共查询到18条相似文献，搜索用时 250 毫秒
1.
基于19GHz修正91GHz频段改进的ASI海冰密集度算法 总被引：1，自引：1，他引：0
基于数据融合算法思想，利用低频修正高频微波数据提出改进的ASI海冰密集度反演算法，对北极海冰进行反演研究。目前用于整体海冰密集度反演的算法中，使用低频数据的算法受天气影响较弱，但空间分辨率相对较低；而使用高频数据的算法，空间分辨率相对较高，但受天气影响较大，虽然使用天气滤波器处理，能消除那些被误判成海冰的水点，但并没有改变冰点的密集度。改进的ASI算法，利用低频数据（19GHz）修正高频数据（85.5GHz），进而得到修正后的85.5GHz的极化差P''，将P带入ASI算法，最终得到以2008-2016年每年的1月3日SSMIS数据为例的北冰洋整体海冰密集度反演结果。结果表明，改进后的ASI算法得到的总体海冰面积介于ASI与NASA Team两个结果之间；在边缘海冰区，改进后的ASI算法结果与传统的ASI算法结果在海冰面积与平均海冰密集度上都有较大差异，且前者更接近NASA Team算法。因此改进后的ASI算法，在空间分辨率上优于NASA Team算法，在受天气影响程度上更弱于ASI算法，并且有效变了边缘海冰区像元的海冰密集度。 相似文献
2.
极区海冰影响大气和海洋环流，对全球气候变化起着重要的作用。海冰密集度是表征海冰时空变化特征的重要参数之一。本文研究了利用FY-3C微波扫描辐射计亮温数据反演极区海冰密集度的方法。经过时空匹配、线性回归，修正了FY-3C微波辐射计亮温数据。使用两种天气滤波器和海冰掩模滤除了大气影响所造成的开阔海域虚假海冰；使用最小密集度模板去除陆地污染效应。通过计算2016年、2017年极区海冰面积及范围两个参数，对得到的海冰密集度产品进行了验证，两年的海冰范围和面积趋势基本与NSIDC产品一致，平均差异小于3%。本研究结果为发布我国自主卫星的极区海冰密集度业务化产品奠定了基础，制作的产品可保障面临中断的40多年极区海冰记录的连续性。 相似文献
3.
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
4.
渤海AVHRR多通道海冰密集度反演算法试验研究 总被引：2，自引：1，他引：1
为了得到更精确的渤海海冰密集度反演参数,采用辽东湾不同类型海冰ASD实测数据,在分析光谱特征的基础上,针对NOAA/AVHRR数据确定出合适海冰密集度反演算法阈值。继而,基于线性光谱混合模型的多通道反演算法进行了一系列算法试验。同时实现了基于LandSat5-TM数据的渤海海冰密集度场反演,并利用该结果与AVHRR单通道和多通道算法得到的海冰密集度反演结果进行比对分析。定量误差分析结果表明,当单通道算法或组合算法中包含1通道时,与Landsat5-TM反演结果的平均误差为正值,包含2通道且不包含1通道时,平均误差为负值;同时使用这两个通道较只包含其一的各种组合算法的平均误差明显偏小;在各种组合算法中,1245四个通道组合反演的海冰密集度结果误差最小,可应用于渤海AVHRR数据海冰密集度反演。 相似文献
5.
比较了AMSR2和SSMIS产品在2012年中国第五次北极考察期间的差异,并利用雪龙船在北极走航观测的海冰密集度资料初步评估了两种卫星产品在北极东北航道和高纬航道的适用性。结果表明:两种产品在海冰边缘区域反演的海冰密集度差异较大,且在高纬度区域AMSR2反演的密集度普遍大于SSMIS;两种产品对海冰外缘线的反演基本相同,说明两种算法对海冰和海水的区分基本一致;在去程低纬航线上分辨率较高的AMSR2数据的平均偏差为0.14±0.11,而分辨率较低的SSMIS数据为0.17±0.11;在回程高纬航线上AMSR2数据的平均偏差为0.11±0.10,而SSMIS数据为0.11±0.12。SSMIS数据在高值区明显的低估了海冰密集度值,说明其在高值区的反演上存在系统性偏差,AMSR2数据和走航观测数据更相符。SSMIS数据在高值区偏差大的原因可能与其反演算法对海冰表面出现的大量融池的辨别能力较差有关。 相似文献
6.
基于SMAP卫星雷达资料的海冰密集度反演技术研究 总被引：1，自引：0，他引：1
SMAP是美国于2015年初发射的一颗卫星，搭载了L波段的雷达。它采用圆锥扫描方式，具有固定的入射角、较大的幅宽和千米级的分辨率，在海冰监测方面具有独特的优势。本文利用SMAP卫星雷达资料分别与德国Bremen大学海冰密集度产品和美国国家冰雪数据中心（NSIDC）海冰密集度产品建立3.125 km和25 km匹配数据集，分析了L波段雷达后向散射系数、极化比和归一化极化差与海冰密集度之间相关性，建立基于人工神经网络的海冰密集度反演算法。为了验证SMAP卫星雷达资料反演海冰密集度的精度，本文选择德国Bremen大学和美国冰雪数据中心发布的海冰密集度产品分别与SMAP海冰密集度产品进行对比分析，SMAP海冰密集度与Bremen海冰密集度的偏差为0.07、均方根误差为0.14；与NSIDC海冰密集度的偏差为0.04、均方根误差为0.18，这表明SMAP海冰密集度产品与现有业务化海冰密集度产品具有很好的一致性。 相似文献
7.
《海洋预报》2018,(6)
评估了我国自主研发的海洋二号卫星(HY-2)海冰密集度产品在北极地区的适用性。与8种国际同类产品相比,HY-2产品的分辨率为25 km,属于低分辨率产品。HY-2产品2012年夏季的空间分布特征和其他产品差别不大,但在低密集度冰区和边缘区域的差异可达0.15～0.25。HY-2产品可以反映2012年7—10月海冰面积先减小后增大的规律,但最小海冰范围的出现时间比其他产品偏早,且平均值偏小。利用北极海冰数值预报系统进行的同化试验显示,HY-2产品可以有效改善海冰密集度的模拟结果,将平均偏差从控制试验的0.18～0.24减小为同化试验的0.05～0.08,改善效果和国际认可和常用的AMSR2/ASI产品相当。 相似文献
8.
围绕国内外机构发布的南极被动微波海冰密集度产品（PM-SIC）的差异和精度问题,应用MODIS和Sentinel-1反演的海冰密集度,对德国不莱梅大学（产品UB-AMSR2/ASI）、美国冰雪数据中心（产品NSIDC-SSMIS/NT、NSIDC-SSMIS/CDR、NSIDC-AMSR2/NT2）、欧洲气象卫星应用组织海洋与海冰卫星应用中心（产品OSI-SAF/BR-BST）、国家卫星海洋应用中心（产品NSOAS-SMR/NT）和国家卫星气象中心（产品NSMC-MWRI/NT2）发布的7种南极海冰密集度产品进行比较与评估。结果表明：（1）NSIDC-SSMIS/NT与NSIDC-SSMIS/CDR海冰密集度具有较高的一致性（平均偏差为-0.08%,相关系数为0.99）,NSOAS-SMR/NT与NSIDC-AMSR2/NT2间的差异最大（平均偏差为-14.41%,相关系数为0.81）;(2)7种PM-SIC的变化趋势一致,NSOAS-SMR/NT和NSMC-MWRI/NT2与其他PM-SIC的偏差具有明显的季节性差异;（3）NSOAS-SMR/NT和NSMC-MWRI/NT2与其他P... 相似文献
9.
10.
夏季北极密集冰区范围确定及其时空变化研究 总被引：3，自引：3，他引：0
研究夏季北极密集冰区的范围变化是了解北极海冰融化过程的重要手段。密集冰区与海冰边缘区之间没有明确的分界线, 海冰密集度在两者之间平滑过渡, 确定密集冰区范围就需确定一个密集度阈值。文中依据分辨率为6.25 km的AMSR-E遥感数据, 发现不同密集度阈值所围范围在密集冰区边缘处的减小存在由快变慢的过程, 同时与周围格点的密集度差异变化在该处最为显著, 对这两个特征进行统计分析, 获得的阈值同为89%, 具有明确的物理意义和合理性。以此为基础, 运用腐蚀算法剔除海冰边缘区, 同时结合连通域法排除小范围密集冰的影响, 进而确定密集冰区的范围。结果表明, 2002-2006年密集冰区覆盖范围较大, 年际变化较小, 2007年以后明显减小, 2010年与2011年相继出现最小值, 其中2011年的范围最小值仅为2006年的64%。密集冰区范围的变化不同于海冰覆盖范围, 是具有独立特性的海冰变化参数, 反映出高密集度海冰区域的变化特征。海冰的融化与海冰边缘区的变化是导致密集冰区范围发生变化的两个主要因素, 受动力学因素的影响, 海冰边缘区发生伸展或收缩, 发生密集冰区与海冰边缘区互相转化。本文提出了一种研究北极海冰变化的新思路, 密集冰区覆盖范围的减小表明北极中央区域高密集度海冰正持续减少。 相似文献
11.
Sea-ice concentration is a key item in global climate change research.Recent progress in remotely sensed sea-ice concentration product has been stimulated by the use of a new sensor,advanced microwave scanning radiometer for EOS(AMSR-E),which offers a spatial resolution of 6 km×4 km at 89GHz.A new inversion algorithm named LASI(linear ASI) using AMSR-E 89GHz data was proposed and applied in the antarctic sea areas.And then comparisons between the LASI ice concentration products and those retrieved by the other two standard algorithms,ASI(arctic radiation and turbulence interaction study sea-ice algorithm) and bootstrap,were made.Both the spatial and temporal variability patterns of ice concentration differences,LASI minus ASI and LASI minus bootstrap,were investigated.Comparative data suggest a high result consistency,especially between LASI and ASI.On the other hand,in order to estimate the LASI ice concentration errors introduced by the tie-points uncertainties,a sensitivity analysis was carried out.Additionally an LASI algorithm error estimation based on the field measurements was also completed.The errors suggest that the moderate to high ice concentration areas(>70%) are less affected(never exceeding 10%) than those in the low ice concentration.LASI and ASI consume 75 and 112 s respectively when processing the same AMSR-E time series thourghout the year 2010.To conclude,by using the LASI algorithm,not only the seaice concentration can be retrieved with at least an equal quality as that of the two extensively demonstrated operational algorithms,ASI and bootstrap,but also in a more efficient way than ASI. 相似文献
12.
2010-2018年北极夏季中国北极科学考察航行期间被动微波遥感海冰密集度与船基目视观测资料的比较 总被引：2，自引：0，他引：2
为了更有效地将卫星数据应用于北极航行导航，被动微波（PM）产品的海冰密集度（SIC）与从中国北极科学考察中收集到的船基目视观测（OBS）资料进行了比较。在2010、2012、2014、2016和2018年的北极夏季总共收集了3667组目测数据。PM SIC取自基于SSMIS传感器的NASA-Team（NT）、Bootstrap（BT）以及Climate Data Record（CDR）算法和基于AMSR-E/AMSR-2传感器的BT、enhanced NT（NT2）以及ARTIST Sea Ice（ASI）算法。使用PM SIC的日算术平均值和OBS SIC的日加权平均值进行比较。比较了PM SIC和OBS SIC之间的相关系数，偏差和均方根偏差，包括总体趋势以及在轻度/普通/严重冰况下的情况。使用OBS数据，浮冰尺寸和冰厚对不同PM产品SIC反演的影响可以通过计算浮冰尺寸编码和冰厚的日加权平均值来评估。我们的结果显示相关系数的范围为0.89（AMSR-E/AMSR-2 NT2）到0.95（SSMIS NT），偏差的范围为-3.96%（SSMIS NT）到12.05%（AMSR-E/AMSR-2），均方根偏差的范围为10.81%（SSMIS NT）到20.15%（AMSR-E/AMSR-2 NT2）。浮冰尺寸对PM产品的SIC反演有显著的影响，大多数PM产品倾向于在小浮冰尺寸情况下低估SIC，而在大浮冰尺寸情况下高估SIC。超过30 cm的冰厚对于PM产品的SIC反演没有明显影响。总体来看，在北极夏季，SSMIS NT SIC与OBS SIC之间有着最好的一致性，而AMSR-E/AMSR-2 NT2 SIC与OBS SIC的一致性最差。 相似文献
13.
《海洋学报(英文版)》2020,(9)
In order to apply satellite data to guiding navigation in the Arctic more effectively, the sea ice concentrations(SIC)derived from passive microwave(PM) products were compared with ship-based visual observations(OBS)collected during the Chinese National Arctic Research Expeditions(CHINARE). A total of 3 667 observations were collected in the Arctic summers of 2010, 2012, 2014, 2016, and 2018. PM SIC were derived from the NASA-Team(NT), Bootstrap(BT) and Climate Data Record(CDR) algorithms based on the SSMIS sensor, as well as the BT,enhanced NASA-Team(NT2) and ARTIST Sea Ice(ASI) algorithms based on AMSR-E/AMSR-2 sensors. The daily arithmetic average of PM SIC values and the daily weighted average of OBS SIC values were used for the comparisons. The correlation coefficients(CC), biases and root mean square deviations(RMSD) between PM SIC and OBS SIC were compared in terms of the overall trend, and under mild/normal/severe ice conditions. Using the OBS data, the influences of floe size and ice thickness on the SIC retrieval of different PM products were evaluated by calculating the daily weighted average of floe size code and ice thickness. Our results show that CC values range from 0.89(AMSR-E/AMSR-2 NT2) to 0.95(SSMIS NT), biases range from-3.96%(SSMIS NT) to 12.05%(AMSR-E/AMSR-2 NT2), and RMSD values range from 10.81%(SSMIS NT) to 20.15%(AMSR-E/AMSR-2 NT2). Floe size has a significant influence on the SIC retrievals of the PM products, and most of the PM products tend to underestimate SIC under smaller floe size conditions and overestimate SIC under larger floe size conditions. Ice thickness thicker than 30 cm does not have a significant influence on the SIC retrieval of PM products. Overall, the best(worst) agreement occurs between OBS SIC and SSMIS NT(AMSR-E/AMSR-2 NT2) SIC in the Arctic summer. 相似文献
14.
Sea ice concentration (SIC) is one of the most important indicators when monitoring climate changes in the polar region. With the development of the Chinese satellite technology, the FengYun (FY) series has been applied to retrieve the sea ice parameters in the polar region. In this paper, to improve the SIC retrieval accuracy from the passive microwave (PM) data of the Microwave Radiation Imager (MWRI) aboard on the FengYun-3B (FY-3B) Satellite, the dynamic tie-point (DT) Arctic Radiation and Turbulence Interaction Study (ARTIST) Sea Ice (ASI) (DT-ASI) SIC retrieval algorithm is applied and obtained Arctic SIC data for nearly 10 a (from November 18, 2010 to August 19, 2019). Also, by applying a land spillover correction scheme, the erroneous sea ice along coastlines in melt season is removed. The results of FY-3B/DT-ASI are obviously improved compared to that of FY-3B/NT2 (NASA-Team2) in both SIC and sea ice extent (SIE), and are highly consistent with the results of similar products of AMSR2 (Advanced Microwave Scanning Radiometer 2)/ASI and AMSR2/DT-ASI. Compared with the annual average SIC of FY-3B/NT2, our result is reduced by 2.31％. The annual average SIE difference between the two FY- 3Bs is 1.65×106 km2, of which the DT-ASI algorithm contributes 87.9％ and the land spillover method contributes 12.1％. We further select 58 MODIS (Moderate-resolution Imaging Spectroradiometer) cloud-free samples in the Arctic region and use the tie-point method to retrieve SIC to verify the accuracy of these SIC products. The root mean square difference (RMSD) and mean absolute difference (MAD) of the FY-3B/DT-ASI and MODIS results are 17.2％ and 12.7％, which is close to those of two AMSR2 products with 6.25 km resolution and decreased 8％ and 7.2％ compared with FY-3B/NT2. Further, FY-3B/DT-ASI has the most significant improvement where the SIC is lower than 60％. A high-quality SIC product can be obtained by using the DT-ASI algorithm and our work will be beneficial to promote the application of FengYun Satellite. 相似文献
15.
2017年夏季北极中央航道海冰观测特征及海冰密集度遥感产品评估 总被引：2，自引：2，他引：0
2017年夏季中国第八次北极科学考察期间，"雪龙"号极地考察船首次成功穿越北极中央航道，期间全程开展了海冰要素的人工观测。中央航道走航期间的平均海冰密集度和平均冰厚分别为0.64和1.5 m，海冰密集度时空变化大且以厚当年冰为主，高纬密集冰区的浮冰大小显著高于海冰边缘区。基于"雪龙"号的船基走航观测海冰密集度评估比较了国际上常用的5种常用的微波遥感反演海冰密集度产品，同走航目测海冰密集度点对点的比较，误差最大的为德国不来梅大学AMSR2基于Bootstrap算法的产品，平均误差和均方根误差分别为0.19和0.28；误差最小的为欧洲气象卫星应用组织基于AMSR2数据和OSHD和TUD两种不同算法的产品，平均误差分别为-0.02和0.01，均方根误差均为0.20。从日平均比较来看，AMSR2基于Bootstrap算法的误差最大，平均误差和均方根误差分别为0.15和0.20；AMSR2/OSI SAF（TUD）的误差最小，平均误差和均方根误差分别为0.0和0.11，OSI SAF产品更接近人工观测结果。 相似文献
16.
基于AMSR-E数据的多年冰密集度反演算法研究 总被引：2，自引：1，他引：1
In recent years, the rapid decline of Arctic sea ice area(SIA) and sea ice extent(SIE), especially for the multiyear(MY) ice, has led to significant effect on climate change. The accurate retrieval of MY ice concentration retrieval is very important and challenging to understand the ongoing changes. Three MY ice concentration retrieval algorithms were systematically evaluated. A similar total ice concentration was yielded by these algorithms, while the retrieved MY sea ice concentrations differs from each other. The MY SIA derived from NASA TEAM algorithm is relatively stable. Other two algorithms created seasonal fluctuations of MY SIA, particularly in autumn and winter. In this paper, we proposed an ice concentration retrieval algorithm, which developed the NASA TEAM algorithm by adding to use AMSR-E 6.9 GHz brightness temperature data and sea ice concentration using 89.0GHz data. Comparison with the reference MY SIA from reference MY ice, indicates that the mean difference and root mean square(rms) difference of MY SIA derived from the algorithm of this study are 0.65×106 km2 and0.69×106 km2 during January to March, –0.06×106 km2 and 0.14×106 km2 during September to December respectively. Comparison with MY SIE obtained from weekly ice age data provided by University of Colorado show that, the mean difference and rms difference are 0.69×106 km2 and 0.84×106 km2, respectively. The developed algorithm proposed in this study has smaller difference compared with the reference MY ice and MY SIE from ice age data than the Wang's, Lomax' and NASA TEAM algorithms. 相似文献
17.
Dual-polarized ratio algorithm for retrieving Arctic sea ice concentration from passive microwave brightness temperature 总被引：1，自引：0，他引：1
We present a new algorithm for retrieving sea ice concentration from the AMSR-E data, the dual-polarized ratio (DPR) algorithm. The DPR algorithm is developed using vertically and horizontally polarized brightness temperatures at the same channel of 36.5 GHz. It depends on the ratio of dual-polarized emissivity, α, which is determined empirically at about 0.92 by remotely sensed brightness temperature in winter and used for the other seasons as well. The ice concentration retrieved by the DPR is compared with those by the NT2 and ABA algorithms. Since the main difference among these algorithms takes place in marginal ice zones, 17 marginal ice zones are chosen. The retrieved ice concentrations in these zones are examined by the ice concentration obtained by the MODIS data. The mean error, root-mean-square error and mean absolute error of the DPR algorithm are relatively better than those from the other two algorithms. The results of this study illustrate that the DPR algorithm is a more accurate algorithm for retrieving sea ice concentration from the AMSR-E brightness temperature, and can be used for operational purposes. 相似文献
18.
基于2017年4月、2018年4月和2019年4月的CryoSat-2 L1B数据,比较分析了UCL13、DTU10、DTU13、DTU15和DTU18 5种不同平均海表面高度(MSS)模型及其反演的北极海冰干舷的多时空尺度差异。以UCL13为基准,对比分析不同MSS模型的差异和所反演的海冰干舷的差异,实验结果表明,不同MSS模型之间的平均绝对偏差范围为0.19～0.26 m,标准差范围为0.55～0.57 m,其中DTU18与UCL13的差异最小。以UCL13为基准,其他4种MSS模型反演的海冰干舷的平均绝对偏差为0.50～0.79 cm,标准差范围为1.17～1.74 cm。通过与冰桥计划(Operation IceBridge,OIB)机载数据相比,5种MSS模型反演的海冰干舷的相关系数范围为0.70～0.71,均方根误差范围为7.7～7.8 cm。故不同MSS模型之间的偏差对整个北极地区的海冰干舷反演的影响较小,偏差以相同的方式影响冰间水道和浮冰高度测量,因此相互抵消,但在冰间水道分布稀疏的区域,如加拿大群岛北部和拉普捷夫海区域,不同MSS模型反演的海冰干舷差异较大。 相似文献