CN113093183A - 阈值确定方法、海冰厚度反演方法、装置、设备及介质 - Google Patents
阈值确定方法、海冰厚度反演方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113093183A CN113093183A CN202110364950.2A CN202110364950A CN113093183A CN 113093183 A CN113093183 A CN 113093183A CN 202110364950 A CN202110364950 A CN 202110364950A CN 113093183 A CN113093183 A CN 113093183A
- Authority
- CN
- China
- Prior art keywords
- ice
- data
- sea
- threshold
- sea ice
- 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
Images
Classifications
-
- 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
- G01S13/882—Radar or analogous systems specially adapted for specific applications for altimeters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
- G01B15/02—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring thickness
-
- 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
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供一种阈值确定方法、海冰厚度反演方法、装置、设备及介质,方法包括:获取待测卫星探测到的冰区的高程数据,各冰区对应的平均海表面高度数据,以及已有的可信比对数据;按照预设的各个阈值,分别采用阈值重跟踪算法对各冰区的高程数据进行重跟踪校正;根据各阈值对应的重跟踪校正后的各冰区的高程数据,以及各冰区对应的平均海表面高度数据,确定出各海冰对应的比对数据;从各阈值对应的比对数据中,确定出与可信比对数据差异最小的目标比对数据;目标比对数据对应的阈值为目标阈值。这样得到的目标阈值的反演效果最贴近与已有的可信比对数据,能贴合于待测卫星的实际情况,反演时可以得到良好的反演结果。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种阈值确定方法、海冰厚度反演方法、装置、设备及介质。
背景技术
海冰是表征气候变化最敏感的环境因子之一。海冰可以反射大部分的太阳短波辐射,从而减少海水对太阳短波辐射的吸收,同时海冰还可以阻隔海洋向外辐射长波辐射,因此海冰对于维持全球气候稳定具有重要的作用。
而准确获得海冰厚度及其变化信息,不仅有助于开展极地乃至全球气候变化、环境变化、生态安全等研究,还对海洋资源开发、海上交通航运、极地考察等具有重要的现实意义。
而为了准确获得海冰厚度及其变化信息,通常需要对探测卫星的雷达高度计数据进行海冰厚度反演。目前在海冰厚度反演过程中,往往需要用到阈值重跟踪方法进行波形重跟踪校正,而目前阈值重跟踪方法中所采用的阈值是固定的,但是由于不同的探测卫星,运行轨道、设备性能等通常是不同的,这就导致采用固定的阈值进行阈值重跟踪时,许多卫星得到的反演结果并不良好。
发明内容
本申请实施例的目的在于提供一种阈值确定方法、海冰厚度反演方法、装置、设备及介质,用以解决进行阈值重跟踪时,阈值与探测卫星实际情况不匹配,导致海冰厚度反演结果不良好的问题。
本申请实施例提供了一种阈值确定方法,包括:获取待测卫星探测到的冰区的高程数据,各所述冰区对应的平均海表面高度数据,以及已有的可信比对数据;其中,所述冰区包括海冰以及冰间水道;所述可信比对数据为可信的海冰厚度,或者为可计算得到所述海冰厚度的数据;按照预设的各个阈值,分别采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正;根据各所述阈值对应的重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的比对数据;所述比对数据为海冰厚度,或者为可计算得到所述海冰厚度的数据;从各所述阈值对应的所述比对数据中,确定出与所述可信比对数据差异最小的目标比对数据;所述目标比对数据对应的阈值为目标阈值。
在上述实现过程中,通过利用待测卫星的冰区的高程数据,在各个预设的阈值下进行高程数据的重跟踪校正,进而基于各个阈值对应的重跟踪校正后的高程数据,得到各个阈值对应的比对数据,进而利用已有的可信比对数据对各个阈值对应的比对数据进行比对,从而选取出差异最小的目标比对数据对应的阈值作为目标阈值。这样得到的目标阈值,其反演效果最贴近与已有的可信比对数据,效果最好,最贴合于待测卫星的实际情况,从而后续若采用该目标阈值来进行该待测卫星的海冰厚度反演时,可以得到良好的海冰厚度反演结果。
进一步地,所述方法还包括:获取所述待测卫星的波形数据;所述采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正,包括:采用阈值重跟踪算法对各所述冰区对应的波形数据进行处理,得到各所述冰区的重跟踪点;根据预设的星上跟踪点和各所述冰区对应的重跟踪点,确定各所述冰区对应的重跟踪校正值;采用各所述冰区对应的重跟踪校正值分部对各所述冰区的高程数据进行重跟踪校正,得到重跟踪校正后的各所述冰区的高程数据。
应理解,当卫星的测高仪处于非纯海洋面时,雷达高度计的返回波形会发生变形,导致所观测的距离不准确,此时就需要重新确定波形跟踪点的位置,进而进行数据校正。在上述实现过程中,利用阈值重跟踪算法对各所述冰区对应的波形数据进行处理即可实现对于重跟踪点的确定,此后基于预设的星上跟踪点和各冰区对应的重跟踪点,即可得到偏差值(即重跟踪校正值),进而实现重跟踪校正,其校正过程简单可靠。
进一步地,所述可计算得到所述海冰厚度的数据包括海冰干舷。
应理解,在实际应用过程中,海冰厚度可以根据海冰干舷求得,因此在进行目标阈值确定时,可以采用海冰干舷来进行比对,其可以客观评价各阈值的反演效果,从而满足本申请对于目标阈值的确定需求。
进一步地,所述比对数据为海冰干舷,根据重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的比对数据,包括:根据重跟踪校正后的各所述冰间水道的高程数据,以及各所述冰间水道对应的平均海表面高度数据,确定各所述冰间水道的SSHA(Sea Surface Height Anomaly,海表面高度异常);根据各所述冰间水道的SSHA,确定出各所述海冰的SSHA;根据重跟踪校正后的各所述海冰的高程数据,各所述海冰的SSHA,各所述海冰对应的平均海表面高度数据,确定各所述海冰的雷达干舷;根据各所述海冰的实际积雪厚度以及各所述海冰的雷达干舷,确定各所述海冰的海冰干舷。
在上述实现过程中,利用冰间水道的高程数据和冰间水道对应的平均海表面高度数据即有效估计出了海冰的SSHA,进而可以有效实现对于海冰的雷达干舷的确定。但是,由于电磁波在穿过积雪层时速度会发生衰减,故按照前述方式得到的雷达干舷并不能认为是海冰的实际干舷,需要借助积雪厚度对雷达干舷进行校正,从而得到海冰的实际干舷高度(即海冰干舷)。上述实现过程结合海冰的实际积雪厚度对雷达干舷进行校正,这样得到的海冰干舷即更为准确,更为接近海冰的实际干舷大小,从而提高了本申请实施例中的反演结果的可靠性。
进一步地,所述方法还包括:获取各所述海冰的类型,以及各所述海冰处的积雪厚度数据;根据各所述海冰的类型和各所述海冰的积雪厚度数据,确定各所述海冰的实际积雪厚度。
进一步地,所述方法还包括:获取所述待测卫星的波形数据,以及所述待测卫星探测到各所述冰区的目标观测点;根据所述波形数据计算各所述目标观测点处的脉冲峰值;从各所述目标观测点中,确定所述脉冲峰值大于等于预设脉冲峰值阈值的第一目标观测点,以及所述脉冲峰值小于所述预设脉冲峰值阈值的第二目标观测点;所述第一目标观测点处的高程数据为所述冰间水道的高程数据,所述第二目标观测点处的高程数据为所述海冰的高程数据。
在实际应用过程中,由于海冰和冰间水道之间的物理特性不同,这就导致两者反射的波形的脉冲峰值往往具有较大差异。在上述实现过程中,利用脉冲峰值与预设的脉冲峰值阈值,即简单有效地实现了对于海冰和冰间水道之间的区分。
进一步地,获取所述待测卫星探测到各所述冰区的目标观测点,包括:获取已有的海冰密集度数据;根据所述海冰密集度数据确定出所述待测卫星的所有运行轨道中,各观测点对应的海冰密集度;从各所述观测点中,确定出海冰密集度大于预设密集度阈值的各所述目标观测点。
在上述实现过程中,利用海冰密集度即简单有效地实现了对于海水与冰区的区分,从而实现了对于对应冰区的各目标观测点的筛选,便于本申请实施例的方案的实现。
本申请实施例还提供了一种海冰厚度反演方法,包括:获取待测卫星探测到的冰区的高程数据,以及各所述冰区对应的平均海表面高度数据;其中,所述冰区包括海冰以及冰间水道;采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正;所述阈值重跟踪算法中所采用的阈值,根据前述任一种的阈值确定方法确定得到;根据重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的海冰干舷;根据各所述海冰对应的海冰干舷,计算得到各所述海冰对应的海冰厚度。
在上述实现过程中,由于所采用的阈值是根据前述阈值确定方法得到的,该阈值最为贴合待测卫星的实际情况,因此反演得到的海冰厚度也就更为准确,更为贴合实际。
本申请实施例还提供了一种阈值确定装置,包括:第一获取模块、第一校正模块和第一确定模块;所述第一获取模块,用于获取待测卫星探测到的冰区的高程数据,各所述冰区对应的平均海表面高度数据,以及已有的可信比对数据;其中,所述冰区包括海冰以及冰间水道;所述可信比对数据为可信的海冰厚度,或者为可计算得到所述海冰厚度的数据;所述第一校正模块,用于按照预设的各个阈值,分别采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正;所述第一确定模块,用于根据各所述阈值对应的重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的比对数据;所述比对数据为海冰厚度,或者为可计算得到所述海冰厚度的数据;所述第一确定模块,还用于从各所述阈值对应的所述比对数据中,确定出与所述可信比对数据差异最小的目标比对数据;所述目标比对数据对应的阈值为目标阈值。
本申请实施例还提供了一种海冰厚度反演装置,包括:第二获取模块、第二校正模块、第二确定模块和计算模块;所述第二获取模块,用于获取待测卫星探测到的冰区的高程数据,以及各所述冰区对应的平均海表面高度数据;其中,所述冰区包括海冰以及冰间水道;所述第二校正模块,用于采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正;所述阈值重跟踪算法中所采用的阈值,根据前述任一种的阈值确定方法确定得到;所述第二确定模块,用于根据重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的海冰干舷;所述计算模块,用于根据各所述海冰对应的海冰干舷,计算得到各所述海冰对应的海冰厚度。
本申请实施例还提供了一种电子设备,包括处理器、存储器及通信总线;所述通信总线用于实现处理器和存储器之间的连接通信;所述处理器用于执行存储器中存储的一个或者多个程序,以实现上述任一种的阈值确定方法,或实现上述海冰厚度反演方法。
本申请实施例中还提供了一种可读存储介质,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任一种的阈值确定方法,或实现上述海冰厚度反演方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种阈值确定方法的流程示意图;
图2为本申请实施例提供的一种海冰厚度反演方法的流程示意图;
图3为本申请实施例提供的一种阈值确定装置的结构示意图;
图4为本申请实施例提供的一种海冰厚度反演装置的结构示意图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
实施例一:
为了解决目前进行阈值重跟踪时,阈值与探测卫星实际情况不匹配,导致海冰厚度反演结果不良好的问题,本申请实施例中提供了一种阈值确定方法。可以参见图1所示,图1为本申请实施例中提供的一种阈值确定方法的流程示意图,包括:
S101:获取待测卫星探测到的冰区的高程数据,各所述冰区对应的平均海表面高度数据,以及已有的可信比对数据。
需要说明的是,在本申请实施例中,可信比对数据是指目前已有的公信度较高的海冰厚度的数据,或者比对数据目前已有的公信度较高的可计算得到海冰厚度的其他相关数据,比如数据目前已有的公信度较高的海冰干舷的数据等。
还需要说明的是,在本申请实施例中,冰区包括海冰以及冰间水道。
还需要说明的是,在实际应用中,从待测卫星处获取到的是待测卫星在运行轨道上各个观测点的数据。为此,在本申请实施例中需要从待测卫星的各个观测点的数据中,区分出哪些是海冰的数据,哪些是冰间水道的数据。
然而在实际应用过程中,观测点的数据中除了涉及到冰区以外,还涉及到海水区域。为此,在本申请实施例中,需要首先排除掉对应海水区域的数据。为此,在本申请实施例的一种可行实施方式中,可以利用海冰密集度实现对于观测点是对应于海水区域还是冰区的区分。
示例性的,在本申请实施例中,可以从可靠的外部网址或内部资料中,获取最新的海冰密集度数据(例如可以从欧洲气象卫星组织海洋海冰应用中心下载),并根据从获取到的海冰密集度数据中,确定出待测卫星的所有运行轨道中,各观测点对应的海冰密集度,进而利用预设的密集度阈值,将海冰密集度大于预设密集度阈值的各观测点作为对应于冰区的目标观测点,从而实现对于冰区的区分。
需要注意的是,在上述示例方式中,若获取到的海冰密集度数据中,并不存在与某些观测点对应的海冰密集度数据,则可以对获取到的海冰密集度数据进行插值或者拟合等处理,从而得到这些观测点对应的海冰密集度数据。
此外,在上述示例方式中,密集度阈值可以由工程师根据实际反演需求进行确定,比如可以设定密集度阈值为70%等。
此外,应理解的是,上述基于已有的海冰密集度数据实现冰区与海水区域区分的方式仅是本申请实施例中所提供的一种可行实施方式,除此之外,也可以利用其余的方式实现对于冰区的区分,在本申请实施例中并不做限制。
在本申请实施例中,在确定出对应于冰区的目标观测点后,即可利用海冰与冰间水道之间物理特性的不同实现对于目标观测点中,对应于海冰和冰间水道的观测点的区分。
在本申请实施例的一种可行实施方式中,可以获取待测卫星的波形数据,进而利用海冰和冰间水道的波形数据脉冲峰值的不同,实现对于两者的区分。
示例性的,可以根据波形数据计算各目标观测点处的脉冲峰值,进而从各目标观测点中,确定出脉冲峰值大于等于预设脉冲峰值阈值的第一目标观测点,以及脉冲峰值小于该预设脉冲峰值阈值的第二目标观测点。此时,第一目标观测点处的高程数据即为冰间水道的高程数据,第二目标观测点处的高程数据即为海冰的高程数据。
需要注意的是,在实际应用过程中,各个观测点出的波形数据往往具有多个距离门。比如对于HY-2B海洋探测卫星而言,具有128个距离门。而为了提高对于脉冲峰值的计算可靠性,在本申请实施例中,可以仅采用中间的部分距离门来计算脉冲峰值,从而减少不可靠数据的干扰。比如对于HY-2B海洋探测卫星而言,可以采用第21至第108个距离门来计算脉冲峰值。
还需要注意的是,在上述示例方式中,脉冲峰值阈值可以由工程师根据实际经验或大量实验数据进行确定,比如可以设定脉冲峰值阈值为3等。
此外,应理解的是,上述基于脉冲峰值阈值实现冰间水道与海冰区分的方式仅是本申请实施例中所提供的一种可行实施方式,除此之外,也可以利用其余的方式实现对于冰间水道与海冰的区分,在本申请实施例中并不做限制。
还需要注意的是,在本申请实施例中,进行数据反演时需要用到冰间水道的数据,且冰间水道的数量将对后续海冰的海冰厚度的确定准确性有着直接影响,因此若发现待测卫星的某一运行轨道中,不存在对应于冰间水道的观测点,或存在的对应于冰间水道的观测点的数量小于预设的最小数量时,那么可以剔除该运行轨道对应的所有数据,以保证后续计算得到的比对数据的可靠性。
还需要说明的是,在本申请实施例中,各冰区对应的平均海表面高度数据可以利用各冰区对应的观测点的坐标,从可靠的外部网站或者内部资料中获取得到。
但是,对于冰区的高程数据而言,在实际应用过程中,卫星中并不直接产生高程数据,其产生的是SGDR(Sensor Geophysical Data Records,遥感地球物理)数据。
在本申请实施例中,可以从待测卫星处获取到SGDR数据,然后对SGDR数据进行处理,进而得到高程数据。
示例性的,可以首先对获取到的SGDR数据进行数据剔除,剔除掉无效值,得到待测卫星各个观测点的波形数据,待测卫星在各个观测点处到参考椭球面的距离H,到地物表面的距离D,以及各种地球物理校正项(比如模型大气干对流层校正、模型大气湿对流层校正、固体地球潮高度、极潮高度、大气逆气压校正、Ku波段海况偏差校正、海洋潮汐高度、负荷潮高度、海面地形高频震荡等等),进而根据H、D和各种地球物理校正项,即可求得待测卫星各个观测点的高程数据。
S102:按照预设的各个阈值,分别采用阈值重跟踪算法对各冰区的高程数据进行重跟踪校正。
在本申请实施例中,可以预先设定多个阈值,进而按照各个阈值,分别采用阈值重跟踪算法对各冰区的高程数据进行重跟踪校正。
在本申请实施例中,阈值的设定可以由工程师根据实际需要进行设置,例如可以设置阈值为5%至95%,间隔为1%。
需要注意的是,在本申请实施例中,所采用的阈值重跟踪算法可以是现有的各类阈值重跟踪算法,比如可以是最大阈值重跟踪算法等,在本申请实施例中并不做限制。
应理解,当卫星的测高仪处于非纯海洋面时,雷达高度计的返回波形会发生变形,导致所观测的距离不准确,此时就需要重新确定波形跟踪点的位置,进而进行数据校正。
为此,在本申请实施例中,对于各冰区的高程数据,将分别在各个阈值下,进行重跟踪校正。
在本申请实施例中,各个阈值对应的重跟踪校正过程是一致的,仅是过程中采用的阈值大小不同,因此下面仅针对一个重跟踪校正过程进行描述。
在本申请实施例中,可以获取待测卫星对应于各冰区的各个观测点的波形数据,进而采用阈值重跟踪算法对各冰区对应的波形数据进行处理,得到各冰区的重跟踪点。
示例性的,可以采用阈值乘以波形数据中第一个极大值的方式,得到各冰区的重跟踪点。
然后,可以根据预设的星上跟踪点和各冰区对应的重跟踪点,确定各冰区对应的重跟踪校正值。
应理解,本申请实施例中所述的星上跟踪点在某些文献中也被称为星上跟踪门,是预先指定的卫星中的用于确定卫星到地物表面的距离D的距离门。在实际应用中,不同卫星其预先指定的星上跟踪点可能有所不同,比如对于HY-2B卫星,其预设的星上跟踪点为33,对于其他卫星,其指定的星上跟踪点则可能为34或者其他数值。
在本申请实施例中,可以根据公式retrack=(星上跟踪点-重跟踪点)×光速×步长求得重跟踪校正值,其中光速和步长是常值。
此后,即可采用各冰区对应的重跟踪校正值分部对各冰区的高程数据进行重跟踪校正,得到重跟踪校正后的各冰区的高程数据。示例性的,可以将各冰区的高程数据加上各冰区对应的重跟踪校正值,得到各冰区重跟踪校正后的高程数据。
S103:根据各阈值对应的重跟踪校正后的各冰区的高程数据,以及各冰区对应的平均海表面高度数据,确定出各海冰对应的比对数据。
在本申请实施例中,各个阈值对应的确定出各海冰对应的比对数据的过程是一致的,仅是过程中采用的阈值大小不同,因此下面仅针对一个过程进行描述。
需要理解的是,在本申请实施例中,比对数据是指海冰厚度或者可计算得到海冰厚度的其他相关数据,比如海冰干舷等。
在比对数据是海冰干舷时,可以根据重跟踪校正后的各冰间水道的高程数据,以及各冰间水道对应的平均海表面高度数据,确定各冰间水道的SSHA。示例性的,可以将各冰间水道的高程数据减去各冰间水道对应的平均海表面高度数据,即可得到各冰间水道的SSHA。
然后,可以根据各冰间水道的SSHA,插值得到各海冰的SSHA。
应理解,在本申请实施例中,虽然理论上对于每一个运行轨道,仅采用一个冰间水道的SSHA也可以进行插值,但是此时的准确性交底,故而在实际应用过程中,可以设置每一个运行轨道的观测点中,对应冰间水道的最小数量,例如可以设置为3,从而在运行轨道的观测点中,对应冰间水道的观测点数量小于3时,剔除掉该运行轨道的所有数据,以保证计算出的比对数据的准确性。
还应理解的是,在本申请实施例中,除了可以对各冰间水道的SSHA进行插值,得到各海冰的SSHA外,也可以采用其他的方式,比如拟合方式得到各海冰的SSHA。
此后,根据重跟踪校正后的各海冰的高程数据,各海冰的SSHA,各海冰对应的平均海表面高度数据,即可确定各海冰的雷达干舷。示例性的,可以采用重跟踪校正后的各海冰的高程数据分别减去各海冰的SSHA和各海冰对应的平均海表面高度数据,得到各海冰的雷达干舷。
应理解,在实际应用过程中,由于电磁波在穿过积雪层时速度会发生衰减,故按照前述方式得到的雷达干舷并不能认为是海冰的实际干舷,需要借助积雪厚度对雷达干舷进行校正,从而得到海冰的实际干舷高度(即海冰干舷)。为此,在本申请实施例中,在得到各海冰的雷达干舷后,可以根据各海冰的实际积雪厚度以及各海冰的雷达干舷,确定各海冰的海冰干舷。示例性的,可以按照公式fi=r+(预设系数×hs)计算得到,其中,fi为海冰干舷,fr为雷达干舷,hs为海冰的实际积雪厚度。
需要注意的是,在本申请实施例中,对于海冰的积雪厚度数据可以从目前已有的各数据库中进行下载得到。在本申请实施例中,可以直接将下载到的各海冰对应的观测点出的积雪厚度数据作为各海冰的实际积雪厚度。
但是,在实际应用中,获取到的积雪厚度数据常常需要根据海冰类型进行再次确定。比如,对于一年冰可以取积雪厚度数据的50%作为实际积雪厚度,而对于多年冰则直接取积雪厚度数据作为实际积雪厚度。
为此,在本申请实施例中还可以获取各海冰的类型,进而根据各海冰的类型,重新确定各海冰的实际积雪厚度。
需要注意的是,在本申请实施例中,海冰的类型数据可以从可靠的外部网站或者内部资料中下载得到。且可以根据各海冰对应的观测点的坐标,从下载到的海冰类型数据中,获取到待测卫星各海冰的类型。
在本申请实施例中,海冰类型可以分为一年冰(足印内的所有海冰中,存在时间在一年内的冰占比超过预设第一阈值(比如80%)时,确定海冰类型为一年冰)、多年冰(足印内的所有海冰中,存在时间超过一年的冰占比超过预设第二阈值(比如也为80%)时,确定海冰类型为多年冰)和模棱两可冰(足印内的所有海冰中,存在时间在一年内的冰占比未超过预设第一阈值,且存在时间超过一年的冰占比也未超过预设第二阈值时,确定海冰类型为模棱两可冰)。
应理解,第一阈值和第二阈值的取值可以由工程师根据实际需要设定,但不应低于50%。
需要注意的是,为了保证本申请实施例中对于海冰干舷的计算可靠性,在本申请实施例中,可以剔除各模棱两可冰对应的数据,仅采用一年冰和多年冰对应的数据进行前述重跟踪校正以及比对数据计算。
在本申请实施例中,通常认为现有积雪厚度数据中,多年冰的积雪厚度数据具有较高的可信度,从而可以直接采用作为实际积雪厚度。但是对于一年冰,则可以设定以积雪系数,如50%等,从而采用现有积雪厚度数据乘以该积雪系数得到实际积雪厚度。其中,积雪系数可以由工程师根据大量实验数据进行设定。
需要理解的是,在本申请实施例中,若比对数据为海冰厚度,那么首先可以仍旧按照上述方式得到各海冰的海冰干舷。然后可以利用浮体公式,将海冰干舷高度转换为海冰厚度。
S104:从各阈值对应的比对数据中,确定出与可信比对数据差异最小的目标比对数据;目标比对数据对应的阈值为目标阈值。
在本申请实施例中,可信比对数据应与比对数据的类型一致。也即若比对数据为海冰干舷,那么可信比对数据也应为海冰干舷。若比对数据为海冰厚度,那么可信比对数据也应为海冰厚度。
在本申请实施例中,可信比对数据可以采用目前已有的公信度较高的数据实现,比如可以采用AWI(Alfred-Wegener-Institute,亥姆霍兹极地海洋研究中心)发布的L3级CryoSat-2月平均海冰厚度产品作为可信比对数据。
在本申请实施例中,在确定出各阈值对应的比对数据后,即可将各阈值对应的比对数据分别与可信比对数据比较,与可信比对数据差异越小,则表明反演效果越好,那么对应的阈值就越适合待测卫星。由此,即可获得最符合待测卫星实际需要的目标阈值。
在本申请实施例中,在获取到了待测卫星的目标阈值后,即可将其应用于待测卫星之后的海冰厚度反演过程中,从而不断输出最新的海冰厚度反演产品。
为此,在本申请实施例中,还提供了一种海冰厚度反演方法,参见图2所示,包括:
S201:获取待测卫星探测到的冰区的高程数据,以及各冰区对应的平均海表面高度数据。
其中,冰区包括海冰以及冰间水道。
应理解,如何得到冰区的高程数据的方式可参见前文所述,在此不再重复赘述。
S202:采用阈值重跟踪算法对各冰区的高程数据进行重跟踪校正。
需要注意的是,此时采用的阈值重跟踪算法应与前文确定目标阈值时所采用的阈值重跟踪算法一致。且此时采用的阈值重跟踪算法的阈值应为按照前文方法得到的目标阈值。
S203:根据重跟踪校正后的各冰区的高程数据,以及各冰区对应的平均海表面高度数据,确定出各海冰对应的海冰干舷。
应理解,如何确定出各海冰对应的海冰干舷的方式可参见前文所述,在此不再重复赘述。
S204:根据各海冰对应的海冰干舷,计算得到各海冰对应的海冰厚度。
在本申请实施例中,可以利用浮体公式,将海冰干舷高度转换为海冰厚度。
需要说明的是,上述方案可以应用于一个或多个具有计算能力的电子设备上。当然,也可以由人工实施,在本申请实施例中不做限制。
本申请实施例所提供的阈值确定方法和海冰厚度反演方法,通过利用待测卫星的冰区的高程数据,在各个预设的阈值下进行高程数据的重跟踪校正,进而基于各个阈值对应的重跟踪校正后的高程数据,得到各个阈值对应的比对数据,进而利用已有的可信比对数据对各个阈值对应的比对数据进行比对,从而选取出差异最小的目标比对数据对应的阈值作为目标阈值。这样得到的目标阈值,其反演效果最贴近与已有的可信比对数据,效果最好,最贴合于待测卫星的实际情况,从而后续采用该目标阈值来进行该待测卫星的海冰厚度反演时,可以得到良好的海冰厚度反演结果。
实施例二:
本实施例在实施例一的基础上,以HY-2B卫星进行北极海冰厚度反演时的目标阈值确定情况为例,为本申请做进一步示例说明。
1、首先进行数据获取:
从国家卫星海洋应用中心的海洋卫星地面系统数据分发网站获取HY-2B卫星雷达高度计的SGDR数据;下载对应时间和空间的CryoSat-2北极比对数据、海冰密集度数据、海冰类型数据以及平均海表面高度模型(即平均海表面高度数据)和积雪厚度数据(包含各海冰的积雪厚度以及积雪密度),各数据下载网址如表所示:
2、接着进行数据预处理:
对下载的SGDR数据进行数据剔除,剔除掉无效值和北纬60度以南的数据。根据给出的卫星到参考椭球面的距离H,卫星到地物表面的距离D,波形数据和各种地球物理校正项,按照下式计算出未进行重跟踪校正的各观测点的表面高程值s:
s=H-D-各种地球物理校正项
3、接着进行地物分类:
利用海冰密集度数据插值出HY-2B卫星的所有轨道中的各个观测点的海冰密集度。将SIC(Sea Ice Concentration,海冰密集度)大于等于70%的观测点确定为对应冰区的目标观测点。
读取HY-2B各目标观测点的波形数据。HY-2B的波形数据有128个距离门,只取第21至108个距离门来计算脉冲峰值PP,如下式所示:
其中,WFi表征雷达波形在第i个距离门的功率。
当PP≥3时,确定目标观测点对应冰间水道,否则确定目标观测点对应海冰。
采用获取到的海冰类型数据,根据对应海冰的观测点的坐标,将海冰分类为一年冰、多年冰和模棱两可冰,其中模棱两可冰不用于海冰厚度反演,将对应模棱两可冰的观测点的数据剔除。
若某一轨道对应的观测点中既有对应冰间水道的观测点,又有对应海冰的观测点,且对应冰间水道的观测点数量不少于3,则保留该轨道的数据,否则剔除该轨道的数据。
4、进行阈值波形重跟踪校正。设置阈值为5%至95%,间隔为5%,对于每一个阈值均按照下述方式确定出各冰区对应的重跟踪校正值retrack:
利用最大阈值重跟踪方法计算海冰和冰间水道的重跟踪点,按照公式retrack=(33-重跟踪点)×光速×步长,求得重跟踪校正值。其中:
33为HY-2B卫星的星上跟踪点,表征第33个距离门,光速为299792458m/s,步长为3.125×10-9。
5、海冰干舷求取:
按照公式SSHA冰间水道=s冰间水道-MSS冰间水道+retrack冰间水道计算得到各冰间水道处的SSHA。
其中,SSHA冰间水道为冰间水道处的海表面高度异常,s冰间水道为冰间水道处未进行重跟踪校正的表面高程,MSS冰间水道为冰间水道处的平均海表面高度,retrack冰间水道为冰间水道的重跟踪校正值。
然后,基于各冰间水道处的SSHA,插值得到各海冰出的SSHA。
然后,按照公式fr=s海冰-MSS海冰-SSHA海冰+retrack海冰计算得到各海冰的雷达干舷。
其中,fr为雷达干舷,s海冰为海冰处未进行重跟踪校正的表面高程,MSS海冰为海冰处的平均海表面高度,SSHA海冰为海冰处的海表面高度异常,retrack海冰为海冰的重跟踪校正值。
接着,利用各海冰的类型对应的积雪系数,确定各海冰处的积雪厚度,其中,多年冰的积雪系数取1,一年冰的积雪系数取50%。
最后,按照公式fi=r+(0.22×hs)计算得到海冰干舷fi。
在本实施例中,在计算得到各阈值对应的各海冰的海冰干舷fi之后,可以将其与CryoSat-2数据中的海冰干舷数据进行比较(若CryoSat-2数据中不存在某些海冰处的数据,则可以通过插值等方式补全,进而进行比较),然后取差别最小的那一个海冰干舷对应的阈值作为目标阈值。
当前,此时也可以不进行比对,而是执行下述步骤6。
6、海冰厚度求取:
根据浮体公式,将海冰干舷高度转换为海冰厚度,公式如下所示,并将其网格化,得到海冰干舷和海冰厚度数据集。
其中,hi为海冰厚度,fi为海冰干舷,hs为积雪厚度,ρs为积雪密度,ρw为海水密度,一般取1024kg/m3,ρi为海冰密度,一年冰的密度一般取917.6kg/m3,多年冰的密度一般取882kg/m3。
在本实施例中,在计算得到各阈值对应的各海冰的海冰厚度之后,可以将其与CryoSat-2数据中的海冰厚度进行比较(若CryoSat-2数据中不存在某些海冰处的数据,则可以通过插值等方式补全,进而进行比较),然后取差别最小的那一个海冰厚度对应的阈值作为目标阈值。
此后,在需要进行HY-2B卫星的数据的海冰厚度反演时,只需采用该目标阈值,按照上述步骤对HY-2B卫星的数据进行海冰厚度反演即可,得到的数据将更为真实、可靠。
实施例三:
基于同一发明构思,本申请实施例中还提供阈值确定装置100和海冰厚度反演装置200。请参阅图3和图4所示,图3示出了采用图1所示的方法的阈值确定装置100,图4示出了采用图2所示的方法的海冰厚度反演装置200。应理解,装置100和装置200具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。装置100和装置200包括至少一个能以软件或固件的形式存储于存储器中或固化在装置100、装置200的操作系统中的软件功能模块。具体地:
参见图3所示,装置100包括:第一获取模块101、第一校正模块102和第一确定模块103。其中:
所述第一获取模块101,用于获取待测卫星探测到的冰区的高程数据,各所述冰区对应的平均海表面高度数据,以及已有的可信比对数据;其中,所述冰区包括海冰以及冰间水道;所述可信比对数据为可信的海冰厚度,或者为可计算得到所述海冰厚度的数据;
所述第一校正模块102,用于按照预设的各个阈值,分别采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正;
所述第一确定模块103,用于根据各所述阈值对应的重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的比对数据;所述比对数据为海冰厚度,或者为可计算得到所述海冰厚度的数据;
所述第一确定模块103,还用于从各所述阈值对应的所述比对数据中,确定出与所述可信比对数据差异最小的目标比对数据;所述目标比对数据对应的阈值为目标阈值。
在本申请实施例中,所述第一获取模块101还用于获取所述待测卫星的波形数据;所述第一校正模块102具体用于:采用阈值重跟踪算法对各所述冰区对应的波形数据进行处理,得到各所述冰区的重跟踪点;根据预设的星上跟踪点和各所述冰区对应的重跟踪点,确定各所述冰区对应的重跟踪校正值;采用各所述冰区对应的重跟踪校正值分部对各所述冰区的高程数据进行重跟踪校正,得到重跟踪校正后的各所述冰区的高程数据。
在本申请实施例中,所述比对数据为海冰干舷或海冰厚度。
在本申请实施例的一种可行实施方式中,所述比对数据为海冰干舷时,所述第一确定模块103具体用于:根据重跟踪校正后的各所述冰间水道的高程数据,以及各所述冰间水道对应的平均海表面高度数据,确定各所述冰间水道的海表面高度异常SSHA;根据各所述冰间水道的SSHA,插值得到各所述海冰的SSHA;根据重跟踪校正后的各所述海冰的高程数据,各所述海冰的SSHA,各所述海冰对应的平均海表面高度数据,确定各所述海冰的雷达干舷;根据各所述海冰的实际积雪厚度以及各所述海冰的雷达干舷,确定各所述海冰的海冰干舷。
在上述可行实施方式中,所述第一获取模块101还用于获取各所述海冰的类型,以及各所述海冰处的积雪厚度数据;所述第一确定模块103还用于根据各所述海冰的类型和各所述海冰的积雪厚度数据,确定各所述海冰的实际积雪厚度。
在本申请实施例中,所述第一获取模块101还用于获取所述待测卫星的波形数据,以及所述待测卫星探测到各所述冰区的目标观测点;所述第一确定模块103还用于:根据所述波形数据计算各所述目标观测点处的脉冲峰值;从各所述目标观测点中,确定所述脉冲峰值大于等于预设脉冲峰值阈值的第一目标观测点,以及所述脉冲峰值小于所述预设脉冲峰值阈值的第二目标观测点;所述第一目标观测点处的高程数据为所述冰间水道的高程数据,所述第二目标观测点处的高程数据为所述海冰的高程数据。
在本申请实施例中,所述第一获取模块101具体用于:获取已有的海冰密集度数据;根据所述海冰密集度数据确定出所述待测卫星的所有运行轨道中,各观测点对应的海冰密集度;从各所述观测点中,确定出海冰密集度大于预设密集度阈值的各所述目标观测点。
参见图4所示,装置200包括:第二获取模块201、第二校正模块202、第二确定模块203和计算模块204。其中:
所述第二获取模块201,用于获取待测卫星探测到的冰区的高程数据,以及各所述冰区对应的平均海表面高度数据;其中,所述冰区包括海冰以及冰间水道;
所述第二校正模块202,用于采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正;所述阈值重跟踪算法中所采用的阈值,根据权利要求1-7任一项所述的阈值确定方法确定得到;
所述第二确定模块203,用于根据重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的海冰干舷;
所述计算模块204,用于根据各所述海冰对应的海冰干舷,计算得到各所述海冰对应的海冰厚度。
需要理解的是,出于描述简洁的考量,部分实施例一中描述过的内容在本实施例中不再赘述。
实施例四:
本实施例提供了一种电子设备,参见图5所示,其包括处理器501、存储器502以及通信总线503。其中:
通信总线503用于实现处理器501和存储器502之间的连接通信。
处理器501用于执行存储器502中存储的一个或多个程序,以实现上述实施例一和/或实施例二中的阈值确定方法,或实现上述实施例一和/或实施例二中的海冰厚度反演方法。
可以理解,图5所示的结构仅为示意,电子设备还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置。
本实施例还提供了一种可读存储介质,如软盘、光盘、硬盘、闪存、U盘、SD(SecureDigital Memory Card,安全数码卡)卡、MMC(Multimedia Card,多媒体卡)卡等,在该可读存储介质中存储有实现上述各个步骤的一个或者多个程序,这一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例一和/或实施例二中的阈值确定方法,或实现上述实施例一和/或实施例二中的海冰厚度反演方法。在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
在本文中,多个是指两个或两个以上。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种阈值确定方法,其特征在于,包括:
获取待测卫星探测到的冰区的高程数据,各所述冰区对应的平均海表面高度数据,以及已有的可信比对数据;其中,所述冰区包括海冰以及冰间水道;所述可信比对数据为可信的海冰厚度,或者为可计算得到所述海冰厚度的数据;
按照预设的各个阈值,分别采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正;
根据各所述阈值对应的重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的比对数据;所述比对数据为海冰厚度,或者为可计算得到所述海冰厚度的数据;
从各所述阈值对应的所述比对数据中,确定出与所述可信比对数据差异最小的目标比对数据;所述目标比对数据对应的阈值为目标阈值。
2.如权利要求1所述的阈值确定方法,其特征在于,所述比对数据为海冰干舷,根据重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的比对数据,包括:
根据重跟踪校正后的各所述冰间水道的高程数据,以及各所述冰间水道对应的平均海表面高度数据,确定各所述冰间水道的海表面高度异常SSHA;
根据各所述冰间水道的SSHA,确定出各所述海冰的SSHA;
根据重跟踪校正后的各所述海冰的高程数据,各所述海冰的SSHA,各所述海冰对应的平均海表面高度数据,确定各所述海冰的雷达干舷;
根据各所述海冰的实际积雪厚度以及各所述海冰的雷达干舷,确定各所述海冰的海冰干舷。
3.如权利要求1所述的阈值确定方法,其特征在于,所述方法还包括:获取所述待测卫星的波形数据;
所述采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正,包括:
采用阈值重跟踪算法对各所述冰区对应的波形数据进行处理,得到各所述冰区的重跟踪点;
根据预设的星上跟踪点和各所述冰区对应的重跟踪点,确定各所述冰区对应的重跟踪校正值;
采用各所述冰区对应的重跟踪校正值分部对各所述冰区的高程数据进行重跟踪校正,得到重跟踪校正后的各所述冰区的高程数据。
4.如权利要求1-3任一项所述的阈值确定方法,其特征在于,所述方法还包括:
获取所述待测卫星的波形数据,以及所述待测卫星探测到各所述冰区的目标观测点;
根据所述波形数据计算各所述目标观测点处的脉冲峰值;
从各所述目标观测点中,确定所述脉冲峰值大于等于预设脉冲峰值阈值的第一目标观测点,以及所述脉冲峰值小于所述预设脉冲峰值阈值的第二目标观测点;所述第一目标观测点处的高程数据为所述冰间水道的高程数据,所述第二目标观测点处的高程数据为所述海冰的高程数据。
5.如权利要求4所述的阈值确定方法,其特征在于,获取所述待测卫星探测到各所述冰区的目标观测点,包括:
获取已有的海冰密集度数据;
根据所述海冰密集度数据确定出所述待测卫星的所有运行轨道中,各观测点对应的海冰密集度;
从各所述观测点中,确定出海冰密集度大于预设密集度阈值的各所述目标观测点。
6.一种海冰厚度反演方法,其特征在于,包括:
获取待测卫星探测到的冰区的高程数据,以及各所述冰区对应的平均海表面高度数据;其中,所述冰区包括海冰以及冰间水道;
采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正;所述阈值重跟踪算法中所采用的阈值,根据权利要求1-5任一项所述的阈值确定方法确定得到;
根据重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的海冰干舷;
根据各所述海冰对应的海冰干舷,计算得到各所述海冰对应的海冰厚度。
7.一种阈值确定装置,其特征在于,包括:第一获取模块、第一校正模块和第一确定模块;
所述第一获取模块,用于获取待测卫星探测到的冰区的高程数据,各所述冰区对应的平均海表面高度数据,以及已有的可信比对数据;其中,所述冰区包括海冰以及冰间水道;所述可信比对数据为可信的海冰厚度,或者为可计算得到所述海冰厚度的数据;
所述第一校正模块,用于按照预设的各个阈值,分别采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正;
所述第一确定模块,用于根据各所述阈值对应的重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的比对数据;所述比对数据为海冰厚度,或者为可计算得到所述海冰厚度的数据;
所述第一确定模块,还用于从各所述阈值对应的所述比对数据中,确定出与所述可信比对数据差异最小的目标比对数据;所述目标比对数据对应的阈值为目标阈值。
8.一种海冰厚度反演装置,其特征在于,包括:第二获取模块、第二校正模块、第二确定模块和计算模块;
所述第二获取模块,用于获取待测卫星探测到的冰区的高程数据,以及各所述冰区对应的平均海表面高度数据;其中,所述冰区包括海冰以及冰间水道;
所述第二校正模块,用于采用阈值重跟踪算法对各所述冰区的高程数据进行重跟踪校正;所述阈值重跟踪算法中所采用的阈值,根据权利要求1-5任一项所述的阈值确定方法确定得到;
所述第二确定模块,用于根据重跟踪校正后的各所述冰区的高程数据,以及各所述冰区对应的平均海表面高度数据,确定出各所述海冰对应的海冰干舷;
所述计算模块,用于根据各所述海冰对应的海冰干舷,计算得到各所述海冰对应的海冰厚度。
9.一种电子设备,其特征在于,包括:处理器、存储器及通信总线;
所述通信总线用于实现所述处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如权利要求1至5任一项所述的阈值确定方法,或实现如权利要求6所述的海冰厚度反演方法。
10.一种可读存储介质,其特征在于,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至5任一项所述的阈值确定方法,或实现如权利要求6所述的海冰厚度反演方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110364950.2A CN113093183B (zh) | 2021-04-02 | 2021-04-02 | 阈值确定方法、海冰厚度反演方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110364950.2A CN113093183B (zh) | 2021-04-02 | 2021-04-02 | 阈值确定方法、海冰厚度反演方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113093183A true CN113093183A (zh) | 2021-07-09 |
CN113093183B CN113093183B (zh) | 2022-03-08 |
Family
ID=76673575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110364950.2A Active CN113093183B (zh) | 2021-04-02 | 2021-04-02 | 阈值确定方法、海冰厚度反演方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113093183B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113739707A (zh) * | 2021-08-09 | 2021-12-03 | 同济大学 | 一种海冰信息提取方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2709284A1 (en) * | 2007-12-12 | 2009-06-18 | Mark K. Moser | Light source tracker |
CN102708369A (zh) * | 2012-05-14 | 2012-10-03 | 大连理工大学 | 一种基于卫星图像的海冰参数提取方法 |
US20140062764A1 (en) * | 2012-09-04 | 2014-03-06 | Fugro Earthdata, Inc. | Method and apparatus for mapping and characterizing sea ice from airborne simultaneous dual frequency interferometric synthetic aperture radar (ifsar) measurements |
CN104198052A (zh) * | 2014-09-25 | 2014-12-10 | 国家卫星海洋应用中心 | 基于海洋二号卫星扫描微波辐射计的海冰密集度获取方法 |
CN104407338A (zh) * | 2014-12-12 | 2015-03-11 | 国家卫星海洋应用中心 | 基于海洋二号卫星微波散射计的极地海冰识别方法 |
CN104535979A (zh) * | 2014-12-23 | 2015-04-22 | 中国科学院遥感与数字地球研究所 | 一种陆地云光学厚度的遥感反演方法及系统 |
WO2016098350A1 (ja) * | 2014-12-16 | 2016-06-23 | 独立行政法人石油天然ガス・金属鉱物資源機構 | 遠隔氷厚測定方法、遠隔氷強度測定方法、遠隔測定方法、遠隔氷厚測定装置、遠隔氷強度測定装置、及び遠隔測定体 |
CN105738881A (zh) * | 2016-03-09 | 2016-07-06 | 中国石油大学(华东) | 基于波形分类的近海Envisat卫星测高波形重定方法 |
CN106985981A (zh) * | 2017-05-16 | 2017-07-28 | 唐山航岛海洋重工有限公司 | 高安全的大型水上浮式结构 |
CN108519589A (zh) * | 2018-03-08 | 2018-09-11 | 武汉大学 | 基于无源目标的星载激光测高仪足印定位方法 |
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 |
CN109186561A (zh) * | 2018-09-19 | 2019-01-11 | 南京大学 | 一种冰下湖体积变化的估算方法 |
US20190202568A1 (en) * | 2016-08-22 | 2019-07-04 | Norwegian University Of Science And Technology | Icing control system |
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 |
CN111812641A (zh) * | 2020-07-22 | 2020-10-23 | 中国科学院空天信息创新研究院 | 一种基于多尺度峰值监测的雷达高度计波形重跟踪方法 |
CN112114309A (zh) * | 2020-08-10 | 2020-12-22 | 西安电子科技大学 | 基于最优轮廓系数自适应k均值聚类的jpda多目标跟踪方法 |
CN112446303A (zh) * | 2020-11-10 | 2021-03-05 | 自然资源部第一海洋研究所 | 一种合成孔径雷达海冰漂移探测方法、系统、设备及应用 |
-
2021
- 2021-04-02 CN CN202110364950.2A patent/CN113093183B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2709284A1 (en) * | 2007-12-12 | 2009-06-18 | Mark K. Moser | Light source tracker |
CN102708369A (zh) * | 2012-05-14 | 2012-10-03 | 大连理工大学 | 一种基于卫星图像的海冰参数提取方法 |
US20140062764A1 (en) * | 2012-09-04 | 2014-03-06 | Fugro Earthdata, Inc. | Method and apparatus for mapping and characterizing sea ice from airborne simultaneous dual frequency interferometric synthetic aperture radar (ifsar) measurements |
WO2014039267A1 (en) * | 2012-09-04 | 2014-03-13 | Fugro Earthdata, Inc. | Method and apparatus for mapping and characterizing sea ice from airborne simultaneous dual frequency interferometric synthetic aperture radar (ifsar) measurements |
CN104198052A (zh) * | 2014-09-25 | 2014-12-10 | 国家卫星海洋应用中心 | 基于海洋二号卫星扫描微波辐射计的海冰密集度获取方法 |
CN104407338A (zh) * | 2014-12-12 | 2015-03-11 | 国家卫星海洋应用中心 | 基于海洋二号卫星微波散射计的极地海冰识别方法 |
WO2016098350A1 (ja) * | 2014-12-16 | 2016-06-23 | 独立行政法人石油天然ガス・金属鉱物資源機構 | 遠隔氷厚測定方法、遠隔氷強度測定方法、遠隔測定方法、遠隔氷厚測定装置、遠隔氷強度測定装置、及び遠隔測定体 |
CN104535979A (zh) * | 2014-12-23 | 2015-04-22 | 中国科学院遥感与数字地球研究所 | 一种陆地云光学厚度的遥感反演方法及系统 |
CN105738881A (zh) * | 2016-03-09 | 2016-07-06 | 中国石油大学(华东) | 基于波形分类的近海Envisat卫星测高波形重定方法 |
US20190202568A1 (en) * | 2016-08-22 | 2019-07-04 | Norwegian University Of Science And Technology | Icing control system |
CN106985981A (zh) * | 2017-05-16 | 2017-07-28 | 唐山航岛海洋重工有限公司 | 高安全的大型水上浮式结构 |
CN108519589A (zh) * | 2018-03-08 | 2018-09-11 | 武汉大学 | 基于无源目标的星载激光测高仪足印定位方法 |
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 |
CN109186561A (zh) * | 2018-09-19 | 2019-01-11 | 南京大学 | 一种冰下湖体积变化的估算方法 |
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 |
CN111812641A (zh) * | 2020-07-22 | 2020-10-23 | 中国科学院空天信息创新研究院 | 一种基于多尺度峰值监测的雷达高度计波形重跟踪方法 |
CN112114309A (zh) * | 2020-08-10 | 2020-12-22 | 西安电子科技大学 | 基于最优轮廓系数自适应k均值聚类的jpda多目标跟踪方法 |
CN112446303A (zh) * | 2020-11-10 | 2021-03-05 | 自然资源部第一海洋研究所 | 一种合成孔径雷达海冰漂移探测方法、系统、设备及应用 |
Non-Patent Citations (5)
Title |
---|
LEE S,IM J,KIM: "Arctic sea ice thickness estimation from CryoSat-2 satellite data using machine learning-based lead detection", 《REMOTE SENSING》 * |
吴星泉: "利用CryoSat-2卫星测高资料确定北极海冰干舷高", 《测绘通报》 * |
江伟伟; 李磊; 王春晖; 杜凌: "格陵兰岛附近海域海平面变化的初步研究", 《中国海洋大学学报(自然科学版) 》 * |
熊雨静: "海洋二号雷达高度计数据在冰测量中的应用研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 * |
高贤文: "近岸卫星雷达测高波形重跟踪算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113739707A (zh) * | 2021-08-09 | 2021-12-03 | 同济大学 | 一种海冰信息提取方法 |
CN113739707B (zh) * | 2021-08-09 | 2022-07-05 | 同济大学 | 一种海冰信息提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113093183B (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Neveu et al. | An historical analysis of the California Current circulation using ROMS 4D-Var: System configuration and diagnostics | |
Ingleby et al. | Quality control of ocean temperature and salinity profiles—Historical and real-time data | |
Hwang et al. | Coastal gravity anomalies from retracked Geosat/GM altimetry: improvement, limitation and the role of airborne gravity data | |
Huang et al. | Daily continuous river discharge estimation for ungauged basins using a hydrologic model calibrated by satellite altimetry: Implications for the SWOT mission | |
Kwok et al. | Seasonal ice area and volume production of the Arctic Ocean: November 1996 through April 1997 | |
CN113093183B (zh) | 阈值确定方法、海冰厚度反演方法、装置、设备及介质 | |
CN113075706A (zh) | 一种基于gnss-r的雪深反演方法及其应用 | |
Saponaro et al. | Evaluation of aerosol and cloud properties in three climate models using MODIS observations and its corresponding COSP simulator, as well as their application in aerosol–cloud interactions | |
KR20200032452A (ko) | 해상 유출유의 이동 추적 방법 및 장치 | |
Kim et al. | Monitoring a storm surge during Hurricane Harvey using multi-constellation GNSS-Reflectometry | |
Li et al. | Performance of Jason-2/GM altimeter in deriving marine gravity with the waveform derivative retracking method: a case study in the South China Sea | |
Zhang et al. | Mapping surface water extents using high-rate coherent spaceborne gnss-r measurements | |
Fons et al. | Assessing CryoSat‐2 Antarctic Snow Freeboard Retrievals Using Data From ICESat‐2 | |
KR20210053562A (ko) | 글로벌 기후 자료의 품질 관리 방법 및 장치 | |
Lei et al. | Processing methodology for the ITS_LIVE Sentinel-1 ice velocity products | |
Ji et al. | On performance of CryoSat-2 altimeter data in deriving marine gravity over the Bay of Bengal | |
Lyzenga | Unconstrained inversion of waveheight spectra from SAR images | |
Rana et al. | LG‐Mod: A Modified Local Gradient (LG) Method to Retrieve SAR Sea Surface Wind Directions in Marine Coastal Areas | |
Zhang et al. | Comparative strengths of SCaMPR satellite QPEs with and without TRMM ingest versus gridded gauge-only analyses | |
CN114814779A (zh) | 浮标涌浪波高观测数据误差评估方法、系统、设备及介质 | |
Cenci et al. | Remote sensing for coastal risk reduction purposes: Optical and microwave data fusion for shoreline evolution monitoring and modelling | |
Smith et al. | A statistical modeling approach to passive microwave rainfall retrieval | |
Prasad et al. | Shoreline evolution along a placer mining beach of south-west coast of India | |
Giangregorio et al. | Wind Direction Estimation by Deconvolution of GNSS Delay–Doppler Maps: A Simulation Analysis | |
Dong et al. | Feasibility of retrieving Arctic sea ice thickness from the Chinese HY-2B Ku-band radar altimeter |
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 |