【摘要】：當前海洋開發(fā)在國民經濟建設中所占比重越來越大,衛(wèi)星海洋遙感作為重要的觀測手段,得到普遍應用。海洋水色水溫領域作為其重要應用之一,得到了學者的極大關注。海洋上空常年的云覆蓋導致的遙感數據缺失比高,使得海洋遙感水色水溫缺失數據的重構算法成為研究重點。 本文針對海洋水色水溫圖像存在的數據缺失問題,首先提出把自組織映射SOM算法應用于海洋水色水溫缺失數據重構,然后結合該領域新興的經驗正交函數EOF算法,提出了SOM-EOF算法。該方法利用SOM能夠較好體現遙感數據集的非線性結構的優(yōu)點,隨后把SOM非線性估計的結果用于EOF算法的初始化,有效的克服了EOF算法對數據集初始化敏感的缺陷,同時改進了EOF算法本身不能重構缺失比率高的圖像和程序效率低的缺點。在數據處理的過程中,對奇異值分解使用了lanczos算子分解矩陣,提高了程序運行的效率。此外,該方法還應用了蒙特卡羅交叉校正集,確定重構的最佳EOF模態(tài)數,最終高精度重構缺失數據,最后利用最優(yōu)模態(tài)分析了研究區(qū)域的物理現象。 原始數據來自搭載于AQUA遙感衛(wèi)星上的MODIS傳感器所采集的海表溫度和葉綠素濃度數據。通過實驗驗證,新方法重構誤差小,重構精度高。在SST重構試驗中,SOM、EOF和SOM-EOF的最小重構誤差分別為0.2736℃、0.6000℃和0.2304℃。在CHL重構試驗中SOM、EOF和SOM-EOF的最小對數重構誤差分別為0.4650、0.5272和0.4267(log10mg/L)。
【圖文】：

第一章 緒論失比率比較高，這就給海洋研究和業(yè)務化工作等實際應用帶來了比[6]。對于使用紅外線波段和可見光波段反演的海洋遙感數據，大氣可能部分或完全覆蓋研究區(qū)域，從而導致數據缺失和數據異常等可以在某些時期達到一個相當高的比率，而且遙感數據中很可能伴星故障等致使的覆蓋面減少之類的問題，所有這些原因無不加大了例。數據缺失經常表現在遙感資料大面積的數據缺失（圖 1-1a）和缺失（圖 1-1b）。

性指系統(tǒng)能夠根據其所處周圍環(huán)境的不環(huán)境變化的能力。神經網絡具有初步的習的過程中自適應的發(fā)現隱藏在輸入樣自適應性是息息相關的，神經網絡的自自組織性是通過自適應性體現的。的分類標準可以有很多種分類方法，按模型，主要有以下四種模型[31][33][34]：向網絡。該網絡中，各神經元是分層排特定模式。各神經元只會接收來自其前一（網絡中不存在任何反饋）。輸入的信層輸出最后的結果。前饋網絡可以分為相連，其他的中間層也稱作隱層，而隱示。
【學位授予單位】：天津大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP751;P715.7

【參考文獻】

相關期刊論文 前6條

1 馬寨璞,井愛芹;動態(tài)最優(yōu)插值方法及其同化應用研究[J];河北大學學報(自然科學版);2004年06期

2 楊曉霞,沈桐立,徐文金,周軍,閔錦忠;最優(yōu)插值客觀分析方法[J];南京氣象學院學報;1991年04期

3 謝文君,陳君;海洋遙感的應用與展望[J];海洋地質與第四紀地質;2001年03期

4 朱江，，徐啟春，王賜震，李許花;海溫數值預報資料同化試驗Ⅰ．客觀分析的最優(yōu)插值法試驗[J];海洋學報(中文版);1995年06期

5 屠偉銘，張躍堂;全球最優(yōu)插值客觀分析[J];氣象學報;1995年02期

6 談建國,周紅妹,陸賢,楊崇俊;NOAA衛(wèi)星云檢測和云修復業(yè)務應用系統(tǒng)的研制和建立[J];遙感技術與應用;2000年04期

相關碩士學位論文 前3條

1 翁時鋒;自適應SOM特征映射研究[D];清華大學;2003年

2 吳紅艷;基于自組織特征映射網絡的聚類算法研究[D];重慶大學;2006年

3 周建軍;基于神經網絡的異構數據集成系統(tǒng)研究[D];大連海事大學;2004年

本文編號：2625786