基于天气滤波器筛选数据进行海冰密集度反演的方法技术

本申请提供了一种基于天气滤波器筛选数据进行海冰密集度反演的方法，步骤包括：S1、利用天气滤波器对数据进行筛选；S2、对不满足天气滤波器的89GHz数据通过ASI算法反演得到海冰密集度结果；S3、对19GHz和37GHz数据进行重采样；S4、基于重采样后的19GHz以及37GHz数据，使用Bootstrap算法对满足天气滤波器的19GHz和37GHz数据进行反演，得到海冰密集度结果；S5、将S2中的海冰密集度结果与S4中的海冰密集度结果相结合，得到南极总的海冰密集度结果；并使用Landsat8数据通过标准化差异雪指数值得到海冰分布，对海冰密集度结果进行验证；本申请有效的改善了天气滤波器将大于阈值部分的海冰密集度强制设置为0％而导致的过度滤除现象，提高了海冰密集度的反演精度。提高了海冰密集度的反演精度。提高了海冰密集度的反演精度。

【技术实现步骤摘要】
基于天气滤波器筛选数据进行海冰密集度反演的方法


[0001]本申请属于卫星遥感
，具体说是一种基于天气滤波器筛选数据进行海冰密集度反演的方法。

技术介绍

[0002]极地地区是地球气候系统的主要冷源，是海冰分布最为广泛的地区，同时也是全球气候变化的关键地区和敏感地区。海冰是极地地区气候变化中最敏感的组成部分之一，海冰的表面反照率是所有地表类型中最高的，可以将绝大部分的太阳辐射反射回太空，可调节大气和海洋表面的能量交换，帮助维持极地地区的低温状态。当气温逐渐升高，海洋表面的海冰开始融化减少，被反射回去的太阳辐射变少，被海洋吸收的太阳辐射增加，促使气温进一步升高，加速全球变暖，这一原因使得海冰在极地地区乃至全球气候系统中发挥着至关重要的作用。因此，高精度高空间分辨率的海冰密集度结果对预测极地地区乃至全球气候变化至关重要，南极海冰密集度反演的准确性受到越来越多的关注。
[0003]近年来，基于被动微波辐射数据获取海冰密集度进行了广泛的研究，得到了许多海冰密集度反演算法。Comiso等1986年基于能量传输方程以及海冰发射率在不同频段的不同特征提出了Bootstrap算法，并在2003年对Bootstrap算法进行修改，提出了ABA(theAMSRBootstrapAlgorithm)算法，该算法充分利用AMSR
‑
E(AdvancedMicrowaveScanningRadiometerforEOS)6.9GHz的亮温辐射特征，减小了海冰表面温度的影响。Cavalieri等引入极化梯度率(PolarizationRatio，PR)和光谱梯度率(GradientRatio，GR)提出了NASA Team算法，该算法能够有效的区分一年冰和多年冰，2002年在NASATeam算法的基础上提出了NASATeam2算法，此算法一方面提高了海冰密集度结果的空间分辨率，另一方面消除了表面雪覆盖带来的低密集度区域的误差。Liu等人(2015)为提高NASATeam算法反演的精确性，提出了一种将NASATeam算法与完全约束最小二乘法相结合的海冰密集度反演方法。Svendsen等提出了应用于SMMR数据的NORSEX算法，根据被动微波以及地表温度测量来估计总海冰密集度以及多年冰海冰密集度。ASI算法是在1998年“北极辐射和湍流交换的研究”项目中产生的，最开始是为了利用更高分辨率的SSM/I85GHz数据来对北极海冰边缘的大气边界层作中尺度数值模拟，Spreen等2008年将ASI算法应用于AMSR
‑
E的89GHz数据，利用垂直极化和水平极化之间的亮温差异反演海冰密集度，显著提高了海冰密集度产品的空间分辨率。Kern等2001年提出了基于SSM/I85GHz通道数据的SLA算法，该算法利用亮温数据的极化比反演海冰密集度。Cezar等从微波遥感观测数据中动态获取地表反射率，通过与海冰参考反射率的比较获得海冰密集度结果。苏洁等对ASI算法进行了插值计算、系点值以及天气滤波器等一系列实验，根据统计来确定海冰和海水系点值，推导并修改了海冰密集度反演公式。Ye等通过冰漂移记录来约束多年冰的变化，利用被动微波辐射参数的两个阈值来考虑雪的湿度和变质效应，并将其应用于ECICE算法，提高了多年冰密集度的估算精度。Ye等通过引入再分析空气温度数据来提高海冰密集度反演精度。Lu等人提出了ASI2算法，该算法通过使用数值天气预测再分析数据场作为大气剖面，模拟大气吸收/排放和风粗糙化海
面引起的总辐射量变化，来校正天气影响。并在此基础上，通过在校正模型中加入云液态水，提出了ASI3算法。Wu等提出了一种基于SSMIS的19GHz极化差修改91GHz极化差的改进的ASI算法。史凯琦等以MODIS数据为数据源，用最近邻像素法确定纯冰的典型反射率，以此来计算海冰密集度。梁爽根据各种海冰密集度产品在极地的表现和误差特征，提出了被动微波海冰密集度融合方法。
[0004]ASI算法使用89GHz高频通道数据，得到的海冰密集度结果空间分辨率高，但与低频通道数据相比，89GHz亮温数据受到云和水汽等外界因素的影响较大，经常会在开阔水域和海冰边缘区域得到错误的反演结果。虽然使用天气滤波器可以消除部分海冰边缘区域、低海冰密集度区域以及开放水域的海冰密集度反演误差，但是通常使用天气滤波器来消除外部因素对海冰密集度反演结果的影响，即天气滤波器将大于相应阈值的区域海冰密集度设置为0，在海冰边缘区域将会出现过度滤除现象，即将低密集度海冰误判为海水，从而导致海冰密集度反演精度不高。

技术实现思路

[0005]为了克服目前存在天气滤波器将大于相应阈值的区域海冰密集度设置为0，在海冰边缘区域将会出现过度滤除现象的问题，本申请提供了一种基于天气滤波器筛选数据进行海冰密集度反演的方法，包括如下步骤：
[0006]步骤S1、利用天气滤波器对数据进行筛选，获取不满足天气滤波器的89GHz数据以及满足天气滤波器的19GHz和37GHz数据；
[0007]步骤S2、对不满足天气滤波器的89GHz数据通过ASI算法(式(3))反演得到海冰密集度结果；
[0008]SIC＝1.64
×
10
‑5P3‑
1.618
×
10
‑4P2+1.916
×
10
‑2P+0.9710(3)
[0009]其中，P＝T
bv
‑
T
bh
，T
bv
为89GHz垂直极化亮温，T
bh
为89GHz水平极化亮温；
[0010]步骤S3、对满足天气滤波器的19GHz和37GHz数据进行重采样，使得19GHz和37GHz数据与89GHz数据空间分辨率一致；
[0011]采用双线性插值法(式(4))对19GHz和37GHz数据进行重采样，对于目标像素，通过反向变换得到浮点坐标(i+u,j+v)，其中，i,j分别为横纵坐标的整数部分，u,v分别为横纵坐标的浮点位；像素值f(i+u,j+v)由周围四个点的像素值共同决定，这四个点坐标分别为(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)；
[0012][0013]其中，f(*,*)表示像素的灰度值；
[0014]本申请采用双线性插值法利用周围四个相邻点的灰度值进行两个方向的线性插值，得到待采样点的灰度值，克服了最近邻插值法中灰度不连续的问题；重采样后的19GHz以及37GHz数据与89GHz数据空间分辨率一致，提高了数据处理效率和数据处理的精度。
[0015]步骤S4、基于重采样后的19GHz以及37GHz数据，使用Bootstrap算法(式(5))对满足天气滤波器的19GHz和37GHz数据进行反演，得到海冰密集度结果；
[0016]SIC＝(T
B
‑
T
O
)/(T
I
‑
T
O
)(5)
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于天气滤波器筛选数据进行海冰密集度反演的方法，其特征在于，包括：步骤S1、利用天气滤波器对数据进行筛选，获取不满足天气滤波器的89GHz数据以及满足天气滤波器的19GHz和37GHz数据；步骤S2、对不满足天气滤波器的89GHz数据通过ASI算法(式(3))反演得到海冰密集度结果；SIC＝1.64
×
10
‑5P3‑
1.618
×
10
‑4P2+1.916
×
10
‑2P+0.9710 (3)其中，P＝T
bv
‑
T
bh
，T
bv
为89GHz垂直极化亮温，T
bh
为89GHz水平极化亮温；步骤S3、对满足天气滤波器的19GHz和37GHz数据进行重采样，使得19GHz和37GHz数据与89GHz数据空间分辨率一致；步骤S4、基于重采样后的19GHz以及37GHz数据，使用Bootstrap算法(式(5))对满足天气滤波器的19GHz和37GHz数据进行反演，得到海冰密集度结果；SIC＝(T
B
‑
T
O
)/(...

【专利技术属性】
技术研发人员：王星东，郭智，赵颜创，杨震，王珂，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：