基于FY-3的格陵兰岛冰盖表面冻融探测方法研究

格陵兰岛的冰盖对全球气候有着极为重要的意义,冰盖的冻融情况可直观展示北极地区的气候变化状况。利用我国FY-3气象卫星的微波成像仪(Microwave Radiation Imager,MWRI)数据,基于增加干湿雪差异性的交叉极化比率(Cross-Polarized Gradient Ratio,XPGR)算法,通过支持向量机(Support Vector Machine,SVM)的超平面进行格陵兰岛冰盖表面冻融探测,与已有的阈值方法相比,理论上精度较高。与微波辐射计(Special Sensor Microwave Image,SSM/I)(阈值为–0.025)的数据结果进行对比验证,结果表明:XPGR结合SVM的格陵兰岛冰盖表面冻融探测方法是可行的。     

基于改进的交叉极化比率算法的南极冻融探测

针对交叉极化比率（cross-polarized gradient ratio,XPGR）算法在冰盖冻融探测中存在的问题,提出了不依赖于实地观测数据的、自动阈值分割的、改进的XPGR微波辐射计南极冰盖冻融探测方法,即运用广义高斯模型对XPGR的长时间序列数据做直方图统计,计算出干湿雪划分的最优阈值,从而得到南极冰盖冻融分布图。试验结果表明：改进前后的结果虽然相差不多,但改进后的方法由于不依赖于实地观测数据,不仅提高了冰盖冻融探测的计算效率、实用性和可操作性,而且还在一定程度上提高了冰盖冻融探测的精度。     

基于19GHz修正91GHz频段改进的ASI海冰密集度算法

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。     

广义高斯模型阈值的南极冰盖冻融探测

在微波散射计的简单冰盖融化物理模型的基础上, 提出了不依赖于实地观测数据的自动阈值分割的南极冰盖冻融探测的新算法, 即利用广义高斯模型对通过微波散射计简单冰盖融化物理模型变换得到的数据做直方图统计, 得到干湿雪划分的最优阈值, 从而得到干湿雪的冻融分布图. 这种算法不但解决了物理模型算法需依赖实测冰盖融化信息才能进行冰盖冻融探测的问题, 而且能自动选择较多的样本, 提高了冰盖冻融探测的计算效率、 实用性和可操作性. 算法也能被应用到其他地区, 为全球的冰盖冻融探测提供了方法学的支持和补充.     

基于FY-3 MWRI数据的北极海冰密集度反演研究

以ASI算法（ARTIST sea ice algorithm）为基础, 得到基于风云3C气象卫星（FY-3C）微波辐射计（MWRI）数据的纯水与纯冰系点值, 利用插值方法确定基于FY-3 MWRI数据的ASI海冰密集度计算公式, 采用大津法（Otsu算法）得到基于MWRI数据的天气滤波器阈值。以2016年1月数据为例, 对北极海冰密集度进行反演, 并与美国国家冰雪数据中心（NSIDC）以及德国不莱梅大学提供的海冰密集度产品进行对比验证。结果表明： 基于MWRI数据得到的1月平均海冰面积以及平均密集度均介于二者之间, 其中平均密集度与不莱梅产品更接近, 仅相差1.310%。与风云卫星空间分辨率为250 m的中分辨率光谱成像仪（MERSI）数据得到的结果进行对比, 发现二者的海冰外缘线基本一致, MERSI数据得到的海冰密集度以及海冰面积比MWRI数据得到的结果分别高出5.029%、 9.318%。因此, 应用该方法可有效推进MWRI数据反演北极海冰密集度, 进而监测北极海冰分布和变化。