基于ScanSAR数据的北极海冰分类研究的中期报告.docx

基于ScanSAR数据的北极海冰分类研究的中期报告
介绍
北极海冰是极地气候系统和环境变化的重要组成部分，对全球气候变化和海洋生态系统具有重要影响。北极海冰遥感监测是北极环境和气候研究的重要手段之一。ScanSAR数据是一种适合于较大面积海冰监测的卫星遥感数据。本研究使用Radarsat-2卫星的ScanSAR数据，结合机器学习算法，进行了北极海冰分类研究的中期报告。
研究方法
1.数据获取
本研究使用2016年6月至8月期间，Radarsat-2卫星收集的ScanSAR数据，共计15幅图像。这些数据被预处理，包括辐射校正、几何校正和过滤等步骤，并以GeoTIFF格式保存。
2.特征提取
对于每个ScanSAR图像，从中提取了一系列特征来描述海冰的各种特征。这些特征包括：像元反射率、极化特性、双极化特征、纹理特征和形态学特征等。这些特征的选择基于先前相关研究以及经验。
3.北极海冰分类
使用机器学习算法对北极海冰进行分类。本研究选择了支持向量机（SVM）和随机森林（RF）这两种分类算法。训练数据集由手工标注的地面真实数据和定量阈值法获得的数据构成。
结果和讨论
1.特征选择
本研究从ScanSAR图像中提取了14个特征，其中像元反射率和纹理特征对于分类表现最为关键。
2.分类效果
支持向量机（SVM）和随机森林（RF）这两种算法都可以对北极海冰进行分类，其中随机森林算法的表现更为优异。在训练数据集中，随机森林算法的分类准确率可达95.3％。在测试数据集中，随机森林算法的分类准确率为93.4％。
3.研究进展
本研究仍需对北极海冰分类进行更加深入的研究，包括更多特征的提取、算法优化和遥感数据融合等方面的探索。同时，也需要更加精准的地面真实数据作为标注，以改进分类结果的精度和可靠性。