海洋二号微波散射计极地海冰识别算法研究

An Antarctic sea ice identification algorithm on the HY-2A scatterometer(HSCAT) employs backscattering coefficient(σ0) and active polarization ratio(APR) for a preliminary sea ice identification.Then standard deviation(STD) filtering and space filtering are carried out.Finally,it is used to identify sea ice.A process uses a σ0,STD threshold and an APR as sea ice indicators.The sea ice identification results are verified using the sea ice distribution data of the ASMR2 released by the National Snow and Ice Data Center as a reference.The results show very good consistence of sea ice development trends,seasonal changes,area distribution,and sea ice edge distribution of the sea ice identification results obtained by this algorithm relative to the ASMR2 sea ice results.The accuracy of a sea ice coverage is 90.8% versus the ASMR2 sea ice results.This indicates that this algorithm is reliable.     

京津冀夏季强降水下冰云宏微观特征

根据Aqua MODIS 2级云产品和Cloudsat的2级产品资料,结合降水数据和MODIS L1B级辐射率数据,对发生在京津冀地区夏季的三次强降水过程中冰云的宏微观物理量的特征进行分析,并探究这些物理量和降水强度的关系。结果表明：在水平分布中,强降水过程中降水强度高值区内云相为冰云,冰云云顶高度在8~17 km,冰云粒子有效半径、冰云光学厚度、冰水路径分别最高可达60 μm、 150、 5 000 g?m^-2;冰云光学厚度、冰水路径、冰云云顶高度随降水强度增大而增大。在垂直分布中,冰云主要分布在3.5 km以上,发生强降水站点的冰云为深对流云,冰云粒子有效半径、冰水含量、冰云粒子数浓度分别最高可达150 μm、 3 000 mg?m^-3 、 500 L^-1;冰云粒子有效半径高值区存在于云层中下部,且随高度上升而减小,冰云粒子数浓度高值区存在于云层中上部,且随高度上升而增加,冰水含量高值区则存在于云层中部;冰云粒子有效半径、冰水含量、冰云粒子数浓度在9 km以上随降水强度增大而增大。     

利用风云3D微波成像仪数据估算北极海冰密集度的精度评价

卷积神经网络（convolutional neural network, CNN）已用于星载全球导航卫星系统反射测量（global navigation satellite system-reflectometry,GNSS-R）海冰检测,其具有数据预处理简单、最大限度保留反射面信息等优势,但已有GNSS-R CNN海冰检测方法研究的数据集时间跨度较小,代表性有限,且未考虑训练集内海水、海冰时延多普勒图（delay-Doppler map, DDM）的比例对方法泛化能力的影响。针对该问题,首先提出一种筛除畸形DDM方法,有效筛除错误数据;然后,设计合适的CNN结构及参数,通过小样本对比实验发现CNN模型在训练集内海水、海冰DDM的比例为1∶1时具有高准确率和最佳泛化能力,并优化数据集选取策略;最后使用2018年全年大样本数据集评估改进的方法在大数据量和大时间跨度时的有效性和可靠性。研究表明,改进的方法通过加强数据质量控制、优化数据集选取策略,提升了CNN海冰检测方法的泛化能力及可靠性,使其更适用于实际应用场景,为海冰消融等研究提供参考。

     

MODIS数据在黄河凌汛监测中的应用

对MODIS数据的特性及其在黄河凌汛监测中的应用情况进行了探讨和总结。试验结果表明,MODIS数据在冰雪检测方面具有很大的潜力。     

噪声抑制的多极化SAR海冰图像分割

合成孔径雷达(SAR)海冰图像分割对全球气候研究和保证船舶航行安全具有重要意义。现有的基于区域的马尔可夫随机场(MRF)多极化SAR分割方法,由于受相干斑噪声影响,其区域划分不尽合理,不能有效完成分割。因此,提出一种噪声抑制的多极化SAR海冰图像分割算法,首先在极化总功率图上引入降低噪声的滤波算法,合理划分初始区域,其次考虑区域之间的差异度,从而实现多极化SAR海冰图像的准确分割。以RADARSAT-2和SIR-C获得的全极化海冰图像为实验数据进行验证,结果表明:和其他较先进算法相比,本文算法优势明显,既能高效保持图像连通性,又能增强图像的细节信息,具有更高的分割精度。     

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。     

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。     

利用船测数据以及Landsat-7 ETM+影像评估南极海冰区AMSR-E海冰密集度

利用第26次中国南极科学考察期间收集的海冰密集度船基观测资料以及由Landsat-7 ETM+得到的海冰密集度来验证AMSR-E南极海冰区海冰密集度产品的精度。AMSR-E海冰密集度与船基目视观测的海冰密集度存在着一定的线性关系(R²=0.816), 但两者匹配得并不是很好。与ETM+海冰密集度相比,AMSR-E数据趋向于低估海冰密集度,在25景晴空条件下的ETM+影像中,平均海冰密集度偏差(AMSR-E海冰密集度-ETM+海冰密集度)从-5.33%到-21.5%,而相应的均方根误差RMSE (Root Mean Squared Errors)从13.7%到33.8%。依据Landsat-7 ETM+ 海冰分类,AMSR-E数据海冰密集度最大的误差产生于新冰区。     

MODIS多波段数据对南极海冰变化的监测研究

以归一化雪被指数法为基础根据南极的环境特点提出了MODIS影像的0．86m与1．24m的新波段组合方法分别实现了晴空与薄云下的海冰提取大幅度地提高了南极海冰监测的效率与分辨率 结合AMSR－E微波数据进行了海冰变化研究得到2002 2010年的全南极海冰范围与净冰面积都在2月份达到最小值均值分别为3．17×106　km2与2．42×106　km2 都在9月份达到最大值均值分别为18．40×106　km2与16．60×106　km2 而全南极海冰的年际变化可分为三个阶段从2002 2004年海冰基本持平2005 2007年海冰减少2008 2010年海冰重新增长这与南极海冰20a长周期的推断相符合但9年间的全南极海冰无明显的趋势性变化     

国产高分辨率卫星数据在黄河防凌监测中应用

自2002～2003年度首次启用遥感技术监测黄河凌情以来,到目前已连续进行了10个年度。10个年度的生产实践表明:国产高分辨率卫星遥感数据能够有效跟踪黄河凌情的发展过程,实现黄河凌情的日动态监测、重点时段的精细监测和突发凌汛灾害时的实时监测。黄河凌情尤其在封开河阶段,日变化非常显著,中巴资源卫星作为国产高分辨率可见光民用遥感卫星的代表,以其大视场、高空间、高时间分辨率的特点,动态监测凌情,基本做到每天实现一次全覆盖监测的能力,配合其他如中国遥感卫星等高分辨率可见光、雷达数据,初步实现了凌情发展预估、开河前的河道槽蓄水量计算、封开河期间冰凌险情监测以及发生凌汛灾害时灾情信息采集与评估,为黄河防凌调度、决策会商提供了有力的技术支持。