[发明专利]一种利用人工神经网络反演北极融池分布的方法

说明书

本发明公开了一种利用人工神经网络反演北极融池分布的方法，首先，收集高分辨率融池影像和同时期的中分辨率成像光谱仪MOD09GA，并重投影为正弦投影；然后，构建与MOD09GA一致的网格；计算每个网格内的融池比例、海冰比例和开放水的比例，再删除MOD09GA中被云覆盖的像素；获得的数据和相对应的逐日地表反射率，MOD09GA 1到7波段反射率形成数据集；最后，构建融池模型，将匹配好的MOD09GA 1到7波段反射率作为输入集，相应的海冰比例、融池比例、开放水比例作为输出样本集训练人工神经网络，找到最优解。本发明弥补了现场观测和走航观测在时间和空间的缺陷，具有快速和简单的特点，提升了我国极地遥感监测水平，且能更好的反应北极真实的融池状况。

技术领域

本文发明属于极地遥感技术领域，涉及一种利用人工神经网络反演北极融池分布的方法。

背景技术

在北极夏季融池可以覆盖北极海冰范围的50％-60％。由于夏季短波日照和高于冰点的表面空气温度导致海冰表面融池的形成，降低了海冰表面反照率，从而导致海冰吸收更多的额外热量。融池作为北极春夏季海冰反照率变化最重要的参数，低反照率的融池会加速海冰融化导致北极无冰季节更早的到来。因此监测北极融池变化具有很高的现实意义。

常规的监测方法包括走航观测，实地测量。但是这些方法都受到实验设备和现场观测人员的限制，而且所获得的数据也无法进行大范围北极融池制图。直到Tschudi等人提出了一种提取波弗特/楚科奇海融池分布的光谱分解方法。该算法基于四类(融池、开放水域、雪和裸冰)不同的反射率特征求解4组线性方程。将Tschudi的算法扩展到了整个北极，并将四类反射率特征归为三类，但是这种算法使用了和Tschudi一样的固定反射率。的方法相对于美国雪冰中心(NSIDC)发布的高分辨率融池影像均方根误差达到10.7％以上。使用固定或者不充分的先验条件进行建模可能会导致较大的误差，而将其作为模型的输入甚至会影响融池分布的准确性。

在这种情况下，本发明提出了一种利用实测数据作为先验条件基于人工神经网络的北极融池分布遥感探测方法。

发明内容

发明目的：本发明所述的一种利用人工神经网络反演北极融池分布的方法，弥补了遥感监测融池在时间和空间分布上，精度上的缺陷，提升我国极地监测业务应用水平。

技术方案：本发明所述的一种利用人工神经网络反演北极融池分布的方法，包括以下步骤：

(1)收集高分辨率融池影像和同时期的中分辨率成像光谱仪MOD09GA，高分辨率融池影像的投影方式为墨卡托投影，并重投影为正弦投影，MOD09GA的投影为正弦投影；

(2)构建与MOD09GA一致的网格；

(3)根据MOD09GA网格计算每个网格内的融池比例、海冰比例和开放水的比例，再删除MOD09GA中被云覆盖的像素；

(4)统计步骤(3)获得的数据和相对应的MOD09GA 1到7波段逐日地表反射率形成数据集，并分为训练集和验证集；

(5)构建融池模型，将匹配好的MOD09GA 1到7波段反射率作为输入集，相应的海冰比例、融池比例、开放水比例作为输出样本训练人工神经网络，找到最优解。

进一步地，所述网格的投影方式，分辨率与MOD09GA一致，并且每一个网格对应一个逐日地表反射率反射率

进一步地，步骤(4)所述训练集和验证集的比例为7:3。

进一步地，步骤(5)所述的人工神经网络为栈式自编码，由多个自编码组成；所述自编码由输入层、隐藏层和输出层组成的三层神经网络。

进一步地，步骤(5)所述融池模型的目标函数为：