基本信息
- 项目名称：
- 基于AMSR-E和AVHRR海冰密集度数据的融合算法研究
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 数理
- 大类：
- 自然科学类学术论文
- 简介：
- 海冰密集度数据是研究海冰的重要基础。本文针对现有的AMSR-E数据分辨率较低和AVHRR数据易受云雾影响的缺点，利用客观分析法对这两种数据进行融合。通过云覆盖实验验证了该融合算法能消除云雾对数据的部分影响。对融合海区的云覆盖率和冰外缘线可见度进行了统计，证实了融合算法的必要性和可应用率。融合数据具有较高分辨率和时空连续的优点，对分析极地冰外缘线变化和北极边缘海的海冰分布等具有重要作用。
- 详细介绍：
- 海冰密集度数据是研究海冰的重要基础。目前现有的微波遥感AMSR-E（高级微波辐射计）海冰密集度数据具有不受云雾和极夜影响的优点，能实现全天候观测，然而分辨率低尤其在冰边缘区反演准确性较差，无法满足研究的要求。可见光遥感AVHRR（改进型甚高分辨率辐射计）海冰密集度数据虽然具有高分辨率，由于其受云的影响较大而未能实现业务化。本文根据海冰的特点，将以往针对SST（海表面温度）遥感产品的客观分析方法应用到北极海冰边缘区，提出了适用于北极太平洋扇区海冰密集度数据的融合算法，使融合数据兼有高分辨率和时空连续的优点。本文利用2009年第183天白令海峡区域（55°N～85°N , 155°E～155°W）的AVHRR和AMSR-E海冰密集度数据进行了融合个例实验：晴空条件下AVHRR数据对低密集度区域均有很好的效果，能显示大量浮冰、碎冰区 ，清晰反映局地变化，而在云覆盖区域AVHRR数据无效；AMSR-E数据易将冰外缘的海水判断成冰，无法识别出海冰密集度的细节变化；而融合数据总体上能保持AVHRR的高分辨率的特点，对冰外缘线变化的体现优于AMSR-E，体现了融合算法的合理有效。本文进一步通过对晴空条件下AVHRR数据进行云覆盖实验，以AMSR-E数据融合云区缺省值，证实了该融合算法能消除云雾对数据的部分影响。通过对融合海区的云覆盖率和冰外缘线可见度进行了统计，本文证实了融合算法的必要性和可应用率。通过本文的工作，能够得到较高分辨率和时空连续的海冰密集度数据，对于分析极地冰外缘线的变化和北极边缘海的海冰分布等具有重要作用。
作品专业信息
撰写目的和基本思路
- 海冰密集度数据是研究海冰的重要基础。AMSR-E微波数据具有全天候、不受云雾影响等优势，然而目前该类产品最高分辨率仅为6.25km，不足以反映冰间水道等海冰分布的细节特征。AVHRR可见光数据分辨率可达1.1km，但在云覆盖区域数据无效。因此，将AVHRR可见光遥感数据与AMSR-E微波遥感数据进行融合，从而获取高精度、连续的海冰密集度数据，对海冰的研究和更为精确有效的监测具有非常重大的意义。
科学性、先进性及独特之处
- 在目前海冰研究领域，尚未提出一种适用于海冰密集度数据的融合算法。本文根据海冰的特点，将以往针对SST（海表面温度）遥感产品的客观分析方法应用到北极海冰边缘区，初步提出了适用于北极太平洋扇区海冰密集度数据的融合算法。在较好的保持了原始数据优点的同时，使得融合数据在分辨率和覆盖率上得到了提高。
应用价值和现实意义
- 本文以SST遥感数据融合算法为基础，根据海冰遥感数据自身特点，利用逐日AVHRR和AMSR-E密集度数据，提出了可见光/微波海冰密集度数据融合算法并实现了程序化，该融合算法为提供新的海冰密集度产品打下基础。融合结果具有较高分辨率（4km）和时空连续的特点，对于分析极地冰外缘线的变化和北极边缘海的海冰分布等具有重要作用。
学术论文摘要
- 目前被动微波遥感AMSR-E 6.25km海冰密集度数据是研究海冰状况和变化的主要卫星遥感资料。然而由于分辨率较低，无法精确地反映冰间水道等海冰分布的特征，同时，在冰外缘线附近反演精度不够，易造成误判，不能满足极地探险海上航行的需求。AVHRR可见光遥感数据精度可达1.1km，能很好的实现对海冰变化的实时监测，然而该资料易受云影响而造成时间、空间上的不连续。本文采用客观分析法的原理，设计了适合这两种传感器数据的融合算法，选取2009年第192天的AVHRR和AMSR—E在北极太平洋扇区的晴空数据进行融合试验，比较分析融合数据与单一传感器数据。试验结果表明，该融合算法能保持微波遥感数据的连续性和可见光数据的高分辨率的优势，使融合数据的分辨率达到4km。本文进一步通过AVHRR数据云覆盖试验证实了该融合算法能消除部分云对可见光数据的影响。并且利用MODIS卫星图像统计得到了该融合算法的应用率，从而进一步证实了海冰密集度数据融合的可行性和必要性。
获奖情况
- 无
鉴定结果
- 该作品选题新颖，理论联系实际，具有很强的理论意义和应用价值。鉴定结果优秀，推荐参加竞赛。
参考文献
- [1] 曹梅盛，晋锐（2006）：遥感技术监测海冰密集度，遥感技术与应用，21(003)，259-264 [2] 徐栋（2011）：基于遥感数据的北极西北航道海冰时空变化相关研究（硕士学位论文），青岛：中国海洋大学 [3] 郑金武，许东峰，徐鸣泉（2008）：全覆盖高分S S T融合方法概述，热带海洋学报，27(4)，77-82 [4] Bretherton F., R. Davis and C. Fandry (1976): A technique for objective analysis and design of oceanographic experiments applied to MODE-73, Deep-Sea Res., 23, 559–582 [5] Carter E. F. and A. R. Robinson (1987): Analysis models for the estimation of oceanic fields, Atmos. Oceanic. Technol., 4, 49-74 [6] Guan, L., Hiroshi Kawamur (2004): Merging Satellite Infrared and Microwave SSTs: Methodology and Evaluation of the New SST, Journal of Oceanography, 60, 905-912 [7] Kelly, K. A. and M. J. Caruso (1990): A modified objective mapping technique for scatterometer wind data, Geophys. Res., 95, 13483–13496 [8] YE Xinxin, SU Jie, WANG Yang, HAO Guanghua (2010): Assessment of AMSR-E Sea Ice Concentration in Ice Margin Zone Using MODIS data, 已接收 受字数限制仅列出重要参考文献，完整的参考文献目录见申报书和论文
同类课题研究水平概述
- 目前，卫星数据融合技术在地质观测、气象分析等领域均取得了一定的成果。在海洋研究方面，也已经有一些融合方法得到应用。 曲利芹等（2006）利用小波变换对2001年SeaWiFS和MODIS叶绿素浓度数据进行融合，分析得出融合数据的全球可利用率相对于单一传感器数据有所提高，小波变换方法用于SeaWiFS和MODIS叶绿素浓度数据融合具有有效性。 陈小燕等（2009）利用反距离加权法、克里金插值法、逐步订正法对GFO（Geosat Follow-on）,Jason-1,Envisat数据进行融合,在一定程度上解决了高度计数据精度不够的问题。 管磊等（2004）利用客观分析法对太平洋AVHRR、GMS S-VISSR、TRMM MI and VIRS 四种传感器的 SST数据进行融合，并用JMA（Japan Meteorological Agency，日本气象厅）buoy SSTs数据验证，证实了融合SST精度得到了提高、SST数据融合具有可行性和优势。 而在海冰研究领域，基于AMSR-E 的ARTIST（ Arctic Radiation and Turbulence Interaction Study）SEA ICE 海冰密集度反演算法（简称ASI 算法）能够提供极区6.25km 分辨率的被动微波遥感数据；AVHRR可见光遥感数据通过反演（Lindsay. R. W. and D. A. Rothrock., 1994），罗亚威等（2005）能够提供分辨率为1.1km的海冰密集度数据。然而目前还没有专门针对区域性海冰密集度观测资料的融合算法。 在当前应用较为广泛的数据融合方法中，客观分析法（Objective Analysis）能够较好的解决数据资料时间和空间上的缺失问题, 因而特别适合于微波和可见光数据的融合。该方法于1976年被Bretherton等人引进海洋学研究领域。Carter and Robinson于1987年进一步提出了将客观分析法具体应用的相关理论和计算公式。此后，该方法先后被应用于散射计海面风场数据融合、TOPEX/Poseidon 和ERS-1海表面高度数据融合等领域，均取得了较好的融合结果，显示出了它在数据融合领域的优越性。因而，本文将以此为切入点，将客观分析法应用于海冰密集度数据融合领域。
