5个研究背景和意义示例,教你写计算机GEE论文

今天分享的是关于GEE的5篇计算机毕业论文范文, 如果你的论文涉及到GEE等主题,本文能够帮助到你

基于ACOLITE算法的湖泊透明度预测系统设计与实现

这是一篇关于湖泊,GEE,ACOLITE,透明度预测,经验算法,机器学习的论文, 主要内容为本文介绍了一个基于ACOLITE算法和遥感数据的湖泊透明度预测系统。湖泊透明度是衡量水质和生态系统健康的一个重要指标,但传统的实地测量成本高且费时。本文提出的系统旨在通过整合ACOLITE大气校正算法和谷歌地球引擎平台来解决这些问题,该平台可以高效、便捷地处理大量的遥感数据。该系统由三个模块组成:数据采集模块、实时预测模块和数据输出模块。数据采集模块使用ACOLITE校正Landsat OLI图像的大气效应,并提取湖泊像素的遥感反射率。实时预测模块通过湖泊透明度预测模型性能优化得到的最优预测模型将湖泊的遥感反射率计算成透明度。数据输出模块负责将实时预测模块输出的透明度信息转化为可视化的图像和表格。结果表明,机器学习算法在湖泊透明度检索中的表现优于经验算法,最优模型为MLP模型。该系统通过简单的输入可以快速获得相应区域的透明度变化图和统计表,为湖泊透明度的遥感监测提供了可靠的手段。本文证明了将机器学习和遥感技术应用于湖泊透明度预测的可行性和有效性,并为其他水质参数的估算提供了参考。这篇文章的主要进行的工作在于:1.将ACOLITE大气校正算法与谷歌地球引擎平台进行了整合,无需下载大型卫星图像文件,节省了时间和内存资源,是该领域的一项开创性工作。2.改进了基于ACOLITE的区域检索算法,解决了基本方法的局限性,如不完全覆盖和边缘效应,实现了对湖泊区域更准确和全面的提取。3.利用三种不同的机器学习模型(逐步回归、SVM和MLP),通过探索不同的输入参数组合(单一波段和波段组合以及波段组合和波段比例组合)和不同的时间窗口对模型性能的影响,选择最优参数优化了湖泊透明度预测模型的性能。4.构建了一个湖泊透明度预测系统,通过简单的输入就能即时、准确并有效地生成透明度变化图和统计表,为研究人员和利益相关者降低了技术门槛,提高了效率。本文的研究内容对环境监测、预警系统、决策支持、资源优化和科学研究有很大的影响。通过利用先进的算法、谷歌地球引擎和谷歌云技术,该系统提供了对水质动态的宝贵见解,并帮助做出明智的决策,为湖泊管理和恢复实施适当的干预措施。机器学习技术的整合提高了预测的准确性,促进了基于证据的管理策略,并支持对宝贵自然资源的保护。这项研究通过解开复杂的关系和提供关于水质动态的新视角,推进了对水质动态的科学理解。

基于多源遥感数据的生姜种植面积提取研究

这是一篇关于生姜面积,遥感监测,多源数据,特征优选,GEE的论文, 主要内容为生姜是我国经济价值较高的优势特色蔬菜,也是我国最具国际竞争力的出口农产品之一。而生姜市场经常受到国际贸易环境、信息闭塞等因素影响,致使价格波动频繁,进而影响着生姜种植面积。生姜种植面积是支撑生姜产业的基础要素,准确获取生姜的种植面积和空间分布等信息对于生姜生产指导、灾害预警和政策制定等具有重要意义。针对莱芜地区复杂种植模式下生姜的遥感识别研究相当匮乏,且现有的关于其面积和空间分布的信息大多依赖于统计数据,导致了效率低、精度不高等问题。基于此,以莱芜生姜为研究对象,通过深入分析其种植特征及栽培管理特点,借助GEE平台和ENVI等遥感应用软件,结合Sentinel-2和Planet影像等多源遥感影像,采用随机森林、支持向量机等方法提取2022年莱芜区内的生姜种植面积和空间分布,并通过相关辅助数据对提取效果进行评估与验证。本文开展的主要工作和结果如下:(1)基于单时相卫星影像的生姜种植面积提取研究结合莱芜区生姜栽培管理特点及其独特种植模式,基于筛选所得的6景Sentinel-2和Planet观测影像,利用四个原始波段和五种衍生的植被指数作为特征因子,结合随机森林分类方法用于生姜面积提取,得到莱芜区的生姜种植面积为4964.6公顷;Planet影像比Sentinel-2影像提取的结果更接近实际数据,其总体分类精度最高为87.37%;且通过对比判定10月15日为生姜面积提取的较佳日期。(2)基于Sentinel-2和Planet影像融合的生姜种植面积提取研究为保留Sentinel-2与Planet的光谱和空间优势,并获取带有红边波段的高分辨率影像,使用加权解混和多分辨率多光谱估计的超分辨率方法进行影像融合处理,继而对包含构建的累积波段、7个原始光谱波段以及7个遥感指数在内的15个特征因子进行特征权重评估,结合顺序正向选择法筛选权重大的特征因子作为生姜识别的最优特征组合并构建生姜遥感识别模型。对比判定出最优特征组合模型提取效果较优,提取得到的生姜面积为4810.9公顷,总体分类精度为93.2%,Kappa系数在0.83-0.91之间。(3)基于黑色遮阴网指数的生姜种植面积提取研究为精确提取使用平铺式黑色遮阴网的生姜地块的面积,选用生姜生长季早期和中期融合影像数据,利用累积波段差异构建黑色遮阴网指数以增大地块之间的光谱差异,结果显示使用平铺式黑色遮阴网的区域指数值较高,通过对可分离性指标M分析可对两种地块进行有效分离且通过最大类间方差法确定了该指数的阈值为0.8165。使用随机森林和支持向量机算法对平铺式黑色遮阴网地块进行识别,结果表明使用平铺式黑色遮阴网地块的生姜面积约为1804.1公顷;基于随机森林算法的莱芜区大王庄镇研究区的识别精度最高,总体分类精度达到94.66%,用户精度达到92.54%。

2003-2018年喀喇昆仑-西昆仑地区积雪时空变化及影响因素分析

这是一篇关于积雪,喀喇昆仑-西昆仑地区,GEE,时空变化的论文, 主要内容为在气候变暖背景下,冰冻圈作为气候变化指示器,在过去几十年里发生了显著变化。积雪是是冰冻圈最活跃的地理要素之一,其对气候变化高度敏感,并且对气候变化有重要反馈作用,近年来受到越来越广泛关注。喀喇昆仑-西昆仑地区积雪覆盖丰富,是高亚洲积雪研究的典型区域。本文利用GEE云平台,使用经过去云处理的M*D10A1GL06冰冻圈逐日积雪数据产品分析了2003至2018水文年喀喇昆仑-西昆仑地区积雪覆盖率(SCF)、积雪覆盖天数(SCD)、积雪初日(FSD)和融雪终日(LSD)四个雪盖参数以及区域积雪下界高度的时空分布以及变化特征,并结合高程、坡向、坡度等地形因子以及气温、降水等气候因子探究其时空变化的影响因素。主要结论如下:(1)积雪覆盖率年平均在40%左右,积雪覆盖率在年际间表现缓慢减少趋势,其中海拔5000-6000米高程带积雪覆盖率变化最剧烈,30°-40°坡度区间年际波动变化较剧烈;阴坡积雪覆盖范围大于阳坡,而阳坡积雪动态变化幅度大于阴坡。积雪覆盖率年内变化呈现单峰趋势,最高和最低积雪覆盖率月份分别为2月和8月,平均积雪覆盖率分别为54%和24%。(2)积雪覆盖日数表现“西高东低”分布特征,积雪覆盖天数显著减少区域主要分布于西昆仑山脉西部、喀喇昆仑山脉北部和阿里西北部地区,显著增加区域则主要位于西昆仑山东部和喀喇昆仑东北部地区。(3)研究区积雪初日和融雪终日空间分布和海拔有高度一致性,除终年积雪区外,山脉和盆地过渡地区积雪初日为10月上旬至12月中旬,融雪终日则在4月底。积雪初日显著推迟的区域位于叶尔羌河流域东西两侧的西昆仑山西部和喀喇昆仑山北部,积雪推迟速率大于2天/年,积雪初日显著提前区域包括阿克赛钦盆地和西昆仑山东部的部分地区。融雪终日则在绝大部分地区出现提前趋势,区域整体平均变化速率为-0.267天/年。(4)研究区积雪下界高度年内呈单谷分布,2月份最低,平均约为4359米,8月份最高,平均为5196米。年际变化来看,秋季积雪下界高度变化最剧烈,而夏季则相对稳定。相比秋季和春季,冬季与夏季区域积雪下界高度上升趋势更明显,上升速率分别为3.46米/年和2.91米/年。空间分布来看,区域积雪下界高度整体西高东低,高值区从东南向西北呈凹形空间分布特征,除西昆仑西部和喀喇昆仑西北部部分地区(即叶尔羌河流域部分地区)显著上升外,其他地区区域积雪下界高度变化不显著。(5)区域积雪下界高度变化与气温降水密切相关,其相关性空间差异显著。由于秋季、冬季和春季降水多为固态降水,研究区大部分地区区域积雪下界高度在秋季、冬季和春季和降水显著负相关,其中负相关性显著(P<0.05)的区域各占35.9%,26.4%和23.6%。而夏季二者相关关系不显著。气温在全年大部分研究区与区域积雪下界高度呈正相关,其中显著正相关(P<0.05)区域在秋季、冬季、春季和夏季各占比约57.3%、18.9%、43.7%和69.4%。而秋季、冬季和春季喀喇昆仑部分地区和气温呈不显著负相关关系,可能与暖湿气流带来降雪导致区域积雪下界高度下降有关。