基于机器学习的天山北坡MODIS逐日无云积雪覆盖数据生成与分析
文献类型：期刊论文
| 作者 | 宋宏利1,2; 李文豪1,2; 刘兴宇1,2; 洪旭1; 朱文彬1 |
| 刊名 | 地理科学进展
 |
| 出版日期 | 2025-12-28 |
| 卷号 | 44期号:12页码:2473-2487 |
| 关键词 | 机器学习 MODIS积雪数据 HMRF 天山北坡 |
| ISSN号 | 1007-6301 |
| 产权排序 | 1 |
| 英文摘要 | 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。 |
| URL标识 | 查看原文 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/219328]  |
| 专题 | 陆地水循环及地表过程院重点实验室_中文论文 |
| 通讯作者 | 朱文彬 |
| 作者单位 | 1.中国科学院地理科学与资源研究所,中国科学院陆地水循环及地表过程重点实验室; 2.河北工程大学地球科学与工程学院 |
| 推荐引用方式 GB/T 7714 | 宋宏利,李文豪,刘兴宇,等. 基于机器学习的天山北坡MODIS逐日无云积雪覆盖数据生成与分析[J]. 地理科学进展,2025,44(12):2473-2487. |
| APA | 宋宏利,李文豪,刘兴宇,洪旭,&朱文彬.(2025).基于机器学习的天山北坡MODIS逐日无云积雪覆盖数据生成与分析.地理科学进展,44(12),2473-2487. |
| MLA | 宋宏利,et al."基于机器学习的天山北坡MODIS逐日无云积雪覆盖数据生成与分析".地理科学进展 44.12(2025):2473-2487. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。