CN107894964A - 一种改进的asi海冰密集度反演算法 - Google Patents
一种改进的asi海冰密集度反演算法 Download PDFInfo
- Publication number
- CN107894964A CN107894964A CN201711101312.1A CN201711101312A CN107894964A CN 107894964 A CN107894964 A CN 107894964A CN 201711101312 A CN201711101312 A CN 201711101312A CN 107894964 A CN107894964 A CN 107894964A
- Authority
- CN
- China
- Prior art keywords
- ice
- asi
- polarization
- frequency ranges
- concentration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Image Processing (AREA)
- Complex Calculations (AREA)
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
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=Tbv-Tbh (1)
其中,Tbv是垂向极化的亮温,Tbh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=Tbv-Tbh,其中P 为85.5GHz频段的极化差,Tbv是垂向极化的亮温,Tbh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=Tbv-Tbh (1)
其中,Tbv是垂向极化的亮温,Tbh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=Tbv-Tbh
其中,Tbv是垂向极化的亮温,Tbh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=[Tb(19V)-Tb(19H)]/[Tb(19V)+(19H)]
GR=[Tb(37V)-Tb(19V)]/[Tb(37V)+Tb(19V)]
一年冰CF和多年冰密集度CM:
CF=(a0+a1PR+a2GR+a3PR·GR)/D
CM=(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:
CT=CF+CM
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=Tbv-Tbh (1)
其中,Tbv是垂向极化的亮温,Tbh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) 。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711101312.1A CN107894964B (zh) | 2017-11-09 | 2017-11-09 | 一种改进的asi海冰密集度反演算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711101312.1A CN107894964B (zh) | 2017-11-09 | 2017-11-09 | 一种改进的asi海冰密集度反演算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107894964A true CN107894964A (zh) | 2018-04-10 |
CN107894964B CN107894964B (zh) | 2020-11-10 |
Family
ID=61804876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711101312.1A Expired - Fee Related CN107894964B (zh) | 2017-11-09 | 2017-11-09 | 一种改进的asi海冰密集度反演算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107894964B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563318A (zh) * | 2020-04-15 | 2020-08-21 | 中国科学院国家空间科学中心 | 利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统 |
CN112051221A (zh) * | 2020-08-27 | 2020-12-08 | 武汉大学 | 一种基于时空系点值的海冰密集度获取方法 |
CN112729562A (zh) * | 2021-01-26 | 2021-04-30 | 河南工业大学 | 基于改进u型卷积神经网络的海冰分布探测方法 |
CN113127794A (zh) * | 2021-04-07 | 2021-07-16 | 中山大学 | 一种北极海冰密集度的计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7106972B2 (en) * | 2001-04-04 | 2006-09-12 | The Research Foundation Of The City University Of New York | Methods of improving line of sight wireless optical communication through adverse environmental conditions |
CN1908695A (zh) * | 2005-08-01 | 2007-02-07 | 中国海洋大学 | 渤海云覆盖区海冰卫星遥感数据动力插补技术 |
CN101963664A (zh) * | 2010-09-28 | 2011-02-02 | 中国科学院东北地理与农业生态研究所 | 基于水陆地物分类信息的微波遥感混合像元分解方法 |
CN104535538A (zh) * | 2014-12-09 | 2015-04-22 | 中国科学院上海技术物理研究所 | 一种基于高光谱技术的海冰密度原位测量方法 |
CN106197383A (zh) * | 2016-06-29 | 2016-12-07 | 南京大学 | 一种海冰体积的遥感估算方法 |
-
2017
- 2017-11-09 CN CN201711101312.1A patent/CN107894964B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7106972B2 (en) * | 2001-04-04 | 2006-09-12 | The Research Foundation Of The City University Of New York | Methods of improving line of sight wireless optical communication through adverse environmental conditions |
CN1908695A (zh) * | 2005-08-01 | 2007-02-07 | 中国海洋大学 | 渤海云覆盖区海冰卫星遥感数据动力插补技术 |
CN101963664A (zh) * | 2010-09-28 | 2011-02-02 | 中国科学院东北地理与农业生态研究所 | 基于水陆地物分类信息的微波遥感混合像元分解方法 |
CN104535538A (zh) * | 2014-12-09 | 2015-04-22 | 中国科学院上海技术物理研究所 | 一种基于高光谱技术的海冰密度原位测量方法 |
CN106197383A (zh) * | 2016-06-29 | 2016-12-07 | 南京大学 | 一种海冰体积的遥感估算方法 |
Non-Patent Citations (3)
Title |
---|
ALEXANDER BEITSCH ET AL: "Comparison of SSM/I and AMSR-E Sea Ice Concentrations With ASPeCt Ship Observations Around Antarctica", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
王星东 等: "基于FY-3的格陵兰岛冰盖表面冻融探测方法研究", 《极地研究》 * |
苏洁 等: "极区海冰密集度AMSR-E数据反演算法的试验与验证", 《遥感学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563318A (zh) * | 2020-04-15 | 2020-08-21 | 中国科学院国家空间科学中心 | 利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统 |
CN111563318B (zh) * | 2020-04-15 | 2023-07-21 | 中国科学院国家空间科学中心 | 利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统 |
CN112051221A (zh) * | 2020-08-27 | 2020-12-08 | 武汉大学 | 一种基于时空系点值的海冰密集度获取方法 |
CN112729562A (zh) * | 2021-01-26 | 2021-04-30 | 河南工业大学 | 基于改进u型卷积神经网络的海冰分布探测方法 |
CN112729562B (zh) * | 2021-01-26 | 2022-08-26 | 河南工业大学 | 基于改进u型卷积神经网络的海冰分布探测方法 |
CN113127794A (zh) * | 2021-04-07 | 2021-07-16 | 中山大学 | 一种北极海冰密集度的计算方法 |
CN113127794B (zh) * | 2021-04-07 | 2023-02-03 | 中山大学 | 一种北极海冰密集度的计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107894964B (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107894964A (zh) | 一种改进的asi海冰密集度反演算法 | |
Ma et al. | On measuring and remote sensing surface energy partitioning over the Tibetan Plateau––from GAME/Tibet to CAMP/Tibet | |
CN105243367B (zh) | 一种基于卫星遥感数据的水体范围监测方法和装置 | |
CN102829739B (zh) | 一种面向对象的作物叶面积指数遥感反演方法 | |
CN109635309A (zh) | 一种地表温度空间降尺度方法 | |
Usui et al. | Development of a four-dimensional variational assimilation system for coastal data assimilation around Japan | |
CN104834814B (zh) | 遥感影像地形标准化方法 | |
CN102034337A (zh) | 草原雪灾遥感监测与灾情评估系统及方法 | |
Trott et al. | Variability of the Somali Current and eddies during the southwest monsoon regimes | |
Huang et al. | Regional winter wheat yield forecasting based on assimilation of remote sensing data and crop growth model with Ensemble Kalman method | |
Foster | Signature of large aspect ratio roll vortices in synthetic aperture radar images of tropical cyclones | |
CN110133655B (zh) | 基于多源雷达遥感技术的河流径流监测反演方法 | |
Johnson et al. | Multiscale variability of the atmospheric boundary layer during DYNAMO | |
Schecter | Intensification of tilted tropical cyclones over relatively cool and warm oceans in idealized numerical simulations | |
CN114387531A (zh) | 一种基于改进地理加权回归模型的地表温度降尺度方法 | |
CN113127794A (zh) | 一种北极海冰密集度的计算方法 | |
CN107861912A (zh) | 基于星载盐度计的降雨条件下海面盐度信息提取方法 | |
Wehrbein et al. | Mariner 9 ultraviolet spectrometer experiment: Vertical distribution of ozone on Mars | |
Zhang et al. | Preliminary evaluation of all-sky radiance assimilation scheme with POD-3DEnVar method | |
CN107389199B (zh) | 地表发射率计算方法和装置 | |
Chou et al. | The analysis of typhoon structures using advanced microwave sounding unit data and its application to prediction | |
CN116229285B (zh) | 融合物联网数据和空间场景的土壤含水量监测方法 | |
Cui et al. | Intersatellite comparisons and evaluations of three ocean color products along the Zhejiang coast, eastern China | |
Mitnik et al. | Oxygen channels of ADEOS-II AMSR: Comparison of the measured and simulated brightness temperatures | |
Ebuchi | Comparison of Spatial Distribution of High Wind Speed Around Typhoons Derived from Amsr2 All-Weather SEA Surface Wind Speed Product with JMA Best-Track Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Wang Xingdong Inventor after: Wu Zhankai Inventor after: Wang Yuhua Inventor after: Wang Junfeng Inventor before: Wu Zhankai Inventor before: Wang Xingdong Inventor before: Wang Yuhua Inventor before: Wang Junfeng |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201110 Termination date: 20211109 |