SAR 重構分辨率對海冰側向融化量預測影響研究

謝濤，艾潤冰，王彥，劉彬賢

(1.南京信息工程大學 遙感與測繪工程學院，江蘇 南京 210044；2.駐馬店市氣象局，河南 駐馬店 450003；3.天津市人工影響天氣辦公室，天津 300074；4.天津市海洋中心氣象臺，天津 300074)

1 引言

海冰側向融化是指水道吸收的熱量在水道兩側的浮冰側表面的熱量傳輸，它會導致海冰面積和厚度的變化，是水道熱力過程的一部分[1]。國內外關于海冰側向融化的研究主要包括模式發展和現場實測發展。Zubov[2]首次提出在海冰邊緣區發生的側向融化可以加速冰蓋的瓦解，并且推導了一個簡單的方程式來描述這一過程。隨后多位科學家先后提出了水道模型和海冰側向融化速率參數化方案，并逐漸引入水道表面風速和海冰大小、形狀等參數，使得該方案更加完善[3-9]。目前，國際海冰模式中普遍使用的側向融化速率參數化方案為Steele[9]的方案。2013 年，王慶元等[1]為了探究側向融化對北極海冰面積和厚度的影響，利用NCAR CSIM5 海冰模式設置了兩組不同的試驗，其中一組加入了海冰側向融化的影響，而另一組不考慮側向融化，結果表明，冰層的側向融化會使冰層的消融加快，海冰的面積和厚度相應減小。

現場實測經典的案例之一是李志軍等[10]在中國第二次北極科學考察期間，對北極浮冰冰層內溫度及冰底海水溫度進行了現場觀測，同時測量了浮冰表面及底面厚度的變化，討論了冰底水溫的空間變化特征。雷瑞波等[11]于中國第三次北極科學考察期間首次開展了浮冰-水道系統熱力學特征的現場觀測，優化了李志軍等[10]的冰底水溫觀測系統，增加了對浮冰側向生消過程和水道溫度等的測量。王慶凱等[12-13]分別于2016 年和2018 年在烏梁素海人工挖鑿開敞水域，模擬了融冰期的浮冰-水道系統，對開敞水域冰層側向及底部融化進行連續觀測，記錄了融冰期太陽輻射、氣溫、水溫等氣象、水文要素，根據實測數據，分析了冰層側向融化剖面的變化及影響側向融化的主要因素。2018 年方賀等[14]為了獲取北極海冰融化速率以及側向剖面的聲-光反射特征，設計了一種基于超聲波傳感器的水下測距系統。該系統在封閉實驗室環境下最大測量誤差為5 mm，自然環境下測量平均絕對誤差為14 mm，符合實際應用要求。

此外，基于航空攝影觀測海冰密集度和尺寸分布的調查方法也已經得到廣泛應用。1983-1984 年Hall 和Rothrock[15]利用航空攝影技術對融冰期的格陵蘭海邊緣冰區進行了連續拍攝，通過控制拍攝高度以及在被測浮冰上建立幾何控制的方法，采集了海冰融化期的連續圖像，利用觀測浮冰周長的變化估算了海冰側向融化的平均速率。

雖然海冰側向融化的研究較多，但都存在一定的不足。在數值模擬領域，由于缺乏實測數據，關鍵參數的取值過于理想；在現場實測領域，固定平臺的觀測很難及時追蹤海冰側向融化的過程。利用衛星遙感來獲取海冰信息是海冰研究中的重要方法，但研究內容主要是關于海冰厚度和密集度方面，分析海冰側向融化的相關研究甚少[16-18]。考慮到Steele[9]側向融化速率參數化方案引入了浮冰幾何形狀和大小的影響參數，而浮冰幾何形狀和大小等因素又與海冰周長的確定有關，因此本文利用3 種邊緣檢測算子分析了不同重構分辨率對SAR 圖像海冰邊緣提取及周長計算的影響，并結合艾潤冰等[19]的參數化方案進行了側向融化溫度的敏感性試驗，分析了圖像重構分辨率對海冰側向融化模擬結果的影響。

2 數據與方法

2.1 SAR 數據及其預處理

RADASAT-2 是2007 年加拿大航天局發射的一顆搭載C 波段傳感器的高分辨率商用雷達衛星，也被普遍應用于科學研究。其空間分辨率范圍為 3～100 m，入射角范圍為 10°～60°，最大成像幅寬為 500 km。本文使用的圖像分別為2010 年9 月11 日和2011 年1 月16 日 的RADASAT-2 海冰圖像，是包含HH、HV、VV 和VH 的四極化方式的單視復型產品(Single Look Complex，SLC)，幅面均為15 km×25 km，2010 年9 月11 日的圖像中心點坐標為77.55°N，105.00°W，分辨率為4.7 m×5.5 m；2011 年1 月16 日的圖像中心點坐標為75.46°N，104.15°W，分辨率為4.7 m×4.8 m。2010 年9 月11 日的圖像中海冰破碎程度較2011 年1 月16 日的圖像高。

為了消除系統性誤差，獲得更加有意義的海冰信息，應對圖像進行預處理：首先進行輻射校正，將圖像的DN 值轉換成代表目標真實特征的歸一化雷達后向散射截面 (NRCS)σ0。其次，為了獲取準確的SAR 圖像空間位置信息，還需對SAR 圖像進行一定的幾何校正。由于本文所研究的對象為海洋，地球重力作用使得海表面變得相對平緩，起伏度較小，在成像海域面積小的情況下，可以忽略因斜距成像而導致的疊掩和幾何畸變等現象，因此幾何校正僅采用產品文件product.xml 進行地理編碼校正。此外，SAR 成像過程中受發射波和回波干涉等影響，會在圖像上以噪聲形式呈現，給圖像解譯帶來困難，為了抑制這些斑點噪聲，突出地物信息，需要對圖像進行濾波處理，文中所用濾波方法為Refined lee 濾波。最后，本文所選取圖像的空間分辨率為4.7 m×5.5 m，但在實際計算海冰周長時，需要忽略部分小塊碎冰，只計算較大塊碎冰的周長，無需使用如此高的分辨率。因此我們在原分辨率的基礎上對距離向和方位向分辨率每隔5 m 重構一次，至200 m×200 m 分辨率時，冰水界限變得模糊無法識別，因而本文主要研究5 m×5 m 至200 m×200 m范圍內分辨率對海冰周長的影響。

2.2 邊緣檢測算法

本研究利用邊緣檢測算法[20]進行海冰邊緣的提取。邊緣檢測主要包括以下兩個基本內容：

（1）用邊緣算子突出圖像中的邊緣像素，提取出反映灰度變化的邊緣點集。

（2）通過設置閾值的方法剔除某些誤判的邊界點或對間斷的邊界點進行補充，最后將這些邊界點連接成完整的線。

常用的邊緣檢測方法有一階邊緣檢測和二階邊緣檢測。文中分別使用一階邊緣檢測算子中的Sobel 算子、Prewitt 算子和二階邊緣檢測算子中的Canny 算子進行海冰周長的計算。

3 結果

3.1 分辨率對圖像檢測結果的影響

圖1為使用Sobel 算子對2010 年9 月11 日圖像進行邊緣檢測的結果，圖1a至圖1d分別表示5 m×5 m、50 m×50 m、100 m×100 m、150 m×150 m 分辨率下的圖像(下同)，可以看出：50 m×50 m 分辨率下邊緣檢測的效果最好，冰水邊界線清晰且邊緣線較完整；5 m×5 m 分辨率下誤判的邊緣點較多，部分海冰像素也被確定為邊緣點，導致邊緣線不清晰，過分估計了碎冰的量；100 m×100 m、150 m×150 m 分辨率下檢測的邊緣線較寬且間斷點較多。

圖1 Sobel 算子對2010 年9 月11 日圖像邊緣檢測的結果Fig.1 Results of Sobel operator on image edge detection on September 11,2010

圖2為使用Prewitt 算子對2010 年9 月11 日圖像進行邊緣檢測的結果，可以看出：隨著分辨率的變化Prewitt 算子與Sobel 算子的檢測結果表現出相似的規律，同樣在50 m×50 m 分辨率下效果最好，但Prewitt算子對邊緣的定位不如Sobel 算子，確定的海冰邊緣線較寬。優點是整體看來Prewitt 算子檢測出的邊緣間斷點較少，在分辨率較小的情況下仍可看出海冰的邊緣輪廓。

30%劃分訓練集和測試集的情況下SVM分類器對測試集的識別準確性分析,表5展示的是以80%:20%劃分訓練集和測試集情況下SVM分類器對測試集的識別準確性分析。

圖2 Prewitt 算子對2010 年9 月11 日圖像邊緣檢測的結果Fig.2 Results of Prewitt operator on image edge detection on September 11,2010

圖3為 使用Canny 算子對2010 年9 月11 日圖像進行邊緣檢測的結果，可以看出：100 m×100 m 分辨率下檢測效果最好，5 m×5 m 分辨率下完全無法區分海冰和海水像素，50 m×50 m 分辨率下將很多像素誤判為邊緣像素，這是因為Canny 算子先對圖像進行了濾波處理，不易受到噪聲的影響，因此會將很多弱邊緣歸于邊緣點集內，造成誤判。150 m×150 m 分辨率下檢測到的海冰邊緣較寬。

圖3 Canny 算子對2010 年9 月11 日圖像邊緣檢測的結果Fig.3 Results of Canny operator on image edge detection on September 11,2010

圖4為使用Sobel 算子對2011 年1 月16 日圖像進行邊緣檢測的結果，可以看出：50 m×50 m 分辨率下的海冰邊緣檢測效果較好，但整體仍出現許多誤判區域，這可能是因為圖像本身就具有較多小塊碎冰區，灰度漸變不明顯導致誤判增加。5 m×5 m 分辨率下冰水界限不明顯且誤判點較多，100 m×100 m 和150 m×150 m 分辨率下斷點較多。

圖4 Sobel 算子對2011 年1 月16 日圖像邊緣檢測的結果Fig.4 Results of Sobel operator on image edge detection on January 16,2011

圖5為使用Prewitt 算子對2011 年1 月16 日圖像進行邊緣檢測的結果，可以看出：100 m×100 m 分辨率下的海冰邊緣檢測效果最好，冰水邊界線清晰且邊緣線較完整，但部分海冰和海水像素上出現了少許誤判區域，5 m×5 m 和50 m×50 m 分辨率下冰水界限明顯但誤判點較多，150 m×150 m 分辨率下冰水界限不明顯且間斷點較多。

圖5 Prewitt 算子對2011 年1 月16 日圖像邊緣檢測的結果Fig.5 Results of Prewitt operator on image edge detection on January 16,2011

圖6為使用Canny 算子對2011 年1 月16 日圖像進行邊緣檢測的結果，可以看出：150 m×150 m 分辨率下檢測結果較好但邊緣線較寬，5 m×5 m 分辨率下完全無法區分海冰和海水像素，50 m×50 m 和100 m×100 m 分辨率下邊緣線清晰但很多海冰像素被誤判為邊緣像素，原因同上。

圖6 Canny 算子對2011 年1 月16 日圖像邊緣檢測的結果Fig.6 Results of Canny operator on image edge detection on January 16,2011

3.2 分辨率對海冰周長計算結果的影響

圖7為利用3 種邊緣檢測算子對2010 年9 月11 日圖像計算得到的海冰周長隨分辨率的變化，其中灰色虛線表示人工判別的結果。可以看出Prewitt算子在分辨率為40 m×40 m 至50 m×50 m 范圍內的計算結果與人工判別結果最為接近，最佳分辨率為30 m×30 m，高于最佳分辨率時會少量高估海冰邊緣周長，而后隨著分辨率逐漸降低計算得到的海冰周長也逐漸變小，且計算結果均低于人工判別結果，120 m×120 m后變化趨勢趨于平穩。Sobel 算子的計算結果整體高于Prewitt 算子，Sobel 算子變化趨勢與Prewitt 算子大致相同，最佳分辨率在40 m×40 m 和45 m×45 m 附近，當分辨率高于40 m×40 m 時會少量高估海冰邊緣周長。Canny 算子的計算結果則明顯低于Prewitt 算子和Sobel 算子，與人工判別結果相差較大，整體結果隨分辨率變化趨勢平穩。可能有以下幾點原因對以上結果產生影響：首先，SAR 系統固有的背景噪聲會隨著重構分辨率的降低而降低；其次，成像時SAR 發射的電磁波與目標的回波會相干疊加，造成斑點噪聲，在較高分辨率下，像素的像元面積較小，斑點噪聲對回波信息造成的影響就較大，隨著分辨率的降低，像素的像元面積也隨之變大，斑點噪聲造成的影響也會變小，噪聲減少會使得邊緣檢測的結果更加準確；最后，分辨率的降低意味著SAR 圖像單個像元面積變大，海冰圖像變得平滑，當分辨率低于某一閾值時，圖像中無法捕捉到小塊碎冰的像素，因此邊緣檢測計算結果變小。由于Canny算子在邊緣檢測過程中進行了濾波，去除了大部分圖像噪聲，因此分辨率的變化對其計算結果影響不大。

圖7 3 種邊緣檢測算子得到的2010 年9 月11 日海冰周長隨分辨率的變化Fig.7 Changes in sea ice perimeter with resolution obtained by three edge detection operators on September 11,2010

圖8為3 種邊緣檢測算子對2011 年1 月16 日圖像計算得到的海冰周長隨分辨率的變化，可以看出Canny 算子和Sobel 算子的計算結果隨著分辨率逐漸降低有減小趨勢，且均低于人工判別結果；Prewitt 算子最佳分辨率為65 m×65 m 和155 m×155 m 左右，在此范圍內的計算結果均大于人工判別結果，造成以上結果的原因可能是圖像中有大量破碎冰區，噪聲對這些碎冰區域的邊緣檢測影響較大。

圖8 3 種邊緣檢測算子得到的2011 年1 月16 日海冰周長隨分辨率的變化Fig.8 Changes in sea ice perimeter with resolution obtained by three edge detection operators on January 16,2011

3.3 溫度對海冰側向融化的影響

艾潤冰等[19]在2018 年進行了純水冰的側向融化實驗，測量了融冰期間實驗室氣溫、水溫垂向分布以及冰厚和冰側面生消量等要素，利用 Liang-Kleeman信息流理論對冰層側向融化速率的影響因素進行定量計算，并通過擬合得到了僅用氣溫表征的側向融化速率參數化方案

結合邊緣檢測計算所得海冰周長及上述側向融化速率參數化方案，進一步得到圖像中海冰面積的融化速率，分別模擬了當海冰破碎程度不同時，在不同溫度下1 年內融化的海冰面積。圖9是以2010 年9 月11 日圖像中海冰為例模擬的不同溫度下海冰的融化面積，可以看出：當海冰破碎程度較低時，隨著溫度升高，海冰融化面積隨時間呈指數型增加，利用3 種算子模擬的海冰融化面積變化趨勢基本一致，均低于人工判別結果，Prewitt 算子和Sobel 算子模擬結果與人工判別最為接近，Canny 算子模擬結果與人工判別結果相差較大。

圖9 以2010 年9 月11 日圖像為例海冰融化面積隨溫度變化趨勢Fig.9 Taking the image of September 11,2010 as an example,the sea ice melting area changes with temperature

圖10是以2011 年1 月16 日圖像中海冰為例模擬的不同溫度下海冰的融化面積，可以看出：當海冰破碎程度較高時，隨著溫度升高，3 種算子模擬的海冰融化面積變化趨勢與海冰破碎程度較低時一致，Prewitt 算子模擬結果與人工判別最為接近。

圖10 以2011 年1 月16 日圖像為例海冰融化面積隨溫度變化趨勢Fig.10 Taking the image of January 16,2011 as an example,the sea ice melting area changes with temperature

4 結論與討論

本文利用Prewitt、Sobel 和Canny 邊緣檢測算子，計算了RADASAT-2 的海冰SAR 圖像范圍內的海冰破碎邊界周長，分析不同圖像分辨率、不同邊緣檢測算子分別對周長計算結果產生的影響；結合海冰側向融化速率參數化方案，進行了海冰側向融化溫度敏感性模擬實驗，分析了圖像重構分辨率對海冰側向融化結果的影響，得到如下幾方面的結論：

(1) 不同圖像分辨率下邊緣檢測算子的結果不同。在海冰邊緣區檢測方面，當海冰圖像上小塊碎冰區域較少時適合使用Sobel 邊緣檢測算子，且分辨率在50 m×50 m 附近時檢測效果最好，冰水邊界線清晰且邊緣線較完整；而海冰圖像上小塊碎冰區域較多時則適合使用Canny 邊緣檢測算子，且分辨率在100 m×100 m 附近時檢測結果最好，這是因為Canny 算子先對圖像進行了濾波處理，即使圖像上噪聲較多，檢測結果也不易受到噪聲的影響。

(2) 在海冰周長計算方面，當海冰圖像上小塊碎冰區域較少時，適合使用Prewitt 算子和Sobel 算子，且在分辨率為30 m×30 m 至45 m×45 m 時計算結果與人工判別結果最接近；當海冰圖像上小塊碎冰區域較多時適合使用Prewitt 算子，分辨率在65 m×65 m和155 m×155 m 附近時計算結果與人工判別結果最接近。

(3) 在僅有側向融化的條件下，隨著溫度升高，3 種算子模擬的海冰面積融化趨勢均呈指數型增加，Prewitt 算子模擬結果與人工判別結果最為接近。

在使用邊緣檢測算子計算海冰周長時，僅僅將周長變化歸因于側向融化，而沒有考慮海冰破碎對計算結果的影響；在分析重構分辨率的影響時，只是將計算結果與人工判別結果作對比，這在一定程度上會受到主觀意識的影響，可考慮使用更加直觀的判別標準；其次本文所使用的冰層側向融化速率參數化方案僅考慮了氣溫的影響，忽略了輻射、湍流、海洋混合等自然環境因素，這對模擬海冰面積的融化過程有一定的影響，應考慮改進該參數化方案；且文中只對兩幅圖像進行分析，缺乏結果驗證，未來還需要進一步分析研究。