基于神经网络的青藏高原地表层温度预测模型研究

《基于神经网络的青藏高原地表层温度预测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京工商大学硕士学位论文摘要近年来，国Fq夕l,学者纷纷对青藏高原构造热异常开展研究。研究所用的传统方法是分析热流数据，其缺点是热流数据稀疏，数量和质量受限。较新的方法是利用热红外遥感技术，即应用热红外遥感数据反演得到的地表面温度数据来进行分析和研究；也有学者利用实测地表浅层地温来进行研究。最前沿的方法是将热红外遥感技术与实测地温结合起来进行研究，即分别用遥感技术反演得到的地表面温度数据和实测地温数据进行研究，之后比较两种方法的研究结果。但这两种方法之间的关系模型尚未建立。基于此，本课题采用神经网络技术建立了青藏高原

2、地表层温度场预测模型，模型输入为热红外遥感反演得到的陆面参数，输出为一定深度的地表层预测常规温度：该模型为热红外遥感用于构造热异常研究探索了一种新途径。课题以穿过青藏高原6大地块的亚东一格尔木地学剖面为切入点，完成了以下研究工作：(1)在对热红外遥感数据和地表层温度场分布规律进行相关性分析的基础上，提出研究思路：首先应用神经网络建立地表20cm层温度预测模型；再建立地表20cm以下(40cm～160cm)层温度预测模型，最后将各层预测模型级联递推；(2)分别基于BP网和RBF网(普通RBF网和广义回归网)研究建立地表

3、20cm层的温度预测模型，并利用该模型对热红外遥感反演得到的各陆面参数与地表20cm层温度的相关关系进行了分析；·(3)基于RBF网，利用陆面参数和地表层不同深度的钻孔测温数据建立起地表20cm以下(40cm～160cm)各层的温度预测模型：(4)将地表20cm～160cm各层温度预测模型级联，得到地表各层温度的预测模型，并验证了模型的可行性、可靠性；(5)在以上温度预测模型的基础上，利用vB与MATLAB接口技术，设计并实现了基于RBF神经网络的地表层温度预测系统。本课题为热红外遥感用于构造热异常研究探索了一种新途

4、径。由于亚东一格尔木地学剖面穿过青藏高原冻土区，青藏铁路也在该剖面沿线上，其分析结果可为青藏铁路建设、工程稳定性评价和生态环境评价提供科学依据。关键词：青藏高原热红外遥感地表层温度RBF网预测模型l。．．董三塑丝塑堑塑宣堕壹堕垫室星塑堕塑型塑型堕塑AbstractInrecentyears，domesticandforeignscholarsareresearchingtheQinghai—TibetPlateau’Sstructurethermalanomalyinabundance．Thetraditionalr

5、esearchingmethodisanalyzingtheheatflowdata,whoseshortcomingisthesparseheatflowdata，andthequantityandthequalityarebothlimited．Thenewmethodisusinghotinfraredremotesensingtechnique，namelyapplyingthegroundsurfacetemperaturedatainvertedfromthehotinfraredremotesensin

6、gdatatocarryontheanalysisandtheresearch．Somescholarsusethefieldmeasuredlandsurfaceshallowlayerstemperaturetoconducttheresearch．Nowthemostfrontmethodisunifyingthehotinfraredremotesensingtechniqueandthefieldmeasuredlandsurfaceshallowlayerstemperaturetocarryonther

7、esearch，namelyusingthegroundsurfacetemperaturedatainvertedfromsensingtechnologyandthelandsurfaceshallowlayerstemperaturedataseparately,thencomparingthetwofindings．ButtherelationalmodelbetweenthesetWOmethodshaven'tbeenestablished．‘Basedontheabove，thisthesisestab

8、lishestheQinghal-TibetPlateaulandsurfacelayerstemperaturefieldmodeltakingthegroundparametersinvertedfromthehotinfraredremotesensingasinputswhilethelandsurfacelayersregularte