一种基于遥感的海冰冰情影响因子评估方法及系统

本发明属于海冰冰情信息处理，尤其涉及一种基于遥感的海冰冰情影响因子评估方法及系统。

背景技术：

1、传统的海冰监测手段主要是沿岸建立观测站或雷达站以及人工观测，配合船舶监测和飞机监测等传统方法，无法实现大范围的快速监测。遥感技术观测的面积广、快速获取地面信息的优势极大地提高了海冰监测效率。

2、光学遥感监测方面。相比较于传统的观测手段，遥感监测可以低成本实时获取大面积的海冰信息。基于光学卫星数据的海冰监测多是利用可见光波段以及热红外波段。极地可视条件差，因此sar卫星监测是极地地区海冰监测的主要手段，而某海地区气象条件相对较好，可以采用光学遥感与微波遥感组合的海冰监测方式。shi et al.利用2002~2010年冬季某海海域范围内modis-aqua卫星观测资料，对1640nm与2130nm波段进行了短波红外大气校正，发现在某海地区积雪对于海冰光学产品和swir大气校正的影响较小。su et al.利用灰度共生矩阵提取modis 250m数据特征纹理，通过纹理分割方法识别海冰范围与冰缘线且对比同时空hj1b影像对modis数据进行解译进而对海冰进行识别分类。yuan et al利用水深模型和高光谱遥感数据，提出可估算一年冰厚度的海冰厚度半经验模型。yu et al.基于多源光学遥感数据(modis、avhrr、goci、landsat 1-5)统计得到1985-2015年某海海冰面积，建立分段多元非线性回归模型，并将气象数据与海冰面积数据相结合，重建了1985-2015年某海长期逐日海冰面积数据集。

3、此后学者开始使用各种光学遥感数据对某海海冰进行研究。朱亚平等利用fy-2c气象卫星资料对某海海冰进行监测，并且提出了基于静止气象卫星海冰定量监测的依据。王志勇等使用landsat-7/8和sentinel-2光学卫星数据探究了海冰与海水光谱的特征差异，利用海冰厚度的经验反演模型对海冰厚度进行反演。

4、根据使用各种光学遥感卫星数据监测海冰的研究来看，由于modis光学遥感数据具有较高的空间分辨率、成像周期较短以及全球免费下载等优点，因此modis数据在海冰监测中的应用最广泛。

5、sar卫星海冰监测方面。微波遥感历史较短，但微波遥感比光学遥感穿透能力更强，受复杂天气影响小，能够在夜间成像，可以实现对海冰全气候、全天时以及大范围的监测。罗丽程等利用sentinel-1 a/b卫星数据对麦克卢尔海峡海冰进行特征纹理提取来识别分类海冰。shokr et al.提出在海冰生长的前0.3m所有的反向反射参数均随海冰厚度的增大而增加，而两个极化分解参数h和α在同一范围内有所减小，此外通过研究还得到在海冰厚度达到0.3 m时介电常数预反向散射有明显变化的原因是海冰厚度为0.3m时大量盐度达到排水上限。赵泉华等采用某湾一海域的sentinel-1a/b数据，对比海冰识别中分别采用灰度共生矩阵与巴氏距离方法提取海冰特征参数的精度，进而选择最优纹理参数组合对海冰进行分类，并结合海冰面积、冰缘线对某湾一冰情进行研究。

6、综上，光学遥感数据与sar遥感数据在海冰监测中各有优势，需要更高精度的空间分辨率可以选择landsat数据、高分数据等，需要长时间序列的海冰监测时可选择时间分辨率更高的modis卫星数据；sentinel-1a/b等sar遥感影像可以不受恶劣天气的影响，在雨雪复杂天气实现对海冰数据的获取。但前人对于某海海冰的监测多基于单一卫星影像，获取有效的海冰数据有限。

7、海冰冰厚重现期计算方面。海冰重现期是指在冰封海域一定时间海冰出现的频率和时间周期，表示一个特定区域内海冰形成与消融的周期性。具体来说，海冰重现期表示从一个海域海冰开始形成到下一次海冰形成的时间间隔。海冰厚度是海冰冰情信息中的一个重要指标。通常近岸区域的海冰会在海洋动力作用下堆积堆叠，受地形等因素干扰，表面平整的冰层往往是由多层重叠而成，因此表面平整海冰的观测存在一定挑战。在海洋环境的长期预测中，规范建议采用pearson-ⅲ型、gumbel、weibull或对数正态分布等推算方法进行重现值推算，这些方法适用于不同数据量与时间序列的计算，因此需要考虑实际因素选择。pearson-ⅲ型分布可通过适线法或调整离差系数和均值实现较好拟合效果，但数据时间序列较短时预测精度较差。weibull分布应用灵活，可以通过概论图定出斜率和截距，也可用最小二乘法获得该参数。gumbel分布对中值附近的经验点拟合程度较好，但在特大值处理方面存在困难。对数正态分布避免了选取适线参数的麻烦，为保证推算精度需要大量数据。

8、在确定设计冰厚时，通常给出海冰发生点的估计值。然而点估计值的准确性会受到分布模型和估计方法的差异而产生偏差。为了降低偏差，可以使用更准确的数据和模型，采用多种估计方法并进行比较和验证。同时，还可以考虑使用更精细的网格划分和模拟方法，综合考虑多种因素(如风向、海水温度等)对海冰的影响，以提高预测海冰发生可能性和厚度的准确性。coles通过使用最大似然法提出了一种广泛适用的极端值分布分位数的区间估计方式，这种方法适用于水文评估中的冰层厚度的设定参数，而且也可以被运用到其他的类似问题上。陶山山等采用了同样的方法来确定某海北部的年度总冰量测量数据，以寻找其设计的参数的可信区间，这进一步拓展到了用此方法解决其他类型的问题。研究结果显示就营口附近海域的海冰重现期而言，pearson-ⅲ分布具有最优的精度，重现期越小预测精度越高，但重现期较大时，需要进行外延预测导致预测精度下降。张树德等则利用多年的某湾海冰卫星图像信息，推导出海冰厚度及密度等要素，然后依据海冰要素结合gumbel方法，得出了某湾一海域各种重现期的海冰厚度分布情况，这对某湾海洋工程防冻设计和冬季海区安全工作起着关键性的作用。

9、海冰影响因子方面。某海三面环陆，陆地上的气候变化对其有较大影响，因此局部气象因子如日均气温等，成为影响某海冰情的直接因子。李彦青基于modis数据对2001~2011年冬季某海海冰外缘线离岸平均时间序列与各气象因子进行分析，研究发现面积小的海域的海冰对于气温的响应速度大与面积大的海区。刘成等使用高时空分辨率的nsidc海冰产品分析了2007-2018年某海海冰范围的时空变化，研究结果显示在2007-2018年某海海冰范围呈现出先增加后减少的趋势，海冰范围最大时期出现在1月下旬至2月下旬。孙静琪等利用avhrr、modis等光学遥感数据研究1988~2018年某海海冰冰情情况，利用相关分析研究得到与海冰冰情相关性最大的气象因子为累计冻冰度日(cfdd)与累计融冰度日(ctdd)；并且选取cfdd、ctdd、3d-1.8℃积温以及最低气温建立某海海冰模拟模型。

10、盐度是海水的一个重要因素，也是海冰形成的一个关键因素。盐不能锁定在海冰晶格中，而是溶解在盐水的液体内含物中。由于盐水的滞留和排水，冰的盐度在空间和时间上有所不同。盐度与温度相关，控制着包裹在冰中的相对盐水量，这反过来又影响冰的特性。目前对于盐度与海冰关系的研究较少，并且集中在极地地区。martin在模拟北极与南极的海冰模型中考虑了盐度因素，使模型预测结果更真实。王庆凯研究盐度差项对海冰厚度和海冰密度的热力学效应表明：在海冰冻结过程中，盐度差项可以提高海冰温度，抑制冻结。

11、海冰对环境的影响方面。前人研究表明，海冰的覆盖会对覆盖海域的波浪和洋流以及引起的沉积物再悬浮产生影响，对在海冰影响下波浪传播的研究大多集中高纬度海冰发育海域。但近年来有更多的学者关注到中纬度海冰对当地水动力和沉积物的影响。yueet al.发现某海在覆冰期间平均有效波高衰减了16.52%。zhang et al.通过研究某湾冰期与间冰期的波能通量，发现海冰减少了有效风区，从而减少了无冰区的波能通量。liu etal.利用在某湾有冰和无冰条件下海底观测站数据对波浪、余水位、余流进行系统分析与比较，结果表明冰层的覆盖对于有效波高以及余水位有显著的抑制作用，此外通过海底观测站数据显示推测海冰覆盖抑制了海底沉积物的再悬浮。kagan et al.提出海冰不会导致潮汐发生根本变化。

12、通过上述分析，现有技术存在的问题及缺陷为：现有技术对沿岸海域海冰分布特征监测精度低。

技术实现思路

1、为克服相关技术中存在的问题，本发明公开实施例提供了一种基于遥感的海冰冰情影响因子评估方法及系统。

2、所述技术方案如下：基于遥感的海冰冰情影响因子评估方法，包括：

3、s1，选取多年冬季海域modis l1b数据，并提取多年冬季海冰面积时间序列，使用多年冬季sentinel-1a/b数据基于灰度共生矩阵运算提取海冰纹理特征并识别海冰类型，进而对光学观测海冰影像进行补充；

4、s2，使用modis l1b数据，基于窄波段宽波段相互转化公式以及宽波段反照率与海冰厚度关系模型，对海冰厚度进行反演，得到多年冬季海冰厚度与空间分布图，并分析海冰空间分布规律；

5、s3，利用csfr再分析风场数据以及era5再分析海表面温度数据、海洋科学数据中心提供的三维温盐场反演数据，获取气温、海表面温度、风场、海面悬浮物浓度以及盐度与海冰并且冰情等级的关系；

6、s4，基于海冰厚厚度反演数据，利用pearson-ⅲ分布模型，求得不同重现期下海冰极值厚度空间分布。

7、在步骤s1中，选取多年冬季海域modis l1b数据，并提取多年冬季海冰面积时间序列，包括：

8、在光学影像海冰监测中，将表面定向反射率转换为光谱反照率，以及窄波带转换为宽波带反照率；

9、窄波段的反射率被定义为表面向上辐射通量与向下辐射能量的比值：

10、；

11、；

12、式中，为多波段反射率，为多波段向上辐射通量，为波段向下辐射通量，分别为某波段波长最小和最大值，可见光波段范围为0.3μm—0.7μm；为太阳天顶角，为波段范围；

13、使用三种反射率值进行估算，得到的参数用于辐照度计算，在表面反射符合兰伯特反射定律的条件下，地球表面向上辐照度和地球表面向下辐照度：

14、；

15、；

16、式中，为无表面反射情况下的辐照度，为地表反射率，为大气半球反照度，为太阳天顶角，为表观下行辐照度，为观测天顶角，为下行辐照度，为太阳照射路径，为观测路径的大气透过率；

17、根据不同的反射率值运算，得到输入变量的值，得到地表下行辐照度和地表反射辐照度，获得modis数据窄波段反照率信息，通过modis数据的窄波段反照率与宽波段转换公式：

18、；

19、式中，为modis数据宽波段，分别为对应modis 1-5以及7波段的窄波段反照率；

20、对于海冰厚度的反演，grenfell和allison基于光学遥感理论获得宽波段反照率与海冰厚度的转换模型，公式为：

21、；

22、式中，为太阳短波辐射的谱段的反射率，为无限大的冰厚对应的海冰反射率，为相关系数，，为海水反照率，为海冰的厚度，为反射率的相关系数，为自然指数函数；

23、取1.209，取0.7，反演得到的海冰厚度与实测厚度均方根误差为0.02。

24、在步骤s1中，使用多年冬季sentinel-1a/b数据基于灰度共生矩阵运算提取海冰纹理特征并识别海冰类型，包括：

25、s101，利用glcm得到sentinel-1 a/b影像八种纹理特征参数，包括平均灰度、方差、对比度、均匀性、非相似性、熵、角二阶矩以及关联度；选择的glcm参数包括窗口大小、方向角、位移量、灰度量化等级；

26、s102，海冰样本采集，利用海冰光谱特性识别冬季海域内的冰皮、灰冰和白冰，从sentinel-1 a/b图像中的冰皮、灰冰、白冰和海洋的vv极化模式下的水体反射系数提取海冰种类为样本；

27、s103，基于多种纹理特征组合分类海冰，基于适用提取sar影像纹理参数的灰度共生矩阵glcm方法，选择最优海冰特征纹理组合且选择最优的分类方法使用四种易于识别的样本来进行海冰分类识别，统计海冰面积，分类方法包括支持向量机分类svm、神经网络分类方法、最大似然监督分类mlc。

28、在步骤s2中，使用modis l1b数据，基于窄波段宽波段相互转化公式以及宽波段反照率与海冰厚度关系模型，对海冰厚度进行反演，得到多年冬季海冰厚度与空间分布图，并分析海冰空间分布规律，包括：

29、通过冬季海冰冰情划分为：轻冰年、常冰年明显偏轻、常冰年偏轻、常冰年略偏轻、常年冰、常冰年略偏重、常冰年偏重、常冰年明显偏重和重冰年；

30、进行海域偏重冰年冰情分析，不同年份冬季冰情分析，海冰时空分布特征分析，以modis l1b光学遥感卫星数据和sentinel-1a/b sar影像数据作为数据源，对多年冬季海域海冰进行分类识别，分析多年海冰发展变化趋势，通过多年海冰厚度最大值空间分布得海冰沿岸最大厚度；

31、分析多年海冰发展变化趋势，包括选择统计多年冬季海冰曾结冰频率和曾结冰面积，曾结冰频率的定义为：

32、；

33、式中，为某像元在某年冬季内的曾结冰概率，为该像元在该冬季内存在结冰现象的遥感影像的天数，为该像元在该冬季遥感影像中的总数。

34、在步骤s3中，获取气温与海冰并且冰情等级的关系包括：

35、引入两个用于衡量气温对于海冰发育消融贡献程度以及持续时间的参数：累计冻冰度日cfdd和累计融冰度日ctdd，表示一段时间内低于或者高于某一临界温度值的累积值，其计算公式如下：

36、；

37、；

38、式中，为时间，为结束时间，为开始时间，为海冰发育和融化的临界温度，；为当日海域日平均气温。

39、在步骤s3中，获取大气风场与海冰并且冰情等级的关系包括：

40、使用cfsr风场数据计算多年冬季海域内风场分布，包括计算多年12月、1月、2月和冬季总平均风场分布。

41、在步骤s3中，获取盐度与海冰并且冰情等级的关系包括：

42、选取海域内盐度数据进行处理，得到海域平均盐度，包括计算多年12月、1月、2月的日平均盐度。

43、在步骤s3中，还包括获取海面悬浮物浓度ssc与海冰并且冰情等级的关系，将modis l1b数据处理为l2级遥感反射rrs数据，对数据进行几何校正、大气校正预处理工作；ssc反演公式为：

44、；

45、式中，为海水悬浮体浓度，为自然指数，为rrs555波段的反射率；

46、当反射率满足以下四个条件时被判定为海冰：

47、；

48、；

49、；

50、；

51、式中，为标准化离水反射率，为859nm波段的标准化离水反射率，为555nm波段的标准化离水反射率，为412nm波段的标准化离水反射率，为遥感反射率。

52、在步骤s4中，基于海冰厚厚度反演数据，利用pearson-ⅲ分布模型，求得不同重现期下海冰极值厚度空间分布，包括：

53、s401，反演结果处理，包括剔除异常值、重采样、将多年各年反演重采样数据转为坐标与海冰厚度值对应的ascii格式数据；

54、s402，概率分布理论及其参数估算,选择pearson-ⅲ型对海冰厚度重现期进行推算；pearson-ⅲ型分布也称为γ型分布，概率密度函数和分布函数分别如下：

55、；

56、；

57、式中，为频率密度函数，为的分布函数，为随机变量，为位置参数，为形状参数，为尺度参数，为概率分布函数，为多年一遇极大值，为自然指数；

58、设海冰厚度指数的年极大值为的概率密度函数为，其分布函数为：

59、；

60、式中，为概率分布函数；

61、；

62、年一遇的极大值出现的概率为保证率，其计算公式为：

63、式中，为概率保证率，。

64、本发明的另一目的在于提供一种基于遥感的海冰冰情影响因子评估系统，该系统用于对所述的基于遥感的海冰冰情影响因子评估方法进行评估，该系统包括：

65、海冰类型识别模块，用于选取多年冬季海域modis l1b数据，并提取多年冬季海冰面积时间序列，使用多年冬季sentinel-1a/b数据基于灰度共生矩阵运算提取海冰纹理特征并识别海冰类型，进而对光学观测海冰影像进行补充；

66、多年冬季某海海冰厚度与空间分布图获取模块，用于使用modis l1b数据，基于窄波段宽波段相互转化公式以及宽波段反照率与海冰厚度关系模型，对海冰厚度进行反演，得到多年冬季海冰厚度与空间分布图，并分析海冰空间分布规律；

67、与海冰冰情等级关系获取模块，用于利用csfr再分析风场数据以及era5再分析海表面温度数据、海洋科学数据中心提供的三维温盐场反演数据，获取气温、海表面温度、风场、海面悬浮物浓度以及盐度与海冰并且冰情等级的关系；

68、不同重现期下某海海冰极值厚度空间分布获取模块，用于基于海冰厚厚度反演数据，利用pearson-ⅲ分布模型，求得不同重现期下海冰极值厚度空间分布。

69、结合上述的所有技术方案，本发明所具备的有益效果为：本发明选取了2003年至2022年冬季某海海域modis l1b数据，提取近20年冬季某海海冰面积时间序列，使用2015年至2022年冬季sentinel-1a/b数据基于灰度共生矩阵(gray level co-occurrencematrix,glcm)运算提取海冰纹理特征并识别海冰类型进而对光学观测海冰影像进行补充。使用modis l1b数据基于窄波段宽波段相互转化公式以及宽波段反照率与海冰厚度关系模型对某海海冰厚度进行反演，得到2003~2022年冬季某海海冰厚度与空间分布图，并分析海冰空间分布规律。其次利用csfr再分析风场数据以及era5再分析海表面温度数据、海洋科学数据中心提供的三维温盐反演场数据探究气温、海表面温度、风场以及盐度与海冰并且冰情等级的关系。最后基于海冰厚厚度反演数据利用pearson-ⅲ分布模型求得不同重现期下某海海冰极值厚度空间分布。而且监测精度高。

70、本发明能够快速形成某海域冬季海冰范围和厚度以及变化数据，为航行、养殖牧场、工程设施安全以及水下作业相关单位提供支撑保障，避免灾害性事故发生。长久以来国内外对中纬度海域海冰的形成规律研究不足，对其发生的预报能力相对薄弱，对海洋工程安全产生较大的威胁。本发明着眼于冬季海冰快速识别和厚度计算，为解决这一问题提供了新的方式。

71、冰厚参数是近海工程设计中一个关键指标，不合理的指标直接影响到工程安全和工程造价，一直未能得到解决。本发明通过反演某海域20年冬季海冰面积和厚度，预测了多年一遇海冰设计参数，为工程设计和建造提供了可靠参数。

72、本发明不同于以往研究，将多源遥感数据和实测资料结合并综合分析建立相关模型，获得了可靠的海冰面积和厚度时间序列数据集，计算出高精度海冰监测数据和多年一遇工程设计参数。