基于FY-3C MWRI數據的南極海冰密集度反演

康健強 王星東 李國應

摘 要：基于2018年9月的風云3號C星（FY-3C）微波成像儀（MWRI）數據，通過LASI算法對南極海冰密集度進行反演，并將結果與德國布萊梅大學提供的同期海冰密集度結果進行對比驗證。結果表明：基于FY-3 CMWRI數據的海冰密集度反演結果與布萊梅大學的海冰密集度結果基本相同，9月平均海冰密集度分別為0.888和0.901，兩者相差1.44%;平均海冰面積分別為15.635×106km2和16.374×106km2，兩者相差4.52%;海冰面積趨勢的相關系數達0.91。因此，基于FY-3C MWRI數據的LASI算法反演海冰密集度是可行的。

關鍵詞：FY-3C MWRI;LASI算法;海冰密集度

中圖分類號：TP31 文獻標識碼：A 文章編號：1003-5168（2019）14-0147-03

Inversion of Antarctic Sea Ice Concentration Based on FY-3C MWRI Data

KANG Jianqiang WANG Xingdong Li Guoying

（College of Information Science and Engineering， Henan University of Technology，Zhengzhou Henan 450001）

Abstract： Based on microwave imager （MWRI） data of Fengyun 3 C （FY-3C） satellite in September 2018， LASI algorithm was used to study the inversion of Antarctic sea ice concentration， and the results were compared with the results of the sea ice concentration provided by the University of Bremen， Germany. The results show that the results based on FY-3C MWRI data are basically the results of Bremen University. The average sea ice concentration in September is 0.888 and 0.901， respectively， and there is a difference about 1.44%. The average sea ice areas are 15.635×106km2 and 16.374×106km2， respectively， and there is a difference about 4.52%， and the correlation coefficient is 0.91 between them. Therefore， it is feasible to the inversion of sea ice concentration based on the LASI algorithm and FY-3C MWRI data.

Keywords： FY-3CMWRI;LASI algorithm;sea ice concentration

近年來，全球變暖的趨勢愈加明顯，重大災害頻發，極端天氣屢屢出現。南極海冰地區作為地球上最大的季節性變化地表之一，人們一直將其作為觀察、研究全球氣候變化的一項重要指標，而海冰數據也是人們進行極地考察、船舶航行的重要參考資料[1，2]。

本研究是基于國產的FY-3C MWRI的89GHz高頻段數據對南極海冰密集度進行反演，并對海冰的分布、海冰面積、海冰密集度反演結果等與國外的AMSR-E數據的結果進行直觀對比分析驗證。

1 海冰密集度反演

1.1 極化差與系點值的求取

極化是用于描述電磁波的震蕩方位的一個參數。極化差是水平極化亮溫和垂直極化亮溫的差值。在FY-3C MWRI數據所有頻段中，89GHz具有最高的空間分辨率。冰的發射率的極化差值基本一致且遠低于開放水域。

為了得到完整而準確的水、冰的系點值，選擇兩個較為典型的海域（純海水區域選取南太平洋部分海域，純冰區域選取威德爾海部分海域），最終計算得到基于FY-3C MWRI數據89GHz的純水系點值[P0]為52.2K，而純冰的系點值[P1]的平均結果為11.3K。

1.2 確定海冰密集度計算公式

將上述得到的[P0]、[P1]值，運用插值的方法，確定基于FY-3衛星MWRI數據的LASI[3]海冰密集度反演公式。基于FY-3 MWRI數據的LASI海冰密集度C的表達式為：

[C=-P40.9+1.28] ? ? ? ? ? ? ? ? ? ? ? （1）

高頻數據受大氣中云層液態水和海面水蒸氣的影響較大，特別是無冰海面上的氣旋會減弱海水表面的極化差異，使這部分海水像元接近海冰的極化差異，可能導致該部分海水被誤判為海冰。因此，使用天氣濾波器去除因誤差計算出的海冰是有必要的。

利用GR（37/19）過濾云中液態水的影響：

[GR37/19=Tb37V-Tb19VTb37V+Tb19V≥0.045→C=0] ? ?（2）

利用GR（23/19）去除海水表面大量水蒸氣的影響：

[GR23/19=Tb23V-Tb19VTb23V+Tb19V≥0.04→C=0] ? （3）

經過以上兩次處理，可去除大部分云層液態水和海面水蒸氣的影響。

綜上所述，海冰密集度反演的基本步驟如下。①數據預處理：對MWRI的89GHz數據進行拼接、裁剪、輻射校正和陸地掩膜等;②計算極化差：利用89GHz的垂直極化和水平極化計算極化差[P=89V-89H];③確定純水和純冰的平均系點值：選擇典型樣本區域，基于LASI算法求得純水、純冰的系點值;④得到海冰分布圖：基于LASI算法和天氣過濾器，得到MWRI數據的南極海冰密集度結果圖;⑤驗證：將所得結果與AMSR-E數據結果進行對比驗證。

2 結果與驗證

FY-3C MWRI數據2018年9月平均海冰密集度結果與布萊梅大學的海冰密集度結果如圖1所示。

<C：＼Users＼hnkj＼Desktop＼河南科技（創新驅動）2019年第14期_103928＼Image＼image8_1.jpeg>

圖1 MWRI與德國不萊梅大學2018年9月月平均南極海冰密集度結果

注：左為MWRI數據LASI算法結果;右為不萊梅大學結果。

為了更加直觀地對兩種結果進行對比分析，表1對海冰密集度與海冰面積進行了逐日對比。

從表1可以看出，MWRI數據的月平均海冰密集度為0.888，不萊梅的結果為0.901，兩者相差約1.44%;MWRI數據結果的極差與不萊梅的結果的極差均為0.040。AMSR-E數據的極差為0.040;月平均海冰面積MWRI數據的結果為15.635×106km2，不萊梅的結果為16.374×106km2，兩者相差約4.52%，且二者海冰面積趨勢的相關系數達0.91。綜上可知，兩者結果基本一致，說明本文的方法是可行的。

3 結語

在確定純水和純冰系點值的基礎上，得到了國產衛星FY-3C MWRI的南極海冰密集度反演公式系數（基于LASI算法），進而得到基于FY-3C MWRI數據的海冰密度度反演結果，并在此基礎上與德國不萊梅海冰密集度結果進行對比驗證。結果表明，本文方法是可行的。

參考文獻：

[1]Zwally H J， Comiso J C， Parkinson C L， et al. Variability of Antarctic sea ice 1979—1998[J].Journal of Geophysical Research： Oceans，2002（C5）.

[2]趙杰臣，李子軒，李杰，等.HY-2衛星反演海冰密集度在北極地區的適用性評估[J].海洋預報，2018（6）：84-91.

[3]YU Qinglong， WANG Hui， WAN Liying， BI Haibo. Retrieving the antarctic sea-ice concentration based on AMSR-E 89 GHz data[J]. Acta Oceanologica Sinica，2013（9）：38-43.