测绘科学与技术学院极地与海洋遥感团队在基于被动微波的北极冰间水道检测研究方面取得新进展

一、研究目的

       在北极冬季，海冰在风和洋流拖拽共同作用下形成了线状断裂带，称为冰间水道。海冰隔绝了海洋与大气的直接接触，冰间水道成为海洋和大气间能量交换的重要窗口，对北极气候研究具有重要意义。当前，冰间水道的遥感观测主要依赖光学传感器、被动微波和合成孔径雷达。星载被动微波因其全天候、大范围的观测能力，成为北极海冰监测的重要手段。然而，基于89GHz频段的水道面积分数反演算法和现有的全北极水道日产品在精度方面仍需进一步提升。

二、研究内容

      本研究选取北极水道的典型发育区域，利用国产风云卫星MERSI-II构建的精确水道参考数据，评估现有基于89GHz被动微波的海冰密集度产品和水道面积分数（LF）反演算法。研究发现，现有基于89GHz的海冰密集度产品（6.25km）无法有效探测水道存在，而融合MODIS热红外波段的海冰密集度产品（1km）虽然能在春季检测部分水道，但对LF的估算仍存在显著低估（图1）。

        针对现有LF反演算法在普适性和精度上的不足，本研究提出了一种基于水道统计分布权重的人工神经网络（LF-ANN）模型，并在原有算法依赖高通滤波器获得的亮温异常值基础上引入原始亮温信息作为输入。结果表明，LF-ANN模型在不同季节和区域具有较高的精度，并且通过去除固定系点的限制，能够探测到更多水道的存在。在有限数据集训练下，模型在水道密集区的独立测试结果与训练集相当，表明其具有良好的泛化能力（图2）。改进后的LF-ANN模型在一年冰区捕捉到了更多水道存在（图3）。

三、讨论展望

四、发表信息

       研究成果于2024年11月在《Remote Sensing of Environment》上发表，题为“Assessing lead fraction derived from passive microwave images and improving estimates at pixel-wise level”。中山大学测绘科学与技术学院极地与海洋遥感团队赵羲副教授为第一作者兼通讯作者，团队首席科学家程晓教授、硕士研究生龚家兴、博士研究生宋利娟、中国极地研究中心助理研究员屈猛为文章的合作作者。本研究受国家自然科学基金项目（41925027）、国家重点研发计划（2021YFC2801300）和中山大学高校基本科研业务费学科交叉团队项目（24xkjc005）的支持。