CN111104748B - 一种北极海冰漂移速度的计算方法 - Google Patents
一种北极海冰漂移速度的计算方法 Download PDFInfo
- Publication number
- CN111104748B CN111104748B CN201911333402.2A CN201911333402A CN111104748B CN 111104748 B CN111104748 B CN 111104748B CN 201911333402 A CN201911333402 A CN 201911333402A CN 111104748 B CN111104748 B CN 111104748B
- Authority
- CN
- China
- Prior art keywords
- sea ice
- data
- drift
- day
- drift velocity
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种北极海冰漂移速度的计算方法,步骤包括从美国雪冰数据中心下载SSM/I、SSMIS亮温和海冰密集度数据,并进行预处理操作;利用海冰密集度数据制作海冰掩膜文件;利用海冰掩膜文件对亮温数据进行裁剪,得到海冰覆盖区域的亮温影像;采用光流法对裁剪后的第i日和第i+N日亮温影像进行处理(N取2或3),得到第i日的漂移速度,最后得到91GHz、37GHz两种极化方式的4种海冰漂移速度;将两种极化方式的漂移速度进行融合,得到两种频率漂移速度;对91GHz海冰漂移速度进行重采样(25km×25km);再次用海冰掩膜文件对两个频率数据进行裁剪,将两个频率的速度进行融合,得到最终的融合速度产品。
Description
技术领域
本发明提出一种北极海冰漂移速度的计算方法,属于遥感地学应用技术领域。
背景技术
北极海冰不仅影响大气圈、水圈,与生物圈也密切相关,是众多北极生物的海上栖息地,如北极熊、北极狐、冰藻等。自1978年有遥感监测数据以来北极海冰呈现减少的趋势,且近年来减少速度显著增加。海冰的变化主要受热力学因素和动力学因素的影响,海冰漂移便是其中一个重要的动力学因素。剧烈的海冰漂移会增大海冰与海冰、海冰与陆地之间的碰撞与压迫,导致海冰破裂,从而造成海冰减少;另外海冰朝着中低纬度运动,也会造成极地海冰的减少。目前国外存在多套业务化海冰漂移产品,而国内缺乏一套系统的业务化产品。因此找到一种北极海冰漂移速度的计算方法,可以为国内业务化生成漂移产品提供支持,并且得到的结果可为海冰变化的影响进行进一步的机制分析。
多数的研究采用最大互相关算法(MCC)来匹配目标特征,得到两幅影像的漂移距离,从而计算海冰漂移速度。MCC的算法已经普遍受大家认可,且用该方法产生了许多业务化的产品,如美国雪冰中心提供的海冰漂移产品、OSI SAF漂移产品等,开放供大家使用。但是MCC也存在明显的不足。首先该算法计算量非常巨大,时间效率低;另外该算法求得的漂移速度场非常稀疏,很难得到大面积连续的漂移估算。而光流法求得的光流场(速度场)更为密集,运行时间短于MCC。目前极少文献采用光流法来计算海冰漂移,更多是用在视频的目标运动检测。仅有的研究是对散射计采用该方法得到了南极的海冰漂移速度场。
为得到海冰漂移速度场,采用Horn和Schunck的光流算法,得到不同频率不同极化方式的漂移速度场,并结合客观与主观权重法对不同的漂移场进行融合,得到最终融合的海冰漂移速度产品。该产品较于MCC得到的产品有更高的生产效率,更高的数据覆盖量。为日后业务化生产海冰漂移产品提供方法参考,为海冰变化研究提供数据支持。
发明内容
本发明要解决的技术问题是:针对国内无业务化北极海冰漂移产品,提供了一种北极海冰漂移速度的计算方法,能够较快的得到海冰漂移速度产品,以便进行海冰变化影响研究,预测海冰变化趋势。
2.为了解决上述技术问题,本发明提出的技术方案是:北极海冰漂移速度的计算方法,包括以下步骤:
第一步、获取冬季和春季的北极海冰密集度数据和亮温数据,亮温数据包括了37GHz和91GHz下的水平极化和垂直极化数据;
第二步、将海冰密集度数据和亮温数据变换为TIF格式,并将其定义为北极方位投影;
第三步、将海冰密集度数据的灰度值转换为0-100%的海冰密集度百分比,根据海冰判断原则制作海冰掩膜文件;
第四步、利用第i日海冰掩膜文件裁剪第i日和第i+2日亮温数据,得到第i日和第i+2日海冰覆盖区域亮温影像;
第五步、采用光流法计算得出第i日海冰覆盖区域亮温影像和与第i+N日海冰覆盖区域亮温影像之间的海冰漂移距离,并与时间相除得到第i日的海冰漂移速度,N取值2或3;
第六步、将得到的两种频率下两种极化方式的海冰漂移速度进行融合处理,得到最终的海冰漂移速度;
其中,融合处理的具体过程如下:
a、首先进行同频率下两种极化方式的海冰漂移速度融合,融合公式如下:
式中,UV37为极化融合后的37GHZ的海冰漂移速度,UV91为极化融合后的91GHZ的海冰漂移速度,h37和v37分别为37GHZ水平和垂直极化速度,h91和v91分别为91GHZ水平和垂直极化速度。
b、将91GHz的海冰漂移速度重采样为25km×25km的空间分辨率,然后进行两种频率海冰漂移速度融合,融合公式如下:
UV=0.25×UV37+0.75×UV91
式中,UV为两种频率速度融合后的海冰漂移速度。
本发明的有益效果是:
得到海冰漂移速度场对研究北极海冰变化和北极航道具有重要作用。本发明实现了北极海冰漂移速度的计算方法,利用光流法对掩膜后的亮温数据进行处理,计算得到不同频率下不同极化方式速度场,利用客观和主观权重法对速度场进行融合,得到融合的海冰漂移速度产品。具体有益效果如下:
第一,本发明使用的数据实时性强,便于获取,处理较为方便,能够快速获得北极海冰密集度空间分布以及亮温变化。
第二,本发明计算得到的海冰漂移速度场数据覆盖率高,精度较好,与浮标数据相比,平均误差优于5km/天。
第三,本发明提出的海冰漂移计算方法实用性好,易于理解与实现。
第四,本发明数据处理均通过编程实现批量处理,极大的提高了数据处理效率,减小了工作量和人工误差。
第五,本发明操作步骤简洁,适合用于极地地区海冰漂移速度产品批量化生产以及变化研究。
附图说明
下面结合附图对本发明作进一步的说明。
图1北极海冰漂移速度计算方法流程图。
图2研究区示意图。
图3 2016年1月1日91GHz水平极化海冰覆盖亮温图。
图4 2016年1月1日91、37GHz不同极化方式u分量海冰漂移速度。
图5 2016年1月1日91、37GHz不同极化方式v分量海冰漂移速度。
图6 2016年1月1日不同极化方式速度场融合结果。
图7 2016年1月1日不同频率速度场融合结果。
图8 2016年1-6月u分量海冰漂移变化。
图9 2016年1-6月v分量海冰漂移变化。
具体实施方式
下面根据附图详细阐述本发明,使本发明的操作步骤和结果更加清晰。
如图1为本实例的流程图,北极海冰漂移速度的计算方法具体实施步骤包括以下内容:
第一步、获取2016年1月1日-6月30日北极SSM/I、SSMIS海冰密集度和亮温产品。两种数据均从美国雪冰数据中心下载获得,格式为bin格式。亮温数据包括了2种频率(37GHz和91GHz)下的水平极化(h)和垂直极化(v)数据,空间分辨率包括25km×25km,12.5km×12.5km。海冰密集度数据空间分辨率为25km×25km。下载的数据集覆盖整个中高纬度海冰覆盖区。图2是研究区示意图。
第二步、根据美国雪冰数据中心提供的参数编写亮温和海冰密集度数据头文件,将bin格式的海冰密集度数据和亮温数据变换为TIF格式,并将其定义为北极方位投影。
第三步、将海冰密集度数据的灰度值0-251转换为0-100%的海冰密集度百分比,将海冰密集度大于等于15%的像元判断为海冰像元,使用ARCGIS制作海冰掩膜文件。
第四步、利用海冰掩膜文件对亮温数据进行裁剪,得到每日海冰覆盖区域亮温影像,即利用第i日海冰掩膜文件裁剪第i日和第i+2日亮温数据,得到第i日和第i+2日海冰覆盖区域亮温影像。如图3为2016年1月1日91GHz水平极化海冰覆盖区域亮温影像,它由2016年1月1日海冰掩膜文件裁剪得到。
第五步、采用光流法计算得出第i日海冰覆盖区域亮温影像和第i+2日海冰覆盖区域亮温影像之间的海冰漂移距离,并与时间相除进而求的第i日的海冰漂移速度。
本步骤中采用了Horn和Schunck的光流算法。详见文献”S.Gutiérrez,D.G.Long.Optical flow and scale-space theory applied to seaice motionestimation[J].IEEE Int.Gersci.Remote Sens.Congr.,2003,4:2805-2807.”。
至此,得到两种频率(37GHz和91GHz)下的两种极化方式(水平极化和垂直极化)的共四幅海冰漂移场(由像元的海冰漂移速度构成)。
如图4所示是2016年1月1日91、37GHz水平极化和垂直极化u分量海冰漂移速度。如图5所示是2016年1月1日91、37GHz水平极化和垂直极化v分量海冰漂移速度。
第六步、将得到的两种频率下两种极化方式的海冰漂移速度进行融合处理,得到最终的海冰漂移速度产品。具体融合过程如下:
a.首先进行同频率下两种极化方式的海冰漂移速度融合,融合公式如下:
式中,UV37为极化融合后的37GHZ的海冰漂移速度,UV91为极化融合后的91GHZ的海冰漂移速度,h37和v37分别为37GHZ水平和垂直极化速度,h91和v91分别为91GHZ水平和垂直极化速度。
本步骤利用客观权重法确定h极化和v极化数据权重,具体操作为先求出h极化和v极化的绝对值速度之和,然后h极化的绝对值速度占总和的比例作为h极化速度场的权重,同理得到v极化的权重,最终得到37GHz和91GHz的海冰漂移速度场,如图6为2016年1月1日不同极化方式速度场融合结果。
b.进行两种频率海冰漂移速度融合。
首先将91GHz的漂移场重采样为25km×25km(与37GHz漂移场一致),并对两种频率的海冰漂移速度使用海冰掩膜文件再次裁剪,剔除非海冰像元的海冰漂移速度,然后进行两种频率海冰漂移速度融合,融合公式如下:
UV=0.25×UV37+0.75×UV91
式中,UV为两种频率速度融合后的海冰漂移速度。
本步骤中,利用主观权重法将91GHz权重设为0.75,37GHz权重设为0.25,这是由于91GHz获得的速度场准确度优于37GHz,故权重设的大一些。最后得到目标的融合产品。如图7所示为2016年1月1日最终融合的u分量和v分量海冰漂移速度。
图8、图9分别为2016年1-6月u分量和v分量海冰漂移速度。u速度和v速度都集中在[-1,1]的区间,从5月开始速度增减明显。u速度表明从5月开始海冰集中往水平向左的方向运动,v速度表明5月海冰集中往垂直向下的方向运动。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (6)
1.一种北极海冰漂移速度的计算方法,包括以下步骤:
第一步、获取冬季和春季的北极海冰密集度数据和亮温数据,亮温数据包括了37GHz和91GHz下的水平极化和垂直极化数据;
第二步、将海冰密集度数据和亮温数据变换为TIF格式,并将其定义为北极方位投影;
第三步、将海冰密集度数据的灰度值转换为0-100%的海冰密集度百分比,根据海冰判断原则制作海冰掩膜文件;
第四步、利用第i日海冰掩膜文件裁剪第i日和第i+2日亮温数据,得到第i日和第i+2日海冰覆盖区域亮温影像;
第五步、采用光流法计算得出第i日海冰覆盖区域亮温影像和与第i+N日海冰覆盖区域亮温影像之间的海冰漂移距离,并与时间相除得到第i日的海冰漂移速度,N取值2或3;
第六步、将得到的两种频率下两种极化方式的海冰漂移速度进行融合处理,得到最终的海冰漂移速度;
其中,融合处理的具体过程如下:
a、首先进行同频率下两种极化方式的海冰漂移速度融合,融合公式如下:
式中,UV37为极化融合后的37GHZ的海冰漂移速度,UV91为极化融合后的91GHZ的海冰漂移速度,h37和v37分别为37GHZ水平和垂直极化速度,h91和v91分别为91GHZ水平和垂直极化速度;
b、将91GHz的海冰漂移速度重采样为25km×25km的空间分辨率,然后进行两种频率海冰漂移速度融合,融合公式如下:
UV=0.25×UV37+0.75×UV91
式中,UV为两种频率速度融合后的海冰漂移速度。
2.根据权利要求1所述北极海冰漂移速度的计算方法,其特征在于:所述第一步中,获取美国雪冰数据中心冬季和春季的北极SSM/I和SSMIS被动微波辐射计数据,包括海冰密集度和亮温产品;所用海冰密集度数据空间分辨率为25km×25km,37GHz亮温数据的空间分辨率为25km×25km,91GHz亮温数据的空间分辨率为12.5km×12.5km。
3.根据权利要求2所述北极海冰漂移速度的计算方法,其特征在于:所述第二步中,根据美国雪冰数据中心提供的参数编写亮温和海冰密集度数据头文件,将bin格式数据转为TIF格式。
4.根据权利要求2所述北极海冰漂移速度的计算方法,其特征在于:所述第三步中,将海冰密集度百分比大于等于15%的像元判断为海冰像元。
5.根据权利要求1所述北极海冰漂移速度的计算方法,其特征在于:所述第四步中,利用第i日海冰掩膜文件裁剪第i日和第i+2日亮温数据,得到第i日和第i+2日海冰覆盖区域亮温影像。
6.根据权利要求1所述北极海冰漂移速度的计算方法,其特征在于:所述第六步的b中,91GHz的海冰漂移速度重采样后,对两种频率的海冰漂移速度使用海冰掩膜文件再次裁剪,剔除非海冰像元的海冰漂移速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911333402.2A CN111104748B (zh) | 2019-12-23 | 2019-12-23 | 一种北极海冰漂移速度的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911333402.2A CN111104748B (zh) | 2019-12-23 | 2019-12-23 | 一种北极海冰漂移速度的计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111104748A CN111104748A (zh) | 2020-05-05 |
CN111104748B true CN111104748B (zh) | 2023-09-05 |
Family
ID=70423058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911333402.2A Active CN111104748B (zh) | 2019-12-23 | 2019-12-23 | 一种北极海冰漂移速度的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111104748B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070796B (zh) * | 2020-08-07 | 2023-07-14 | 中国科学院海洋研究所 | 一种基于拉格朗日思想的北极多年冰融化量计算方法 |
CN115760613B (zh) * | 2022-11-15 | 2024-01-05 | 江苏省气候中心 | 一种结合卫星影像和光流法的蓝藻水华短时预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2866051A1 (en) * | 2013-10-23 | 2015-04-29 | Ladar Limited | A laser detection and ranging device for detecting an object under a water surface |
CN107886473A (zh) * | 2017-11-09 | 2018-04-06 | 河南工业大学 | 从fy‑3mwri数据反演北极海冰密集度的方法 |
CN108106734A (zh) * | 2017-12-07 | 2018-06-01 | 中国科学院海洋研究所 | 一种面向idl语言海冰密集度求算优化算法 |
CN109254767A (zh) * | 2018-08-28 | 2019-01-22 | 中国科学院海洋研究所 | 一种极地海冰漂移矢量可视化算法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9176225B2 (en) * | 2012-12-07 | 2015-11-03 | Harris Corporation | Method and system using a polarimetric feature for detecting oil covered by ice |
US9652674B2 (en) * | 2014-11-03 | 2017-05-16 | The Johns Hopkins University | Ice analysis based on active and passive radar images |
-
2019
- 2019-12-23 CN CN201911333402.2A patent/CN111104748B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2866051A1 (en) * | 2013-10-23 | 2015-04-29 | Ladar Limited | A laser detection and ranging device for detecting an object under a water surface |
CN107886473A (zh) * | 2017-11-09 | 2018-04-06 | 河南工业大学 | 从fy‑3mwri数据反演北极海冰密集度的方法 |
CN108106734A (zh) * | 2017-12-07 | 2018-06-01 | 中国科学院海洋研究所 | 一种面向idl语言海冰密集度求算优化算法 |
CN109254767A (zh) * | 2018-08-28 | 2019-01-22 | 中国科学院海洋研究所 | 一种极地海冰漂移矢量可视化算法 |
Non-Patent Citations (1)
Title |
---|
An improved optical flow method to estimate Arctic sea ice velocity (winter 2014−2016);Haili Li 等;Acta Oceanol. Sin.;第40卷(第12期);第148-160页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111104748A (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111104748B (zh) | 一种北极海冰漂移速度的计算方法 | |
CN101996410B (zh) | 动态背景下的运动目标检测方法及系统 | |
Piniewski et al. | Projections of runoff in the Vistula and the Odra river basins with the help of the SWAT model | |
CN103198447B (zh) | 一种基于卫星云图的风矢场实时度量方法 | |
CN112051221A (zh) | 一种基于时空系点值的海冰密集度获取方法 | |
Kerans et al. | Anatomy of a late Quaternary carbonate island: Constraints on timing and magnitude of sea-level fluctuations, West Caicos, Turks and Caicos Islands, BWI | |
CN114821326A (zh) | 一种宽幅遥感影像中密集弱小目标检测识别方法 | |
CN114818860A (zh) | 一种基于多元特征的台风轨迹预测方法 | |
CN116908114B (zh) | 一种流域颗粒有机碳通量遥感监测方法 | |
Alvarez et al. | Influence of upwelling events on the estuaries of the north-western coast of the Iberian Peninsula | |
Sundaram et al. | Assessment of various bias correction methods and future projection of minimum and maximum temperatures using regional climate model over Thanjavur district | |
CN107688712B (zh) | 一种基于dem和ndvi的气温降尺度方法 | |
CN114089444B (zh) | 一种星载探测数据全球陆地降雨类型判别装置及方法 | |
CN105044716A (zh) | 一种补偿背景电离层对geosar成像影响的参数化自聚焦方法 | |
CN114355349A (zh) | 星载sar海面影像与网格化海面风场产品时空匹配方法 | |
CN107678027A (zh) | 一种评价北极熊栖息地稳定性的海冰度量方法 | |
Prakash et al. | Development of Sargassum seaweed tracking tools | |
CN113109813A (zh) | 一种基于迭代近端投影的二维欠采样合成孔径雷达成像方法 | |
CN110163214B (zh) | 基于广义高斯模型的fy-3数据的海冰分布探测方法 | |
CN109270594B (zh) | 一种台站气象数据分区空间拼接拟合方法 | |
CN109325449B (zh) | 基于样本更新的卷积神经网络目标检测框架 | |
CN112434590A (zh) | 一种基于小波变换的sar影像风条纹识别方法 | |
CN113095375A (zh) | 基于中法海洋卫星散射计的北极海冰分类方法 | |
Lavergne et al. | Product User’s Manual for the Global Sea Ice Drift Climate Data Record v1 | |
Du et al. | Photovoltaic power station extraction from high-resolution satellite images based on deep learning method |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |