CN114417682B - 一种综合校正北极海冰厚度反演的方法 - Google Patents
一种综合校正北极海冰厚度反演的方法 Download PDFInfo
- Publication number
- CN114417682B CN114417682B CN202111535557.1A CN202111535557A CN114417682B CN 114417682 B CN114417682 B CN 114417682B CN 202111535557 A CN202111535557 A CN 202111535557A CN 114417682 B CN114417682 B CN 114417682B
- Authority
- CN
- China
- Prior art keywords
- data
- snow
- ice
- sea ice
- inversion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000035515 penetration Effects 0.000 claims abstract description 27
- 238000010219 correlation analysis Methods 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 24
- 239000013535 sea water Substances 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 5
- 101710178035 Chorismate synthase 2 Proteins 0.000 claims description 4
- 101710152694 Cysteine synthase 2 Proteins 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 147
- 239000002245 particle Substances 0.000 description 13
- 230000007423 decrease Effects 0.000 description 10
- 230000010287 polarization Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 238000010206 sensitivity analysis Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- WKBPZYKAUNRMKP-UHFFFAOYSA-N 1-[2-(2,4-dichlorophenyl)pentyl]1,2,4-triazole Chemical compound C=1C=C(Cl)C=C(Cl)C=1C(CCC)CN1C=NC=N1 WKBPZYKAUNRMKP-UHFFFAOYSA-N 0.000 description 1
- 108010046685 Rho Factor Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012267 brine Substances 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000011031 topaz Substances 0.000 description 1
- 229910052853 topaz Inorganic materials 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种综合校正北极海冰厚度反演的方法，属于卫星遥感海冰厚度反演技术领域，包括如下步骤：步骤S1：下载卫星数据并建立数据库；步骤S2：结合卫星数据使用分层积雪的微波发射模型模拟FY3B/MWRI的亮度温度TBs对积雪深度变化进行相关性分析，并确定最佳参数；步骤S3：根据最佳参数推导出一年冰和多年冰下的积雪深度的反演公式，利用公式反演出积雪深度数据；步骤S4：使用积雪深度数据对积雪深度的网格数据进行再分布；步骤S5：推导得出改进的CryoSat‑2雷达穿透率；步骤S6：构建海冰厚度反演方程；步骤S7：将数据代入海冰厚度反演方程，得到海冰厚度。本发明构建的海冰厚度反演方程有效提高了反演结果的准确性，能获得更准确的北极海冰厚度。
Description
技术领域
本发明属于卫星遥感海冰厚度反演技术领域，具体涉及一种综合校正北极海冰厚度反演的方法。
背景技术
海冰是地球气候系统的重要因子,它限制着海洋和大气之间的热量、水分和动量交换，并在海洋循环和北冰洋初级生产力中也起着至关重要的作用。在当今全球变暖的背景下，北极海冰厚度在过去几十年中快速下降，北极海冰被认为是全球气候变化的重要指示器，获取精确的海冰厚度及其变化信息对于开展北极和全球变化研究等有着重要的意义，因此得到了气候研究和国际社会的广泛重视。
海冰厚度通过各种方法观测，包括潜艇、冰质量平衡浮标、电磁感应测深、卫星激光和雷达测高。CryoSat2任务在过去十年中是海冰厚度观测的主要手段，主要提供了雷达测距观测，可以从中得出海冰厚度，统称为卫星遥感海冰厚度反演(Sea Ice ThicknessRetrieval)。如CryoSat-2和Sentinel-3利用Ku波段雷达高度计，通过飞行时间计算来测量“雷达干舷”。雷达干舷是冰雪界面和当地瞬时海平面之间雷达测距的差异(假设雷达波完全穿透积雪)。由于雷达波速在雪中会降低，因此需要将雷达干舷转换为真实冰干舷，这一步称为速度校正。在干舷计算之后，利用海冰干舷、积雪深度和辅助数据在静力平衡公式的基础上来估计海冰厚度。
现有的海冰厚度反演方法主要基于静力平衡公式，大多数研究者考虑速度校正和积雪产品来反演海冰厚度，鉴于实地观测的结果。相关研究表明由于空气-雪界面和积雪内的散射，海冰厚度估计可能存在残余误差，海冰上雪的雷达后向散射特性对少量液态水含量和盐(盐水)或冰层的存在非常敏感，根据实测结果与卫星雷达数据的对比评估，可以发现雷达信号的穿透界面通常在雪层,即雷达信号不是总能完全穿透海冰表面积雪，目前只有很少部分的研究者考虑雷达穿透进行了海冰厚度的反演，但其没有同时考虑雷达的速度校正。近年来，在反演海冰厚度的研究当中评估了雷达穿透所引起的误差相当可观。
另一方面，海冰厚度的反演基于静力平衡假设，积雪深度是反演的一个重要参数，因此积雪深度直接影响着海冰厚度反演的结果。现阶段的北极海冰厚度反演中，使用的积雪厚度主要是利用AMSR-E/AMSR2的一年冰积雪厚度数据和W99模型的线性拟合公式得到，其准确性并不好，并且缺乏多年冰上积雪深度相关的数据。
发明内容
本发明的目的是针对现有技术中存在的问题，提供了一种综合校正北极海冰厚度反演的方法，综合了速度校正、雷达穿透和积雪产品来进行海冰厚度的反演，为北极海冰反演提供了一种更具准确性和合理性的方法。
技术方案如下：
一种综合校正北极海冰厚度反演的方法，包括如下步骤：
步骤S1：下载欧洲北极冰卫星(CryoSat-2)数据和中国风云卫星3B/微波辐射计成像仪(FY3B/MWRI)数据作为海冰厚度反演的基础数据，下载北极“冰桥行动”(OIB)数据和北极融合多种卫星数据模式下的再分析(TOPAZ4)数据作为验证数据，将上述数据建立数据库；
步骤S2：读取FY3B/MWRI气象数据和CryoSat-2海冰类型数据，结合雪层、雪粒和积雪密度数据，使用分层积雪(MEMLS)的微FY3B/MWRI的亮度温度(TBs)对北极地区一年冰和多年冰层积雪深度变化进行相关性分析，求出不同大气和海冰环境下TBs与积雪厚度之间的敏感性系数，并根据模拟结果确定最佳参数；
步骤S3：根据步骤S2中确定的最佳参数推导出一年冰和多年冰下的积雪深度的反演公式，利用公式反演出积雪深度数据，并利用OIB积雪深度数据对反演的积雪深度数据进行评估；
步骤S4：读取CryoSat-2雷达干舷数据，使用步骤S3中反演的积雪深度数据对积雪深度的网格数据进行再分布；
步骤S5：推导得出改进的CryoSat-2雷达穿透率在多年冰上为0.8，在一年冰上为0.94，综合速度校正和雷达穿透的海冰干舷公式为其中hfi为海冰干舷，/>为雷达干舷项，hs为积雪深度；
步骤S6：综合步骤S5构建基于静力平衡的理论CS2+FY3B/MWRI+Penetration-海冰厚度反演方程其中hi为海冰厚度，θ为海冰反演系数，ρw为海水密度，ρi为海冰密度，/>为CryoSat-2的雷达干舷；
步骤S7：读取CryoSat-2的雷达干舷、海冰类型、海冰厚度、海冰密度和积雪密度数据；使用步骤S4和步骤S5的结果，代入步骤S6所述的CS2+FY3B/MWRI+Penetration-海冰厚度反演方程，得到该模式下反演的海冰厚度。
进一步的，步骤S1中CryoSat-2数据的空间分辨率为25km×25km，FY3B/MWRI数据的空间分辨率为10km×10km，OIB数据沿航迹的空间分辨率为250m，TOPAZ4数据的空间分辨率为12.5km×12.5km。
进一步的，步骤S2中一年冰雪深反演的最佳参数是GR(10.7V/18.7V)和TB(36.5V)，而多年冰雪深反演的最佳参数是TB(10.7V)、TB(18.7V)和GR(10.7V/18.7V)，其中GR是梯度比辐射强度，TB是亮度温度辐射强度。
进一步的，步骤S3中一年冰的积雪深度厚度反演方程为：hfs＝54.5-0.2×TB(36.5V)-703.4×GR(10.7V/18.7V)；多年冰的积雪深度厚度反演方程为：
其中hfs为积雪深度。
进一步的，步骤S4中的再分布方法是利用经纬度和平面转换，以及反距离权重(IDW)插值函数，将积雪深度数据从12.5km×12.5km空间分辨率网格重新分布在25×25km空间分辨率的CryoSat-2雷达干舷网格下。
进一步的，步骤S6中海水密度ρw取1020～1070kg/m3，一年冰的海冰密度ρi取916.7kg/m3，多年冰的海冰密度ρi取882.0kg/m3。
有益效果：
1)本发明针对目前积雪深度数据不全面、不准确以及雷达的穿透率所引起的误差等问题，构建的CS2+FY3B/MWRI+Penetration-海冰厚度反演方程综合考虑了速度校正、雷达穿透和积雪厚度对海冰厚度反演的影响，有效提高了反演结果的准确性，能获得更准确的北极海冰厚度。
附图说明
图1为本发明海冰厚度反演方法的流程示意图；
图2为积雪深度反演流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明：
如图1所示一种综合校正北极海冰厚度反演的方法，包括如下步骤：
步骤S1：采用下载工具下载月平均的、空间分辨率为25km×25km的CryoSat-2数据集，该数据集包含了雷达干舷、海冰干舷、海冰厚度、海冰密度、积雪密度、海水密度、海冰类型和积雪厚度，对CryoSat-2数据建立数据库；采用下载工具下载每天的、空间分辨率为10km×10km的FY3B/MWRI数据集，该数据集包含了不同通道下的亮度温度(TBs)。对FY3B/MWRI数据建立数据库；采用下载工具下载每天的、沿航迹的空间分辨率为250m的OIB数据集，该数据集包含了海冰厚度、积雪深度、海冰干舷和海冰高度数据。对OIB数据建立数据库；采用下载工具下载月平均、空间分辨率为12.5km×12.5km的TOPAZ4数据集，该数据集包含了数据。对OIB数据建立数据库。
步骤S2：如图2所示针对分层积雪(MEMLS)的微波发射模型对FY3B/MWRI的TBs在不同的大气和地面条件下进行了模拟，在北极的两种海冰上有不同的积雪深度，设置积雪参数时，使用ECMWF/ERA-I数据中2011年1月1日的大气温度和海冰温度，通过设置不同的通道以及输入不同的变量参数到MEMLS模型并得到相应的结果，以确定对积雪深度反演最佳的敏感性参数。
具体分析如下：
(1)大气中水汽条件对TBs的影响：通过对模型模拟的结果分析，可以得出无论大气中是否存在水蒸气，积雪辐射的辐射强度与观测到的辐射强度并无差异，得出结论大气向下辐射的影响可以忽略不计；对比有水汽和没有水汽条件下的TBs，发现除23.8GHz和89GHz通道外，其他通道的TBs非常相似。因此，水汽对23.8GHz和89GHz的TBs有影响，而对其他通道的观测TBs没有影响。因此，在以后使用MEMLS进行敏感性分析时，本发明没有考虑向下的大气辐射，而是统一使用观测到的不含水蒸气的TB。
(2)单层雪条件下，不同海冰类型下多种通道对TBs的影响：将积雪密度设置为300kg/m3，粒子直径设置为1.5mm，通过对模拟结果的分析，可以得出除89GHz外，一年冰上垂直通道观测到的TBs随积雪深度的增加而减小，频率越高，TBs变化越大。积雪深度5～70cm时，TB(10.7V)、TB(18.7V)和TB(36.5V)分别减小7、26和60K(V表示垂直极化)；积雪较薄时，TB(89V)衰减明显。随着积雪深度的增加，衰减趋于饱和，TB的变化率显著降低。从水平通道得到的结果与上述相似，主要的区别是TBs的变化率低于垂直极化的变化率。多年冰上的模拟也与供参考的模拟类似，积雪深度5～70cm时，TB(10.7V)、TB(18.7V)和TB(36.5V)分别减小8K、22K和30K。
(3)不同通道的积雪深度随梯度比的变化：分析不同通道积雪深度随坡度比值的变化，其中梯度比定义如下：
式中GR是梯度比，TB(fp)是频率f处的TB，p为水平或垂直极化。
对于一年冰和多年冰，模拟GR(10.7V/18.7V)和GR(10.7V/36.5V)随着积雪深度的增加而减少，不同之处在于前者与积雪深度呈线性关系，而后者则随着积雪深度的增加，变化率逐渐降低，GR(18.7V/36.5V)在一年冰中随雪深增加而减小，当雪深超过50cm时趋于稳定。然而对于多年冰来说，一旦积雪深度达到30厘米左右就不再下降。即GR可用于计算50cm以下一年冰上的雪深，但不能用于检索多年冰上的雪深。水平极化的结果与垂直极化的结果相似，主要区别在于梯度比随积雪深度的变化比垂直极化情况下的变化更慢。
(4)不同积雪的粒子大小、密度、相关长度和分层方法下对GRs的影响：
本发明基于上述模拟，比较了不同积雪的粒子大小、密度、相关长度和分层方法下的GR(10.7V/18.7V)和GR(10.7V/36.5V)。相关参数设置中，积雪的粒子大小选用了0.5、1、1.2、1.5和2(mm)，积雪密度中选用了200、250、300、350(kg/m3)，积雪的相关长度选用了0.007至0.4(mm)。分层方法设置为单层积雪模拟和每5cm分层一次的模拟。
在一年冰中，GR(10.7V/18.7V)在各种环境中随雪深的增加而近似线性降低，随粒径的增加而降低得更快。当粒径恒定时，密度越小，GR下降越快。同时，对于小颗粒，GR(10.7V/36.5V)随雪深的增加而线性减小。当雪深小于50cm且粒径增大时，该比值随着雪深的增加而减小，然后趋于稳定。这主要是因为，随着雪粒大小的增大，雪对微波信号的散射逐渐增大，从而导致TBs随雪深的变化更快。由于微波信号在高频时的散射大于低频时的散射，因此随着粒径的增加，信号衰减变得非常快，并在特定雪深处变得稳定，这将导致GRs不再随着雪深的增加而降低。在某些极端情况下，当TB高频变化低于低频变化时，GR甚至会随着积雪深度的增加而增加。
在多年冰中，与一年冰的情况类似，GR(10.7V/18.7V)几乎随雪深的增加呈线性下降，极端情况除外。随着粒子的增大，GRs逐渐增大。当雪深低于30cm时，GR(10.7V/36.5V)也随着雪深的增加而减小，然后保持相当恒定。当雪粒较大时，该梯度比随雪深的增加而增加。
(5)不同TBs和GRs与雪深之间的相关系数：基于上述敏感性和相关性分析，：通过相关性分析得出GR(10.7V/18.7V)和TB(36.5V)是一年冰雪深反演的最佳参数，而TB(10.7V)、TB(18.7V)和GR(10.7V/18.7V)是多年冰雪深反演的最佳参数。
步骤S3：根据步骤S2所确定的敏感因素和MWRI通道及其组合形式推导一年冰和多年冰下的积雪深度的反演公式。根据步骤S2的结果，选择GR(10.7V/18.7V)和TB(36.5V)用于一年冰的积雪深度反演，选择TB(10.7V)、TB(18.7V)和GR(10.7V/18.7V)用于多年冰的积雪深度反演。具体的积雪深度反演展开说明如下：
一年冰根据步骤S2的敏感性分析，GR(10.7V/18.7V)和TB(36.5V)与一年冰雪深之间的关系近似为线性。因此，检索算法的可能方程如下：
hfs＝a1+a2×TB(36.5V) (1)
hfs＝a1+a2×GR(10.7V/18.7V) (2)
hfs＝a1+a2×TB(36.5V)+a3×GR(10.7V/18.7V) (3)
利用OIB中的一年冰上的积雪厚度数据评估了三种反演方程，得出方程(3)的算法性能最好。其中标准偏差为3.7cm，均方根差为3.7cm，相关系数为0.54。相关系数a1为54.5，a2为-0.2，a3为-703.4。综上，得到一年冰的积雪深度厚度反演方程为：
hfs＝54.5-0.2×TB(36.5V)-703.4×GR(10.7V/18.7V)
多年冰根据步骤S2的敏感性分析，TB(10.7V)、TB(18.7V)和GR(10.7V/18.7V)与多年冰雪深之间的关系近似为线性。因此检索算法的可能方程如下：
hfs＝b1+b2×TB(10.7V) (1)
hfs＝b1+b2×TB(18.7V) (2)
hfs＝b1+b2×GR(10.7V/18.7V) (3)
hfs＝b1+b2×TB(10.7V)+b3×TB(18.7V) (4)
hfs＝b1+b2×TB(10.7V)+b3×GR(10.7V/18.7V) (5)
hfs＝b1+b2×TB(18.7V)+b3×GR(10.7V/18.7V) (6)
hfs＝b1+b2×TB(10.7V)+b3×TB(18.7V)+b4×GR(10.7V/18.7V)(7)
利用OIB中的多年冰上的积雪厚度数据评估了三种反演方程，得出方程(7)的算法性能最好。其中标准偏差为5.9cm，均方根差为5.9cm，相关系数为0.53。相关系数b1为295.2，b2为0.4，b3为-1.5，b4为568.6。综上得到多年冰的积雪深度厚度反演方程为：
hfs＝295.2+0.4×TB(10.7V)-1.5×TB(18.7V)+568.6×GR(10.7V/18.7V)
根据一年冰和多年冰的积雪厚度反演方程推导得到北极2013年-2019年的积雪厚度月平均数据。最后将FY3B/MWRI下反演得到的积雪厚度数据与CryoSat-2所用的积雪厚度基于OIB积雪厚度的基础上进行了评估。评估结果如下表：
CryoSat-2使用的积雪厚度是AMSR-E产品和W99模型的融合数据。通过OIB验证数据评估结果可以得出，基于FY3B/MWRI下反演得到的积雪厚度数据较CryoSat-2的积雪厚度数据更为准确。
步骤S4：通过利用经纬度和平面转换和反距离权重(IDW)插值函数，将步骤S3得到的积雪深度数据从12.5km×12.5km空间分辨率网格重新分布在25×25km空间分辨率的CryoSat-2雷达干舷网格下，完成相关数据时间和空间上的统一。
由于CryoSat-2数据和积雪深度数据是以经纬度为坐标，因此在进行网格再分布的过程中，为了保证再分布的合理性，首先需要将经纬度坐标转换为北极特定的X-Y坐标平面下。
坐标的转换公式为：X＝Rho×cos(Rlamp)，Y＝Rho×sin(Rlamp)
中间处理参数为：Re＝6371，π＝3.1415926，Red2Deg＝57.2957795130823
其中Re为地球半径，π为圆周率，Red2Deg、Factor、Rho和Rlamp为转换过程中的参数。利用上述转换公式我们得到了以北极为原点的X-Y坐标系。接着利用IDW进行网格的再分布。
反距离权重函数为：其中hi是离散点到插值点的距离。
其中(x，y)为插值点，(xi，yi)为离散点坐标。
通过反距离权重法得到了25×25km空间分辨率的积雪深度网格数据，这与雷达干舷网格数据保持一致。为后续海冰厚度的反演构建了规定统一的数据网格。
步骤S5：综合考虑了速度校正和雷达穿透的影响，基于正确的速度校正公式推导CryoSat-2雷达在北极一年冰和多年冰下的雷达穿透率。
对雷达速度校正的修正，以解释雪中较慢的雷达波传播，速度校正误差项δh通常表示为积雪深度Z和积雪中的传播速度波速f(cs)函数的乘积δh＝Z×f(cs)；
通过考虑雷达波穿过指定的雪深推导f(cs)，从而得出δh。该积雪深度引起的时间误差为：δt＝ts-tv，其中ts表示雷达波以穿透速度穿过积雪的时间，tv表示雷达波以光速穿透积雪的时间。ts和tv可以表示为：其中CS是雷达波在积雪中的传播速度，C是雷达波在真空中的传播速度(3×108)，因此时间误差公式为：/>将雷达波在真空中的传播速度乘以该速度误差项即可得到速度校正误差项δh公式
考虑到OIB数据中测量的是总干舷，即浮出水面的冰和冰上积雪的总高度，CryoSat-2数据中测量的是雷达干舷，即浮出水面的冰的高度。为了将OIB数据CryoSat-2雷达干舷直接进行比较，将OIB总干舷处理成雷达干舷，假设冰雪界面是主要散射视界，并且雷达波在穿越积雪时速度减慢。此时OIB雷达干舷为：其中，/>为OIB雷达干舷，Fi为OIB的总干舷，hs为积雪深度，hc为速度校正误差项。根据上述公式(1)可得：
采用以往CS的速度拟合公式：CS＝C(1+0.51ρs)-1.5，其中ρs为积雪的密度，本发明采用了北极平均致密化积雪密度，代入得到hc＝0.23hs
因此得到：
为了定量描述OIB和CryoSat-2的高度反演差异的影响，计算雷达穿透系数，将其定义为：其中d＝hs+hc，/>表示CryoSat-2的雷达干舷，/>表示OIB的雷达干舷，f表示雷达穿透率。
本发明基于正确的理论，定义正确的穿透率α，其形式和f保持一致。采用(1)和(3)的结果将雷达穿透系数展开得到：
联立(5)和(6)得到α＝0.9756f；
因此推导出北极Cryosat-2雷达穿透率在多年冰上为0.8，在一年冰上为0.94，并且根据上述推导，综合考虑速度校正和雷达穿透的海冰干舷公式为：
其中hfi为海冰干舷，/>为雷达干舷项，(α-1)hs为雷达穿透项，αhc为速度校正项。进一步化简得到：
步骤S6：综合考虑了速度校正和雷达穿透率的影响提出一种新的海冰厚度反演方程，根据先前研究采用的静力平衡公式：
其中hi为海冰厚度，hfi为海冰干舷，hs为积雪深度，ρw为海水密度，ρi为海冰密度，ρs为积雪密度。
定义校正系数k：k＝1.23α-1；
根据步骤S5的结果可得：
定义海冰反演系数θ：θ＝ρs+kρw；
根据静力平衡公式构建CS2+FY3B/MWRI+Penetration-海冰厚度反演方程：
通过上述转换得到CS2+FY3B/MWRI+Penetration-海冰厚度反演方程的一般形式，基于FY3B/MWRI反演的积雪深度，得到CS2+FY3B/MWRI+Penetration-海冰厚度反演方程：
该方程只适用于CryoSat2的雷达干舷数据，θ的值基于CryoSat2雷达数据。
通过对海冰反演系数θ分析，在不考虑任何校正的情况下θ＝ρs，这是静力平衡反演海冰厚度的最初方法。此时
现阶段北极海冰厚度反演工作中，大多数只考虑速度校正。此时，根据北极平均致密化积雪密度，考虑速度校正的情况下，θ＝ρs+0.23ρw
该方程是CryoSat-2反演海冰厚度使用的方法，其中/>是CryoSat-2数据的海冰干舷，考虑了速度校正项误差。
综合考虑穿透和速度校正后，θ＝ρs+kρw，误差项的变化与积雪密度、校正系数和海水密度有关。分析得海水密度主要为1024kg/m3变化幅度很小，而校正系数主要取决于积雪密度、穿透率和积雪深度。因此积雪密度、穿透率和积雪深度会对在一定程度上影响误差项的取值，获取准确的穿透率以及选取较为准确的积雪深度和积雪密度数据会进一步提高反演的准确性。
步骤S7：基于步骤S6推导的CS2+FY3B/MWRI+Penetration-海冰厚度反演方程，利用CryoSat-2中的辅助数据集代入该方程中进行海冰厚度的反演。
辅助数据集的选取：
海水密度：海水的密度是指单位体积内海水的质量。海水密度一般在1020～1070kg/m3之间，它取决于温度、盐度和压力(或深度)。根据CryoSat-2数据中的海水密度，取ρw＝1024kg/m3。
海冰密度：海冰密度的知识仅适用于有限数量的观测数据得出的一年冰和多年冰的平均值。根据CryoSat-2数据中的海冰密度，一年冰ρi＝916.7kg/m3，多年冰ρi＝882.0kg/m3。
积雪密度：CryoSat-2在2020年之后的版本，使用线性增加的北极致密化积雪密度，其中ρs＝6.5×t+274.51(t的取值从第一年10月到第二年的4月，第一年10月的t为0，第二年4月的t为6，月份之间t间隔为1)
海冰类型：CryoSat-2数据中使用了OSI SAF EUMETSAT(OSI-403)每日海冰类型分析数据和海冰类型(临时)气候数据记录(CDR/ICDR)处理得到的月平均海冰类型数据。采用CryoSat-2数据中的月平均海冰类型数据。
通过CryoSat-2的雷达干舷数据、FY3B/MWRI的积雪深度数据和辅助数据集，本发明基于CS2+FY3B/MWRI+Penetration-海冰厚度反演方程反演得到了2013年-2019年的海冰厚度数据。
最后利用北极融合多套卫星数据下的再分析TOPAZ4数据评估了该反演数据的准确性。验证结果如下表所示：
其中|Δhi|表示目标数据减去TOPAZ4数据的差异绝对值，Δhi RMS表示差异绝对值的均方根，可见本发明反演得到的海冰厚度数据较CryoSat-2数据更为准确。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的原则和精神之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种综合校正北极海冰厚度反演的方法，其特征在于采取如下步骤：
步骤S1：下载CryoSat-2数据和FY3B/MWRI数据作为海冰厚度反演的基础数据，下载OIB数据和TOPAZ4数据作为验证数据，建立数据库；
步骤S2：读取FY3B/MWRI气象数据和CryoSat-2海冰类型数据，结合雪层、雪粒和积雪密度数据，使用分层积雪的微波发射模型模拟FY3B/MWRI的亮度温度TBs对北极地区一年冰和多年冰层积雪深度变化进行相关性分析，求出不同大气和海冰环境下亮度温度TBs与积雪厚度之间的敏感性系数，并根据模拟结果确定最佳参数，一年冰雪深反演的最佳参数是GR(10.7V/18.7V)和TB(36.5V)，而多年冰雪深反演的最佳参数是TB(10.7V)、TB(18.7V)和GR(10.7V/18.7V)，其中GR是梯度比辐射强度，TB是亮度温度辐射强度；
步骤S3：根据步骤S2中确定的最佳参数推导出一年冰和多年冰下的积雪深度的反演公式，一年冰的积雪深度厚度反演方程为：hfs＝54.5-0.2×TB(36.5V)-703.4×GR(10.7V/18.7V)；多年冰的积雪深度厚度反演方程为：hfs＝295.2+0.4×TB(10.7V)-1.5×TB(18.7V)+568.6×GR(10.7V/18.7V)，其中hfs为积雪深度，利用公式反演出积雪深度数据，并利用OIB积雪深度数据对反演的积雪深度数据进行评估；
步骤S4：读取CryoSat-2雷达干舷数据，使用步骤S3中反演的积雪深度数据对积雪深度的网格数据进行再分布；
步骤S5：推导得出改进的CryoSat-2雷达穿透率在多年冰上为0.8，在一年冰上为0.94，综合速度校正和雷达穿透的海冰干舷公式为其中hfi为海冰干舷，/>为CryoSat-2的雷达干舷，hs为积雪深度；
步骤S6：综合步骤S5构建基于静力平衡的理论CS2+FY3B/MWRI+Penetration-海冰厚度反演方程其中hi为海冰厚度，θ为海冰反演系数，ρw为海水密度，ρi为海冰密度，/>为CryoSat-2的雷达干舷，/>为FY3B的积雪深度；
步骤S7：读取CryoSat-2的雷达干舷、海冰类型、海冰厚度、海冰密度和积雪密度数据；使用步骤S4和步骤S5的结果，代入步骤S6所述的CS2+FY3B/MWRI+Penetration-海冰厚度反演方程，得到反演的海冰厚度。
2.如权利要求1所述的一种综合校正北极海冰厚度反演的方法，其特征在于：所述步骤S1中CryoSat-2数据的空间分辨率为25km×25km，FY3B/MWRI数据的空间分辨率为10km×10km，OIB数据沿航迹的空间分辨率为250m，TOPAZ4数据的空间分辨率为12.5km×12.5km。
3.如权利要求1所述的一种综合校正北极海冰厚度反演的方法，其特征在于：所述步骤S4中的再分布方法是利用经纬度和平面转换，以及反距离权重插值函数，将积雪深度数据从12.5km×12.5km空间分辨率网格重新分布在25×25km空间分辨率的CryoSat-2雷达干舷网格下。
4.如权利要求1所述的一种综合校正北极海冰厚度反演的方法，其特征在于：所述步骤S6中海水密度ρw取1020～1070kg/m3，一年冰的海冰密度ρi取916.7kg/m3，多年冰的海冰密度ρi取882.0kg/m3。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111535557.1A CN114417682B (zh) | 2021-12-15 | 2021-12-15 | 一种综合校正北极海冰厚度反演的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111535557.1A CN114417682B (zh) | 2021-12-15 | 2021-12-15 | 一种综合校正北极海冰厚度反演的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114417682A CN114417682A (zh) | 2022-04-29 |
| CN114417682B true CN114417682B (zh) | 2024-04-12 |
Family
ID=81267590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111535557.1A Active CN114417682B (zh) | 2021-12-15 | 2021-12-15 | 一种综合校正北极海冰厚度反演的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114417682B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115435674B (zh) * | 2022-08-19 | 2024-07-12 | 上海海洋大学 | 一种现场观测和卫星遥感联合反演北极海冰积雪深度方法 |
| CN116597319B (zh) * | 2023-04-19 | 2024-02-02 | 北京师范大学 | 一种海冰日数据综合处理方法、装置及计算设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108510097A (zh) * | 2017-02-27 | 2018-09-07 | 国网山西省电力公司 | 基于卫星遥感的输电线路走廊积雪灾害监测方法及系统 |
| CN109765550A (zh) * | 2019-01-17 | 2019-05-17 | 中国人民解放军61741部队 | 海冰厚度反演方法、系统及电子设备 |
| CN112307679A (zh) * | 2020-11-23 | 2021-02-02 | 内蒙古工业大学 | 一种构建河冰厚度反演微波散射模型的方法及装置 |
| CN112749494A (zh) * | 2021-01-25 | 2021-05-04 | 中国科学院空天信息创新研究院 | 一种动态积雪深度的获取方法 |
| CN113063360A (zh) * | 2021-03-15 | 2021-07-02 | 上海工程技术大学 | 一种基于单光子激光测高数据的海冰厚度估算方法 |
| CN113553766A (zh) * | 2021-07-22 | 2021-10-26 | 南京信息工程大学 | 一种使用机器学习反演北极积雪深度的方法 |
-
2021
- 2021-12-15 CN CN202111535557.1A patent/CN114417682B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108510097A (zh) * | 2017-02-27 | 2018-09-07 | 国网山西省电力公司 | 基于卫星遥感的输电线路走廊积雪灾害监测方法及系统 |
| CN109765550A (zh) * | 2019-01-17 | 2019-05-17 | 中国人民解放军61741部队 | 海冰厚度反演方法、系统及电子设备 |
| CN112307679A (zh) * | 2020-11-23 | 2021-02-02 | 内蒙古工业大学 | 一种构建河冰厚度反演微波散射模型的方法及装置 |
| CN112749494A (zh) * | 2021-01-25 | 2021-05-04 | 中国科学院空天信息创新研究院 | 一种动态积雪深度的获取方法 |
| CN113063360A (zh) * | 2021-03-15 | 2021-07-02 | 上海工程技术大学 | 一种基于单光子激光测高数据的海冰厚度估算方法 |
| CN113553766A (zh) * | 2021-07-22 | 2021-10-26 | 南京信息工程大学 | 一种使用机器学习反演北极积雪深度的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 北极一年海冰表面积雪深度遥感反演与时序分析;庞小平;刘清全;季青;;武汉大学学报(信息科学版);20171109(07);全文 * |
| 基于CryoSat-2数据的2010-2017年北极海冰厚度和体积的季节与年际变化特征;柯长青;王蔓蔓;;海洋学报;20181115(11);全文 * |
| 基于CryoSat-2数据的2014―2018年北极海冰厚度分析;张婷;张杰;张晰;;海洋科学进展;20200715(03);全文 * |
| 基于IceBridge数据的南极别林斯高晋海的海冰厚度研究;张建;杨元德;杨全明;汪楚涯;;冰川冻土;20200815(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114417682A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114417682B (zh) | 一种综合校正北极海冰厚度反演的方法 | |
| Gaillard et al. | Quality control of large Argo datasets | |
| Troccoli et al. | Use of the temperature–salinity relation in a data assimilation context | |
| Winton | Do climate models underestimate the sensitivity of Northern Hemisphere sea ice cover? | |
| Gray et al. | A global analysis of Sverdrup balance using absolute geostrophic velocities from Argo | |
| Lyman et al. | Estimating annual global upper-ocean heat content anomalies despite irregular in situ ocean sampling | |
| Meinen et al. | Temporal variability of the meridional overturning circulation at 34.5 S: Results from two pilot boundary arrays in the South Atlantic | |
| Maes et al. | Using satellite‐derived sea level and temperature profiles for determining the salinity variability: A new approach | |
| Syariz et al. | Retrieval of sea surface temperature over Poteran Island water of Indonesia with Landsat 8 TIRS image: A preliminary algorithm | |
| Jackson et al. | Near-surface air temperature retrieval derived from AMSU-A and sea surface temperature observations | |
| Qian et al. | Assessing impacts of PBL and surface layer schemes in simulating the surface–atmosphere interactions and precipitation over the tropical ocean using observations from AMIE/DYNAMO | |
| CN108663727B (zh) | 利用蒸发率在世界海域范围内估算蒸发波导高度的方法 | |
| Boehme et al. | Monitoring Drake Passage with elephant seals: Frontal structures and snapshots of transport | |
| Tan et al. | Examining the influence of recording system on the pure temperature error in XBT data | |
| Gouretski et al. | On the consistency of the bottle and CTD profile data | |
| Snide et al. | The role of large-scale moistening by adiabatic lifting in the Madden–Julian oscillation convective onset | |
| Segschneider et al. | Toward the use of altimetry for operational seasonal forecasting | |
| Salamatin et al. | Vostok (Antarctica) ice-core time-scale from datings of different origins | |
| DiNezio et al. | Direct evidence of a changing fall-rate bias in XBTs manufactured during 1986–2008 | |
| McCarthy et al. | Seasonal to interannual variability from expendable bathythermograph and TOPEX/Poseidon altimeter data in the South Pacific subtropical gyre | |
| Andres et al. | On the predictability of sea surface height around Palau | |
| Carton et al. | Application of multi-variate statistical objective analysis to the circulation in the tropical Atlantic Ocean | |
| Tracey et al. | IES calibration and mapping procedures | |
| Ribeiro et al. | An assessment of the XBT fall-rate equation in the Southern Ocean | |
| Abraham et al. | Quantification of the effect of water temperature on the fall rate of expendable bathythermographs |
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 |