CN107894964A - 一种改进的asi海冰密集度反演算法 - Google Patents

Abstract

本发明涉及一种改进的ASI海冰密集度反演算法，步骤包括：原始数据获取、原始数据预处理、选取海域确定纯水、修正频段的极化差、进而得到本发明提供的海冰密集度公式；本发明所得到的海冰面积低于传统ASI算法结果，高于NASA TEAM算法结果，在边缘海冰区本发明得到的海冰密集度明显低于ASI算法结果，海冰面积减少了15％左右；其中海冰密集度在0.15以上的像元个数本发明比传统ASI算法减少了28.6％左右；因此，在边缘海冰区本发明显著改变了冰水混合像元的海冰密集度的值，并且有效减弱了天气对高频数据的影响。

Description

一种改进的ASI海冰密集度反演算法

技术领域

本发明属于卫星遥感技术领域，尤其涉及一种改进的ASI海冰密 集度反演算法。

背景技术

目前利用星载微波辐射计亮温数据来反演海冰密集度的方法主 要有：Cavalieri等提出的NASA TEAM算法[Cavaliers D,Gloersen P and CampbellW.1984.Determination of sea ice parameters with the Nimbus 7SMMR.,Journal ofGeophysical Research:Atmospheres, 89(D4):5355-5369[DOI:10.1029/JD089iD04p05355]；Comiso等利 用基本能量运输方程和海冰发射率在不同频段的不同特征提出 Bootstrap算法来计算海冰密集度[Comiso JC.1986.Characteristics of arcticwinter sea ice from satalllta multispectral microwave observations.Journal ofGeophyspheric research:Oceans,91(C1):975 一994[DOl:10.1029/JC091iCO1p00975]；这两种算法主要利用 19和37.0GHz，两个频段的亮温数据来反演，最终得到空间分辨率 为25km的海冰密集度产品；Markus等在NASA TEAM的基础上， 加上了89GHz垂直和水平极化亮温，因此提出了NASA TEAM2算法 [Markus,T.,and D.Cavalieri.An enhancement of theNASA Team sea ice algorithm.IEEE Transactions on Geoscience and RemoteSensing, 2000,38:1387-1398]；ASI算法(ARTIST Sea Ice algorithm)是1998年 在“北极辐射和湍流交换的研究”项目中产生的，并且基于Svendsen 等人的接近90GHz频段的海冰反演算法[Svendsen,E.,C.Mauler,&T.C. Grenfell.A model for retrieving total seaice concentration from a spaceborne dual-polarization passive microwaveinstrument operating near 90GHz,International Journal on Remote Sensing,1987,8:1479-1487]。最开始这个算法只是为了利用更高分辨率的 SSM/I 85GHz的数据来对北极海冰边缘的大气边界层作中尺度数值 模拟。然而这些算法容易受天气对高频数据的影响，获得的海冰密集 度的值误差较大。

发明内容

本发明目的在于克服现有技术中存在的不足而提供一种改进的 ASI海冰密集度反演算法。

本发明的目的是这样实现的：一种改进的ASI海冰密集度反演算 法，其特征在于：包括以下步骤：

步骤1)、原始数据获取；

步骤2)、原始数据预处理；包括辐射校正、陆地掩膜、求取极 化差；

步骤3)、改进的ASI海冰密集度反演算法核心参数获取，选取 SSM/I 85.5GHz频段以及19GHz频段大量样本点，统计出各样本点在 两个频段的极化差的值，然后对样本点的值进行拟合与插值计算，最 终确定85.5GHz频段与19GHz频段极化差的关系式；进而求得由本 发明所需的海冰密集度计算公式；最终确定一元四次关系式如下：

P′＝dP³+cP²+bP+a

其中，P为重采样后的19GHz频段的极化差，P'是经过修正后 的85.5GHz频段的极化差，a、b、c、d是修正式的4个参数；

步骤4)、将修正后的85.5GHz频段的极化差带入到ASI海冰密 集度算法中，ASI算法是根据极化差异(polarization difference)来计算 海冰密集度的：

P＝T_bv-T_bh (1)

其中，T_bv是垂向极化的亮温，T_bh是水平极化的亮温。

为了可以详细的反演从0到100％所有的海冰密集度，选择一个三阶 的多项式来拟合从0％到100％的海冰浓度如下：

C＝d₃p³+d₂p²+d₁p+d₀ (2)

将步骤3)中的P'替换式2中的p，进而得到本发明提供的海冰密集 度公式：

C＝6.45714×10^-6P'³-6.05256×10^-4P'²-9.22521×10^-3P'+1.10031

(3)

本发明所得到的海冰面积低于传统ASI算法结果，高于NASA TEAM算法结果。在边缘海冰区本发明得到的海冰密集度明显低于 ASI算法结果，海冰面积减少了15％左右；其中海冰密集度在0.15 以上的像元个数本发明比传统ASI算法减少了28.6％左右；因此，在边缘海冰区本发明显著改变了冰水混合像元的海冰密集度的值，并且 有效减弱了天气对高频数据的影响。

附图说明

图1为本发明算法得出的海冰密集度结果。

图2为传统ASI算法得出的海冰密集度结果。

图3为NASA TEAM算法得出的海冰密集度结果。

具体实施方式

实施例1，如图1-3所示，一种改进的ASI海冰密集度反演算法， 包括以下步骤：

步骤1)、原始数据获取；选用北极地区2016年1月3日SSM/I 数据进行实测；SSM/I传感器各波段参数如表1所示：

表1SSM/I传感器各波段参数

步骤2)、原始数据预处理；包括辐射校正、陆地掩膜、求取极 化差；

辐射校正：美国冰雪数据中心提供的SSM/I数据为一级数据，数 据值为DN值，没有具体的物理意义，因此在反演海冰密集度时，需 要将数据的DN值转化成具有实际物理意义的亮温值(地物反射率)， 利用辐射校正公式L＝Gain*DN+Bias，其中L为辐射校正后的亮温值， Gain以及Bias为辐射校正参数，DN为SSM/I数据中像元值，根据 根据美国冰雪数据中心提供的科学数据集可知Gain＝-0.10286，Bias＝ -3.0094；将获取的SSM/I数据代入辐射校正公式中获得到校正后的 数据；

陆地掩膜：由于冬季部分陆地区域会有积雪覆盖，为了避免这种 因素对海冰密集度的识别造成影响，通过ENVI软件中的波段运算对 陆地掩膜进行处理；

求取极化差：对经过辐射校正与陆地掩膜处理后的数据进行求取 极化差。极化差，顾名思义是指同一波段垂直极化与水平极化的差值。 根据传统ASI的算法思想可知，ASI算法是根据接近90GHz频段的 极化差异(polarization difference)来计算海冰密集度的，因此选择 SSM/I中85.5GHz频段的数据，求取极化差。即P＝T_bv-T_bh，其中P 为85.5GHz频段的极化差，T_bv是垂向极化的亮温，T_bh是水平极化的 亮温。

步骤3)、改进的ASI海冰密集度反演算法核心参数获取，选取 SSM/I 85.5GHz频段以及19GHz频段大量样本点，统计出各样本点在 两个频段的极化差的值，然后对样本点的值进行拟合与插值计算，最 终确定85.5GHz频段与19GHz频段极化差的关系式；进而求得由本 发明所需的海冰密集度计算公式；最终确定一元四次关系式如下：

P′＝dP³+cP²+bP+a

其中，P为重采样后的19GHz频段的极化差，P'是经过修正后 的85.5GHz频段的极化差，a、b、c、d是修正式的4个参数；其值分 别为-14.578、2.214、-5.649×10^-2、5.200×10^-4。

步骤4)、将修正后的85.5GHz频段的极化差带入到ASI海冰密 集度算法中，ASI算法是根据极化差异(polarization difference)来计算 海冰密集度的：

P＝T_bv-T_bh (1)

其中，T_bv是垂向极化的亮温，T_bh是水平极化的亮温。

为了可以详细的反演从0到100％所有的海冰密集度，选择一个三阶 的多项式来拟合从0％到100％的海冰浓度如下：

C＝d₃p³+d₂p²+d₁p+d₀ (2)

将步骤3)中的P'替换式2中的p，进而得到本发明提供的海冰密集 度公式：

C＝6.45714×10^-6P'³-6.05256×10^-4P'²-9.22521×10^-3P'+1.10031

(3)

最终算的结果如图1所示。

算法结果对比：

其中传统海冰密集度反演算法过程如下：

ASI算法是根据极化差异(polarization difference)来计算海冰密集 度的：

P＝T_bv-T_bh

其中，T_bv是垂向极化的亮温，T_bh是水平极化的亮温。

为了可以详细的反演从0到100％所有的海冰密集度，选择一个 三阶的多项式来拟合从0％到100％的海冰浓度如下：

C＝d₃p³+d₂p²+d₁p+d₀ (4)

假设纯水和纯冰的系点值是己知的，分别表示为p0和p1，代入 式(4)可得到纯水和纯冰的两个方程，再对式(4)求导，也分别代入纯 水和纯冰的条件。己知冰面的极化差异显著小于开阔水面的极化差 异，且海冰密集度C趋近0和1时极化差异P分别P₀和P₁，得出用于 求解式(4)系数的四元一次线性方程组，见式(5)，利用(5)就可以计算 得到d₀、d₁、d₂、d₃

所以，将d₀、d₁、d₂、d₃带入到式(4)中便可得到海冰密集度C。 算得的结果如图2所示。

Kaleschke等[Kaleschke el at.,2001]对SSM/I85.5GHz的数据进行 了插值计算，最终确定了海冰密集度C的表达式为：

C＝6.45714×10^-6P³-6.05256×10^-4P²-9.22521×10^-3P+1.10031 (6)

使用SSM/I数据，根据NASA TEAM算法得到相应海冰密集度 反演结果。其中，MASATEAM算法过程如下，

NASA TEAM算法最开始是使用SSM/I 19.4GHz垂直和水平极 化方向，以及37GHz垂直极化方向的亮温数据。在该算法中引入两 个特殊的变量：分别是极化梯度率PR和光谱梯度GR率。

PR以及GR的定义如下：

PR＝[T_b(19V)-T_b(19H)]/[T_b(19V)+(19H)]

GR＝[T_b(37V)-T_b(19V)]/[T_b(37V)+T_b(19V)]

一年冰C_F和多年冰密集度C_M：

C_F＝(a₀+a₁PR+a₂GR+a₃PR·GR)/D

C_M＝(b₀+b₁PR+b₂GR+b₃PR·GR)/D

其中D的值为：D＝c₀+c₁PR+c₂GR+c₃PR·GR；

整体海冰密集度C为：

C_T＝C_F+C_M

算得的结果如图3所示。

三种结果进行对比分析。通过统计分析三种算法的结果，在整个 北冰洋滑冰覆盖区域，本发明所得到的海冰面积低于传统ASI算法结 果，高于NASA TEAM算法结果。通常运用低频数据反演出海冰密 集度结果往往会低于运用高频数据反演出的结果，原因是，高频数据 相对于低频数据更易受天气影响。而本发明与传统ASI算法皆是使用 高频数据，NASATEAM算法使用的是低频数据。本发明所得到的海 冰面积低于传统ASI算法，所以表明本发明提出的算法有效减弱了天 气对高频数据的影响，其精度高于传统ASI算法。NASA TEAM算法 结果的空间分辨率为25Km，本发明以及传统ASI算法的结果空间分 辨率为12.5Km，明显优于NASA TEAM算法；因此本发明的算法在 高精度、高空间分辨率双要求下的海冰密集度反演研究中要明显优于 以上两种算法。在边缘海冰区本发明得到的海冰密集度明显低于ASI 算法结果，海冰面积减少了15％左右；其中海冰密集度在0.15以上 的像元个数本发明比传统ASI算法减少了28.6％左右；因此，在边缘 海冰区本发明显著改变了冰水混合像元的海冰密集度的值，并且有效 减弱了天气对高频数据的影响。

上述实例仅为本发明的优选实例而已，并不用以限制本发明，对 于本领域的技术人员来说，本发明可以有各种更改和变化，凡在本发 明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包 含在本发明的保护范围之内。

Claims (1)

1.一种改进的ASI海冰密集度反演算法，其特征在于：包括以下步骤：

步骤1)、原始数据获取；

步骤2)、原始数据预处理；包括辐射校正、陆地掩膜、求取极化差；

步骤3)、改进的ASI海冰密集度反演算法核心参数获取，选取SSM/I 85.5GHz频段以及19GHz频段大量样本点，统计出各样本点在两个频段的极化差的值，然后对样本点的值进行拟合与插值计算，最终确定85.5GHz频段与19GHz频段极化差的关系式；进而求得由本发明所需的海冰密集度计算公式；最终确定一元四次关系式如下：

P′＝dP³+cP²+bP+a

其中，P为重采样后的19GHz频段的极化差，P'是经过修正后的85.5GHz频段的极化差，a、b、c、d是修正式的4个参数；

步骤4)、将修正后的85.5GHz频段的极化差带入到ASI海冰密集度算法中，ASI算法是根据极化差异(polarization difference)来计算海冰密集度的：

P＝T_bv-T_bh (1)

其中，T_bv是垂向极化的亮温，T_bh是水平极化的亮温。

为了可以详细的反演从0到100％所有的海冰密集度，选择一个三阶的多项式来拟合从0％到100％的海冰浓度如下：

C＝d₃p³+d₂p²+d₁p+d₀ (2)

将步骤3)中的P'替换式2中的p，进而得到本发明提供的海冰密集度公式：

C＝6.45714×10^-6P'³-6.05256×10^-4P'²-9.22521×10^-3P'+1.10031 (3) 。