基于FY-3C微波辐射计数据的极区海冰密集度反演方法研究

论文摘要

极区海冰影响大气和海洋环流,对全球气候变化起着重要的作用。海冰密集度是表征海冰时空变化特征的重要参数之一。机器学习算法迅猛发展,在各领域广泛应用,但应用于极地海冰领域的研究较少。本文对使用FY-3C微波扫描辐射计亮温数据反演极区海冰密集度的方法进行了研究。一部分工作为:经过时空匹配、线性回归,修正了FY-3C微波辐射计亮温数据。使用两种天气滤波器和海冰掩模滤除了大气影响所造成的开阔海域虚假海冰;使用最小密集度模板去除陆地污染效应。通过计算2016、2017年极区海冰面积及范围两个参数,对得到的海冰密集度产品进行了验证,两年的海冰范围和面积趋势基本与NSIDC产品一致,平均差异小于3%。另一部分工作为:使用2016年每月不同波段的FY-3C微波辐射计的亮温数据作为训练数据,将相应的NSIDC产品作为标签,通过不同波段数据的组合、网络节点和优化方法的选择训练最优模型。Levenberg-Marquardt算法训练的8-12-1的神经网络最适合海冰密集度的反演。23.8GHz通道对于去除水汽影响有效,位置信息能够减少陆地溢出效应影响。通过计算2017年海冰范围和面积验证神经网络反演的海冰密集度,北极海冰范围和面积均方根误差分别为0.12×106km2和0.16×106km2,相关性良好。本研究结果为发布我国自主卫星的极区海冰密集度业务化产品奠定了基础,制作的产品可保障面临中断的近40年极区海冰记录的一致性、连续性。给出适用于海冰密集度反演的神经网络模型,为海洋大数据的应用提供参考。

论文目录

• 摘要
• abstract
• 第1章 引言
•   1.1 研究背景及意义
•   1.2 国内外研究现状
•     1.2.1 海冰密集度产品及其应用
•     1.2.2 海冰密集度反演算法与验证
•     1.2.3 神经网络进展与在遥感中的应用
•   1.3 本文主要研究内容和结构
• 第2章 数据源与数据预处理
•   2.1 数据介绍
•   2.2 数据重投影
•   2.3 亮温的修正
•   2.4 神经网络数据准备
• 第3章 基于NASA Team算法的极区海冰密集度反演方法研究
•   3.1 研究方法
•     3.1.1 NASA Team方法及天气影响去除方法
•     3.1.2 陆地效应去除方法
•   3.2 结果与讨论
•     3.2.1 天气影响去除的结果
•     3.2.2 陆地效应去除的结果
•     3.2.3 验证
•   3.3 小结
• 第4章 基于神经网络的海冰密集度反演方法研究
•   4.1 神经网络方法
•     4.1.1 神经元与激活函数
•     4.1.2 神经网络与训练方法
•   4.2 神经网络的建立与验证
•     4.2.1 输入节点和隐藏层节点选择
•     4.2.2 优化方法选择
•     4.2.3 神经网络选择
•     4.2.4 神经网络海冰密集度的反演
•     4.2.5 范围面积验证与比较
•   4.3 小结
• 第5章 结论与展望
•   5.1 结论
•   5.2 展望
• 参考文献
• 发表文章目录
• 致谢

文章来源

类型: 硕士论文

作者: 刘森

导师: 邹斌

关键词: 卫星,海冰密集度,微波辐射计,神经网络,极区

来源: 国家海洋环境预报中心

年度: 2019

分类: 基础科学

专业: 海洋学

单位: 国家海洋环境预报中心

分类号: P731.15

DOI: 10.27810/d.cnki.ghyhz.2019.000003

总页数: 74

文件大小: 4910K

下载量: 83