共查询到14条相似文献，搜索用时 187 毫秒
1.
《武汉大学学报(信息科学版)》2016,(4)
根据海冰船测目视观测标准在MODIS影像上提取模拟的海冰边界,并利用相应的MODIS海冰密集度验证AMSR-E海冰密集度产品在海冰边界的精度。研究结果表明,海冰边界像素上,AMSR-E海冰密集度的平均值与15%阈值存在显著差异,且AMSR-E与MODIS海冰密集度的相关性很弱(R2≤0.2),基于ASI的海冰反演算法在夏季低估边界海冰密集度。考虑整个冰区(包括多年冰、一年冰、新冰和开阔海域)的截线分析显示,AMSR-E与MODIS海冰密集度存在较好的线性关系(夏季R2=0.82,冬季R2=0.81),AMSR-E海冰密集度在20%~30%区间的误差最大。 相似文献
2.
利用船测数据以及Landsat-7 ETM+影像评估南极海冰区AMSR-E海冰密集度 总被引：3，自引：1，他引：2
利用第26次中国南极科学考察期间收集的海冰密集度船基观测资料以及由Landsat-7 ETM+得到的海冰密集度来验证AMSR-E南极海冰区海冰密集度产品的精度。AMSR-E海冰密集度与船基目视观测的海冰密集度存在着一定的线性关系(R2=0.816), 但两者匹配得并不是很好。与ETM+海冰密集度相比,AMSR-E数据趋向于低估海冰密集度,在25景晴空条件下的ETM+影像中,平均海冰密集度偏差(AMSR-E海冰密集度-ETM+海冰密集度)从-5.33%到-21.5%,而相应的均方根误差RMSE (Root Mean Squared Errors)从13.7%到33.8%。依据Landsat-7 ETM+ 海冰分类,AMSR-E数据海冰密集度最大的误差产生于新冰区。 相似文献
3.
北极遥感海冰密集度数据的比较和评估 总被引：1，自引：0，他引：1
本文利用2012年夏季中国第五次北极科学考察期间雪龙船在北极东北航道走航观测的海冰密集度数据(OBS-SIC),初步评估了7种基于被动微波遥感的海冰密集度产品(PM-SIC)。7种PM-SIC因传感器和反演方法不同,分辨率差异较大(4—25 km)。在海盆尺度的海冰范围反演上7种PM-SIC基本相同,但对小范围浮冰区的反演差异较大。与MODIS可见光图像对比发现,MASAM数据(4 km)对局部小区域海冰刻画较好,是研究近岸区域或海峡岛屿海冰覆盖范围或面积时的首选产品;7种PM-SIC纬向平均后对比分析显示,不同PM-SIC对网格内是否存在海冰的判断基本一致,但对网格内海冰所占的比例(密集度)判断差异较大。结合OBS-SIC按航线、区域、密集度大小3种不同情况对7种PM-SIC进行分类定量评估,结果表明基于AMSR2传感器的AMSR2/ASI和AMSR2/Bootstrap数据与OBS-SIC偏差较小,平均偏差约±1%,均方根偏差仅11%和12%;而SSMIS/NT数据的偏差最大,平均偏差约–15%,均方根偏差为21%,其严重低估了网格内的海冰密集度值;因此具有更高分辨率的AMSR2/ASI数据(6.25 km)是关注海冰密集度大小时的首选产品。 相似文献
4.
本文对2011-07-01—2011-09-30风云三号B星(FY-3B)搭载的微波成像仪MWRI(Microwave Radiometer Imager)和Aqua卫星搭载的微波扫描辐射计AMSR-E(Advanced Microwave Scanning Radiometer for Earth Observing System)观测数据获取的海冰密集度产品进行比较及印证。首先,逐日比较FY-3B/MWRI和Aqua/AMSR-E区域平均海冰密集度;其次,逐月比较FY-3B/MWRI和Aqua/AMSR-E月平均海冰密集度;最后,使用Aqua卫星搭载的中等分辨率成像光谱辐射计MODIS数据进行印证。MWRI和AMSR-E比较结果为(1)MWRI与AMSR-E逐日区域平均海冰密集度变化趋势一致,MWRI海冰密集度均高于AMSR-E,7—9月MWRI与AMSR-E逐日平均偏差月平均值分别为8.55%、7.67%、2.58%,逐日标准差月平均值分别为12.16%、12.08%、10.43%,二者差异逐月减小。(2)MWRI与AMSR-E月平均海冰密集度差呈现逐月递减趋势,7—9月MWRI与AMSR-E逐月平均偏差分别为7.37%、6.53%、1.51%,逐月标准差分别为4.61%、4.36%、3.64%,MWRI与AMSR-E差异逐月减小的原因是二者在密集度较低的边缘区域差异较大,而夏季随着边缘区域海冰的融化,二者差异逐渐减小。MWRI和AMSRE海冰密集度与MODIS印证结果为:(1)密集度小于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏高,AMSR-E更接近MODIS,MWRI高估,误差较大。(2)密集度大于等于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏低,AMSR-E偏低更多,MWRI结果更好。 相似文献
5.
根据船测方法在MODIS影像上提取模拟船测海冰密集度,并与船测数据联合验证AMSR-E海冰密集度产品。结果表明,AMSR-E海冰密集度与模拟船测海冰密集度的一致性高于其与船测海冰密集度,且相同时间、相同尺度下的海冰密集度之间一致性较高,不同时间、相同尺度下的海冰密集度之间存在不同程度的差异。 相似文献
6.
2002年——2011年北极海冰时空变化分析 总被引：7，自引：0，他引：7
基于2002年-2011年AMSR-E海冰密集度数据, 分析了北极海冰的时空变化特征及其原因。结果表明海冰外缘线面积每年减小8.28×104 km2, 下降趋势最快的季节为夏季, 下降速度是1979年-2006年的两倍多, 而且海冰密集度也在降低。2003年、2004年的冰情相对较重, 2007年海冰面积最小。长期冰在2002年-2010年间减少了近30%, 减少的区域主要在波弗特海、楚科奇海、东西伯利亚海、拉普贴夫海、喀拉海以及由这些边缘海向北极方向延伸的北冰洋的广大区域, 长期冰减少的地方大部分为季节性海冰增加的地方。海冰面积与年平均气温之间有显著的负相关关系, 随着全球气候变暖的加剧, 这种减小趋势将会持续。 相似文献
7.
作为影响极区热平衡的关键因素,北极反照率会对北极气候与环境变化产生重要影响。采用CLARA-A2-SAL(The CM SAF Cloud,Albedo and Radiation)反照率产品分析2000—2015年北极夏季反照率月尺度和年尺度的时空变化,并探索北极反照率与海冰密集度的关系。结果表明,近15年间北极夏季反照率降幅达到12.20%,8月反照率下降趋势最显著,每10年减少0.040;随着海冰的融化,北极夏季反照率发生由高到低的变化;北极中央密集冰区与周边海域的反照率变化呈现出显著的空间差异性;北极反照率与海冰密集度呈稳定的正相关。研究北极反照率的时空变化及其影响因素可为解释海冰变化成因、预测北极海冰变化趋势提供参考。 相似文献
8.
海冰外缘线是一个描述北极海冰快速变化的重要指示参数,对近岸冰区航行保障和海冰灾害预警具有实际意义。本文首先基于形态学中的方法分别识别数据中的主体冰域、主体水域和碎冰区。其次利用可变图像闭运算方法将较大碎冰与主体冰区合并,最后再利用连通域方法提取海冰外缘线。该方法可适用于任何冰水二值数据集,包括海冰密集度产品数据、卫星图像、航拍图像以及其他冰水混合数据。本文基于AMSR-E海冰密集度数据,利用此方法提取了北冰洋10个区域的海冰外缘线,与15%海冰密集度等值线比较表明,本文方法能够保留较大面积的碎冰区域,并将其与主体冰域合并处理,因此所提取的海冰外缘线在衡量大尺度海冰范围方面更为合理。 相似文献
9.
海冰密集度对全球气候变化研究有重要的意义,其反演结果的验证工作也被广泛关注,但结合多源数据反演,同时对两种算法验证的研究较少的现状,该文利用ASPeCt船测海冰密集度数据对Bootstrap算法和NASA Team(NT)算法基于SSM/I数据估算的海冰密集度精度进行验证,并与MODIS影像反演获得的海冰密集度进行对比。研究结果显示两种海冰密集度算法获得的反演结果与ASPeCt船测值偏差分别为2.26%和7.27%,均方根误差分别为11.39%和12.32%。相比之下,MODIS结果与ASPeCt船测海冰密集度比较得到偏差为3%,均方根误差为5.21%。Bootstrap算法、NT算法与ASPeCt船测值比较的偏差和均方根误差显示两种算法精度相近;由于MODIS数据分辨率与ASPeCt船测数据相近,所以其反演精度较优;但因时空分辨率的限制,各种结果都具有一定的不确定性。 相似文献
10.
海冰作为全球气候系统的重要组成部分,不仅影响着大气与海洋环流,也是气候变化的重要指示器。海冰密集度是描述极地海冰极为重要的地球物理参数之一。本文基于风云三号卫星微波成像仪(MWRI)亮温数据开展北极海冰密集度反演研究,采用线性回归和阈值法确定了动态亮温系点值,利用天气滤波器和陆地污染修正法消除了天气和陆地对海冰密集度反演的影响,计算了2019年—2020年海冰范围和海冰面积并与同类产品进行了比对。结果表明,本研究获取的北极海冰密集度产品与NSIDC发布的海冰密集度产品有较高的相关性,海冰密集度的差异在冬季小于3%,夏季小于8%。利用SAR数据进行了不同产品的结果评估,结果表明本文算法的反演结果优于NASA Team算法,在冬季精度约有1%的提升,在夏季精度约有4%左右的提升。动态亮温系点值较好地反映了海冰辐射特性的季节变化。本研究为中国自主卫星的海冰密集度产品的业务化发布奠定了基础。 相似文献
11.
K. K. Singh V. D. Mishra Sahil Sood Manoj Kumar 《Journal of the Indian Society of Remote Sensing》2013,41(4):947-956
The present study aims to estimate the long term changes in sea ice areal extent (SIAE) around Antarctica using Special Sensor Microwave Imager (SSM/I) satellite data (1988–2011). Daily, weekly and monthly brightness temperature (TB) maps of Antarctica have been generated. Temporal variation in monthly averaged TB values of sea ice have been analyzed and an increasing trend is observed in TB. Sea ice concentration (SIC) values are estimated and the concentration class 0.85–0.95 is observed as the main contributor in sea ice areal extent during the Antarctic peak winter month i.e. September and October. SIC changes rapidly from October onwards and shows fast melting of sea ice, however, from April start of freezing has been observed. Continuous increase in SIAE is observed from February to September in all the analyzed years (1988–2011) data. In this observation period maximum SIAE is observed in September 1989 and minimum in February 1993. The Moderate Resolution Imaging Spectroradiometer (MODIS) data is used for the validation of SIAE values. SSM/I and MODIS estimated SIAE values are compared (R2?=?0.98) and a relation between them is established by performing regression analysis. This relation is further used for the estimation of corrected SIAE values. The monthly average sea ice extent maps of last three decades have been analyzed and a shift in onset of freezing of sea ice has been observed. The period of frozen sea has also been observed as decreased. 相似文献
12.
以北极为研究区,使用CryoSat-2数据,利用现有海冰厚度卫星测高研究中4种主流算法(Laxon03算法、Kurtz09算法、Yi11算法和Laxon13算法)分别对北冰洋海冰厚度进行估算,并将估算结果与研究区IceBridge机载激光测高冰厚数据进行了比较,探索各算法海冰厚度估算的差异,寻找最优的估算算法,为估算长时序海冰厚度提供基础和参考。结果表明,4种算法估算的海冰厚度空间分布较为一致,但不同算法估算的结果差异较大,可达0.476 m;4种算法估算结果大小依次为Laxon03算法、Yi11算法、Laxon13算法、Kurtz09算法;4种算法估算的平均海冰厚度差异,在北极波弗特海海域最大,其次是北极中心海域、格陵兰和挪威海;Laxon13算法估算结果相对于IceBridge观测结果与其他算法相比,具有最小的平均偏差和均方根误差,是卫星测高估算海冰厚度的最优算法。 相似文献
13.
北极海冰表面的积雪深度是重要的地球物理变量, 是研究物质与能量平衡、计算海冰厚度的重要参数。为减小不同被动微波传感器观测数据的系统误差, 对国防气象卫星计划(Defense Meteorological Satellite Program, DMSP)F17-SSMIS与F13-SSM/I重叠期亮度温度数据进行交叉定标, 建立4个频段48个月尺度定标模型, 并与传统年尺度定标模型进行比较和优选, 在此基础上估算并分析2003-2014年北极一年海冰表面积雪深度变化。结果表明:19H、19V、22V、37V频段1~5月的月尺度模型决定系数高于传统年尺度拟合模型; 2003-2014年, 北极一年海冰表面积雪深度总体呈现下降趋势, 同时积雪深度存在明显的周期性变化, 每年7月积雪深度最小, 9月最大; 东西伯利亚海、拉普捷夫海和巴伦支海海冰表面积雪深度呈现减少的趋势。 相似文献
14.
冰速是海冰的重要参数，但是受资料长度限制，对卫星遥感冰速产品进行系统比较和评估的研究还较少。利用2009年—2017年国际北极浮标计划（IABP）浮标冰速数据，较系统地评估了不同时间间隔的遥感反演冰速产品在北冰洋内区和弗拉姆海峡附近海区的表现。结果显示，对北冰洋内区而言，1 d间隔的美国国家雪冰数据中心（NSIDC）遥感冰速冬季误差整体大于夏季，冬季高估了波弗特海南部海冰向西的运动，低估了从喀拉海流向格陵兰岛北部的穿极流。对于5种2 d间隔冰速产品而言，产品精度不完全取决于源数据空间分辨率的高低，反演算法的改进和数据融合均能提高冰速的精度，均方根误差大小的顺序是OSISAF-Merged <OSISAF-AMSR <Ifremer-AMSR <OSISAF-SSM < OSISAF-ASCAT。对于4种使用相同反演算法的3 d间隔的冰速产品，产品的均方根误差取决于源数据分辨率，空间分辨率最高的Ifremer-AMSR冰速均方根误差最小。比较不同种类、不同时间间隔冰速的月平均均方根误差后可知，采用3 d间隔反演的冰速由于能够忽略更多短时间尺度海冰运动，其冰速均方根误差低于2 d间隔的冰速。在弗拉姆海峡，除Ifremer-AMSR外，其余冰速产品均具有较大的经向偏差和均方根误差。在冰速较快弗拉姆海峡，冰速产品均方根误差取决于源数据的分辨率。 相似文献