论文部分内容阅读
近年来,随着数值预报技术的发展和气象卫星探测能力的不断提高,人们越来越多地将卫星资料应用于数值预报中,并取得了明显的进展。然而,卫星资料的使用,云判断和云型分类是首要解决的问题。云图上除特征较为明显的典型云类外,还存在云类之间的过渡区域和处于长、消阶段等一些特征较为模糊的云系以及多层云系的情况。传统的遥感云图分类方法或者不能处理这种模糊性,或者对模糊性的处理不彻底。
针对传统模糊集理论的不彻底性,李德毅教授等在模糊集理论和概率论的基础上提出了云模型理论,它是一种定量定性不确定性转换模型,把定性概念的模糊性和随机性完全集成起来,以3个数字特征作为对定性概念的描述参数,构成定性和定量相互间的映射
从模糊性出发,本文分析了遥感云图分类中的不确定性,指出对云图的判别,至少存在着模糊性和随机性这两种不确定性,而且在人工识别的情况下,这两种不确定性也不可避免。针对这种不确定性,本文提出用云模型理论构造分类器,模拟云图的人工分类。文章的主要内容有:
1、分析两类最基本的不确定性:模糊性和随机性。认为随机性和模糊性常常是连在一起的,难以区分和独立存在。在处理现实世界中的不确定性问题时,应该综合考虑模糊性和随机性。
2、介绍云模型理论的基本内容,解释云模型3个基本参数的涵义,分析了正态分布和正态隶属度的普遍性,提出正态云模型的普适性。构造正向云与逆向云发生器算法。
3、以遥感云图的光谱特征为依据,用主成分分析法提取分类特征值,以云变换和泛概念树为工具,构造一种自底向上的云分类器,模拟人工分类的过程。
4、分析云模型理论中蕴含的粒度原理,提出对问题论域的一种等价划分,并以云模型描述等价类,构造一种非统一粒度下的云模型分类器。
文章的创新之处在于:
1、将云模型理论用于遥感图像中云的分类,处理分类的不确定性,模拟人工分类。
2、揭示云模型所蕴含的粒度原理,设计一个更符合人类思维方式的云模型分类器,提高云模型分类器的精度。