一、Sea ice thickness and concentration in Arctic obtaining from remote sensing images（论文文献综述）
胡冰,于淼,李志远,王德禹,陈晓东[1]（2021）在《基于实船观测的北极东北航线窗口期海冰冰情研究》文中研究说明随着全球气候变暖,北极海冰覆盖范围的日趋减小使得北极航道的夏季通航性不断提高。与通过苏伊士运河的传统航线相比,北极东北航道可以节省欧洲和亚洲之间近三分之一的航行距离。然而,北极海冰不可避免地为北极航运带来极大的挑战。为此,在2018年夏季窗口期期间在中远"天佑号"东北航道航行过程中对航线冰情开展了走航观测。通过船载摄像机对航道中的海冰视频图像进行采集,并通过图像处理软件对海冰密集度进行提取。数据显示,窗口航道中海冰类型主要为低密集度的碎冰且部分碎冰内部夹杂着冰脊,其中平均密集度为17.8%,而最高值可达80%。此外,将视频数据与遥感数据进行对比分析,结果表明卫星遥感数据在低密集度（0-0.2）时存在一定的低估,而在较高密集度下则偏向高估。
王凌云[2]（2021）在《基于卫星遥感数据的海冰反演算法研究》文中指出作为海上重要枢纽的渤海海湾,其为航运提供很大便利的同时又遭受着每年冬季不同严重程度的海冰灾害,地区的社会经济和发展遭受很大的影响。目前,基于我国自主研发的风云气象卫星FY-4A反演渤海海冰信息的相关研究尚且不足。因此本文利用FY-4A数据对渤海海冰反演进行研究,实现渤海海冰反演,为海洋气候预报相关部门提供数据支持和算法支撑。本文的主要研究工作如下:（1）基于阈值和FY-4A数据的渤海海冰反演算法。阐述了遥感监测和海冰反演的基本原理,经过数据预处理后,首先对数据进行陆地去除和云检测的处理,利用多通道固定阈值法对渤海海冰进行反演,接着结合多通道阈值法和自适应阈值算法实现晴空条件下对渤海海冰的反演。实验表明:在晴空条件下,FY-4A数据对渤海海冰反演具有一定的可用性。（2）基于随机森林的渤海海冰集成反演。研究了基于随机森林的分类算法,结合海冰反演方法,在海冰反演中引入随机森林分类算法,对云覆盖下的海冰能够实现一定效果的分类反演。然后引入种子填充算法对海冰反演结果进行结果订正,实现孔洞填充。实验表明:在非晴空条件下,基于随机森林的渤海海冰集成反演结果有一定的改善,提出的算法可以有效地识别渤海海冰,并且能够提高海冰的反演精度,为海冰反演的准确率和稳定性奠定了基础。本文研究结果也为我国FY-4A进行卫星遥感中的业务化奠定了基础,生成的结果可保障渤海区域海冰的实时监测和预测。（3）基于FY-4A数据的渤海海冰监测软件原型系统实现。进行海冰反演算法研究后,本文进行基于FY-4A数据和随机森林的渤海海冰反演原型系统的设计与开发,实现了海冰监测的业务化。
张永盛[3]（2021）在《基于HJ-CCD遥感数据海冰监测平台一体化设计》文中认为黄渤海区域是我国冬季海冰灾害的多发地之一。由于偏北的地理位置,再加上频繁的冷空气影响,每年冬季都会导致黄海北部和渤海出现不同程度的海冰现象,严重时还会发生冰情灾害。近年来,随着全球极端天气的不断增加,海冰灾害也具有愈演愈烈的趋势。使用遥感卫星,根据冰的光谱反射特点,通过对遥感卫星数据的提取,进行海冰发生、发展、消融的全天候监测,现已成为进行海冰冰情研判、海冰灾害预警的重要手段之一。HJ-CCD数据是我国自主发射的环境小卫星HJ-1A、1B所拍摄并返回的数据,具有中高空间分辨率、高时间分辨率的特点,为进行黄渤海海冰监测提供了有力保障。虽然HJ-CCD在进行针对研究海冰监测的过程中起到了一定的效果,但也存在一定的问题。目前已有的海冰监测系统存在操作自动化欠佳、监测实时性较差、监测可视化不完善等问题。因此基于HJ-CCD遥感数据海冰监测平台一体化设计,提供预报黄海北部和渤海区域的监测、预报业务服务,为相关海事部门提供及时、准确、可靠的海冰卫星遥感监测数据。数据内容包含海冰范围、密集度、厚度、外缘线、海冰表面温度等数据,为预报部门提供海冰分布范围、密集度、厚度初始场等信息。本文主要研究以HJ-CCD卫星遥感数据为基础,构建基于以HJ-CCD数据的全自动化的可视平台,针对采集而来的数据进行图像处理,提取海冰冰层及面积等相关信息。具体研究内容有:（1）使用C#、ArcGIS Engine和IDL等工具采用GIS一体化技术,架构海冰监测平台一体化模型。针对CCD遥感数据影像,采用ENVI和IDL对影像进行预处理,ArcGIS Engine进行制图和影像展示。（2）确立系统建设内容,包括软件系统建设、数据库建设,建立平台的流程、功能结构模块,设计主界面和工作状态面板。（3）研究海冰监测中HJ-CCD数据预处理、海冰信息提取、海冰信息反演到产品信息输出一系列过程。
张一鸣[4]（2021）在《海冰模式中大气-海冰间湍流热通量交换参数化的改进》文中指出本文在CICE6.0海冰模式中加入了两个新的参数化方案改进冰-气湍流热通量交换参数化,分别是基于北冰洋表面热收支计划观测的总体公式热通量参数化（BF-SHEBA）和最大熵生成参数化（MEP）。本文用BF-SHEBA方案和MEP方案模拟了1998年和2015年的北极海冰,并对不同热通量方案进行评估。在第一部分工作中,将BF-SHEBA方案应用到海冰模式,首先用一年冰上和多年冰上的湍流热通量观测评估了BF-SHEBA和CICE默认冰-气热通量方案（BF-CICE）的模拟结果,研究显示BF-SHEBA和BF-CICE模拟出相似的热通量季节变化,但均没有捕捉到一年冰上观测的热通量季节变化。而在多年冰上,BF-SHEBA和BF-CICE模拟的感热在整个时期内为加热效应,忽略了暖季观测到的冷却效应。BF-CICE和BF-SHEBA都能捕捉到冷期观测到的小潜热通量,但与SHBEA观测结果相比,BF-CICE和BFSHEBA模拟的潜热通量在夏季对冰面产生较大的冷却作用。用BF-SHEBA模拟的湍流热通量与BF-CICE在北冰洋具有相似的空间分布并且量值相差不大,此外,BF-SHEBA和BF-CICE对海冰质量收支的影响基本相同。在第二部分工作中,将MEP方案应用到海冰模式,首先评估MEP能否很好地捕捉到北极海冰上湍流热通量的观测变化。结果表明,在考虑了有限深冰雪表层对入射辐射的吸收后,用MEP方法计算的热通量与实测结果吻合较好。然后利用海冰模式研究了两种不同方法（MEP和BF-CICE）对北极海盆尺度的湍流热通量和海冰过程的影响。与一年冰和多年冰的观测对比表明,两种不同的参数化方案模拟得到了非常不同的热通量季节变化特征,尤其是夏季的感热通量。用MEP模拟的感热通量在夏季对冰面产生了冷却效应,而BF-CICE则产生加热效应。MEP模拟的湍流热通量在量值和空间分布上也与BF-CICE存在明显的差异。此外,与BF-CICE相比,MEP通过调节雪-冰转换、底部冰生长、表面冰融化和底部冰融化等过程,导致北极海冰质量通量的季节循环减弱。
王雪峰[5]（2021）在《2015-2020年辽东湾海冰冰情特征和影响因素分析》文中研究表明受冬季强寒潮侵袭,辽东湾会出现大范围结冰现象。虽然海冰能够减轻冬季风暴对海岸的破坏,对当地海岸地形地貌状态的保护起到一定的作用,但同时也对海上运输、海洋渔业生产、海洋油气勘探和海上作业等造成严重危害,使得当地经济遭受重大损失。因此,海冰监测在资源利用和海洋灾害预警等方面均有重要意义。合成孔径雷达（Synthetic Aperture Radar,SAR）系统因其全天时、全天候和大范围的对地观测能力,其影像在海冰监测中具有较为明显的优势。为了探究辽东湾海冰的变化规律及其动因,本文利用2015-2020年Sentinel-1A/B SAR影像开展海冰冰情和影响因素研究。具体研究内容如下。（1）基于最优纹理特征组合的最大似然海冰分类。首先,运用灰度共生矩阵统计纹理特征,包括,均值、方差、对比度、均质性、相异性、熵、角二阶矩和相关性特征;然后,提出基于巴氏距离的特征选择策略,以确定最优纹理特征组合,为后续充分利用最大似然分类方法奠定数据基础;最后,针对辽东湾冰情确立初生冰、灰冰、白冰和海水的分类标准,设计基于最优纹理特征组合的最大似然海冰分类。对于缺失的时间序列影像,利用Landsat-8 OLI影像提取其海冰分类结果。实验结果及其精度评价表明,提出的最优纹理特征组合的最大似然分类策略在辽东湾海冰分类可以得到最优的结果,足以满足工程上的要求。（2）辽东湾冰情特征与影响因素分析。在海冰分类结果的基础上,统计初冰日、终冰日、海冰面积和冰情等级等基本冰情信息;绘制海冰外缘线分布图,计算海冰面积,以探究辽东湾海冰的总体生成及发展变化规律;生成初生冰、灰冰和白冰面积变化图,分析和总结不同时期各类海冰面积变化情况;根据上述得到的辽东湾海域的结冰信息,计算该海域的海冰结冰概率,以量化海冰发展规律;研究不同海水深度对海冰冰情的影响,并且通过Pearson相关系数分析海水温度、气温和风速与海冰冰情关系。该论文有图17幅,表16个,参考文献57篇。
房友[6]（2021）在《基于MODIS卫星遥感影像的海冰区域识别研究》文中研究说明海冰是高纬度海域的一种特殊现象,冰情严重时会对国家和人民的生产生活造成极大的安全隐患。MODIS数据作为研究海冰的一种重要资源,提高MODIS数据中海冰区域的分割精度对高纬度地区的海洋生产和沿岸经济活动有着重要意义。MODIS数据影像中海冰多呈现不规则,区域分散的特点,人工调整阈值的传统分割算法对海冰的识别率较低。Unet网络在MODIS数据影像中的应用较少,对MODIS数据信息利用不足,导致语义分割结果精度较低,不能达到较好效果。本文基于Unet模型针对MODIS数据的海冰区域分割问题进行改进和优化,提出适用于MODIS数据中海冰区域识别的分割网络SIS-Unet（Sea Ice Segmentation Unet）,主要完成的工作如下:（1）探究了MODIS数据影像的预处理过程和数据集的制作。前期对影像的处理过程包括校正和定标,然后对处理后的MODIS数据进行数据标注。由于海冰的季节限制性和其他客观条件的影响,目前可获取的MODIS数据海冰影像较少,因此对数据集进行了数据增强操作。为了方便后续实验过程中的训练和识别,采用python编程的方式对标注后的MODIS数据集进行统一裁剪操作,为实验提供了数据支持。（2）本文讨论了传统的阈值分割算法和深度学习网络在MODIS数据影像中对于海冰区域分割应用。对经典语义分割网络Unet的进行改进,在编码部分加入残差结构。残差模块包括两个不同的残差结构,进行多次卷积操作。相对于传统的Unet模型可以提取更深层次的海冰特征信息。实验证明残差网络能够有效的识别MODIS数据中的海冰区域,得到较为准确的海冰区域分割效果。（3）为了更有效的提取MODIS数据中海冰的多尺度特征信息,本文考虑在残差Unet模型的基础上加入空洞空间金字塔池化（Atrous Spatial Pyramid Pooling,ASPP）结构。ASPP模块通过对遥感影像中不同尺度的特征信息进行重采样操作,有效的实现对MODIS数据影像中多尺度海冰区域的准确分割,在增加感受野的同时也融合了多尺度海冰特征信息。实验证明ASPP结构是对编解码结构中卷积的补充,增强了网络的特征信息处理能力。本文提出的SIS-Unet模型在多个指标上优于传统阈值法和经典Unet模型,可以实现对MODIS数据中的海冰区域较为精确的分割效果。
汤明光[7]（2020）在《基于现场观测的乌梁素海湖冰光学性质研究》文中研究指明湖泊冻结对寒区冬季区域的能量平衡和辐射分配会产生巨大影响,这些影响主要是由湖冰的光学性质所引起的。湖面结冰后将会造成进入湖泊水体的能量减少,而反射的能量增加,从而改变水-气的热量和能量交换效率、以及冰下水体中的生态过程。为了更好的探究湖冰的光学性质,本文基于在内蒙古乌梁素海开展的冬季湖冰现场调查,对湖冰的光学性质进行了深入的研究,为湖泊的冬季能量传输和湖冰遥感研究提供理论和数据支持。2018～2019年度冬季,利用Trios高光谱传感器对乌梁素海湖冰和近岸各种典型下垫面进行了表观光学性质的观测,结合观测点的湖冰取样和微观结构分析:得到该湖泊冬季湖冰光学性质的结论如下:乌梁素海湖区冬季的近岸多种典型下垫面的光谱特征各不相同,湖冰的光谱反照率则与其它下垫面具有明显区别,反照率差异显着,光谱曲线形状特点各异。晴天湖冰反照率的日变化曲线具有明显的双峰特性,且峰值出现时刻与每日的日出时刻关系密切,以此提出了湖冰反照率的参数化方案,利用数学中的常用概率密度分布函数进行叠加,以其函数图像来描述双峰的特点,构建了4种概率密度分布函数组合模式,实现了湖冰反照率的参数化,并从参数化方案的4种组合模式中筛选出了效果最好、物理意义最相符的拉普拉斯组合模式。该参数化方案对长时间范围内的湖冰反照率具有良好的拟合效果且形式简单,应用方便,可以有效对长时间内的湖冰反照率进行预测,且误差较小。气泡在湖冰内的含量为2.74%,气泡半径越小数量越多,其分布符合幂函数。在气泡观测的基础上计算了湖冰的固有光学性质参数,结果表明湖冰的散射系数为94 m-1。
李雅文[8]（2020）在《基于混合像元分解的海冰检测方法研究》文中进行了进一步梳理对海冰进行监测,一方面是出于应急防灾的需要,另一方面是由于海冰的热力、动力的时空效应会对区域及全球的气候状态和变化产生重大影响。本文选择高光谱分辨率、高时间分辨率、适中空间分辨率的中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer,MODIS）的影像来进行实验,以我国主要的结冰海区之一的渤海为实验区域,提出了一种基于多特征约束端元提取和线性光谱分解的海冰检测方法,根据MODIS数据最大空间分辨率为250m的特点以及海冰和海水混合光谱反射率的物理特性,混合光谱像元分解为海冰检测提供了可行的思路。本文所提方法主要可分为两个步骤:一是多特征约束的端元提取,这是一个粗分类过程,从光谱特征、纹理特征、形状特征和温度特征四个方面来分析海冰和海水的差异,选取具有代表性的多个特征表达来构造约束条件,进而对端元进行约束性提取;二是混合像元线性分解求得丰度,进而得到亚像元级海冰和海水的精分类结果。本算法能够自动化地提取不同地物类别的端元,通过构造不同特征约束规则,提出基于多约束条件的端元提纯算法,使提纯后的端元更具类别代表性,并进一步提高了混合像元分解的精度。本文算法的创新点主要有两个,一是结合实验区域内海水的悬浮泥沙浓度较高的情况,将混浊海水从海水中分离出来单独作为一类来分析其特征,即本文共提取三类端元,分别是“清澈海水端元”、“混浊海水端元”和“海冰端元”,混浊海水具有不同于清澈海水和海冰的特征,这样能有效解决悬浮泥沙带来的扰动;二是提出一种边缘点密度加权的纹理均值特征,直接根据灰度共生矩阵（Grey Level Co-occurrence Matrix,GLCM）计算得到的均值特征不易区分海冰和混浊海水,本文利用边缘点密度来加权均值特征,海冰区的边缘点密度大,海冰的均值特征能得到有效加强,而混浊海水区的边缘点密度小,甚至为0,这样就能有效减弱混浊海水在影像上的特征表现,从而增加海冰和混浊海水的分离度。本文利用详细的实验充分分析了所提算法的检测性能和鲁棒性,与其它三种典型方法的结果进行了比较,不仅进行了具体的目视结果的比较,还基于混淆矩阵进行了详细的定量评价。结果表明,本文所提方法具有较高的总体精度和Kappa系数,较好的视觉效果,受条纹噪声和薄云影响较小。此外本文也在多张MODIS影像上做了测试,均获得良好的检测效果,并且该方法能同时适用于Terra卫星和Aqua卫星的影像,这均证明本文方法具有较好的鲁棒性。
焦雪敏[9]（2020）在《高极与北极植被指数及气候变化对比研究》文中研究说明青藏高原作为地球最高极可与北极气候彼此之间产生相互作用,进而对北半球乃至全球的气候、植被以及生物地球化学循环产生重大影响。对高极与北极两地区的植被与气候环境变化进行分析和比较,有助于了解两极气候变化对地表植被群落内部影响的差异以及各极植被对全球变暖的适应能力。本研究选用2001-2018年MODIS增强型植被指数（Enhance Vegetation Index,EVI）产品和ERA5气象数据（气温、降水、辐射）,分别采用传统统计法、最大值合成法、趋势分析法、相关分析法对高极和北极植被与气候变化展开对比研究。另外,基于时间序列EVI数据并利用Logistic拟合曲线曲率极值法反演两极植被物候,并比较返青期、枯黄期出现时间的差异。具体结果如下:（1）2001-2018年高极和北极EVI年均值在0-0.2非植被区间分布频率都非常高,但北极在大于0.2植被区间的分布频率明显低于高极,且在大于0.6区间没有分布频率。北极EVI年累积值分布频率在1-2区间的分布频率远大于高极,但在其他区间均低于高极。两极EVI最大值及最大值出现时间存在差异,高极EVI年最大值出现时间主要集中在第161-257天,EVI最大值几乎全部分布在0.2-0.6区间。北极EVI年最大值几乎全部分布在0.2-0.5区间,EVI最大值出现时间主要集中在193-225天之间。（2）2001-2018年高极和北极EVI年际变化率均在大于0的正增长区间的分布频率较高,且北极EVI呈逐年增加趋势的分布占比更大,植被绿度扩张面积更多。2001-2018年北极年平均气温、年累积降水整体上均呈现逐年增加趋势,而年平均辐射呈现逐年减小趋势。高极地区年平均气温、辐射整体上呈现逐年增加趋势,年降水降水呈现逐年减小的趋势。（3）高极植被返青时间在第120-180天,衰退时间在第240-300天,生长季长度大致持续在90-150天。北极植被返青时间在第120-180天,衰退时间在第240-270天,生长季长度大致持续在90-120天,物候期较高极植被更为集中、短暂。（4）高极与北极年平均气温均比较低、年累积降水量均比较小,但高极地区的年平均气温、年累积降水在数值上远高于北极。两极年平均辐射量差异较大,北极年平均辐射远少于高极。2001-2018年高极与北极EVI与温度之间的相关系数均集中在0.8-1区间,两极EVI与降水的相关系数均主要集中在0.4-1区间,但高极在0.8-1区间的分布频率更高。两极植被与辐射之间的相关情况差异较大,其中,高极EVI与辐射之间的相关系数主要分布在-0.4-0.4区间,而北极则主要集中在0-0.8区间。
潘荔君[10]（2019）在《利用COSMO-SkyMed高分辨率SAR影像的西北航道区域海冰分类和可通行性分析》文中研究表明西北航道作为连接大西洋和太平洋最短的航道,具有显着的经济效益和战略意义。广泛分布的海冰是该地区的明显特征,严重影响了船舶航行的安全。为确保冰区航行的安全性,需要分析其可通行性,因此有必要掌握一定程度的海冰信息,如海冰类型、海冰密集度等,一般来说当海冰密集度六成以下,就可以航行。目前针对海冰监测需利用多种工具和仪器,例如浮标、破冰船、飞机等,但这类仪器都难以进行实时的、大范围的海冰监测,所以针对大范围如西北航道这类区域利用的是卫星遥感技术,而其中合成孔径雷达（SAR）以其不受天气影响,可以全天时、全天候、高分辨率地获取数据的优势被广泛应用。海冰监测的手段也多通过人工解译的方式,且由于所用数据分辨率普遍较低,分类效率也不高,难以描述海冰细节,可能会造成误分类的情况。针对这个情况,本文使用COSMOSkyMed的高分辨率SAR数据,进行目标区域的海冰、海水分类;利用分类结果计算目标区域的海冰密集度;结合航道宽度实现对航道区域的可通行性分析。同时使用被广泛用于极地研究的Sentinel-1数据进行对比。主要工作如下:1.筛选出西北航道的巴罗海峡区域作为实验区域,利用COSMO-SkyMed的Level 1C产品（GEC）HH极化的聚束模式（Spotlight）数据以及经过预处理的Sentinel-1数据的1级地距影像（GRD）产品HH极化的超宽幅模式数据;2.利用超像素分割以提高分类效率;3.提取灰度共生矩阵（GLCM）中的对比度、能量、同质性、相关性特征加灰度特征的组合特征方式,作为海冰影像的特征,构建样本集;4.利用支持向量机（SVM）模型对训练样本进行分类,得到分类器模型,到此实现海冰的监督分类;5.利用海冰分类的结果,对实验海域进行海冰密集度计算以分析实验区域的可通行性,具体做法是根据分类结果,按照船舶体量要求的航线宽度划定滑动窗口,统计各窗口的海冰密集度,基于蚁群算法将高于60%判定为障碍,从而实现航道区域的可通行性分析。实验证明,本文提出的组合特征的方式相比于单一使用GLCM或者灰度特征在分类精度上有所提高,组合特征中灰度特征权重为5时,利用组合特征构建样本的方式满足海冰分类的要求;分类的结果可以被用来对冰区进行海冰密集度计算;在特定区域的可通行性问题中,COSMO-SkyMed数据表现出了更好的适用性。
二、Sea ice thickness and concentration in Arctic obtaining from remote sensing images（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、Sea ice thickness and concentration in Arctic obtaining from remote sensing images（论文提纲范文）
（1）基于实船观测的北极东北航线窗口期海冰冰情研究（论文提纲范文）
| 0 引言 |
| 1 航行线路及图像数据采集 |
| 1.1 2018年“天佑号”东北航道航行路线 |
| 1.2“天佑号”海冰冰情观测系统 |
| 1.3 海冰密集度卫星遥感数据 |
| 2 2018年窗口期东北航道海冰密集度分析及讨论 |
| 2.1 基于走航观测的航线冰情分析 |
| 2.2 基于卫星遥感的航线冰情分析 |
| 2.3 视频图像数据与卫星遥感数据的对比分析 |
| 3 结论与展望 |
（2）基于卫星遥感数据的海冰反演算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究内容与结构安排 |
| 第二章 研究区概况及数据预处理 |
| 2.1 研究区概况 |
| 2.2 数据源介绍 |
| 2.2.1 FY-4A数据 |
| 2.2.2 实验对比数据 |
| 2.3 FY-4A数据预处理 |
| 2.3.1 数据提取 |
| 2.3.2 投影转换 |
| 2.3.3 辐射定标 |
| 2.4 本章小结 |
| 第三章 基于阈值的渤海海冰反演算法 |
| 3.1 遥感监测原理 |
| 3.2 海冰反演的基本原理 |
| 3.2.1 海冰反射率的光谱特征 |
| 3.2.2 冰面温度特征 |
| 3.3 陆地去除 |
| 3.4 云检测 |
| 3.5 基于FY-4A的海冰反演算法 |
| 3.5.1 反射率-亮温阈值法海冰反演 |
| 3.5.2 多通道阈值法海冰反演 |
| 3.6 多通道自适应阈值算法的海冰反演 |
| 3.6.1 最大类间方差(OSTU)法 |
| 3.6.2 最大类间方差算法海冰反演 |
| 3.6.3 实验结果分析 |
| 3.7 本章小结 |
| 第四章 基于随机森林的渤海海冰集成反演 |
| 4.1 随机森林概述 |
| 4.1.1 Bagging |
| 4.1.2 随机森林 |
| 4.2 基于随机森林的海冰反演算法 |
| 4.2.1 模型的输入与输出 |
| 4.2.2 模型参数及选择 |
| 4.2.3 实验评价标准 |
| 4.3 海冰反演实验结果及分析 |
| 4.3.1 不平衡数据集的海冰反演实验结果及分析 |
| 4.3.2 平衡数据集的海冰反演实验结果及分析 |
| 4.4 种子填充算法的结果订正 |
| 4.4.1 种子填充算法 |
| 4.4.2 种子填充算法海冰像元填充 |
| 4.4.3 实验结果分析 |
| 4.5 本章小结 |
| 第五章 基于FY-4A数据的渤海海冰监测软件原型系统实现 |
| 5.1 系统需求分析 |
| 5.1.1 系统功能性需求分析 |
| 5.1.2 系统非功能需求分析 |
| 5.2 系统设计与实现 |
| 5.2.1 系统架构设计 |
| 5.2.2 系统开发技术介绍 |
| 5.2.3 系统数据库设计 |
| 5.2.4 系统功能模块设计与实现 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文研究工作总结 |
| 6.2 论文的主要创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（3）基于HJ-CCD遥感数据海冰监测平台一体化设计（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 HJ-CCD卫星数据监测研究现状 |
| 1.2.2 遥感数据处理平台研究现状 |
| 1.3 研究目标和研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 1.5 论文组织结构 |
| 2 遥感数据海冰监测平台研究 |
| 2.1 理论基础 |
| 2.1.1 遥感数据 |
| 2.1.2 海冰监测平台 |
| 2.1.3 遥感与GIS平台一体化 |
| 2.1.4 有关ENVI和 ArcGIS功能简介 |
| 2.2 基于HJ-CCD数据下的海冰监测平台 |
| 2.2.1 平台界面设计 |
| 2.2.2 设计流程 |
| 2.3 本章小结 |
| 3 HJ-CCD数据及其预处理工作 |
| 3.1 HJ环境与灾害监测预报小卫星简介 |
| 3.2 CCD相机简介 |
| 3.3 数据资料选择 |
| 3.4 数据预处理 |
| 3.4.1 辐射校正 |
| 3.4.2 几何校正 |
| 3.4.3 云检测 |
| 3.4.4 陆地去除 |
| 3.5 本章小结 |
| 4 冰水分离与海冰信息反演 |
| 4.1 冰水识别 |
| 4.1.1 区域划分 |
| 4.1.2 冰水识别 |
| 4.2 海冰信息反演 |
| 4.2.1 密集度反演 |
| 4.2.2 厚度反演 |
| 4.2.3 温度反演 |
| 4.2.4 外缘线反演 |
| 4.2.5 面积计算 |
| 4.3 本章小结 |
| 5 产品功能实现 |
| 5.1 初始场文件 |
| 5.2 影像图 |
| 5.3 解译图 |
| 5.4 快报输出 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（4）海冰模式中大气-海冰间湍流热通量交换参数化的改进（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 海冰在全球气候系统中的作用 |
| 1.1.1 海冰变化 |
| 1.1.2 海冰与海洋、大气的关系 |
| 1.2 海冰-大气湍流热通量的研究意义 |
| 1.3 海冰-大气湍流热通量研究现状 |
| 1.3.1 海冰-大气湍流热通量的现场观测 |
| 1.3.2 海冰-大气湍流热通量的模式参数化 |
| 1.4 论文主要内容 |
| 第二章 海冰模式及资料介绍 |
| 2.1 海冰模式CICE6.0 介绍 |
| 2.2 资料介绍 |
| 2.2.1 强迫场数据 |
| 2.2.2 观测数据 |
| 2.3 海冰模式热力学方案试验 |
| 2.4 本章小结 |
| 第三章 总体公式通量参数化 |
| 3.1 CICE默认的总体公式通量参数化 |
| 3.2 SHEBA总体公式通量参数化 |
| 3.3 SHEBA方案在CICE模式中应用与评估 |
| 3.3.1 一年冰上SHEBA湍流热通量评估 |
| 3.3.2 多年冰上SHEBA湍流热通量评估 |
| 3.3.3 SHEBA湍流热通量空间分布评估 |
| 3.3.4 SHEBA湍流热通量对海冰的影响 |
| 3.4 本章小结 |
| 第四章 最大熵生成参数化 |
| 4.1 最大熵原理 |
| 4.2 最大熵生成参数化 |
| 4.3 单一MEP方案评估 |
| 4.4 MEP方案在CICE模式中应用与评估 |
| 4.4.1 一年冰上的MEP湍流热通量评估 |
| 4.4.2 多年冰上的MEP湍流热通量评估 |
| 4.4.3 MEP湍流热通量空间分布评估 |
| 4.4.4 MEP湍流热通量对海冰的影响 |
| 4.5 本章小结 |
| 第五章 结论和展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）2015-2020年辽东湾海冰冰情特征和影响因素分析（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 技术路线及内容安排 |
| 2 SAR数据和研究区概况 |
| 2.1 Sentinel-1介绍 |
| 2.2 研究区概况 |
| 2.3 数据预处理 |
| 2.4 本章小结 |
| 3 基于最优纹理特征组合的最大似然海冰分类 |
| 3.1 海冰样本采集 |
| 3.2 基于灰度共生矩阵的纹理特征提取 |
| 3.3 基于巴氏距离的最优纹理特征选择 |
| 3.4 基于多特征的最大似然分类 |
| 3.5 分类结果与讨论 |
| 3.6 本章小结 |
| 4 辽东湾海冰冰情特征和影响因素分析 |
| 4.1 海冰冰情特征分析 |
| 4.2 影响因素分析 |
| 4.3 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）基于MODIS卫星遥感影像的海冰区域识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 海冰识别的国内外研究 |
| 1.2.1 海冰监测的发展 |
| 1.2.2 国内外的海冰研究工作 |
| 1.3 本文的主要工作及组织结构 |
| 2 遥感图像分割方法 |
| 2.1 引言 |
| 2.2 传统的图像处理方法 |
| 2.2.1 基于阈值的图像分割方法 |
| 2.2.2 基于边界分割算法 |
| 2.2.3 基于区域分割合并算法 |
| 2.3 基于深度学习的遥感图像语义分割方法 |
| 2.3.1 深度学习基础 |
| 2.3.2 经典深度学习网络详解 |
| 2.4 本章小结 |
| 3 数据源和数据集 |
| 3.1 引言 |
| 3.2 遥感影像数据源 |
| 3.3 数据集建立 |
| 3.4 数据增强 |
| 3.5 本章小结 |
| 4 基于全卷积网络的遥感影像语义分割方法 |
| 4.1 基于Unet的海冰分割网络设计 |
| 4.1.1 Unet模型 |
| 4.1.2 基于残差网络的Res-Unet结构 |
| 4.2 海冰分割网络SIS-Unet设计 |
| 4.2.1 空洞空间金字塔池化结构 |
| 4.2.2 融合ASPP的 SIS-Unet结构设计 |
| 4.3 损失函数和优化器 |
| 4.3.1 损失函数 |
| 4.3.2 优化器 |
| 4.4 本章小结 |
| 5 实验与结果分析 |
| 5.1 实验环境 |
| 5.2 评价指标 |
| 5.3 实验过程 |
| 5.4 实验结果分析 |
| 5.4.1 传统方法评估对比 |
| 5.4.2 深度学习方法评估对比 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（7）基于现场观测的乌梁素海湖冰光学性质研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 冰的表观光学性质研究现状 |
| 1.2.2 冰的固有光学性质研究现状 |
| 1.3 本文主要内容 |
| 2 测试技术与典型反射光谱 |
| 2.1 湖冰现场观测 |
| 2.2 光学仪器布置和数据采集 |
| 2.2.1 乌梁素海观测仪器布置 |
| 2.2.2 光学数据的采集和分析 |
| 2.3 典型下垫面光谱特征 |
| 2.3.1 典型下垫面介绍 |
| 2.3.2 典型下垫面的光谱反照率 |
| 2.4 本章小结 |
| 3 湖冰反照率日变化的参数化方案 |
| 3.1 湖冰反照率的日变化特征 |
| 3.2 湖冰反照率参数化方案构建过程 |
| 3.2.1 湖冰反照率参数化方案基本思想 |
| 3.2.2 湖冰反照率参数化的构建方法 |
| 3.3 湖冰反照率参数化方案的拟合结果 |
| 3.4 湖冰反照率参数化方案的结果分析 |
| 3.4.1 不同日期参数化的拟合效果 |
| 3.4.2 不同概率密度函数组合模式比较 |
| 3.4.3 不同组合模式参数化误差分析 |
| 3.4.4 最佳参数化方案组合效果 |
| 3.5 本章小结 |
| 4 湖冰微观结构及其固有光学性质 |
| 4.1 湖冰的微观结构观测 |
| 4.1.1 观测仪器 |
| 4.1.2 湖冰内部气泡统计 |
| 4.2 湖冰固有光学性质参数的计算 |
| 4.2.1 吸收系数的计算 |
| 4.2.2 散射系数的计算 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）基于混合像元分解的海冰检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 海冰检测手段的发展 |
| 1.2.2 海冰检测算法的发展 |
| 1.2.3 海冰参数反演算法的发展 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文结构 |
| 2 海冰检测研究区域及数据概况 |
| 2.1 研究区概况 |
| 2.1.1 研究区地理位置和自然条件 |
| 2.1.2 研究区海冰概况 |
| 2.2 数据介绍 |
| 2.2.1 实验数据介绍 |
| 2.2.2 验证数据介绍 |
| 2.3 MODIS数据预处理 |
| 2.3.1 波段选择 |
| 2.3.2 辐射定标 |
| 2.3.3 Bow-tie处理 |
| 2.3.4 几何校正 |
| 2.3.5 大气校正 |
| 2.3.6 实验结果 |
| 2.4 Terra卫星和Aqua卫星数据的相似性分析 |
| 2.5 本章小结 |
| 3 基于多特征约束的端元提取 |
| 3.1 光谱解混原理 |
| 3.2 海洋区域提取 |
| 3.2.1 基于阈值的指数法 |
| 3.2.2 积雪对海域提取的影响 |
| 3.2.3 不同方法的提取结果比较 |
| 3.3 多特征约束的构建 |
| 3.3.1 选取样本集 |
| 3.3.2 图像特征提取 |
| 3.3.3 规则构造 |
| 3.4 端元提取结果 |
| 3.5 本章小结 |
| 4 基于混合像元线性分解的海冰检测 |
| 4.1 线性光谱混合模型 |
| 4.2 海冰检测结果 |
| 4.2.1 融池 |
| 4.2.2 目视分析 |
| 4.2.3 定量评价 |
| 4.2.4 多张影像结果 |
| 4.3 敏感性分析 |
| 4.3.1 “混浊海水端元”对效果的提升 |
| 4.3.2 边缘点密度加权的纹理特征对效果的提升 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（9）高极与北极植被指数及气候变化对比研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状与进展 |
| 1.2.1 植被生态状况监测 |
| 1.2.2 植被物候监测 |
| 1.2.3 气候变化监测 |
| 1.3 研究内容与目的 |
| 1.4 研究路线 |
| 第2章 研究区概况与数据处理 |
| 2.1 研究区概况 |
| 2.2 数据来源与处理 |
| 2.2.1 植被数据来源与处理 |
| 2.2.2 气候数据来源与处理 |
| 2.3 研究方法 |
| 2.3.1 植被与气候时序变化分析方法 |
| 2.3.2 植被物候反演方法 |
| 第3章 高极与北极植被指数时序变化对比研究 |
| 3.1 2001-2018 年高极与北极 EVI 年均值分布频率和空间格局对比 |
| 3.2 2001-2018 年高极与北极 EVI 年累积值分布频率和空间格局对比 |
| 3.3 2001-2018 年高极与北极 EVI 年最大值分布频率和空间格局对比 |
| 3.4 2001-2018 年高极与北极 EVI 年最大值出现时间分布频率和空间格局对比 |
| 3.5 本章小结 |
| 第4章 高极与北极植被物候时序变化对比研究 |
| 4.1 2001-2018 年高极与北极 EVI 年际变化率分布频率和空间格局对比 |
| 4.2 2015 年高极与北极物候空间格局对比 |
| 4.3 2001-2018 年高极与北极物候年内变化趋势对比 |
| 4.4 2001-2018 年高极与北极物候年际变化趋势对比 |
| 4.5 本章小结 |
| 第5章 高极与北极气候参数时序变化对比研究 |
| 5.1 2001-2018 年高极与北极气温、降水、辐射分布频率对比 |
| 5.2 2001-2018 年高极与北极气温、降水、辐射空间格局对比 |
| 5.3 2001-2018 年高极与北极气温、降水、辐射年际变化率分布频率对比 |
| 5.4 2001-2018 年高极与北极气温、降水、辐射年际变化率空间格局对比 |
| 5.5 本章小结 |
| 第6章 高极与北极植被和气候相关系数对比研究 |
| 6.1 2001-2018 年高极植被EVI与气温、降水、辐射的相关分析 |
| 6.2 2001-2018 年北极植被EVI与气温、降水、辐射的相关分析 |
| 6.3 2001-2018 年高极与北极EVI与气温、降水、辐射相关系数对比 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
（10）利用COSMO-SkyMed高分辨率SAR影像的西北航道区域海冰分类和可通行性分析（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 海冰监测研究现状 |
| 1.2.2 SAR影像的海冰分类研究现状 |
| 1.2.3 海冰密集度研究现状 |
| 1.3 研究内容 |
| 1.3.1 研究内容与方法 |
| 1.3.2 技术路线与文章结构 |
| 1.4 本章小结 |
| 2 实验区概况与实验数据介绍 |
| 2.1 西北航道关键区域 |
| 2.2 实验区域选择 |
| 2.3 COSMO-SkyMed数据与Sentinel-1 数据介绍 |
| 2.3.1 COSMO-SkyMed数据 |
| 2.3.2 Sentinel-1 数据 |
| 2.4 COSMO-SkyMed数据在海冰和海水的具体表现 |
| 2.5 本章小结 |
| 3 多特征融合的海冰图像分类 |
| 3.1 数据预处理 |
| 3.1.1 辐射定标 |
| 3.1.2 斑点去噪 |
| 3.1.3 几何校正 |
| 3.2 超像素处理 |
| 3.3 训练样本的构建 |
| 3.3.1 灰度共生矩阵 |
| 3.3.2 灰度特征 |
| 3.3.3 组合特征 |
| 3.4 利用支持向量机模型进行海冰分类 |
| 3.4.1 二分类 |
| 3.4.2 多分类 |
| 3.4.3 核函数 |
| 3.5 本章小结 |
| 4 航道区域可通行性分析 |
| 4.1 航道设计标准 |
| 4.2 主要北极航行船舶介绍 |
| 4.3 海冰密集度的计算 |
| 4.4 利用海冰密集度信息进行航道可通行性分析 |
| 4.4.1 密集度判断 |
| 4.4.2 蚁群算法介绍 |
| 4.4.3 基于蚁群算法的可通行性分析 |
| 4.5 本章小结 |
| 5 实验分析 |
| 5.1 灰度共生矩阵(GLCM)特征参数调节 |
| 5.2 不同特征提取方式的分类结果 |
| 5.3 分类精度的验证 |
| 5.4 不同数据的分类结果比较 |
| 5.4.1 COSMO-SkyMed数据海冰分类 |
| 5.4.2 Sentinel-1 数据海冰分类 |
| 5.4.3 不同数据的分类比较分析 |
| 5.5 不同数据的可通行性比较分析 |
| 5.5.1 不同数据的可通行性分析 |
| 5.5.2 COSMO-SkyMed航线规划适应性实验 |
| 5.5.3 Sentinel-1 航线规划适应性实验 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 研究内容总结 |
| 6.2 主要创新点与贡献 |
| 6.3 后续工作与展望 |
| 致谢 |
| 参考文献 |
四、Sea ice thickness and concentration in Arctic obtaining from remote sensing images（论文参考文献）
- [1]基于实船观测的北极东北航线窗口期海冰冰情研究[J]. 胡冰,于淼,李志远,王德禹,陈晓东. 船舶力学, 2021(08)
- [2]基于卫星遥感数据的海冰反演算法研究[D]. 王凌云. 南京信息工程大学, 2021(01)
- [3]基于HJ-CCD遥感数据海冰监测平台一体化设计[D]. 张永盛. 青岛科技大学, 2021(01)
- [4]海冰模式中大气-海冰间湍流热通量交换参数化的改进[D]. 张一鸣. 南京信息工程大学, 2021(01)
- [5]2015-2020年辽东湾海冰冰情特征和影响因素分析[D]. 王雪峰. 辽宁工程技术大学, 2021
- [6]基于MODIS卫星遥感影像的海冰区域识别研究[D]. 房友. 青岛科技大学, 2021(01)
- [7]基于现场观测的乌梁素海湖冰光学性质研究[D]. 汤明光. 大连理工大学, 2020
- [8]基于混合像元分解的海冰检测方法研究[D]. 李雅文. 武汉大学, 2020(03)
- [9]高极与北极植被指数及气候变化对比研究[D]. 焦雪敏. 湖北大学, 2020(02)
- [10]利用COSMO-SkyMed高分辨率SAR影像的西北航道区域海冰分类和可通行性分析[D]. 潘荔君. 中国地质大学(北京), 2019(02)