雪填图论文_朱骥,施建成,张祥信,张素梅

导读:本文包含了雪填图论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:青藏高原,积雪,线性,分解,面积,多端,数据。

雪填图论文文献综述

朱骥,施建成,张祥信,张素梅^[1]（2017）在《基于AVHRR/210d合成数据的青藏高原亚像元雪填图》一文中研究指出为了满足水文和气象模型对长时段积雪面积数据的需求,基于第二代甚高分辨率辐射计(second series of advanced very high resolution radiometer,AVHRR/2)的10d合成数据提出了一种青藏高原地区AVHRR/2数据亚像元雪填图算法,将中分辨率遥感数据亚像元级积雪面积数据集延伸至30a时间跨度。本文算法以多端元线性光谱混合分析模型为基础,以归一化植被指数、第一波段、第二波段等作为选取端元的指标,直接从AVHRR/2图像中自动选取所需雪端元与非雪端元。基于TM数据对该算法的AVHRR/2数据亚像元雪填图结果进行验证,其均方根误差接近0.1,在青藏高原山区具有较高的精度。(本文来源于《武汉大学学报(信息科学版)》期刊2017年12期）

张洪恩^[2]（2004）在《青藏高原中分辩率亚像元雪填图算法研究》一文中研究指出青藏高原是是全球气候上最为敏感的地区之一,也是我国降雪量最多的地区。利用遥感方法监测青藏高原地表冰雪面积变化,对理解青藏高原气候气象研究有重要意义。积雪是变化最剧烈的地表覆盖类型,在大面积的积雪监测中需要使用高时间分辩率、中低空间分辩率的遥感数据,而中低分辨率雪填图受混合像元困扰。本文以混合像元分解研究为纲,以实现青藏高原地区自动化高精度的亚像元雪填图为目的,研究了混合像元分解的理论模型、线性混合分解中端元选取问题,并比较了线性混合分解、模糊C均值聚类、BP神经网络及支持向量机在中分辨率雪填图中性能,并开发了自动雪填图算法。论文共包括六章。第一章介绍了现有雪填图的研究现状及最新进展,并着重分析了Modis冰/雪产品使用的Modis二值分类算法,最后分析了亚像元雪填图面临的问题。第二章介绍了混合像元概念、基于各种不同理论的混合像元模型,并对其进行了分析。第叁章简要介绍了在线性混合模型中至关重要的端元选取问题,并对各类端元选取算法进行分析。第四章集中研究了线性混合分解模型、模糊C均值聚类、BP神经网络及支持向量机算法,对四种算法在雪的亚像元填图中的性能进行了深入研究。第五章介绍了自动亚像元雪填图算法的开发,对算法中面临的问题及其解决方案进行了深入探讨。第六章为结论部分。本论文的研究方法及重点可以归纳为: 1.在线性混合分解中,完全纯净的像元很难找到,算法中所使用的端元总是存在误差,与传统的线性混合分解使用最小二乘算法不同,本文使用考虑端元误差的约束全最小二乘算法进行混合像元分解。 2.在应用模糊C均值聚类进行混合像元分解时,考虑到算法中限定聚类数目会带来‘异常点’问题,引入了新的目标函数;在神经网络进行混合像元分解中,在模拟数据实验的基础上,选用了基于非线性最小二乘法的Levenberg-Marquardt的训练算法;支持向量机算法选用线性不可分模型。 3.开发运行稳定自动化的雪填图算法。地物因地形、太阳入射角、传感器(本文来源于《中国科学院研究生院（遥感应用研究所）》期刊2004-11-01）

雪填图论文开题报告

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

青藏高原是是全球气候上最为敏感的地区之一,也是我国降雪量最多的地区。利用遥感方法监测青藏高原地表冰雪面积变化,对理解青藏高原气候气象研究有重要意义。积雪是变化最剧烈的地表覆盖类型,在大面积的积雪监测中需要使用高时间分辩率、中低空间分辩率的遥感数据,而中低分辨率雪填图受混合像元困扰。本文以混合像元分解研究为纲,以实现青藏高原地区自动化高精度的亚像元雪填图为目的,研究了混合像元分解的理论模型、线性混合分解中端元选取问题,并比较了线性混合分解、模糊C均值聚类、BP神经网络及支持向量机在中分辨率雪填图中性能,并开发了自动雪填图算法。论文共包括六章。第一章介绍了现有雪填图的研究现状及最新进展,并着重分析了Modis冰/雪产品使用的Modis二值分类算法,最后分析了亚像元雪填图面临的问题。第二章介绍了混合像元概念、基于各种不同理论的混合像元模型,并对其进行了分析。第叁章简要介绍了在线性混合模型中至关重要的端元选取问题,并对各类端元选取算法进行分析。第四章集中研究了线性混合分解模型、模糊C均值聚类、BP神经网络及支持向量机算法,对四种算法在雪的亚像元填图中的性能进行了深入研究。第五章介绍了自动亚像元雪填图算法的开发,对算法中面临的问题及其解决方案进行了深入探讨。第六章为结论部分。本论文的研究方法及重点可以归纳为: 1.在线性混合分解中,完全纯净的像元很难找到,算法中所使用的端元总是存在误差,与传统的线性混合分解使用最小二乘算法不同,本文使用考虑端元误差的约束全最小二乘算法进行混合像元分解。 2.在应用模糊C均值聚类进行混合像元分解时,考虑到算法中限定聚类数目会带来‘异常点’问题,引入了新的目标函数;在神经网络进行混合像元分解中,在模拟数据实验的基础上,选用了基于非线性最小二乘法的Levenberg-Marquardt的训练算法;支持向量机算法选用线性不可分模型。 3.开发运行稳定自动化的雪填图算法。地物因地形、太阳入射角、传感器

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。