大霧是常見(jiàn)的自然天氣現(xiàn)象,也是不可忽視的自然災(zāi)害。近年來(lái),隨著經(jīng)濟(jì)的快速發(fā)展,大霧影響著人們的生產(chǎn)生活。因此,研究者們逐漸開(kāi)始重視大霧的監(jiān)測(cè)和識(shí)別。而隨著科學(xué)技術(shù)的快速發(fā)展,衛(wèi)星遙感技術(shù)也趨于成熟,遙感數(shù)據(jù)比傳統(tǒng)的地面數(shù)據(jù)具有更新快,檢測(cè)范圍廣,時(shí)效性高等方面,因而很多的領(lǐng)域使用到遙感衛(wèi)星技術(shù)。本文中所使用的為葵花8衛(wèi)氣象衛(wèi)星數(shù)據(jù),無(wú)論是從云圖的質(zhì)量,截取的頻率,波道,清晰度都比上代衛(wèi)星大幅改善。因此,使用葵花8衛(wèi)星數(shù)據(jù)進(jìn)行霧的監(jiān)測(cè)與識(shí)別研究,可以提高大霧的識(shí)別性能。本文在進(jìn)行研究之前首先要進(jìn)行大霧數(shù)據(jù)的提取與標(biāo)注,根據(jù)地面站的經(jīng)緯度找出安徽省所對(duì)應(yīng)的地面站的位置,然后與衛(wèi)星數(shù)據(jù)進(jìn)行經(jīng)緯度匹配,提取該位置上的衛(wèi)星數(shù)據(jù),在根據(jù)地面站的能見(jiàn)度判斷該位置霧的情況。本文主要通過(guò)兩類算法對(duì)大霧識(shí)別進(jìn)行研究,第一類算法是基于傳統(tǒng)的機(jī)器學(xué)習(xí)方法的大霧的識(shí)別,第二類算法是基于深度學(xué)習(xí)的大霧識(shí)別。主要研究?jī)?nèi)容如下:1)基于機(jī)器學(xué)習(xí)的分類方法進(jìn)行霧的識(shí)別。在平衡樣本和非平衡樣本的條件下,使用多種傳統(tǒng)的機(jī)器學(xué)習(xí)分類算法進(jìn)行霧的識(shí)別。所使用的算法中有支持向量機(jī),樸素貝葉斯,決策樹(shù)等。實(shí)驗(yàn)驗(yàn)證在平衡樣本下,機(jī)器... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－２葵花８遙感衛(wèi)星圖像??－－

Ik，近鄰分類原理

圖2一2兩類超平面示意圖

【參考文獻(xiàn)】：
期刊論文
[1]霧霾對(duì)農(nóng)業(yè)生產(chǎn)及農(nóng)產(chǎn)品流通影響的研究進(jìn)展[J]. 馬娟娟,孔繁濤,周向陽(yáng),徐維微,吳建寨.  中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào). 2017(12)
[2]大霧天氣對(duì)農(nóng)業(yè)生產(chǎn)的影響與防范[J]. 楊光艷.  農(nóng)業(yè)科技與信息. 2016(08)
[3]基于MTSAT衛(wèi)星遙感監(jiān)測(cè)的浙江省及周邊海區(qū)大霧分布特征[J]. 何月,張小偉,蔡菊珍,杜惠良,胡波,高大偉.  氣象學(xué)報(bào). 2015(01)
[4]日本向日葵-8氣象衛(wèi)星[J]. 云燕.  衛(wèi)星應(yīng)用. 2015(01)
[5]基于NOAA/AVHRR衛(wèi)星資料的北京地區(qū)霾識(shí)別研究[J]. 劉勇洪.  氣象. 2014(05)
[6]黃渤海一次持續(xù)性大霧過(guò)程特征和成因分析[J]. 曹祥村,邵利民,李曉東.  氣象科技. 2012(01)
[7]EOS—MODIS衛(wèi)星資料在北疆大霧監(jiān)測(cè)中的應(yīng)用分析[J]. 沙依然,丁林,鐠拉提,張紅.  沙漠與綠洲氣象. 2008(06)
[8]基于差分進(jìn)化交叉驗(yàn)證SVM的飛控系統(tǒng)傳感器故障預(yù)測(cè)學(xué)習(xí)算法研究[J]. 尹偉,章衛(wèi)國(guó),寧東方,孫勇,李斌.  傳感技術(shù)學(xué)報(bào). 2008(11)
[9]基于支持向量機(jī)的遙感大霧判識(shí)[J]. 劉年慶,蔣建瑩,吳曉京.  氣象. 2007(10)
[10]大霧天氣對(duì)城市環(huán)境中空氣質(zhì)量的影響及危害[J]. 王海艷,熊坤,孔劍君,張艷玲,張時(shí)英.  氣象與環(huán)境科學(xué). 2007(S1)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用研究[D]. 陳先昌.浙江工商大學(xué) 2014
[2]基于K近鄰的分類算法研究[D]. 桑應(yīng)賓.重慶大學(xué) 2009
[3]EOS/MODIS資料的數(shù)據(jù)處理方法及其在白天低云大霧監(jiān)測(cè)中的應(yīng)用[D]. 陳林.南京信息工程大學(xué) 2006



本文編號(hào)：3078325