共查询到18条相似文献，搜索用时 359 毫秒
1.
海冰厚度是监测与研究渤海海冰的重要参数。为了获取更加可靠的渤海海冰厚度数据,本研究基于MODIS数据对海冰厚度反演中的冰水分离环节和冰厚计算方法都进行了改进。对于冰水分离环节,本文在Canny边缘检测算子提取海冰基础上,加入了二值化处理、阈值判别等步骤,实现了较高精度的渤海海冰范围自动化提取。通过试验确定了海冰厚度与反照率指数关系模型中的参数,包括海冰衰减系数和海水反照率参数,使其更加符合渤海海区的物理特征。将改进后算法的海冰厚度反演结果与渤海海上石油平台实测数据进行比较,并分析了误差来源。结果表明,经过对算法的改进,海冰厚度与反照率指数关系模型的反演结果与实测数据之间的平均绝对误差由7.05 cm缩小到2.74 cm,相关系数由0.434提高到0.485。 相似文献
2.
2016年南极中山站固定冰冰厚观测分析 总被引：1，自引：1，他引：0
极区海冰是全球气候系统的重要组成部分，南极的固定冰普遍存在于其沿海地区，中山站周边固定冰一般在11月中下旬达到最厚。海冰厚度是海冰的重要参数之一，2016年在南极中山站附近3个站点(S1、S2、S3站点)共布放了4套温度链浮标，包括1套SIMBA (Snow and Ice Mass Balance Array)温度链浮标和3套太原理工大学温度链浮标(TY温度链浮标)，SIMBA温度链浮标每天观测4次，TY温度链浮标每小时观测1次。利用浮标观测的温度剖面以及海冰和海水间不同介质温度差异计算得到海冰厚度。在S3站点，同时布放了SIMBA温度链浮标和TY温度链浮标。温度链浮标计算冰厚和人工钻孔观测冰厚比较结果显示，S1站点TY温度链浮标计算的海冰厚度平均误差和均方根误差分别为3.3 cm和14.7 cm，S2站点和S3站点分别为6.6 cm、6.9 cm以及4.0 cm、4.8 cm。S3站点的SIMBA温度链浮标计算冰厚和人工观测冰厚的平均误差和均方根误差为8.2 cm和9.7 cm。因而S3站点TY温度链浮标计算的海冰厚度更接近人工观测的结果。进一步对Stefan定律海冰生长模型进行对比，模型计算得到的海冰生长率为0.1～0.8 cm/d，生长率快于TY温度链浮标的结果，且受积雪影响明显。相比于卫星遥感反演冰厚的误差和观测时段的限制以及有限的人工观测，2种温度链浮标未来对于中山站附近海冰的长期监测均有重要的应用价值。 相似文献
3.
MODIS渤海海冰遥感资料反演 总被引：9，自引：0，他引：9
鉴于渤海海冰监测和预报对海冰卫星遥感数字化产品的迫切需求,本文利用MODIS的1B级数据进行渤海海冰参数反演,提供海冰遥感图像和海冰密集度、冰厚数值产品,作为渤海海冰监测和海冰数值预报初始场的重要信息来源,以及海冰预报质量检验的参考依据之一。反演结果表明,其各通道对海冰性质有很好的反映,资料信号比较稳定,对不同密集度和厚度的冰有较好的区分,相对NOAA/AVHRR和HY-1A资料有更好的实际应用价值;Terra/MODIS和HY-1A/COCTS海冰遥感反演结果对比也为HY-1A系列卫星海冰遥感的改进和提高提供有益的启示。 相似文献
4.
5.
6.
7.
8.
基于GOCI数据渤海海冰厚度算法研究 总被引：2，自引：0，他引：2
提出一种基于GOCI数据提取渤海海冰厚度方法并将其应用于2014年-2015年冬季渤海海冰厚度动态变化监测。首先基于高时间分辨率的GOCI数据建立GOCI短波宽带反射率与各波段反射率模型,然后建立海冰厚度与GOCI短波宽带反射率模型,并将此模型应用于渤海海冰厚度监测,最后通过基于MODIS数据、热动力学模型（Lebedev和Zubov模型）反演获得的海冰厚度以及实测海冰厚度数据对实验结果进行验证。实验结果表明：基于GOCI数据建立海冰厚度模型所反演的海冰厚度与基于MODIS数据反演的海冰厚度以及Lebedev和Zubov模型具有较高相关性（R2>0.86）,而且反演结果接近实测数据（RMS为6.82 cm）。 相似文献
9.
基于CryoSat-2卫星测高数据的北极海冰体积估算方法 总被引：1，自引：1，他引：0
近30年来,北极海冰正发生着剧烈的变化。海冰体积是量化海冰变化的重要指标之一。本文以2015年CryoSat-2卫星测高数据和OSI SAF海冰类型产品为基础。提取了浮冰出水高度、积雪深度、海冰密集度、海冰类型等属性信息,通过数据内插、投影变换、栅格转换、空间重采样等工作将海冰属性信息统一为25 km×25 km分辨率的栅格数据集。根据流体静力学平衡原理,逐个估算栅格像元对应的海冰厚度值,将其与对应的海冰面积相乘,估算了北极海冰密集度大于75%海域的海冰体积,并分析了海冰厚度和体积的月变化和季节变化特征。用NASA IceBridge海冰厚度产品对反演的海冰厚度进行验证。结果表明二者相关系数为0.72,有较高的一致性。北极海冰平均厚度春季最大,夏季最小,分别约为2.99 m和1.77 m,最厚的海冰集中在格陵兰沿岸北部和埃尔斯米尔半岛以北海域。多年冰平均厚度大于一年冰。冬季海冰体积最大,约为23.30×103 km3,经过夏季的融化,减少了近70%。一年冰体积季节波动较大,而多年冰体积相对稳定,季节变化不明显。 相似文献
10.
海冰密集度是海冰的重要参数之一,在冰区导航、海上作业、海冰模式验证和气候模型改进等方面具有重要意义。卫星遥感具有覆盖范围广、重访周期短、成本相对低等优势,已成为获取海冰密集度的主要观测手段。本文从主被动微波遥感和光学遥感的角度,回顾了现阶段海冰密集度卫星遥感反演研究进展情况,包括海冰监测传感器、海冰密集度反演算法和海冰密集度产品等。结果表明,被动微波遥感是目前获取海冰密集度的主要方式,已发展出许多成熟的业务化算法;主动微波遥感数据已成为制作冰情图的主要数据源,海冰密集度反演算法由合成孔径雷达SAR（Synthetic Aperture Radar）图像分类向深度学习算法发展;光学遥感海冰密集度算法较为成熟,但受限于云层和夜晚限制,其反演结果多用于其他海冰密集度产品的验证。受传感器硬件限制,3种观测手段各有其长处与不足。为获得高精度、高时空分辨率的海冰密集度数据,开展多源数据融合研究是解决传感器性能瓶颈的有效手段。大数据时代,基于深度学习的海冰密集度卫星遥感反演技术快速发展,需要深度融入海冰密集度卫星遥感领域知识。海冰密集度卫星遥感反演应着力于海冰预报服务,致力于提高我国的海冰预报能力。 相似文献
11.
基于温度链浮标获取南极普里兹湾积雪和固定冰厚度的研究 总被引：2，自引：2，他引：0
极地积雪和海冰厚度是气候变化的重要指标,也是船舶在冰区航行需要掌握的主要参数。2014和2015年在南极普里兹湾中山站附近布放了一种新式的温度链浮标,该浮标每天进行4次常规温度观测和1次加热升温观测,用于实时获取积雪和海冰剖面温度及厚度数据的研究。通过分析剖面温度曲线和升温曲线反映出的大气、积雪、海冰和海水4种介质的热传导特性差异,可利用人工识别的方法（人工经验法）获得大气/积雪、积雪/海冰和海冰/海水界面的位置。根据统计不同介质在升温响应和垂直温度梯度等方面的特性,找到合理阈值,可通过编写程序自动判断各界面的位置（自动程序法）。本文利用这两种方法来判断不同物质界面位置从而计算得到积雪和海冰厚度。与现场人工观测的海冰厚度相比,人工经验法的平均偏差和均方根偏差分别为2.1 cm和6.4 cm（2014年）以及4.3 cm和6.5 cm（2015年）,自动程序法的平均偏差和均方根偏差分别为-6.8 cm和6.4 cm（2014年）以及4.5 cm和 6.6 cm（2015年）;对于积雪,人工经验法与现场人工观测的平均偏差和均方根偏差分别为0.5 cm和 8.5 cm,而自动程序法的平均偏差和均方根偏差分别为4.7 cm和10.8 cm。自动程序法误差较人工经验法偏大,但考虑到整体冰厚和现场观测的误差,两种方法的结果均是可信的,精度是可以接受的。利用新式的温度链浮标实时获取南极普里兹湾积雪和海冰厚度是可行的。 相似文献
12.
基于遥感和气象数据对辽东湾海冰变化预测研究 总被引：1，自引：0，他引：1
辽东湾是渤海海冰灾害最严重的区域,精确预报海冰的空间分布、动态变化,对降低海冰灾害风险具有重要的作用。本文以辽东湾为研究区,以MODIS数据和气象数据为数据源,根据2010/2011年度到2014/2015年度辽东湾海冰5年结冰信息得出该海域结冰概率,建立营口气象站积温与结冰概率的关系模型,对辽东湾2015/2016年度海冰初冰期至盛冰期的发展及空间分布进行模拟、预报,结果表明:利用结冰概率与营口积温相关关系可以实现对辽东湾海冰的动态预测,利用混淆矩阵对海冰提取结果检验,总体精度在90%以上,为渤海及其它地区局部条件下海冰预测提供参考。 相似文献
13.
Based on a coupled ocean-sea ice model, this study investigates how changes in the mean state of the atmosphere in different CO_2 emission scenarios(RCP 8.5, 6.0, 4.5 and 2.6) may affect the sea ice in the Bohai Sea, China,especially in the Liaodong Bay, the largest bay in the Bohai Sea. In the RCP 8.5 scenario, an abrupt change of the atmospheric state happens around 2070. Due to the abrupt change, wintertime sea ice of the Liaodong Bay can be divided into 3 periods: a mild decreasing period(2021–2060), in which the sea ice severity weakens at a nearconstant rate; a rapid decreasing period(2061–2080), in which the sea ice severity drops dramatically; and a stabilized period(2081–2100). During 2021–2060, the dates of first ice are approximately unchanged, suggesting that the onset of sea ice is probably determined by a cold-air event and is not sensitive to the mean state of the atmosphere. The mean and maximum sea ice thickness in the Liaodong Bay is relatively stable before 2060, and then drops rapidly in the following decade. Different from the RCP 8.5 scenario, atmospheric state changes smoothly in the RCP 6.0, 4.5 and 2.6 scenarios. In the RCP 6.0 scenario, the sea ice severity in the Bohai Sea weakens with time to the end of the twenty-first century. In the RCP 4.5 scenario, the sea ice severity weakens with time until reaching a stable state around the 2070 s. In the RCP 2.6 scenario, the sea ice severity weakens until the2040 s, stabilizes from then, and starts intensifying after the 2080 s. The sea ice condition in the other bays of the Bohai Sea is also discussed under the four CO_2 emissions scenarios. Among atmospheric factors, air temperature is the leading one for the decline of the sea ice extent. Specific humidity also plays an important role in the four scenarios. The surface downward shortwave/longwave radiation and meridional wind only matter in certain scenarios, while effects from the zonal wind and precipitation are negligible. 相似文献
14.
Sea ice characteristics between the middle Weddell Sea and the Prydz Bay, Antarctica during the austral summer of 2003 总被引：1，自引：0，他引：1
The antarctic sea ice was investigated upon five occasions between January 4 and February 15, 2003. The investigations included: (1) estimation of sea ice distribution by ship-based observations between the middle Weddell Sea and the Prydz Bay; (2) estimation of sea ice distribution by aerial photography in the Prydz Bay; (3) direct measurements of fast ice thickness and snow cover, as well as ice core sampling in Nella Fjord; (4) estimation of melting sea ice distribution near the Zhongshan Station; and (5) observation of sea ice early freeze near the Zhongshan Station. On average, sea ice covered 14.4% of the study area. The highest sea ice concentration (80%) was observed in the Weddell Sea. First-year ice was dominant (99.7%-99.8%). Sea ice distributions in the Prydz Bay were more variable due to complex inshore topography, proximity of the Larsemann Hills, and/or grounded icebergs. The average thickness of landfast ice in NeUa Fjord was 169.5 cm. Wind-blown snow redistribution plays an important role in affecting the ice thickness in Nella Fjord. Preliminary freezing of sea ice near the Zhongshan Station follows the first two phases of the pancake cycle. 相似文献
15.
基于MODIS热红外数据的渤海海冰厚度反演 总被引：3，自引：1，他引：2
Level ice thickness distribution pattern in the Bohai Sea in the winter of 2009–2010 was investigated in this paper using MODIS night-time thermal infrared imagery.The cloud cover in the imagery was masked out manually.Level ice thickness was calculated using MODIS ice surface temperature and an ice surface heat balance equation.Weather forcing data was from the European Centre for Medium-Range Weather Forecasts(ECMWF) analyses.The retrieved ice thickness agreed reasonable well with in situ observations from two off-shore oil platforms.The overall bias and the root mean square error of the MODIS ice thickness are –1.4 cm and 3.9 cm,respectively.The MODIS results under cold conditions(air temperature –10°C) also agree with the estimated ice growth from Lebedev and Zubov models.The MODIS ice thickness is sensitive to the changes of the sea ice and air temperature,in particular when the sea ice is relatively thin.It is less sensitive to the wind speed.Our method is feasible for the Bohai Sea operational ice thickness analyses during cold freezing seasons. 相似文献
16.
17.
Lale BALAS 《中国海洋工程》2001,(4):565-578
The circulation pattern and the pollutant transport in the Marmaris Bay are simulated by the developed three-dimensional baroclinic model. The Marmaris Bay is located at the Mediterranean Sea coast of Turkey. Since the sp ring tidal range is typically 20- 30 cm, the dominant forcing for the circulation and water exchange is due to the wind action. In the Marmaris Bay, there is sea outfall discharging directly into the bay. and that threats the bay water quality significantly. The current patterns in the vicinity of the outfall have been observed by tracking drogues which are moved by currents at different water depths. In the simulations of pollutant transport, the coliforms-counts is used as the tracer. The model provides realistic predictions for the circulation and pollutant transport in the Marmaris Bay. The transport model component predictions well agree with the results of a laboratory model study. 相似文献
18.
辽东湾JZ20—2海域海冰参数的概率分布 总被引：11，自引：1，他引：11
基于辽东湾JZ2 0 2海域 1996 2 0 0 0年 4个冬季的海冰定点观测资料和海冰数值模拟结果 ,对该海域的平整冰厚、冰速、冰向和压缩强度等海冰参数进行了概率分析 ,确定了各自的分布参数 ,并对冰速和冰向进行了联合概率分析。结果表明 :冰厚和冰速分别服从对数正态分布和瑞利分布 ,海冰压缩强度服从正态分布。计算结果可用于JZ2 0 2海域海洋结构可靠性设计和疲劳累积损伤分析的海冰参数 ,也可作为其邻近海域的参考资料 相似文献