利用CryoSat-2卫星测高资料确定北极海冰干舷高

卫星测高技术的发展使得大空间尺度探测海冰成为可能,海冰干舷高是反演海冰厚度的关键参量,获取精确的海冰干舷高对海冰探测及了解全球气候变化均具有重要的作用。本文基于近3年获取的CryoSat-2卫星SAR模式测高资料,在60°N—88°N纬度带内的北极海域通过设定阈值筛选可用的观测数据,并在此基础上计算2015—2017年间月平均海冰干舷高,最后通过IceBridge航飞数据的时空匹配验证了本文获取的干舷高计算结果是可靠的。     

基于CryoSat-2数据的海冰厚度估算算法比较

以北极为研究区,使用CryoSat-2数据,利用现有海冰厚度卫星测高研究中4种主流算法(Laxon03算法、Kurtz09算法、Yi11算法和Laxon13算法)分别对北冰洋海冰厚度进行估算,并将估算结果与研究区IceBridge机载激光测高冰厚数据进行了比较,探索各算法海冰厚度估算的差异,寻找最优的估算算法,为估算长时序海冰厚度提供基础和参考。结果表明,4种算法估算的海冰厚度空间分布较为一致,但不同算法估算的结果差异较大,可达0.476 m;4种算法估算结果大小依次为Laxon03算法、Yi11算法、Laxon13算法、Kurtz09算法;4种算法估算的平均海冰厚度差异,在北极波弗特海海域最大,其次是北极中心海域、格陵兰和挪威海;Laxon13算法估算结果相对于IceBridge观测结果与其他算法相比,具有最小的平均偏差和均方根误差,是卫星测高估算海冰厚度的最优算法。     

利用CryoSat-2测高数据研究东南极PANDA断面考察沿线高程变化

卫星测高技术是研究两极冰面高程变化和物质平衡状态的主要手段。相对于传统高度计,CryoSat-2不仅能够提供更加密集的轨道覆盖,同时也提高了南极边缘地区的测量精度。但369 d的重访周期也使得传统的基于交叉轨道算法的时序分析不再适用,通过对CryoSat-2轨迹特征的分析,提出了基于近重复轨道的冰面高程变化模型。针对CryoSat-2数据预处理,采用基于地表模型的粗差剔除方法进行了粗差剔除,并基于EnviSat与CryoSat-2的协同分析,对CryoSat-2中的后向散射能量进行了系统变化趋势改正。利用2012-01~2014-05的CryoSat-2数据,对东南极PANDA断面考察沿线冰面高程变化进行了研究。实验结果表明,整个考察沿线高程变化趋势为0.017±0.009 m/a。该结论与其他学者提取相应流域的平均积累率相一致。但其分布不均匀,局部效应明显。通过与考察线路实测结果对比,两者在相对积累特征上基本一致。     

基于CryoSat-2的北极海冰类型分类

海冰类型是北极海冰监测中的重要变量,详细的海冰类型信息对冰情评估、气候预测和冬季海上交通管理等具有重要意义.CryoSat-2卫星携带先进的合成孔径雷达高度计,具有观测尺度大、能够全天时全天候观测的优势,是研究两极海冰变化的一种方法.本文使用CryoSat-2卫星SAR模式下波形数据识别北极海冰类型,采用阈值法、K-N...     

利用IceBridge测高数据计算海冰干舷的方法研究

冰桥计划(Operation IceBridge,OIB)自2009年启动以来,为监测南北极海冰、冰盖和冰川的变化,提供了大量高精度、高分辨率的观测数据。本文从准确、快速处理计算海冰干舷的需求出发,以南极威德尔海2017年11月14日海冰航线中机载地形扫描测绘仪1B级测高数据(airborne topographic mapper level-1B elevation and return strength, ATM L1B)4个扫描条带为实验区,提出了结合ATM L1B测高数据表面反射率截止值和高程最低点的方法来计算海冰干弦。结果表明利用表面反射率R<0.33提取冰间水道内ATM L1B点,再从中取高程最低10个点计算局部海面高是准确、可行的方法。该方法能够实现程序化快速、准确处理大量ATM L1B数据,计算海冰干舷。     

利用ICESat数据确定北冰洋海冰出水高度——以2005—2006年为例

提出了在结合高程特征变化的基础上利用ICESat海冰观测数据波形参数确定北冰洋海冰出水高度的方法,并与目前常用的最低点法进行比较。结果表明,最低点法计算的海冰出水高度不仅在空间分布上存在系统性误差,并且容易受到粗差影响,而本文的方法则具有较高的可靠性。本文在最低点法中加入高程标准差限制,并与本文提出的方法结合,计算并分析了2005年至2006年6个ICESat任务期的北冰洋海冰出水高度的季节变化。结果表明,2005年夏天的异常气候对于北冰洋海冰具有深远的影响,不仅使当年秋季的海冰出水高度大大减小,而且海冰的组成比例也发生了巨大变化。     

CryoSat-2雷达高度计海冰波形优选特征分类

监测海冰的类型变化或厚度变化是较为有效的海冰监测方式,本文通过CryoSat-2雷达高度计对北极海冰类型开展研究。利用雷达高度计对北极海冰进行分类,一方面是难以挑选出最优特征参数,另一方面单一的雷达高度计数据难以实现海冰的相对精细化分类。针对以上问题,本文构建了一种利用卡方检验、互相关信息及Wrapper包装法组合的特征优选方法,利用该方法挑选出的特征子集（SSD+Sigma0+LTPP+PP+SK+LEW）结合随机森林分类法将北极地区的雷达高度计数据分为海水、一年薄冰、一年厚冰及多年冰。本文方法在训练集分类正确率为93.32%,验证集正确率为92.42%,Kappa系数为0.90,均优于其他特征组合,可以基本实现对北极地区海冰的有效分类,同时分类结果也有助于海冰厚度的反演。     

基于CryoSat-2数据的纳木那尼冰川冰面高程变化方法研究

随着全球气候变暖,中亚地区大部分冰川逐渐变薄。高海拔山地冰川的变化会影响到周边地区的水资源和海平面变化,因此,我们需要高精度的地表高程观测数据来监测冰面高程变化。本文以喜马拉雅山脉西段的纳木那尼冰川为例,基于CryoSat-2卫星雷达高度计SARIn模式数据,修改了伪重复轨平面拟合方法,并计算了从2010年8月至2016年7月的冰面高程变化。纳木那尼冰面平均高程变化率为-0.47±0.44 m/year,整体呈现变薄趋势,与前人文献的结果基本一致,表明CryoSat-2数据在山地冰川使用伪重复轨平面方法估算高程变化有效可行。     

基于CryoSat-2测高数据的南极局部地区DEM的建立与精度评定

南极数字高程模型(DEM)是南极冰盖变化研究的基础数据,在我国南极重点考察地区Dome A及中山站至Dome A考察断面,利用新一代测高卫星CryoSat-2,对常用的几种插值方法如反距离加权、克里金、径向基函数、局部多项式和最近邻点插值方法的插值精度进行交叉比较,结果显示克里金插值方法的精度最高。利用中国第21次南极科学考察队采集的GPS数据,对克里金插值方法生成的两个区域的DEM精度进行验证。结果表明,坡度较小的Dome A区域DEM精度较高,平均高差为1.248 m,标准差为0.51 m;坡度较大的中山站至Dome A断面区域DEM精度较低,平均高程差达到3.87 m,标准差为9.358 m。     

利用卫星测高数据监测巢湖水位变化

针对传统的通过水位站点连续观测获取水位信息的方式需要耗费人力、物力和财力的问题,该文提出利用Cryosat-2测高数据对内陆湖泊湖面高变化进行监测,并研究了巢湖水位变化与气候的关系,得出巢湖湖面高季节性变化的规律;同时,与地面水位站实测水位数据进行比较,发现二者存在显著的线性相关性。结果表明,利用Cryosat-2测高数据对内陆湖泊湖面高变化进行监测具有一定的可行性。     

南极海冰密集度多源数据的交叉检验

通过研究交叉检验船测样点上的7种不同尺度的海冰密集度数据,发现相同时间和相同空间尺度的海冰密集度值吻合度最高,不同时间不同尺度的海冰密集度值的相关性较弱。由数据获取时间不同引起的密集度差异在高分辨率数据上体现明显。真实船测点与伪船测点之间的吻合度不高,受观测者主观因素、天气条件、影像处理质量和伪船测点提取方法的影响。虽然伪船测点方法在海冰边界研究中具有快速、大面积提取边界点的优势,但需要控制提取算法中的误差传播。     

南极海冰边界AMSR-E密集度产品精度检验

根据海冰船测目视观测标准在MODIS影像上提取模拟的海冰边界,并利用相应的MODIS海冰密集度验证AMSR-E海冰密集度产品在海冰边界的精度。研究结果表明,海冰边界像素上,AMSR-E海冰密集度的平均值与15%阈值存在显著差异,且AMSR-E与MODIS海冰密集度的相关性很弱(R²≤0.2),基于ASI的海冰反演算法在夏季低估边界海冰密集度。考虑整个冰区(包括多年冰、一年冰、新冰和开阔海域)的截线分析显示,AMSR-E与MODIS海冰密集度存在较好的线性关系(夏季R²=0.82,冬季R²=0.81),AMSR-E海冰密集度在20%~30%区间的误差最大。     

抗差最小二乘法在卫星测高数据处理中的应用

在采用1992年10月至1998年10月的Topex/Poseidon卫星测高资料进行海平面变化研究，将抗差最小二乘法引入到数据处理时，计算了平均海面高，海平面变化量和海平面的升降速率及其主要周期项的振幅和相位，同时给出采用经黄最小二乘法计算的结果，将将两种结果进行了比较，最后通过对计算结果的分析，揭示了海平面变化的一些规律，实证了海平面变化与厄尔尼诺现象之间的联系。     

基于小波多分辨率分析方法的海冰遥感影像数据融合

采用小波多分辨率分析方法，对辽东湾2000－01－18的海冰遥感数据（NOAA／ARHRR和Radarsat/ScanSAR)进行了融合分析，并从几方面对结果作了深入的分析和对比。文中首次采用了小波分析中的多层次分解和重构技术用于数据融合分析。