基于FY-4A/AGRI时空特征融合的新疆地区积雪判识

发布时间：2023-08-06 07:46

　　高时间分辨率的积雪判识对于新疆牧区农牧业发展和雪灾预警具有重要作用,针对已有积雪产品易受复杂地形地貌,下垫面类型以及云遮蔽的影响,导致积雪判识精度降低的问题,提出一种利用深度学习方法对风云4号A星多通道辐射扫描计(AGRI)数据与地理信息数据进行多特征时序融合的积雪判识方法:以多时相FY-4A/AGRI多光谱遥感数据,以及高程、坡向、坡度和地表覆盖类型等地形地貌信息作为模型输入,以Landsat 8 OLI提取的高空间分辨率积雪覆盖图作为"真值"标签,构建并训练基于卷积神经网络的积雪判识模型,从而有效区分新疆复杂地形与下垫面地区的云、雪以及无雪地表,最终得到逐小时积雪覆盖范围产品。经数据集和2019年地面气象站实测雪盖验证,该方法精度高于国际主流MODIS逐日积雪产品MOD10A1和MYD10A1,显著降低云雪误判率。

【文章页数】：11 页

【文章目录】：
1 引言
2 研究区域与数据处理
    2.1 研究区域概况
    2.2 AGRI遥感数据预处理
    2.3 数据集的建立
        2.3.1 FY-4A/AGRI多光谱遥感数据
        2.3.2 其他特征数据
        2.3.3 真值标签的制备
3 研究方法
    3.1 卷积神经网络
        3.1.1 二维卷积
        3.1.2 一维卷积
        3.1.3 池化层
        3.1.4 全连接层
        3.1.5 分类器
        3.1.6 损失函数
    3.2 时空融合的深度网络积雪判识模型
4 验证与分析
    4.1 实验设计
    4.2 数据集实验结果
    4.3 Landsat 8 OLI验证本文方法积雪提取效果
    4.4 新疆积雪制图效果对比
    4.5 地面气象站验证
5 结论



本文编号：3839347