基于HY-2A/SCAT数据极地海冰检测方法研究

论文摘要

本文基于HY-2A/SCAT数据,采用贝叶斯算法、线性判别算法、支持向量机算法、基于主成分分析（Principal component Analysis,PCA）的BP神经网络算法对极地地区的海冰进行检测,并将检测结果与SSMIS海冰密集度数据进行比较。结果表明:四种检测算法得到的海冰边界介于SSMIS 0%～30%海冰密集度边界之间。在高风速条件下,海冰和海水的后向散射特征区分不明显可能造成冰水误判,以2013年9月16日北极海冰检测为例,贝叶斯算法检测结果误判最少,其次为基于PCA的BP神经网络算法,线性判别和支持向量机两种算法误判率较高。考虑到检测算法的运行效率和冰水误判率,选择贝叶斯算法和支持向量机算法进行海冰面积的季节趋势分析,两种算法得到的海冰面积变化趋势都能反映季节性变化,且在海冰生长季支持向量机算法探测的海冰面积与SSMIS 15%密集度海冰范围保持较好的一致性。

论文目录

• 1 数据介绍
•   1.1 主要数据
•   1.2 辅助数据
•   1.3 数据时空范围
• 2 研究内容
•   2.1 贝叶斯海冰检测算法
•     2.1.1 贝叶斯海冰检测算法原理
•     2.1.2 贝叶斯海冰检测算法参数获取
•   2.2 线性判别（FLDA）海冰检测算法
•   2.3 支持向量机（SVM）海冰检测算法
•   2.4 基于主成分分析的BP神经网络海冰检测算法
• 3 结果分析
•   3.1 海冰检测结果误判率对比
•   3.2 海冰边界对比
•   3.3 南北极海冰范围季节趋势分析
• 4 结语

文章来源

类型: 期刊论文

作者: 赵朝方,徐锐,赵可

关键词: 海冰检测,贝叶斯,线性判别,支持向量机,神经网络

来源: 中国海洋大学学报(自然科学版) 2019年10期

年度: 2019

分类: 基础科学

专业: 海洋学

单位: 中国海洋大学信息科学与工程学院,青岛海洋科学与技术国家试点实验室区域海洋动力学与数值模拟功能实验室

基金: 青岛海洋科学与技术国家试点实验室-鳌山科技创新计划项目（2016ASKJ16）,国家自然基金委-山东联合基金项目（U1606405）资助~~

分类号: P731.15

DOI: 10.16441/j.cnki.hdxb.20190275

页码: 140-149

总页数: 10

文件大小: 1470K

下载量: 111