一種基于FY-4A 遙感數據的渤海海冰反演算法

李 濤，王凌云，王 磊，任勇軍

（1.南京信息工程大學人工智能學院，江蘇南京 210044；2.南京信息工程大學電子與信息工程學院，江蘇南京 210044；3.南京信息工程大學計算機與軟件學院，江蘇南京 210044）

中國渤海海域作為北半球緯度最低的季節性結冰海域，冬季會出現海面結冰現象，每年的結冰期從前一年的12 月持續到第二年的3 月，最長可達4 個月左右。作為我國海洋災害之一，渤海區域海冰會對我國社會經濟和生產造成重大的影響[1]。渤海區域儲存有豐富的油氣資源，每年冬季出現的海冰已經對油氣平臺的正常生產和開發產生了重大影響[2-5]。近年來，衛星遙感技術的發展為海冰監測和預報提供了時空連續的數據來源[6]。利用衛星遙感數據來反演海冰信息的方法：吳龍濤等[7]利用MODIS 1B 數據對渤海海冰的參數反演進行了研究；武晉雯等基于MODIS 熱紅外波段和實測冰溫，建立海冰溫度與海冰面積的關系，提取了遼東灣海冰的面積[8]；鄧鐘等基于HJ 星的亮溫數據，按照Bayes 準則對渤海海冰面積等參數進行提取[9]；Makynen 等利用MODIS 數據反演海冰表面溫度，結合海冰熱力學方程和氣象數據，反演提取了Kara 海的海冰厚度[10]。

風云四號（FY-4A）衛星是我國自主研發的風云氣象衛星，其衛星數據具有時間分辨率更高、針對觀測數據的反演時間縮短、數據產品更全面等優點，因此文中利用“風云四號”衛星遙感數據反演渤海海冰，計算冰密度，將我國最新氣象衛星的數據實際應用到海冰監測領域，在現有海冰反演算法的基礎上進行改進，結合多種算法，生成適用FY-4A 衛星數據的海冰反演算法。

1 使用數據介紹

文中使用我國自主研制的氣象衛星FY-4A 的多通道掃描成像輻射計（AGRI）一級（L1）數據和云檢測產品數據作為算法輸入數據，對中國區渤海海冰進行反演，將我國最新氣象衛星的數據實際應用到海冰監測領域，實現適用FY-4A 衛星數據的改進的海冰反演算法。FY-4A 衛星能夠實現獲取全球范圍內，全天時間段，多光譜通道的海表、地表和大氣特性參數。多通道掃描成像輻射計（AGRI）是FY-4A 衛星的主要載荷之一，通過精密的雙掃描鏡機構實現精確和靈活的二維指向，可實現分鐘級的快速區域掃描；采用離軸三反主光學系統，高頻次獲取14 波段的地球云圖，并利用星上黑體進行高頻次紅外定標[11]，以確保觀測數據的精度。衛星的輻射成像通道有14 個，覆蓋了可見光、短波紅外、中波紅外和長波紅外等波段，接近歐美第三代靜止軌道氣象衛星的16 個通道[12]，其衛星數據具有時間分辨率更高、針對觀測數據的反演時間縮短、數據產品更全面等優點，因此其數據更適合作為反演海冰、監測海冰的新的重要數據源。

2 基于改進的海冰反演算法

目前，在國內外海冰遙感監測中，MODIS 數據憑借其免費獲取及時間分辨率、空間分辨率、光譜分辨率較高的優點，成為各個國家廣泛使用的海冰監測重要數據源，MODIS 數據的使用為海冰監測預報提供了數據保障[13]，我國也開展了很多基于MODIS 數據的渤海海冰冰情數據提取的研究工作。但是MODIS 數據每天最高只可更新4 次，這對海冰監測的實時性有較大的局限。

改進的海冰生成算法利用FY-4A 衛星的AGRI數據，提取渤海海域的海冰信息，得到渤海區域準確度較高且連續的海冰信息，實現對渤海水面上海冰像元的檢測。海冰生成算法使用AGRI 一級數據的2、3、5、12、13 波段進行反演，并結合渤海海冰綜合檢測算法、云檢測去除算法和渤海海冰密度估算算法。算法流程如圖1 所示。

圖1 渤海海冰反演算法流程

渤海海冰綜合檢測算法根據海冰的物理特征，利用反射率、冰面溫度和NDSI（Normalized Difference Snow Index）共同實現晴空條件下對渤海海冰的檢測，同時通過對不同緯度、不同季節的動態冰點閾值取值，實現更為準確的海冰檢測結果。

云檢測去除算法主要實現在渤海海域上空存在大量云霧的條件下，利用FY-4A 近24 小時的歷史數據的綜合，有效排除云的干擾。在反演過程中，云的檢測是通過低云、霧和海冰的反射率差異，利用FY-4A 一級數據區分海冰、低云或霧，同時通過FY-4A云檢測產品實現對云的檢測[14]。

渤海海冰密度估算算法根據上述算法的檢測結果計算冰密度，根據計算出的冰密度反過來進行海冰像元的改善與檢驗。

2.1 渤海海冰綜合檢測算法

陸地表面干擾了海冰的檢測，冬季渤海沿岸海區覆蓋著的固定冰帶與岸邊的陸地表面積雪的光譜信息很相近，非常容易混淆。但是陸地信息是固定不變的，海陸之間的界線并不因季節變化而移動。因此首先利用FY-4A 陸地資料獲得渤海海區范圍，實現海陸分離。

精確檢測海冰像元是評價海冰反演算法的重要指標之一，而海冰像元的檢測直接關系到反演結果的精度，所以其對海冰反演算法的研究至關重要。渤海海冰綜合檢測算法根據海冰的物理特征，利用反射率、冰面溫度和NDSI 共同實現晴空條件下對渤海海冰的檢測，同時通過對不同緯度、不同季節的動態冰點閾值取值，實現更為準確的海冰檢測結果。

2.1.1 物理特征綜合檢測

海冰是影響全球氣候系統的一個重要因素，根據海冰與海水的光譜曲線，反映出冰、水在不同光譜區域內存在的反射率差異。通過對渤海遼東灣冬季典型地物光譜曲線的研究發現[15-16]，在氣象衛星的可見光通道（0.58～0.68 μm）波長范圍，海冰和水體的反射率有較明顯的差異，海冰反射率高于海水。清潔海水在可見光紅光波段反射率較低，不到10%。在近紅外波段，清潔海水的反射率迅速下降，成為了全吸收體。冰在可見光（0.4～0.7 μm）內的反射率一般為30%～60%，在近紅外波段（0.7～1.1 μm）的反射率明顯降低，但仍與海水有較大差別，這個特性便于海冰的檢測，其他的物質沒有冰這種獨特的光譜特征。

云在可見光和近紅外波段也具有高反射率，而水面在所有波段均較暗，因此通過冰面反射率識別海冰準確的前提必須是晴空無云的條件，僅通過反射率檢測海冰易產生誤差，因此結合冰面溫度和NDSI 值綜合檢測海冰。

在遠紅外波段（3～14 μm），海冰與海水的熱輻射能量有明顯差別。斯特藩—玻爾茲曼方程如式（1）所示：

其中，M為黑體的全波長輻射能量（W·m-2），T為絕對溫度（K），σ 為斯特藩-玻爾茲曼常數，即5.67×10-8（W·m-2·K-4）。從公式可知，黑體溫度只要有很小的變化，就會引起很大的幅射變化。在氣象衛星紅外通道10.3～11.3 μm 和11.5～12.5 μm 波長范圍，海冰的溫度低于海水。利用這一特點可以通過冰面與水面間的溫差來檢測海冰，提取海域中的海冰信息。

NDSI 是積雪指數，可用于判識海冰信息，其定義為：

其中，R1通常為可見光波段反射率，R2為短波紅外波段反射率。當NDSI 比給出的閾值大時，則可判定為冰。對于FY-4A 衛星數據，選用3 通道（0.825 μm）和5 通道（1.61 μm）來計算NDSI。

因此海冰綜合檢測的主要條件是：

其中，CHc、Tc分別為反射率、溫度數據區分海冰與云的判識閾值，CHw、Tw分別為反射率、溫度數據區分海冰與海水的閾值。NDSIc為區分海冰與海水的NDSI 閾值。

2.1.2 動態閾值判定

由于全球海冰分布在北極和南極及高緯度不同區域，海冰覆蓋范圍隨季節變化較大。雖然海冰的反射率相對于海水有較大差異，但隨著衛星觀測時間和整個冬季太陽高度角的變化，海冰和海水的反射率也隨之變化，海冰和海水的溫度在不同區域和不同時期也在變化。因此，在使用反射率、冰面溫度和NDSI 進行海冰判識時，無法使用固定閾值。

通過海冰和海水在可見光通道反射率、紅外通道溫度差異的特點，找出海冰和海水分界的最佳點，對海冰的判識建立相應的閾值，以及建立不同區域、不同季節區分海冰、海水的閾值。

實驗對比表明，渤海區域緯度跨度較小，且在渤海海域的不同季節，反射率和NDSI 的變化對海冰反演結果的影響可忽略不計，因此對反射率和NDSI 采用固定閾值。冰面溫度在不同區域和不同時期的變化對海冰反演的結果有較為顯著的影響，文中在渤海海域進行海冰反演采用的冰面溫度閾值如表1所示。

表1 渤海海冰冰面溫度閾值

通常根據傳感器不同通道數據，采用動態閾值法區分海冰、海水和云。利用可見光通道數據進行海冰反演時，云的存在容易產生對海冰的誤判，在海冰綜合檢測后，有效排除云的干擾對海冰反演的準確性十分重要。渤海海區面積較小，多數海冰反演是基于晴空的情況。實際上，結冰海域上空的云會部分覆蓋結冰海區，數據經預處理后，海冰反演采用冰、水的反照率和亮溫的差異等條件對冰、水像元進行檢測，這是海冰反演的關鍵步驟，初步的判定會實現晴空條件下的海冰像元檢測，但是不能消除非晴空下的云掩膜對海冰反演的影響，因此還要結合海冰近24 小時歷史數據和冰密度的估算預測云掩膜下的海冰分布。

2.2 云檢測去除算法

通過渤海海冰綜合檢測算法檢測晴空無云條件下的渤海海冰，獲得用于判識海冰信息、生成海冰信息的二值數據。但是當渤海海域出現陰天有云的情況時，渤海海冰的檢測會受到云的影響，云下的海冰檢測存在一定的困難和局限，因此在有云時，采用云檢測去除算法是有必要的。云檢測去除算法主要實現渤海海域上空存在大量云的條件下，利用FY-4A 近24 小時冰面溫度數據的綜合，有效排除云的干擾。

海冰的特征隨著時間和空間變化而改變，在一定時間內，海冰的變化與云的變化相比，是非常緩慢的，因此可利用近24 小時的FY-4A 衛星遙感數據對云掩膜下的海冰實現檢測。考慮到24 小時內渤海海域的氣溫變化，數據綜合時需要靈活采用海冰溫度閾值，以實現更準確的云下海冰檢測。此外，24 小時內不同時段的海冰檢測具有不同的可靠性，冬季夜晚溫度較低，海冰的持續時間更長，FY-4A 觀測傳回的數據可靠性更高，在多數據綜合時，應采取較高的權重。冬季白天溫度會升高，海冰會隨著氣溫的升高部分融化或全部融化，因此數據可靠性較低，在多數據綜合時，采取較低的權重。數據綜合后，根據綜合歷史數據的條數，選取合適的閾值。

由于經過上述處理后的海冰信息是二值數據，海冰區域內有時仍然會有部分云掩膜的影響，針對這種情況，海冰與云掩膜差異明顯，因此采用泛洪填充算法將海冰與云進行分離，從而達到消除云的目的。這種情況主要適用于二值海冰數據，對檢測出覆蓋在海冰區域上的小面積云，采用泛洪填充算法，將被云覆蓋的像元填充為冰。

云檢測去除過程中，也存在海冰的誤判，在沒有海冰的區域檢測到海冰，這種情況下，通過泛洪填充算法將誤判的海冰結果填充為海水，以提高結果準確性。綜上實現云下海冰的檢測，提高了海冰反演的準確性。

2.3 渤海海冰密度估算算法

海冰密度是體現海冰特征的重要參數之一[17]。冰的特征隨著時間和空間變化而改變，不同的冰類型能夠同時出現在大的范圍內，并隨著時間而變化。渤海的海冰屬于一年冰，每年的結冰期一般不超過4 個月。渤海海冰密度估算算法對前面算法已經檢測出的海冰信息計算冰密度[18]，根據計算出的冰密度反過來進行海冰像元的改善與檢驗。

在特定的條件下，單一的冰類型中純冰和水體的表面反射率和溫度是均一的，表面反射率或溫度主要因冰密度、表面冰的覆蓋比例不同而變化。冰密度計算公式為：

其中，Bwater是純水像元的反射率，Bice為純冰像元的反射率，Bp是觀測的像元反射率，通過Bp可以計算冰密度。在冰密度估算中，純冰像元反射率的確定是冰密度計算的關鍵。

根據實驗，該文冰密度的計算采用10×10 的計算窗口，即在渤海海域的二值數據中，依次選取一個可能為海冰的像元數據點為中心，將該中心周圍的10×10 像元用來計算該中心像元的冰密度。冰反射率的概率密度函數通過探測的所有可能冰像元來計算。若計算得的冰密度小于15%，則將其確定為冰的像元重新標識為水體；若冰密度大于15%，則其未確定為冰的像元重新標識為冰。通過冰密度的反演計算，改善并檢驗上文實現的海冰檢測。

3 結果分析

以2020 年2 月FY-4A 數據為例，對渤海海冰進行結果反演，通過海冰綜合檢測、云檢測去除和冰密度的估算校驗后，得到渤海海冰的生成結果。單一時刻下海冰綜合檢測生成結果如圖2 所示，可以看到在海冰檢測方面，只能在渤海灣上部分海岸檢測出部分海冰，即圖片中白色區域。

圖2 單一時刻下海冰綜合檢測生成結果

經過云檢測去除算法后的反演結果如圖3 所示，可以看出能夠檢測出大片海冰信息，也即圖中白色區域。

圖3 云檢測去除算法后的反演結果

經過初步云檢測去除算法后，還是存在檢測結果的偏差，如大面積海冰區域中有個別像素點被標記為海水。這種情況下便需要泛洪算法進行訂正。圖4 為經過泛洪填充算法處理后的反演結果圖，針對反演結果中的偏差進行海冰像素的訂正。

圖4 泛洪填充算法處理后的反演結果

圖5 為經過冰密度估算算法流程的海冰反演結果圖（白色區域為海冰），與官方結果數據圖6 對比，差異較小，實驗結果證明了結合海冰綜合檢測、云檢測去除和冰密度估算算法的改進的海冰反演算法能夠達到預期目標，與官方結果相符合。

圖5 全算法流程的海冰反演結果

圖6 官方結果數據

4 結論

該文以渤海為研究區域，利用我國自主研制的FY-4A 衛星遙感數據，設計了一種基于FY-4A 遙感數據的海冰反演算法，實現了渤海海域內的海冰檢測，包括海冰信息的提取和冰密度的計算[19]。根據這種算法，利用2020 年2 月3 日中國區域渤海FY-4A/AGRI 數據資料，進行了海冰生成算法的研究，得到了當天的海冰結果分布圖。

FY-4A/AGRI 衛星遙感數據可以用于渤海水陸分離和海冰檢測，從而提取出海冰范圍信息。基于冰水反射率、冰面溫度與NDSI 值的海冰反演，具有一定的可靠性。但是要根據研究海域的實際情況，確定使用的動態閾值參數[20]。具體采用哪種方法確定動態閾值參數，還有待于日后深入研究。利用FY-4A 衛星遙感可見光數據、近紅外和紅外數據進行海冰反演，反演的精度依賴于云的影響，去除云的干擾是海冰反演中的關鍵步驟。文中采用的云檢測去除算法仍存在可改進之處，對云檢測去除算法的改進是今后需要進一步探討的問題。該文所做的工作是FY-4A 衛星遙感數據在海冰領域的嘗試，證明將我國自主衛星FY-4A 數據應用于海冰反演是可行的。FY-4A 數據覆蓋全球，基于FY-4A 的海冰反演能夠應用到全球，具有廣闊的發展前景，研究結果也為發布我國自主衛星的渤海海冰生成產品奠定了基礎。