]. 吴杨.南京信息工程大学 2007
本文编号：3259532
本文链接：https://www.wllwen.com/projectlw/qxxlw/3259532.html
