基于神經(jīng)網(wǎng)絡(luò)模型的極地海冰融池提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于神經(jīng)網(wǎng)絡(luò)模型的極地海冰融池提取方法，屬于遙感信息全自動提取方法領(lǐng)域。
【背景技術(shù)】
[0002]海冰融化過程中，融水在海冰表面低凹處匯集形成融池。由于融池的反照率介于海冰和海水之間，提取融池覆蓋率對于準(zhǔn)確計算太陽輻射在極區(qū)海洋的吸收、了解極區(qū)氣-冰-海耦合系統(tǒng)的熱力過程有重要意義。
[0003]融池的重要性突出表現(xiàn)在它的物理特性上。融池就是冰上水池，所以融池具有海水的一切性質(zhì)，尤其在于其反照率，反照率是決定海冰吸收太陽輻射能量多少的一個標(biāo)準(zhǔn)，反照率高，則吸收的太陽輻射能量就少，融化就慢，反之融化就快。而海水的表面反照率為10%——15%，海冰的反照率為90%，差別很大。如果某一塊海冰上有一個小融池，該融池有可能是海水的動力學(xué)或者是熱力學(xué)作用形成的，那么在該塊海冰上由于反照率的大幅減少，會吸收更多的太陽輻射能量，尤其在夏天又很少出現(xiàn)凍結(jié)情況，就會加速該塊海冰的融化。
[0004]夏季極地遙感影像中往往含有大量的融池區(qū)域，相關(guān)的數(shù)據(jù)也表明，北極夏季海冰的反照率有一定程度的降低，印證了融池使海冰融化加劇的現(xiàn)象。獲取融池的相關(guān)數(shù)據(jù)，對更好地分析海冰對全球氣候變暖的響應(yīng)有重大的科學(xué)意義。
[0005]覆蓋率是融池模擬中的一項重要參數(shù)，也是空間遙感在融池研究中的主要研究方向，然而目前有關(guān)的遙感算法仍以局地性的個例實驗為主，沒有適用于更大范圍的融池遙感提取算法。在北極不同地區(qū)已經(jīng)進行過眾多的海冰表面觀測和船基走航觀測，以研究融池的反射率、光譜特征以及融池的大小和分布等。雖然有較高的觀測準(zhǔn)確率和精度，但是局限于航線，觀測結(jié)果的時間和空間尺度都極其有限，僅能反映航線涉及區(qū)域的融池情況。需要一種在較長時間序列和空間范圍內(nèi)提取極地海冰融池的遙感方法。

【發(fā)明內(nèi)容】

[0006]本發(fā)明要解決的技術(shù)問題是:克服現(xiàn)有技術(shù)上述缺陷，提供一種基于神經(jīng)網(wǎng)絡(luò)模型的海冰融池提取方法，在極地地區(qū)遙感圖像中確定冰雪、水體和融池的覆蓋比例，通過快速優(yōu)化地解算基于混合像元分解模型的多元線性方程組，減少計算代價并且保證精度，完成極地海冰融池范圍的提取。
[0007]為了解決上述技術(shù)問題，本發(fā)明提出的技術(shù)方案是:一種基于神經(jīng)網(wǎng)絡(luò)模型的極地海冰融池提取方法，其步驟包括:
[0008]第一步、將MODIS表面反射率產(chǎn)品M0D09A1由正弦投影轉(zhuǎn)換為極地方位投影；
[0009]第二步、結(jié)合M0D09A1產(chǎn)品中的陸地掩膜和云掩膜數(shù)據(jù)，提取目標(biāo)區(qū)域的圖像，并選取λ” λ2、λ 3波段的表面反射率值；
[0010]第三步、根據(jù)冰雪、水體和融池的光譜響應(yīng)曲線，得到三者分別在λ P λ2、λ3波段的標(biāo)準(zhǔn)光譜反射率值:
[0011]在A1波段:冰雪的光譜反射率F1(A1) = 0.95，水體的光譜反射率L(A1)=0.08，融池的光譜反射率rj λ J = 0.16 ；
[0012]在λ2波段:冰雪的光譜反射率Γι(λ2) = 0.87，水體的光譜反射率rwU2)=0.08，融池的光譜反射率Γη(λ2) = 0.07 ；
[0013]在λ3波段:冰雪的光譜反射率Γι(λ3) = 0.95，水體的光譜反射率rwU3)=0.08，融池的光譜反射率4 ( λ 3) =0.22；
[0014]第四步、對圖像中的每個像元，根據(jù)其中冰雪、水體和融池所占比例Sp Sw、Sni與三者光譜反射率的關(guān)系，建立多元線性方程組；
[0015]Si^ri ( λ D +Sw*rw( λ !) +Sm*rm( λ = R(X1)
[0016]S1=Kr1 ( λ 2) +Sw*rw ( λ 2) +Sn*rn ( λ 2) = R ( λ 2)
[0017]S1^r1 ( λ 3) +Sw*rw( λ 3) +Sn*rn( λ 3) = R(A3)
[0018]SJSJSni= I
[0019]ScKr(X1)nR(A2)nR(A3)分別是像兀在λ2、λ 3波段的反射率值；
[0020]第五步、從圖像中選取5% -10%數(shù)量的像元，以作為人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，利用選取的像元直接求解帶約束條件的方程組，獲得的解為每個像元內(nèi)冰雪、水體和融池所占比例，作為人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集；
[0021]第六步、構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，輸入層為MODIS反射率數(shù)據(jù)的λ 1、λ2、λ3波段；輸出層為冰雪、水體和融池所占比例的圖像；
[0022]第七步、運行神經(jīng)網(wǎng)絡(luò)模型，快速優(yōu)化求解方程組，獲得結(jié)果為冰雪、水體和融池分別在像元內(nèi)所占的比例Sp sw、sn；
[0023]第八步、通過公式Sni* (1-Sw)，計算得到目標(biāo)區(qū)圖像內(nèi)的融池覆蓋相對比例，根據(jù)融池覆蓋相對比例繪制獲得目標(biāo)區(qū)融池范圍分布圖。
[0024]本發(fā)明方法使用的數(shù)據(jù)源為公開下載的中分辨率成像光譜儀(MODIS)的表面反射率8天合成數(shù)據(jù)(M0D09A1)。M0D09A1包括7個波段，波長459_2155nm，空間分辨率500m。數(shù)據(jù)范圍在O至I之間，表示了該波段上的表面反射率值。在極地海冰區(qū)域，圖像中每個像元的表面反射率由像元內(nèi)的冰雪、融池和水體的反射率值共同組成。
[0025]本發(fā)明基于神經(jīng)網(wǎng)絡(luò)模型的海冰融池提取方法，還具有如下進一步的特征:
[0026]1、第一步遙感影像預(yù)處理前，先在遙感圖像處理軟件中確定MODIS表面反射率產(chǎn)品M0D09A1影像的投影信息和地理位置信息，將原影像的正弦曲線投影轉(zhuǎn)換為極地方位投影。
[0027]2、第二步中A1波段的波長范圍為620-670nm，λ 2波段的波長范圍為841_876nm，λ 3波段的波長范圍為459-479nm0
[0028]3、第五步中對于少量像元使用擬牛頓法(BFGS算法，SPBroyden-Fletcher-Goldfarb-Shanno算法)求解方程組，得到各個像元中冰雪、水體和融池分別所占的比例。
[0029]4、第六步中神經(jīng)網(wǎng)絡(luò)模型為多層前饋感知器，由一個輸入層、兩層隱藏層和一個輸出層組成，第一層隱藏層包含9個節(jié)點，第二層隱藏層包含27個節(jié)點。
[0030]5、第七步中運行神經(jīng)網(wǎng)絡(luò)模型所使用的參數(shù)設(shè)置為:訓(xùn)練停止條件的RMS誤差值為0.1 ;訓(xùn)練的迭代次數(shù)為10000次。
[0031]6、第八步計算融池覆蓋相對比例時，將融池在像元內(nèi)所占比例換算成相對非水體面積而言的值，繪制融池范圍分布圖時，按照融池覆蓋比例值所在區(qū)間劃分為若干等級，并賦以不同等級的灰度形成圖像。
[0032]本發(fā)明的有益效果是:
[0033]獲取極地海冰融池的時空分布信息是一項意義重大的研究與技術(shù)工作。本發(fā)明實現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)模型的極地海冰融池提取方法，利用不同類型地表光譜特征的差異，通過神經(jīng)網(wǎng)絡(luò)模型快速求解像元分解的多元線性方程組，確定圖像中冰雪、水體和融池所占比例，提取融池范圍分布。與目視解譯和傳統(tǒng)監(jiān)督分類方法相比，本發(fā)明的自動化程度、分類速度和精度都大為提高。具體有益效果如下:
[0034]第一，本發(fā)明成功提取了極地海冰融池范圍分布信息，可進一步應(yīng)用于極地海冰變化監(jiān)測與趨勢預(yù)測、不同消融狀態(tài)下的冰雪反照率變化研究、海冰對全球氣候變化的響應(yīng)機制等研究。
[0035]第二，本發(fā)明使用的數(shù)據(jù)獲取便捷，通過申請下載公開的MODIS數(shù)據(jù)，即可進行極地海冰融池研究工作，無須專門購買數(shù)據(jù)。
[0036]第三，本發(fā)明利用冰雪、水體和融池在遙感圖像上光譜特征的差異，基于混合像元分解理論建立各自所占比例與反射率的定量關(guān)系，全自動完成混合像元模型下的遙感圖像分類，精確提取融池覆蓋比例信息。全過程無需人工介入，在確定神經(jīng)網(wǎng)絡(luò)模型及其參數(shù)后即可直接進行分類。
[0037]第四，本發(fā)明構(gòu)建了神經(jīng)網(wǎng)絡(luò)模型以完成混合像元分解計算，將原始MODIS波段數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，自動求解帶約束條件的多元線性方程組，即可輸出冰雪、水體和融池所占比例的圖像。過程優(yōu)化，運算處理快速，計算結(jié)果的精度符合要求。該方法還有一重意義:由于優(yōu)化并加速了運算過程，可以完成大量遙感數(shù)據(jù)的分類處理，實現(xiàn)大范圍、長時間序列的海冰融池提取。
【附圖說明】
[0038]下面結(jié)合附圖對本發(fā)明作進一步的說明:
[0039]圖1基于神經(jīng)網(wǎng)絡(luò)模型的極地海冰融池提取流程圖。
[0040]圖2實驗示例區(qū)域波段I影像(500 X 500個象元)。
[0041]圖3極地海冰區(qū)域冰雪、水體和融池的標(biāo)準(zhǔn)光譜反射率曲線。
[0042]圖4神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖。
[0043]圖5融池覆蓋相對比例圖。
【具體實施方式】
[0044]本實驗示例影像數(shù)據(jù)為MODIS表面反射率產(chǎn)品M0D09A1，從NASA網(wǎng)站(http://ladsweb.nascom.nasa.gov/data/search.html)下載獲得，經(jīng)瑋度范圍為 66。N-68。N，74° W-78。W，時間為2014年6月26日(儒略日第169天)
[0045]如圖1為本實驗示例的流程圖，基于神經(jīng)網(wǎng)絡(luò)模型的海冰融池提取方法的具體實施步驟包括以下內(nèi)容:
[0046]第一步、將MODIS表面反射率產(chǎn)品M0D09A1由正弦投影轉(zhuǎn)換為極地方位投影。
[0047]下載的原始M0D09A1數(shù)據(jù)為HDF格式，其文件名即產(chǎn)品ID號包含了數(shù)據(jù)的基本信息，示例如下:
[0048]例:M0D09A1.A2014169.hl5v02.005.2014178104315.hdf，包含了數(shù)據(jù)獲取年份(2014年)、獲取日期(儒略日第169天)、條帶號(h