| 摘 要: |
天山北坡是西北地区的重要水源涵养区及草原畜牧业基地,其积雪融水对生态系统维持、农业灌溉及城市供水至关重要。为解决MODIS积雪产品易受云层干扰而导致的数据缺失问题,论文通过扩展MODIS数据输入,以已有积雪数据共同识别为积雪或非积雪的像元为“真值”,采用随机森林、支持向量机及BP神经网络等机器学习算法,确定积雪识别最佳方案。结合多种数据协同去云方法与隐马尔可夫随机场(hidden Markov random field,HMRF)算法,对去云效果进行对比分析,并使用高分辨率Landsat数据对实验结果的准确性进行验证。研究表明:(1)随机森林模型在积雪二分类任务中的表现最佳,准确率达90.15%,精确率达91.95%;(2)多种数据协同去云方法可以取得较好效果,Kappa系数为0.729,但结合HMRF方法的去云效果最佳,总体精度达82.84%,生产者精度为88.46%,Kappa系数为0.795;(3)年均积雪天数、积雪覆盖天数与海拔之间关系、月均积雪覆盖率与年均积雪覆盖面积变化趋势均与已有数据保持较高一致性。研究结果表明该方法能够有效提升积雪监测精度与时空连续性,为天山北坡及相似地区的积雪监测、冰雪水资源评估和生态环境管理提供了可靠的技术支撑。 |