CN112070796B - 一种基于拉格朗日思想的北极多年冰融化量计算方法 - Google Patents

一种基于拉格朗日思想的北极多年冰融化量计算方法 Download PDF

Info

Publication number
CN112070796B
CN112070796B CN202010787055.7A CN202010787055A CN112070796B CN 112070796 B CN112070796 B CN 112070796B CN 202010787055 A CN202010787055 A CN 202010787055A CN 112070796 B CN112070796 B CN 112070796B
Authority
CN
China
Prior art keywords
ice
melting
years
pixels
day
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
Application number
CN202010787055.7A
Other languages
English (en)
Other versions
CN112070796A (zh
Inventor
毕海波
梁钰
王云鹤
黄海军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Oceanology of CAS
Original Assignee
Institute of Oceanology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Oceanology of CAS filed Critical Institute of Oceanology of CAS
Priority to CN202010787055.7A priority Critical patent/CN112070796B/zh
Publication of CN112070796A publication Critical patent/CN112070796A/zh
Application granted granted Critical
Publication of CN112070796B publication Critical patent/CN112070796B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)

Abstract

本发明涉及一种基于拉格朗日思想的北极多年冰融化量计算方法。首先读取多年冰密集度数据以及北冰洋掩膜数据，得到多年冰覆盖范围。由于春夏季无新的多年冰产生，因此除融化外，度过融冰季剩余的多年冰面积得以保存。从4月1日开始对多年冰的运动逐日进行追踪，位于海冰边缘线之外的多年冰像素被标记为融化，追踪至11月1日。本发明解决了融冰开始后基于QuikSCAT后向散射数据的多年冰分析并不可靠的问题，同时可获取长时序的海冰融化量数据集，基于此数据进行研究有助于理解全球增暖环境下两极区域多年冰融化量对于多年冰减少造成的贡献。此外本方法采用的基础数据易于获取，且数据的科学性和准确性经过了严格的验证，计算结果科学可靠。

Description

一种基于拉格朗日思想的北极多年冰融化量计算方法
技术领域
本发明涉及多年冰融化面积的计算，具体说是一种基于拉格朗日思想的北极多年冰融化量计算方法。
背景技术
在全球变暖的大背景下，北极增暖的速度约为全球的两倍(“北极放大”现象)，作为重要的气候指示因子，北极海冰在近年来发生大规模退缩。其中，多年冰(在北极度过多个夏季而未融尽的古老冰层)的覆盖范围大幅度减小，被一年冰覆盖的海域面积逐渐增加。为了评估融化对多年冰减少的贡献，需要计算融冰期多年冰的融化面积。但是在融冰期间，基于散射计数据(如QuikSCAT、ERS等)的多年冰分析并不可靠，导致融冰期间多年冰融化量的计算十分困难，计算结果的准确性较低，缺少长时间尺度的多年冰融化量数据集。
发明内容
针对上述技术不足，本发明的目的提供一种基于拉格朗日思想的北极多年冰融化量计算方法。读取感兴趣区域的4月1日的多年冰密集度以及北冰洋掩膜数据，确定融冰开始前多年冰的覆盖范围。然后开始逐日追踪多年冰像元的移动轨迹，具体做法是读取每日海冰漂移速度数据和海冰密集度数据，计算次日多年冰像元的位置，根据次日海冰密集度数据获取海冰边缘，位于海冰边缘外的像元被视为融化像元。通过迭代方式获取融冰季节融化的多年冰像元的位置，根据多年冰密集度计算融冰总面积。因此，本方法基于拉格朗日思想计算北极多年冰的融化量，弥补了上述背景中的不足，有较高的科学性和准确性，且逻辑清晰、易于实现。
本发明解决其技术问题所采用的技术方案是：一种基于拉格朗日思想的北极多年冰融化量计算方法，包括以下步骤：
1)读取感兴趣区域的融冰期开始前的多年冰密集度数据、北冰洋掩膜数据；
2)获取融冰期开始前多年冰的覆盖范围；
3)读取每日海冰漂移速度数据和海冰密集度数据；
4)对所有当日多年冰像元进行追踪，分别获取次日各个多年冰像元漂移后的位置；
5)根据次日海冰密集度数据获取海冰边缘，确定一天内多年冰融化像元的位置；
6)重复步骤3)-5)，对感兴趣区域内整个融冰季节的多年冰像元进行迭代处理，获取融冰季节融化的所有多年冰像元位置；
7)根据多年冰密集度计算融冰期融冰总面积。
所述融冰期为每年的4月1日。
所述获取多年冰覆盖范围，包括：
从多年冰密集度数据中获取多年冰覆盖的网格，根据掩膜文件中的陆地位置，去除陆地上的网格噪声，得到融冰期开始前多年冰覆盖范围，即所有多年冰像元的位置。
所述计算次日各个多年冰像元漂移后的位置包括：
某一多年冰像元当前的位置为(c1,r1)，运动速度为(u,v)，根据当前位置和海冰漂移速度，计算次日该多年冰像元的位置(c2,r2)。
所述根据次日海冰密集度数据获取海冰边缘，具体为：
设定融化像元处的海冰密集度阈值，次日海冰密集度数据等于该阈值的网格位置处为海冰边缘线。
所述确定一天内多年冰融化像元的位置包括：
经过一天的漂移后，位于次日海冰边缘线以外的多年冰像元被视为已融化像元，对融化像元进行标记。
所述对感兴趣区域内整个融化季节的多年冰像元进行迭代处理，获取融冰季节融化的所有多年冰像元，包括：
迭代步骤3)-5)逐日处理，获取整个融冰季融化的多年冰像元位置。
所述根据多年冰密集度计算融冰总面积具体为：
对所有融化像元的面积乘以多年冰密集度进行累加，得到融冰期多年冰的融化面积总量。
该方法以IDL程序语言实现。
本发明具有以下有益效果及优点：
1.本发明为一种基于拉格朗日思想的北极多年冰融化量计算方法，可提供从数据读取、数据处理、迭代运算一整套流程算法。
2.本方法采用的基础数据经过大量验证，精度和可信度较高，且易于获取。
3.本方法可采用多种程序语言完成，简洁方便，易于实现。
4.本方法灵活度较高，用户可根据需求计算任意时间段内多年冰的融化量。
附图说明
图1是本发明方法的流程图；
图2是2007年4月1日的多年冰覆盖范围图；
图3是对多年冰像元的移动轨迹进行追踪以确定是否融化的方法示意图；
图4是2007年融冰季融化的多年冰分布图；
图5是2007年经过漂移度过融冰期的多年冰分布图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
以下实施中以北极海域2007年融冰季多年冰融化量的计算为例，仅用于说明本发明的目的，不用于限定本发明的范围。
如图1所示，程序语言读取北极海域2007年4月1日的多年冰密集度数据，和北冰洋掩膜数据，多年冰密集度大于15％且位于北冰洋区域的网格被确定为2007年融冰开始前多年冰的覆盖范围。然后通过迭代方式逐日追踪每个多年冰像元的移动轨迹，具体为根据当日海冰漂移速度，计算次日多年冰像元的位置。若像元位于次日海冰边缘外，则该多年冰像元被视为已融化。对融化像元进行标记，获取融冰季节融化的所有多年冰像元的位置，根据多年冰密集度计算融冰总面积。
方法包括以下步骤：
利用IDL程序语言读取数据：多年冰密集度数据以及北冰洋海域掩膜数据(掩膜数据里有陆地网格位置)。多年冰密集度低于15％的位置为开阔水域，获取开阔水域所在的像元位置(ci,ri)，即像元的行列号，将多年冰密集度myic数据中的相应网格位置处的数据置为0，如公式一。
公式一：myic(ci,ri)＝0
本方法过程中，陆地像元不参与计算，因此，从掩膜数据中获取除北冰洋海域外其他网格所在的位置(cj,rj)，将多年冰密集度myic数据的相应网格位置处的数据置为0，如公式二，得到融冰开始前多年冰的覆盖范围，如图2所示。
公式二：myic(cj,rj)＝0
获取多年冰覆盖的所有网格像元位置后，通过迭代方式逐日追踪每个多年冰像元的移动轨迹。
其中，单个多年冰像元的移动轨迹的计算包括：
假设某一多年冰像元当前的位置(像元的行列号)为(c1,r1)，运动速度为(u,v)，根据当前位置和海冰漂移速度，计算次日该多年冰像元漂移后的位置(c2,r2)，如公式三与公式四。
公式三：
Figure GDA0002730846850000041
公式四：
Figure GDA0002730846850000042
其中，roun d代表四舍五入,E代表数据的分辨率为4.5km×4.5km。
定义海冰密集度数据为15％的位置为海冰边缘线，低于15％的位置为开阔水域。确定次日该多年冰像元的漂移位置后，若此像元移动至次日海冰边缘线外，意味着此多年冰像元已融化，对此像元位置进行标记。如图3所示，其中蓝色区域代表开阔水域，灰白色区域代表海冰覆盖的海域，多年冰像元②在一天后漂移至开阔水域，因此标记为融化；然而多年冰像元①在一天后仍未融化。
利用IDL的For循环，按照以上步骤对整个融冰季(融冰时间内)进行迭代处理，获取融冰季节所有融化的多年冰像元(ck,rk)，结合融化像元的多年冰密集度数据myic计算融冰期多年冰的融化面积量，如公式五。图4展示了2007年整个融冰季(4月1日至10月31日)融化的多年冰分布(绿框内)，图5为经过漂移度过融冰期的多年冰分布。
公式五：
Figure GDA0002730846850000051
其中，myic(ck,rk)为融冰季节所有融化的多年冰像元的密集度数据，取值(0,1)之间。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰应视为本发明的保护范围。

Claims (7)

1.一种基于拉格朗日思想的北极多年冰融化量计算方法，其特征在于，包括以下步骤：
1)读取感兴趣区域的融冰期开始前的多年冰密集度数据、北冰洋掩膜数据；
2)获取融冰期开始前多年冰的覆盖范围，包括：
从多年冰密集度数据中获取多年冰覆盖的网格，根据掩膜文件中的陆地位置，去除陆地上的网格噪声，得到融冰期开始前多年冰覆盖范围，即所有多年冰像元的位置；
3)读取每日海冰漂移速度数据和海冰密集度数据；
4)对所有当日多年冰像元进行追踪，分别获取次日各个多年冰像元漂移后的位置，包括：
某一多年冰像元当前的位置为(c1,r1)，运动速度为(u,v)，根据当前位置和海冰漂移速度，计算次日该多年冰像元的位置(c2,r2)；
公式三：
Figure FDA0004276928590000011
公式四：
Figure FDA0004276928590000012
其中，round代表四舍五入,E代表数据的分辨率为4.5km×4.5km；
5)根据次日海冰密集度数据获取海冰边缘，确定一天内多年冰融化像元的位置；
6)重复步骤3)-5)，对感兴趣区域内整个融冰季节的多年冰像元进行迭代处理，获取融冰季节融化的所有多年冰像元位置；
7)根据多年冰密集度计算融冰期融冰总面积，包括：
公式五：
Figure FDA0004276928590000013
其中，myic(ck,rk)为融冰季节所有融化的多年冰像元的密集度数据，取值(0,1)之间。
2.根据权利要求1所述的一种基于拉格朗日思想的北极多年冰融化量计算方法，其特征在于，所述融冰期为每年的4月1日。
3.根据权利要求1所述的一种基于拉格朗日思想的北极多年冰融化量计算方法，其特征在于，所述根据次日海冰密集度数据获取海冰边缘，具体为：
设定融化像元处的海冰密集度阈值，次日海冰密集度数据等于该阈值的网格位置处为海冰边缘线。
4.根据权利要求1所述的一种基于拉格朗日思想的北极多年冰融化量计算方法，其特征在于，所述确定一天内多年冰融化像元的位置包括：
经过一天的漂移后，位于次日海冰边缘线以外的多年冰像元被视为已融化像元，对融化像元进行标记。
5.根据权利要求1所述的一种基于拉格朗日思想的北极多年冰融化量计算方法，其特征在于，所述对感兴趣区域内整个融化季节的多年冰像元进行迭代处理，获取融冰季节融化的所有多年冰像元，包括：
迭代步骤3)-5)逐日处理，获取整个融冰季融化的多年冰像元位置。
6.根据权利要求1所述的一种基于拉格朗日思想的北极多年冰融化量计算方法，其特征在于，所述根据多年冰密集度计算融冰总面积具体为：
对所有融化像元的面积乘以多年冰密集度进行累加，得到融冰期多年冰的融化面积总量。
7.根据权利要求1所述的一种基于拉格朗日思想的北极多年冰融化量计算方法，其特征在于，该方法以IDL程序语言实现。
CN202010787055.7A 2020-08-07 2020-08-07 一种基于拉格朗日思想的北极多年冰融化量计算方法 Active CN112070796B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010787055.7A CN112070796B (zh) 2020-08-07 2020-08-07 一种基于拉格朗日思想的北极多年冰融化量计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010787055.7A CN112070796B (zh) 2020-08-07 2020-08-07 一种基于拉格朗日思想的北极多年冰融化量计算方法

Publications (2)

Publication Number Publication Date
CN112070796A CN112070796A (zh) 2020-12-11
CN112070796B true CN112070796B (zh) 2023-07-14

Family

ID=73662554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010787055.7A Active CN112070796B (zh) 2020-08-07 2020-08-07 一种基于拉格朗日思想的北极多年冰融化量计算方法

Country Status (1)

Country Link
CN (1) CN112070796B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113689041B (zh) * 2021-08-25 2022-04-29 国家海洋环境预报中心 固定冰的冰情预测方法、装置、电子设备和存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU715702A1 (ru) * 1977-11-29 1980-02-15 Всесоюзный Научно-Исследовательский Институт Водоснабжения, Канализации, Гидротехнических Сооружений И Инженерной Гидрогеологии "Водгео" Способ определени сопротивлени сдвигу талого грунта и льда
CN101861813A (zh) * 2010-05-25 2010-10-20 黄必录 用减少输入极地的热量来控制全球变暖
CN102542551A (zh) * 2010-12-13 2012-07-04 北京师范大学 极地冰盖边缘浮冰自动变化检测技术
CN104386208A (zh) * 2014-11-06 2015-03-04 天津远讯科技有限公司 水下剖面探测浮标装置
CN104457711A (zh) * 2014-11-06 2015-03-25 天津远讯科技有限公司 北冰洋浅水型拖曳式温盐深监测系统
CN106842205A (zh) * 2017-04-11 2017-06-13 南京信息工程大学 一种合成孔径雷达海冰‑海水自动识别方法
CN107678027A (zh) * 2017-09-26 2018-02-09 南京大学 一种评价北极熊栖息地稳定性的海冰度量方法
CN107798198A (zh) * 2017-11-06 2018-03-13 北方工业大学 一种基于物理的融化现象逼真模拟方法
CN109215100A (zh) * 2018-08-08 2019-01-15 天津大学 一种混合流体相变动画生成方法及装置
CN110040223A (zh) * 2018-01-15 2019-07-23 中集海洋工程研究院有限公司 抗冰型半潜式平台
CN111104748A (zh) * 2019-12-23 2020-05-05 南京大学 一种北极海冰漂移速度的计算方法
CN111103262A (zh) * 2019-12-20 2020-05-05 中国科学院海洋研究所 一种基于散射计数据的北极多年冰密集度反演方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU715702A1 (ru) * 1977-11-29 1980-02-15 Всесоюзный Научно-Исследовательский Институт Водоснабжения, Канализации, Гидротехнических Сооружений И Инженерной Гидрогеологии "Водгео" Способ определени сопротивлени сдвигу талого грунта и льда
CN101861813A (zh) * 2010-05-25 2010-10-20 黄必录 用减少输入极地的热量来控制全球变暖
CN102542551A (zh) * 2010-12-13 2012-07-04 北京师范大学 极地冰盖边缘浮冰自动变化检测技术
CN104386208A (zh) * 2014-11-06 2015-03-04 天津远讯科技有限公司 水下剖面探测浮标装置
CN104457711A (zh) * 2014-11-06 2015-03-25 天津远讯科技有限公司 北冰洋浅水型拖曳式温盐深监测系统
CN106842205A (zh) * 2017-04-11 2017-06-13 南京信息工程大学 一种合成孔径雷达海冰‑海水自动识别方法
CN107678027A (zh) * 2017-09-26 2018-02-09 南京大学 一种评价北极熊栖息地稳定性的海冰度量方法
CN107798198A (zh) * 2017-11-06 2018-03-13 北方工业大学 一种基于物理的融化现象逼真模拟方法
CN110040223A (zh) * 2018-01-15 2019-07-23 中集海洋工程研究院有限公司 抗冰型半潜式平台
CN109215100A (zh) * 2018-08-08 2019-01-15 天津大学 一种混合流体相变动画生成方法及装置
CN111103262A (zh) * 2019-12-20 2020-05-05 中国科学院海洋研究所 一种基于散射计数据的北极多年冰密集度反演方法
CN111104748A (zh) * 2019-12-23 2020-05-05 南京大学 一种北极海冰漂移速度的计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
北极海冰输出研究综述;毕海波 等;《海洋科学》;第42卷(第10期);110-124 *

Also Published As

Publication number Publication date
CN112070796A (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
Buri et al. A physically based 3‐D model of ice cliff evolution over debris‐covered glaciers
CN108007438B (zh) 无人机航空摄影遥感湿地植物生物量的估测方法
Shukla et al. Temporal inventory of glaciers in the Suru sub-basin, western Himalaya: impacts of regional climate variability
Hui et al. Modelling spatial‐temporal change of Poyang Lake using multitemporal Landsat imagery
Yang et al. A pre-screened and normalized multiple endmember spectral mixture analysis for mapping impervious surface area in Lake Kasumigaura Basin, Japan
CN110335355B (zh) 一种大型浅水湖泊水面高自动计算方法
Burgess et al. Recent changes in areal extent of the Devon ice cap, Nunavut, Canada
Joly et al. Temperature interpolation at a large scale: test on a small area in Svalbard
CN112070796B (zh) 一种基于拉格朗日思想的北极多年冰融化量计算方法
Lisovski Light-level geolocation in polar regions with 24-hour daylight
Baird et al. False killer whales around the main Hawaiian Islands: an assessment of inter-island movements and population size using individual photo-identification
CN111103262B (zh) 一种基于散射计数据的北极多年冰密集度反演方法
CN112166693B (zh) 基于小卫星的区域地表水资源遥感监测方法
CN116542009A (zh) 一种大尺度陆面水文过程模拟系统及方法
CN113129318B (zh) 一种利用sar影像计算蓄滞洪区蓄水量的方法
CN113792689A (zh) 一种基于深度学习的城市黑臭水体遥感识别方法
Tonkin The paraglacial adjustment of an Alpine lateral moraine, Bas Glacier d’Arolla, Switzerland
CN113533695A (zh) 一种农田墒情数据估计方法及系统
Veloz et al. Tidal marsh bird population and habitat assessment for the San Francisco Estuary under future climate change conditions
CN116972857B (zh) 一种在月光偏振光场中扇形区域拟合的夜间航向确定方法
Geck et al. Geodetic mass balance of glaciers in the Central Brooks Range, Alaska, USA, from 1970 to 2001
Bodenbender et al. Using photographic measurement and gigapixel panoramas to study changes in a Lake Michigan sand dune
Zuhr et al. Local scale depositional processes of surface snow on the Greenland ice sheet
Politis Location, topography and climate
CN114239704A (zh) 基于海冰密集度数据的观测站点融化和冻结时间提取方法

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