CN113063360B - 一种基于单光子激光测高数据的海冰厚度估算方法 - Google Patents

一种基于单光子激光测高数据的海冰厚度估算方法 Download PDF

Info

Publication number
CN113063360B
CN113063360B CN202110277320.1A CN202110277320A CN113063360B CN 113063360 B CN113063360 B CN 113063360B CN 202110277320 A CN202110277320 A CN 202110277320A CN 113063360 B CN113063360 B CN 113063360B
Authority
CN
China
Prior art keywords
data
sea ice
satellite
ice
ice thickness
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
CN202110277320.1A
Other languages
English (en)
Other versions
CN113063360A (zh
Inventor
刘俊
刘静云
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.)
Shanghai University of Engineering Science
Original Assignee
Shanghai University of Engineering Science
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 Shanghai University of Engineering Science filed Critical Shanghai University of Engineering Science
Priority to CN202110277320.1A priority Critical patent/CN113063360B/zh
Publication of CN113063360A publication Critical patent/CN113063360A/zh
Application granted granted Critical
Publication of CN113063360B publication Critical patent/CN113063360B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/418—Theoretical aspects
    • 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

Abstract

本发明涉及一种基于单光子激光测高数据的海冰厚度估算方法，包括以下步骤：获取ICESat‑2卫星和CryoSat‑2卫星测得的原始数据；基于原始数据计算积雪深度初始值；计算100km×100km网格内的平均积雪深度初始值和平均总干舷高度；基于冰桥计划数据构建雪深重分布模型；计算海冰厚度，得到海冰厚度矢量点数据，再进行栅格化处理，得到海冰厚度栅格数据。与现有技术相比，本发明采用CryoSat‑2卫星和ICESat‑2卫星的测量数据，考虑了积雪表面的散射导致Ku波段的回波，计算得到积雪深度初始值，进而构建雪深重分布模型再次计算积雪深度，提高了积雪深度的精度，提高了后续海冰厚度计算的精度。

Description

一种基于单光子激光测高数据的海冰厚度估算方法
技术领域
本发明涉及遥感极地与海洋应用技术领域，尤其是涉及一种基于单光子激光测高数据的海冰厚度估算方法。
背景技术
近年来，因全球变暖，全球气候变化成为重要的研究课题。海冰的消融会对全球产生一系列影响，导致北极温度增加，而海冰厚度决定着海、气交换的热通量，影响着海冰的热力学和动力学过程，同时海冰厚度的短期变化和长期趋势是气候变化的重要指标，所以海冰厚度是海冰最重要的参数之一，因此，海冰厚度的监测对研究气候变化具有重要意义。
海冰的厚度观测可以采用直接观测和间接观测两种手段，直接观测手段包括钻孔测量、水下声呐、走航观测和电磁感应，间接观测手段指的是微波遥感和卫星测高。受技术的限制，直接观测手段一般只能测量局部的海冰厚度，不能获取大尺度时空连续的海冰厚度信息。Laxon等首次应用卫星测高于海冰厚度探测，他们使用了ERS-1/2雷达高度计数据估算了北极海冰厚度，通过与潜艇声呐数据的验证表明，卫星测高是估算大尺度海冰厚度的有效途径。
卫星测高通过对海冰表面和海水表面进行区分，根据获取的两种不同表面反射的信号得到海冰干舷(即海冰超过海水表面部分)的高度，估算冰密度和积雪密度，假设静力平衡状态计算出海冰厚度。这种方法在Envisat、CryoSat-2等雷达高度计卫星都得到很好的应用，但是，海冰表面存在积雪，由于雷达高度计自身的穿透性，雷达波很有可能在海冰和积雪的交界处反射，而不是从积雪表面反射，因而海冰表面的积雪是导致海冰厚度估算误差的重要因素。
发明内容
ICESat-2(Ice Cloud and land Elevation Satellite)卫星提供了高精度的单光子测高数据，本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于单光子激光测高数据的海冰厚度估算方法，采用CryoSat-2卫星和ICESat-2的测量数据，考虑了积雪表面的散射导致Ku波段的回波，计算得到积雪深度初始值，进而构建雪深重分布模型再次计算积雪深度，提高了积雪深度的精度，提高了后续海冰厚度计算的精度。
本发明的目的可以通过以下技术方案来实现：
一种基于单光子激光测高数据的海冰厚度估算方法，包括以下步骤：
S1：获取ICESat-2卫星测得的ATL10原始数据，包括总干舷数据和经纬度数据；获取CryoSat-2卫星测得的原始数据，包括冰干舷数据和经纬度数据；
S2：基于总干舷数据和冰干舷数据计算积雪深度初始值：
Figure BDA0002977165780000021
ηs＝[c/cs]×ρs
其中，hs0表示积雪深度初始值，hf表示ICESat-2卫星测得的总干舷高度，hfi表示CryoSat-2卫星测得的冰干舷数据，ηs表示Ku波段的折射率，c表示光速，cs表示雷达波的速度，ρs表示积雪密度；
S3：基于积雪深度初始值hs0和ICESat-2卫星测得的总干舷高度hf，计算100km×100km网格内的平均积雪深度初始值hsl和平均总干舷高度hfl；
S4：获取冰桥计划数据，基于冰桥计划数据构建雪深重分布模型：
Figure BDA0002977165780000022
hf-cutoff＝c1×hsl+c2×hfl+c3
hs-thick＝c4×hsl+c5
其中，c1、c2、c3、c4、c5是根据冰桥计划数据计算的回归系数，hs表示积雪深度，hf-cutoff表示干舷截止值，hs-thick表示积雪深度截止值；
S5：将积雪深度hs和ICESat-2卫星测得的总干舷高度hf与经纬度数据进行坐标匹配，再转换为矢量数据，计算海冰厚度hi，得到海冰厚度矢量点数据：
Figure BDA0002977165780000023
其中，hi表示海冰厚度，ρw表示海水密度，ρi表示海冰密度；
S6：将海冰厚度矢量点数据进行栅格化处理，得到海冰厚度栅格数据。
进一步的，步骤S1中，ICESat-2卫星测得的ATL10原始数据和CryoSat-2卫星测得的原始数据的时间间隔小于10天。
进一步的，步骤S2和步骤S5中，积雪密度是通过沃伦.斯诺气候学模型确定的。
更进一步的，积雪密度ρs取441kg/m3。
进一步的，步骤S5中，使用欧洲气象卫星应用组织海洋海冰应用中心OSI SAF冰类产品区分一年冰和多年冰，并确定海冰密度。
更进一步的，步骤S5中，海水密度ρw取1024kg/m3，一年海冰和多年海冰的海冰密度ρi分别取915kg/m3和887kg/m3。
进一步的，步骤S6中，将栅格内矢量点的海冰厚度平均值作为该栅格的海冰厚度值。
进一步的，步骤S6中，将海冰厚度矢量点数据投影到NSIDC极地立体网格中，得到海冰厚度栅格数据。
与现有技术相比，本发明具有以下有益效果：
(1)采用CryoSat-2卫星和ICESat-2卫星的测量数据，考虑了积雪表面的散射导致Ku波段的回波，计算得到积雪深度初始值，进而构建雪深重分布模型再次计算积雪深度，提高了积雪深度的精度，提高了后续海冰厚度计算的精度。
(2)考虑到一年冰和多年冰区域海冰密度的差异，使用欧洲气象卫星应用组织海洋海冰应用中心OSI SAF冰类产品区分一年冰和多年冰，进一步提升了海冰厚度计算的精度。
(3)ICESat-2卫星测得的ATL10原始数据和CryoSat-2卫星测得的原始数据的时间间隔小于10天，在不影响精度的情况下，空间范围覆盖效果较好。
附图说明
图1为本发明的流程图；
图2为海冰和积雪的分布示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1：
ICESat-2的唯一荷载仪器是一部先进地形激光测高仪系统ATLAS(advancedtopography laser altimeter system)，ATLAS使用的是一种低脉冲能量激光，六束激光束分为三对光束，强弱光束横跨轨道90m，光束对间分隔约为3.3km。ICESat-2在地球表面产生直径约14m的单个激光足迹，每个足迹之间只有70cm的距离，提供的单光子测高数据分辨率更高。在ICESat-2获得的ATL10海冰干舷产品中，为避免潮汐和海浪等潜在影响，干舷仅在距离海岸线50公里以上且冰浓度大于50％的区域产生，本实施例仅使用具有较高信号光子速率的强光束。
一种基于单光子激光测高数据的海冰厚度估算方法，如图1所示，包括以下步骤：
S1：获取ICESat-2卫星测得的ATL10原始数据，包括总干舷数据和经纬度数据；获取CryoSat-2卫星测得的原始数据，包括冰干舷数据和经纬度数据；
本实施例中，ICESat-2卫星测得的ATL10原始数据和CryoSat-2卫星测得的原始数据的时间间隔小于10天，在不影响精度的情况下，空间范围覆盖效果较好。
S2：基于总干舷数据和冰干舷数据计算积雪深度初始值，考虑到积雪表面的散射导致Ku波段(CryoSat-2高度计)的回波，因此，积雪深度初始值的计算公式如下：
Figure BDA0002977165780000041
ηs＝[c/cs]×ρs
其中，hs0表示积雪深度初始值，hf表示ICESat-2卫星测得的总干舷高度，hfi表示CryoSat-2卫星测得的冰干舷数据，ηs表示Ku波段的折射率，c表示光速，cs表示雷达波的速度，ρs表示积雪密度,积雪密度是通过沃伦.斯诺气候学模型(W99)确定的，ρs取441kg/m3，W99气候学模型是目前可用的唯一基于观测的盆地雪密度估测模型，参考这个模型的积雪密度比较可靠。
S3：基于积雪深度初始值hsi和ICESat-2卫星测得的总干舷高度
Figure BDA0002977165780000042
计算100km×100km网格内的平均积雪深度初始值hsl和平均总干舷高度hfl；
S4：获取冰桥计划数据，基于冰桥计划数据构建雪深重分布模型：
Figure BDA0002977165780000043
hf-cutoff＝c1×hsl+c2×hfl+c3
hs-thick＝c4×hsl+c5
其中，c1、c2、c3、c4、c5是根据冰桥计划数据计算的回归系数，hs表示积雪深度，hf-cutoff表示干舷截止值，hs-thick表示积雪深度截止值；
“冰桥计划”(Operation IceBridge)自2009年启动以来，航空飞机每年3-5月在北极，10-11月在南极进行航空观测，利用激光高度计、数字摄影测量系统、雷达、地球物理传感器等先进的仪器设备，监测南北极海冰、冰川、冰盖厚度的年际变化迄今为止已经获得近10年机载多源传感器高精度、高分辨率极地观测数据。本申请基于冰桥计划数据，使用线性回归函数确定回归系数，得到的c1＝0.7m，c2＝0.22m，c3＝0.16m，c4＝1.03m，c5＝0.01m。
S5：将积雪深度hs和ICESat-2卫星测得的总干舷高度hf与经纬度数据进行坐标匹配，再转换为矢量数据，计算海冰厚度hi，得到海冰厚度矢量点数据：
Figure BDA0002977165780000051
其中，hi表示海冰厚度，ρw表示海水密度，取1024kg/m3，ρi表示海冰密度；
确定海冰密度时，使用欧洲气象卫星应用组织海洋海冰应用中心OSI SAF冰类产品区分一年冰(FYI)和多年冰(MYI)，并确定海冰密度，一年海冰和多年海冰的海冰密度ρi分别取915kg/m3和887kg/m3。
S6：将海冰厚度矢量点数据进行栅格化处理，得到海冰厚度栅格数据。
本实施例中，将海冰厚度矢量点数据投影到NSIDC极地立体网格中，得到海冰厚度栅格数据，将栅格内矢量点的海冰厚度平均值作为该栅格的海冰厚度值。
本实施例中，使用的实例数据是ICESat-2获得的ATL10海冰干舷产品和欧洲气象卫星应用组织海洋海冰应用中心的10km分辨率海冰类型数据产品(OSI SAF)，数据位置是北极区域，获取时间是2019年4月1日——2019年4月30日，OSI SAF数据获取时间为2019年4月15日。
利用MATLAB软件的h5read函数读取ICESat-2原始数据，提取得到总干舷数据和经纬度数据，同时获取时间间隔小于10天的CryoSat-2卫星原始数据。
不考虑冰雪表面的散射时，hs0＝hf-hfi，但是，由于冰雪表面的散射导致Ku波段(CryoSat-2高度计)的回波，因此计算积雪深度初始值时考虑折射率ηs，折射率ηs的值又随着积雪密度改变。本实施例中，通过沃伦.斯诺气候学模型确定积雪密度，取441kg/m3。
之后，计算得到100km×100km网格内的平均积雪深度初始值hsl和平均总干舷高度hfl，结合冰桥计划数据，确定回归系数，进而计算干舷截止值hf-cutoff和积雪深度截止值hs-thick。使用干舷截止值hf-cutoff和积雪深度截止值hs-thick，构建雪深重分布模型，从而得到积雪深度hs。
积雪和海冰的结构如图2所示，假定静力平衡，推导得到海冰厚度。最后进行栅格化处理，将海冰厚度投影到NSIDC极地立体网格中。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (8)

1.一种基于单光子激光测高数据的海冰厚度估算方法，其特征在于，包括以下步骤：
S1：获取ICESat-2卫星测得的ATL10原始数据，包括总干舷数据和经纬度数据；获取CryoSat-2卫星测得的原始数据，包括冰干舷数据和经纬度数据；
S2：基于总干舷数据和冰干舷数据计算积雪深度初始值：
Figure FDA0002977165770000011
ηs＝[c/cs]×ρs
其中，hs0表示积雪深度初始值，hf表示ICESat-2卫星测得的总干舷高度，hfi表示CryoSat-2卫星测得的冰干舷数据，ηs表示Ku波段的折射率，c表示光速，cs表示雷达波的速度，ρs表示积雪密度；
S3：基于积雪深度初始值hs0和ICESat-2卫星测得的总干舷高度hf，计算100km×100km网格内的平均积雪深度初始值hsl和平均总干舷高度hfl；
S4：获取冰桥计划数据，基于冰桥计划数据构建雪深重分布模型：
Figure FDA0002977165770000012
hf-cutoff＝c1×hsl+c2×hfl+c3
hs-thick＝c4×hsl+c5
其中，c1、c2、c3、c4、c5是根据冰桥计划数据计算的回归系数，hs表示积雪深度，hf-cutoff表示干舷截止值，hs-thick表示积雪深度截止值；
S5：将积雪深度hs和ICESat-2卫星测得的总干舷高度hf与经纬度数据进行坐标匹配，再转换为矢量数据，计算海冰厚度hi，得到海冰厚度矢量点数据：
Figure FDA0002977165770000013
其中，hi表示海冰厚度，ρw表示海水密度，ρi表示海冰密度；
S6：将海冰厚度矢量点数据进行栅格化处理，得到海冰厚度栅格数据。
2.根据权利要求1所述的一种基于单光子激光测高数据的海冰厚度估算方法，其特征在于，步骤S1中，ICESat-2卫星测得的ATL10原始数据和CryoSat-2卫星测得的原始数据的时间间隔小于10天。
3.根据权利要求1所述的一种基于单光子激光测高数据的海冰厚度估算方法，其特征在于，步骤S2和步骤S5中，积雪密度是通过沃伦.斯诺气候学模型确定的。
4.根据权利要求3所述的一种基于单光子激光测高数据的海冰厚度估算方法，其特征在于，积雪密度ρs取441kg/m3。
5.根据权利要求1所述的一种基于单光子激光测高数据的海冰厚度估算方法，其特征在于，步骤S5中，使用欧洲气象卫星应用组织海洋海冰应用中心OSI SAF冰类产品区分一年冰和多年冰，并确定海冰密度。
6.根据权利要求5所述的一种基于单光子激光测高数据的海冰厚度估算方法，其特征在于，步骤S5中，海水密度ρw取1024kg/m3，一年海冰和多年海冰的海冰密度ρi分别取915kg/m3和887kg/m3。
7.根据权利要求1所述的一种基于单光子激光测高数据的海冰厚度估算方法，其特征在于，步骤S6中，将栅格内矢量点的海冰厚度平均值作为该栅格的海冰厚度值。
8.根据权利要求1所述的一种基于单光子激光测高数据的海冰厚度估算方法，其特征在于，步骤S6中，将海冰厚度矢量点数据投影到NSIDC极地立体网格中，得到海冰厚度栅格数据。
CN202110277320.1A 2021-03-15 2021-03-15 一种基于单光子激光测高数据的海冰厚度估算方法 Active CN113063360B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110277320.1A CN113063360B (zh) 2021-03-15 2021-03-15 一种基于单光子激光测高数据的海冰厚度估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110277320.1A CN113063360B (zh) 2021-03-15 2021-03-15 一种基于单光子激光测高数据的海冰厚度估算方法

Publications (2)

Publication Number Publication Date
CN113063360A CN113063360A (zh) 2021-07-02
CN113063360B true CN113063360B (zh) 2022-08-09

Family

ID=76560579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110277320.1A Active CN113063360B (zh) 2021-03-15 2021-03-15 一种基于单光子激光测高数据的海冰厚度估算方法

Country Status (1)

Country Link
CN (1) CN113063360B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113739707B (zh) * 2021-08-09 2022-07-05 同济大学 一种海冰信息提取方法
CN114417682B (zh) * 2021-12-15 2024-04-12 上海海洋大学 一种综合校正北极海冰厚度反演的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105395A (zh) * 2007-08-01 2008-01-16 大连海事大学 雷达海冰厚度测量仪
CN101476864A (zh) * 2009-02-11 2009-07-08 中国极地研究中心 海冰厚度测量系统
CN103017668A (zh) * 2012-11-30 2013-04-03 国家海洋局第一海洋研究所 基于高光谱遥感反射率的海冰厚度计算方法
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
CN109186560A (zh) * 2018-09-19 2019-01-11 南京大学 一种海冰厚度的遥感估算方法
CN111125934A (zh) * 2020-01-06 2020-05-08 武汉大学 基于最小二乘平差的海冰厚度分布估测方法及系统
CN113739707A (zh) * 2021-08-09 2021-12-03 同济大学 一种海冰信息提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150160006A1 (en) * 2013-12-11 2015-06-11 Conocophillips Company Derivation of sea ice thickness using isostacy and upward looking sonar profiles

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105395A (zh) * 2007-08-01 2008-01-16 大连海事大学 雷达海冰厚度测量仪
CN101476864A (zh) * 2009-02-11 2009-07-08 中国极地研究中心 海冰厚度测量系统
CN103017668A (zh) * 2012-11-30 2013-04-03 国家海洋局第一海洋研究所 基于高光谱遥感反射率的海冰厚度计算方法
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
CN109186560A (zh) * 2018-09-19 2019-01-11 南京大学 一种海冰厚度的遥感估算方法
CN111125934A (zh) * 2020-01-06 2020-05-08 武汉大学 基于最小二乘平差的海冰厚度分布估测方法及系统
CN113739707A (zh) * 2021-08-09 2021-12-03 同济大学 一种海冰信息提取方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Jun Liu等.《A Sea Ice Concentration Estimation Methodology Utilizing ICESat-2 Photon-Counting Laser Altimeter in the Arctic》.《remote sensing》.2022, *
Rachel L. Tilling等.《Estimating Arctic sea ice thickness and volume using CryoSat-2 radar altimeter data》.《Advances in Space Research》.2017, *
刘生元，等.《基于ＣｒｙｏＳａｔ－２数据反演２０１１～２０１７年波弗特海海冰厚度变化》.《大地测量与地球动力学》.2019, *
吕巍，等.《估计海冰厚度函数的一种辨识方法》.《运筹学学报》.2018, *
张建，等.《基于IceBridge 数据的南极别林斯高晋海的海冰厚度研究》.《冰川冻土》.2020, *
王志勇，等.《一种利用ＣｒｙｏＳａｔ－２数据估算南极冰架厚度的方法》.《遥感信息》.2020, *

Also Published As

Publication number Publication date
CN113063360A (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
Moholdt et al. Geometric changes and mass balance of the Austfonna ice cap, Svalbard
Liu et al. Coastal sea-level measurements based on gnss-r phase altimetry: A case study at the onsala space observatory, sweden
Tse et al. Wind profile observations in tropical cyclone events using wind-profilers and doppler SODARs
CN113063360B (zh) 一种基于单光子激光测高数据的海冰厚度估算方法
Haas et al. Interannual variability of summer sea ice thickness in the Siberian and central Arctic under different atmospheric circulation regimes
Yang et al. Mean structure and fluctuations of the Kuroshio East of Taiwan from in situ and remote observations
Haas Dynamics versus thermodynamics: The sea ice thickness distribution
Den Ouden et al. Stand-alone single-frequency GPS ice velocity observations on Nordenskiöldbreen, Svalbard
Rippin et al. Evidence towards a thermal lag in the response of Kårsaglaciären, northern Sweden, to climate change
CN113189559B (zh) 一种星载成像高度计遥感数据海底地形反演方法
Yu Tsunami-wave parameter estimation using GNSS-based sea surface height measurement
CN111125934A (zh) 基于最小二乘平差的海冰厚度分布估测方法及系统
CN104268848A (zh) 一种海洋内波波速监测的方法
JP6567665B2 (ja) 船舶の航路（パス）の全地点における各々のドリフト（浮動）ベクトルを推定する方法
CN106840113A (zh) 一种基于星基差分增强技术的深远海波浪和潮位测量方法
Lund et al. Marine X‐Band Radar Currents and Bathymetry: An Argument for a Wave Number‐Dependent Retrieval Method
CN113900069A (zh) 一种基于干涉成像高度计的垂线偏差计算方法及其系统
Kim et al. Satellite-derived SST validation based on in-situ data during summer in the East China Sea and western North Pacific
Hayes et al. Autonomous underwater vehicle measurements of surface wave decay and directional spectra in the marginal sea ice zone
Wang et al. Radial velocity of ocean surface current estimated from SAR Doppler frequency measurements—a case study of Kuroshio in the East China Sea
Bell Mapping shallow water coastal areas using a standard marine X-Band radar
Wang et al. Mapping sea surface velocities in the Changjiang coastal zone with advanced synthetic aperture radar
Sutton et al. Absolute geostrophic currents in the East Auckland Current region
CN113945935A (zh) 一种岛礁区水下空间结构精细刻画方法及系统
Tse et al. Wind characteristics observed in the vicinity of tropical cyclones: An investigation of the gradient balance and super-gradient flow

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