● 摘要
随着监测技术的不断发展，获取的地理信息数据种类不断增多、数据量成倍增长，本文以地理信息数据为研究对象，采用数据挖掘方法创建积雪模型，实现对遥感图像中积雪覆盖情况的判别。
本文首先从地理信息数据出发，即对1971－2000年全国722个气象监测站点的月值数据集和年值数据集进行预处理，采用Kmeans算法进行聚类分析，按照积雪覆盖情况和地理位置将全国分为五个主要区域，结果表明这些区域的划分与气候带基本吻合。另外，本文还从大、中、小尺度三个方面，对影响积雪存在的主要地理信息因素进行了论述，分析了纬度、地形、植被等因素与积雪覆盖的关系，为后续生成积雪模型时选择影响因素提供参考。
其次，本文采用数据挖掘技术，对上述数据集进行处理，生成积雪模型用于积雪覆盖情况的判别。（1）应用BP神经网络回归分析生成全国积雪模型和东北三省地区积雪模型，经实验验证，地区积雪模型预测误差的方差小，预测数值稳定，因而BP神经网络回归分析方法更适合于地区积雪模型的生成；（2）采用C4.5决策树算法生成全国积雪模型，针对本文提出的对月积雪情况的两种分类方案进行了对比实验，结果表明，方案二下的全国积雪模型具有更高的准确率为89.05%，因而选为本文最终的积雪模型生成方案。
最后，利用实际遥感图像数据对C4.5算法生成的全国积雪模型进行了验证，实验表明该模型与实际情况符合，具有有效性，因而得到了应用此积雪模型对云雪判别结果的评价方案。