基于FY-3/MERSI数据的北冰洋流冰自动提取与跟踪方法

周颖，匡定波，巩彩兰，胡勇，方圣辉，张熠，彭漪

(1.武汉大学 遥感信息工程学院，湖北 武汉 430072；2. 中国科学院上海技术物理研究所 遥感信息研究实验室，上海 200083)



基于FY-3/MERSI数据的北冰洋流冰自动提取与跟踪方法

周颖1，匡定波2，巩彩兰2，胡勇2，方圣辉1，张熠1，彭漪1

(1.武汉大学 遥感信息工程学院，湖北 武汉 430072；2. 中国科学院上海技术物理研究所 遥感信息研究实验室，上海 200083)

摘要：北冰洋航路是未来全球航运的重点开拓领域，海冰运动对北冰洋航路开发有重要影响。本文利用风云三号卫星中分辨率光谱成像仪(FY-3/MERSI)数据的特点和优势，研究北冰洋流冰自动提取和运动跟踪的方法。首先在分析流冰灰度分布特征的基础上，提出分区域阈值分割与梯度差分相结合的方法实现块状流冰提取，然后根据块状流冰的多种几何特征匹配同名流冰并计算其运动速度。应用这种方法跟踪2011年6月弗雷姆海峡流冰运动，跟踪结果与美国国家冰雪数据中心提供的极地网格化日均海冰运动矢量整体趋势一致，验证了方法的有效性。这种方法获取各块流冰实际运动速度，可以有效弥补网格化海冰运动平均速度场分布和细节的不足，为北冰洋航路开发提供更详细的流冰运动信息。

关键词：FY-3/MERSI；块状流冰提取；同名流冰；运动速度；弗雷姆海峡

1引言

在全球气候持续变暖的大背景下，北冰洋海域内海冰持续减少，北冰洋航路通航逐渐成为现实，作为联系亚洲、欧洲和北美洲潜在的最短航线，北冰洋航路具有重要的战略价值和航运价值[1]。由于北冰洋地区复杂的气候和海洋环境，目前北冰洋航路商业运行仍然存在困难。在制约北冰洋航路开发的诸多自然因素中，海冰的影响程度最大，海冰的运动和变化都会影响北冰洋航路的选择以及船舶的安全航行[2]。北冰洋海冰运动的现场观测数据较少，卫星遥感技术具有速度快、成本低和大尺度的优势，是获取大范围北冰洋海冰运动信息的首选手段。

已有的卫星遥感数据跟踪海冰运动的方法包括目视跟踪法、光流法和最大互相关法。目视跟踪法[3]利用图像中冰面的异常特征的位置变化获取海冰的运动速度，该方法原理简单，但是主观性强，时间和人力成本大，不适合大范围、长时间跟踪。光流法[4]通过图像像元灰度随时间的变化推算目标运动速度大小和方向，是对真实运动速度场的近似估计，该方法对光照条件非常敏感，有时即使海冰没有发生运动，但是由于成像光照条件发生变化也会误判为海冰运动。最大互相关法[5—7]是应用最广泛的一种方法，它基于两幅图像模板区域的互相关系数计算海冰的运动速度和方向，获取的海冰运动矢量场的分辨率和精度很大程度上依赖于模板和搜索区域的选择，而且获取的海冰运动速度是模板区域内所有海冰的平均运动速度，而不是每块海冰的实际运动速度，无法进一步分析不同尺寸和不同形状海冰运动特征的差异。

FY-3/MERSI设置了5个250 m和15个1 km空间分辨率的波段，且扫描幅宽超过2 000 km，根据极轨卫星的轨道特点，MERSI每天可获取多幅北极区域的250 m分辨率多光谱图像，使得跟踪监测每块流冰运动成为可能，在北冰洋海冰运动变化监测方面具有显著优势。本文采用多时相FY-3/MERSI数据，从流冰的光谱、灰度分布和几何特征出发，研究北冰洋流冰逐块提取和跟踪方法，获取图像中各块流冰的运动速度。

2研究区数据处理

弗雷姆海峡(图1)是北冰洋与北大西洋进行冰-水交换主要通道，也是北冰洋海冰最大的输出口，该地区海冰输出量的变化，反映了整个北冰洋海冰总量的变化[8]。因受到各种洋流、风场的影响，弗雷姆海峡内各种尺寸的海冰众多，海冰变化明显，流冰运动速度快[9]。因此本文选择弗雷姆海峡流冰区(77°～81°N，10°W～10°E)作为研究示范区。

图1　研究示范区Fig.1　Research demonstration area

本文采用了多通道多时相的FY-3/MERSI图像，为了使不同时相图像保持空间位置的一致性和像元灰度的可对比性，对各时相图像进行了辐射定标、几何校正、图像配准以及裁剪4个预处理过程。本文研究示范区位于极地地区，因而采用极地方位投影，且所有图像之间的配准误差都小于1个像元，满足后续流冰运动跟踪的需要。图2为经过预处理后的FY-3/MERSI图像(400 km×400 km)。

图2　2011年6月13日14时15分预处理后的FY-3/MERSI图像Fig.2　The preprocessed FY-3/MERSI image at 14:15， June 13， 2011

3流冰提取与跟踪

3.1块状流冰提取

经过预处理后的FY-3/MERSI图像中有海冰、海水以及云，其中云是干扰海冰像元识别的主要因素。本文根据海冰、云以及海水在可见、近红外波段的反射光谱特性，建立云和海水识别指标以及判别式，从图像中识别出云像元和海水像元，然后将图像中的云像元和海水像元去除，只保留海冰像元，得到海冰识别图像[10]。

虽然海冰识别图像中只剩下海冰像元，但是海冰包括块状流冰与微小的流冰碎屑，受图像分辨率限制，流冰碎屑的运动难以跟踪，因此需要提取块状流冰，去除流冰碎屑的影响。图3显示块状流冰边缘清晰，亮度大且灰度分布均匀，流冰碎屑连接成片，而且亮度偏暗，灰度分布杂乱，因此可以利用二者灰度分布和形状差异提取块状流冰，本文提出分区域双峰阈值分割与梯度差分相结合的方法实现块状流冰提取。

图3　块状流冰与流冰碎屑Fig.3　Blocky drift ice and trash ice

首先将海冰识别图像平均划分为矩形网格，然后每4个网格合并成一个子区，计算每个子区内海冰像元个数与子区像元总个数的比率，若某一子区海冰像

元数小于总像元数的10%，则该子区初始阈值取该子区所有像元灰度值的最大值。否则先统计每个子区图像的灰度直方图，根据块状流冰与流冰碎屑的亮度差异，二者在灰度直方图中反映为明显的双峰(图4)，选择双峰之间谷的位置作为子区的初始阈值。由于每个子区与其相邻的子区都有重叠，重叠区域的最终分割阈值采用多个子区初始阈值的均值。

块状流冰灰度分布均匀，流冰碎屑灰度分布杂乱，梯度算子能使灰度变化剧烈的流冰碎屑区域以及块状流冰的边缘变得更加突出。因此本文利用4个方向的梯度算子(图5)，获取了海冰识别图像中每个像元的4个梯度差分值。至此海冰识别图像中每个像元都对应一个最终分割阈值TDN和4个梯度差分值。与流冰碎屑相比，块状流冰的4个梯度差分值都很低，给定一个固定的梯度差分阈值TG，若海冰识别图像中某像元灰度值大于对应的TDN且其所对应的4个梯度差分值都小于TG，则判断该像元属于块状流冰。对海冰识别图像中所有像元逐个进行判断，保留块状流冰，去除流冰碎屑，完成块状流冰提取。

图4　双峰明显的直方图Fig.4　The histogram with obvious bimodala.第一种情况：子区内流冰碎屑多于块状流冰；b.第二种情况：子区内块状流冰多于流冰碎屑a.The histogram of the first kind sub-area where trash ice is more than blocky drift ice; b.the histogram of the first kind sub-area where blocky drift ice is more than trash ice

图5　梯度算子Fig.5　Gradient operators

3.2流冰运动跟踪

虽然海冰在运动过程中始终伴随着各种变形，但是在一定时间内，海冰变形是一个连续、渐进的变化过程。本文根据前后两时相图像中同一块流冰(同名流冰)几何特征的相似性和渐变性，采用模式匹配方法，识别和匹配同名流冰，利用该流冰重心位置的改变获取其运动速度。

3.2.1流冰几何特征提取

根据每块流冰对应的像素集合，进一步提取流冰的尺寸、形状和不变矩特征[11—13]：

1)面积A

面积为单块块状流冰对应区域的所有像素个数。

2)周长P

周长为单块块状流冰边缘对应的像素个数。

3)长轴长度和短轴长度

长轴长度(M1)和短轴长度(M2)为与块状流冰具有相同零阶矩、一阶矩和二阶矩的椭圆所对应的长轴长度和短轴长度，即

(1)

(2)

4)圆度R

圆度表示流冰形状复杂的程度，同时也反映了流冰形状接近圆形的程度，流冰形状越复杂，圆度就会越大，偏离圆形也越大，计算公式为:

(3)

5)体态比G

体态比为块状流冰对应区域在x轴上的投影长度Px与其在y轴上的投影长度Py的比值，即

(4)

式中，xmax、xmin分别为块状流冰边缘在x轴上的最大、最小值，ymax、ymin分别为块状流冰边缘在y轴上的最大、最小值。

6)不变矩

(5)

(6)

(7)

利用归一化的二、三阶中心矩，可以得到对平移、旋转和缩放变化不变的7个不变矩：

(8)

3.2.2同名流冰匹配

因为本文选择的研究示范区范围超过10×104km2，区域中流冰非常多，其中面积较小的块状流冰在运动过程中可能因为融化、崩裂等变形的原因消失而无法跟踪，所以本文只跟踪面积大于40个像元(2.5 km2)的块状流冰运动。

1)设定搜索区

由于流冰的运动是受到风、流拖曳等多种力的作用，流冰运动速度会受到限制，根据最大速度结合前后两时相的时间间隔，求出流冰运动的最大距离，则每块流冰对应的搜索区就是以该流冰的重心为圆心，最大运动距离为半径的圆[14]。同名流冰的搜索和匹配都只在搜索区内进行。

2)匹配算法

设前一时相图像中有待跟踪流冰A，后一时相图像中对应的搜索区内有流冰B，比较流冰A的面积SA和流冰B的面积SB，计算两块流冰的归一化面积变化量ΔS为：

(9)

若ΔS小于给定的面积变化阈值，则将流冰B加入流冰A的候选流冰。重复这个过程，找出流冰A的所有候选流冰。对于选定的候选流冰，分别计算流冰A与每块候选流冰的欧几里得贴近度[15]，计算公式如下：

(10)

式中，ui为流冰的几何特征。在流冰A的所有候选浮冰中贴近度最大的认为是流冰A的同名流冰。

3.2.3流冰运动速度计算

(11)

式中，pix为图像像元大小。

4实验结果与分析

为了验证上述方法，采用美国国家冰雪数据中心(NSIDC)提供的网格化日均海冰运动矢量数据与本文FY-3/MERSI跟踪结果进行比对验证。NSIDC提供的海冰运动矢量融合了浮标实测海冰运动速度、SSMR、SSM/I与AVHRR反演海冰运动速度以及NCEP风场多种数据，采用等面积可伸缩地球网格投影，空间分辨率为25 km[16]。图6、图7、图8分别显示了2011年6月中3次FY-3/MERSI跟踪结果(3对图像获取时刻如表1所示)与NSIDC提供的海冰运动矢量对比情况。

图6　第1图像对的流冰运动跟踪结果Fig.6　The drift ice motion vectors traced from the first pair images图中黑色箭头表示FY-3/MERSI跟踪获取的流冰运动矢量，红色箭头表示NSIDC提供的海冰运动矢量，箭头长短反映运动速度大小The black arrow shows the ice motion vector traced by FY-3/MERSI and the red arrow shows ice motion vector provided by NSIDC， with longer arrows representing higher velocities

图7　第2图像对的流冰运动跟踪结果Fig.7　The drift ice motion vectors traced from the second pair images图中黑色箭头表示FY-3/MERSI跟踪获取的流冰运动矢量，红色箭头表示NSIDC提供的海冰运动矢量，箭头长短反映运动速度大小The black arrow shows the ice motion vector traced by FY-3/MERSI and the red arrow shows ice motion vector provided by NSIDC， with longer arrows representing higher velocities

图8　第3图像对的流冰运动速Fig.8　The drift ice motion vectors traced from the third pair images图中黑色箭头表示FY-3/MERSI跟踪获取的流冰运动矢量，红色箭头表示NSIDC提供的海冰运动矢量，箭头长短反映运动速度大小The black arrow shows the ice motion vector traced by FY-3/MERSI and the red arrow shows ice motion vector provided by NSIDC， with longer arrows representing higher velocities

图9　6月9—18日典型流冰运动跟踪Fig.9　The example drift ice tracking from the images from June 9 to June 18底图为各时相图像的块状流冰提取结果图，同一颜色表示同名流冰The underlying images are the extracted results of blocky drift ice，the homonymy drift ice is painted the same color in the images

图10　典型流冰的运动轨迹Fig.10　The motion curve of the example drift ice

图11　红色流冰运动速度的东西方向(a)和南北方向(b)分量Fig.11　The red drift ice motion velocity in the east-west direction and the south-north direction东向为正，西向为负，南向为正，北向为负The east and south direction is positive value, the west and north direction is negative value

图像对前时相图像获取时刻后时相图像获取时刻16月12日17时55分6月13日17时35分26月13日14时15分6月14日13时55分36月14日12时15分6月15日11时55分

3对图像中FY-3/MERSI跟踪结果与NSIDC提供的海冰运动矢量场都有部分区域流冰运动未被成功跟踪，尤其是第3次跟踪结果图中NSIDC提供的海冰运动矢量场缺失区域超过50%。FY-3/MERSI跟踪流冰运动失败的原因主要有两方面：一方面是云遮挡造成的，若某块流冰在前后时相图像中任意一幅中被云遮挡，则该流冰就无法跟踪；另一方面是流冰合并或分裂，流冰的面积和形状发生很大变化，流冰在运动过程中破碎、消亡，造成无法匹配同名流冰，也无法计算其运动速度，前后两时相间隔时间越长，流冰形状变化的影响越大。而NSIDC提供的海冰运动矢量数据是由浮标、AVHRR、微波卫星数据、风场等多种数据源处理融合而成，其分布必然受到多种数据源分布、跟踪和融合算法的影响。AVHRR、SSMR、SSM/I数据采用最大互相关法跟踪海冰运动，这种方法容易受到海冰密集度和厚度变化的影响，在夏季海冰边缘地区跟踪获取的海冰运动矢量较少。另外，若各种数据源独立估计的海冰运动速度之间差异很大，或是某种数据源及其运动速度估计值有缺失，则插值融合得到的网格矢量场分布疏密不均甚至有所缺失。因此二者的速度矢量分布存在差异，但也相互补充，综合利用FY-3/MERSI跟踪结果与NSIDC提供的海冰运动矢量数据，进一步分析北冰洋海冰运动特征，可以为海冰与大气及海洋相互作用的物理过程研究提供更准确详细的数据。

由3次跟踪结果可以看出，虽然FY-3/MERSI跟踪结果与NSIDC提供的海冰运动矢量的分布、大小和方向存在差异，但是在二者的重叠区域，流冰整体运动趋势基本一致，都显示海峡内流冰大多由北向西南穿过弗雷姆海峡，与主导海峡内海冰运动的穿极漂流和经向风方向一致[17—18]，同时流冰运动存在区域性差异，部分区域的流冰“逆流北上”。本文跟踪获取的是各块流冰的实际运动速度，NSIDC提供的海冰运动矢量是25 km网格区域内所有海冰的平均速度，是对25 km×25 km区域内所有块状流冰、流冰碎屑甚至海水的平均，因此FY-3/MERSI跟踪获取的流冰运动速度普遍大于NSIDC提供的海冰运动速度。

以流冰区内4块典型流冰为例，分别标记为红色、黄色、蓝色和绿色，获取4块流冰在2011年6月9日、12日、13日、14日、15日、18日共6个时相的运动情况(图9)。图10显示了4块流冰在6个时相的运动轨迹，4块流冰的运动速度大小和方向都存在差异，它们之间的相对位置也不断变化。红色和绿色流冰的运动方向都以西南方向为主，与弗雷姆海峡大多数流冰运动方向一致。但是蓝色和黄色流冰的运动轨迹与前两块流冰差异较大，蓝色和黄色流冰在经度方向上位移与红色和绿色相当，但是纬度方向上位移相对很小，而且绿色、蓝色和黄色流冰几乎绕三者中心旋转了一周。这是因为流冰运动受到多种因素影响，流冰几何形状、过境气旋、区域性流涡等因素都可能引起各块流冰之间运动的差异[19—20]。

图11给出了从6月9日到6月18日红色流冰运动速度的x分量和y分量的变化情况(图像坐标的x轴对应地理坐标的东西方向，向东为正，向西为负；y轴对应地理坐标的南北方向，向南为正，向北为负)，该流冰在监测时段内运动方向以西南为主，但是速度矢量的两个分量都存在波动，说明北冰洋流冰的运动有一定程度的振荡。

5结论

利用多时相的FY-3/MERSI图像，从海冰的光谱、灰度分布和几何特征出发，研究了北冰洋流冰逐块提取和同名流冰运动跟踪的方法，在大于10×104km2的弗雷姆海峡流冰区内，获取了每块大于2.5 km2流冰的运动速度。跟踪结果显示该海峡流冰整体运动趋势是由北向南穿过弗雷姆海峡，与主导海峡内海冰运动的穿极漂流和经向风方向一致，但是各块流冰运动速度的大小和方向存在差异且不断变化，部分区域的流冰群体向北或呈气旋式运动。FY-3/MERSI跟踪结果与NSIDC提供的海冰运动矢量对比分析，二者在重叠区域的整体运动趋势基本一致，证明了本文流冰运动跟踪方法有效可行。与传统海冰运动遥感跟踪方法相比，该方法获取了各块流冰的实际运动速度，可以弥补网格化海冰运动平均速度矢量场分布与细节的不足，有利于更加全面详细地分析北冰洋海冰的运动特征。

虽然FY-3/MERSI在北极同一覆盖区域的获取频率较高，但是北极夏季天气情况复杂多变，FY-3/MERSI可见-近红外波段数据容易受到云、雾的影响，造成可用的FY-3/MERSI数据较少。而且夏季北冰洋流冰形状变化快，在运动过程中流冰破碎、消亡等原因，会影响流冰运动跟踪的准确性和有效性。FY-3/MERSI自动跟踪流冰运动方法只考虑了流冰的尺寸、形状和不变矩特征，这样在匹配同名流冰时不可避免地会出现误匹配，影响了流冰运动跟踪的精度。因此，下一步研究的重点是利用流冰的纹理特征以及相邻流冰之间的空间关系，对流冰各种特征进行优化组合，分层分级进行模板匹配，改进同名流冰匹配方法，提高同名流冰匹配和跟踪的精度。

致谢：感谢国家卫星气象中心提供FY-3/MERSI影像数据。

参考文献：

[1]白春江， 李志华， 杨佐昌. 北极航线探讨[J]. 航海技术，2009(5): 7-9．

Bai Chunjiang， Li Zhihua， Yang Zuochang. Research of Arctic sea routes[J]. Marine Technology， 2009(5):7-9．

[2]李春花， 李明， 赵杰臣，等. 近年北极东北和西北航道开通状况分析[J]. 海洋学报，2014， 36(10): 33-47．

Li Chunhua， Li Ming， Zhao Jiechen， et al. Navigable status analysis of Arctic Northeast and Northwest Passage in recent years[J]. Haiyang Xuebao， 2014， 36(10): 33-47．

[3]Laviolette P E， Hubertz J M. Surface circulation patterns off the East Coast of Greenland as deduced from satellite photographs of ice floes[J]. Geophysical Research Letters， 1975， 2(9): 400-402．

[4]Sun Y. Automatic ice motion retrieval from ERS-1 SAR images using the optical flow method[J]. International Journal of Remote Sensing， 1996， 17(11): 2059-2087．

[5]Ninnis R M， Emery W J， Collins M J. Automated extraction of pack ice motion from advanced very high resolution radiometer imagery[J]. Journal of Geophysical Research: Oceans， 1986， 91(C9): 10725-10734．

[6]Emery W J， Fowler C W， Hawkins J， et al. Fram Strait satellite image-derived ice motions[J]. Journal of Geophysical Research: Oceans， 1991， 96(C3): 4751-4768.

[7]曹梅盛， 李新， 陈贤章，等. 冰冻圈遥感[M]. 北京: 科学出版社， 2006: 193-196．

Cao Meisheng， Li Xin， Chen Xianzhang， et al. Remote Sensing of Cryosphere[M]. Beijing: Science Press， 2006: 193-196．

[8]Kwok R. Outflow of Arctic Ocean sea ice into the Greenland and Barents Seas: 1979-2007[J]. Journal of Climate， 2009， 22(9): 2438-2457．

[9]Widell K， Østerhus S， Gammelsrød T. Sea ice velocity in the Fram Strait monitored by moored instruments[J]. Geophysical Research Letters， 2003， 30(19): 1982．

[10]周颖， 巩彩兰， 胡勇， 等. 风云三号MERSI数据提取北冰洋海冰信息方法研究[J]. 大气与环境光学学报， 2013， 8(1): 53-59．

Zhou Ying， Gong Cailan， Hu Yong， et al. Extraction of sea ice information in the Arctic Ocean by using FY-3/MERSI data[J]. Journal of Atmospheric and Environmental Optics， 2013， 8(1): 53-59．

[11]卢鹏. 基于图像分析的海冰几何参数和拖曳系数参数化研究[D]. 大连：大连理工大学， 2007: 30-31．

Lu Peng. Study on sea ice geometric parameters and parameterization of drag coefficient based on image analysis[D]. Dalian: Dalian University of Technology， 2007: 30-31．

[12]方兆宝， 林珲， 吴立新，等. 流形群运动目标自动识别与跟踪技术研究——以MCS自动跟踪方法为例[J]. 遥感学报， 2004， 8(1): 14-22．

Fang Zhaobao， Lin Hui， Wu Lixin， et al. A study on the automatic identifying and tracking flow shape group moving targets: a case of MCS[J]. Journal of Remote Sensing， 2004， 8(1): 14-22．

[13]严柏军， 郑链， 王克勇. 基于不变矩特征匹配的快速目标检测算法[J]. 红外技术， 2001， 23(6): 8-12．

Yan Bojun， Zheng Lian， Wang Keyong. Fast target-detection algorithm based on invariant moment[J].Infrared Technology， 2001， 23(6): 8-12．

[14]白洁， 王洪庆， 陶祖钰. GMS卫星红外云图强对流云团的识别与追踪[J]. 热带气象学报， 1997， 13(2): 158-167．

Bai Jie， Wang Hongqing， Tao Zuyu. Recognition and tracing of severe convective cloud from IR images of GMS[J]. Journal of Tropical Meteorology， 1997， 13(2): 158-167．

[15]刘卫光. 图像信息融合与识别[M]. 北京: 电子工业出版社， 2008: 106-122．

Liu Weiguang. Image Fusion and Recognition[M].Beijing:Publishing House of Electronics Industry， 2008：106-122．

[16]National Snow & Ice Data Center. Polar Pathfinder Daily 25 km EASE-Grid Sea Ice Motion Vectors.Version 2[OL]. http://dx.doi.org/10.5067/LHAKY495NL2T

[17]Screen J A， Simmonds I， Keay K. Dramatic interannual changes of perennial Arctic sea ice linked to abnormal summer storm activity[J]. Journal of Geophysical Research: Atmospheres， 2011， 116(D15)， doi: 10.1029/2011JD015847

[18]Zhao Y， Liu A K. Arctic sea-ice motion and its relation to pressure field[J]. Journal of oceanography， 2007， 63(3): 505-515．

[19]Tsukernik M， Deser C， Alexander M， et al. Atmospheric forcing of Fram Strait sea ice export: a closer look[J]. Climate dynamics， 2010， 35(7/8): 1349-1360．

[20]Smedsrud L H， Sirevaag A， Kloster K， et al. Recent wind driven high sea ice area export in the Fram Strait contributes to Arctic sea ice decline [J]. The Cryosphere， 2011， 5(4): 821-829．

Automatic extraction and tracking the Arctic drift ice based on FY-3/MERSI data

Zhou Ying1， Kuang Dingbo2， Gong Cailan2， Hu Yong2， Fang Shenghui1，Zhang Yi1， Peng Yi1

(1.SchoolofRemoteSensingandInformationEngineering，WuhanUniversity，Wuhan430072，China; 2.LaboratoryofRemoteSensingInformation，ShanghaiInstituteofTechnicalPhysics，ChineseAcademicofSciences，Shanghai200083，China)

Abstract:Sea ice motion adversely plays an important role in the developing the Arctic Passage which is essential for commercial global shipping. This paper developed an automatic extraction and tracking method for Arctic drift ice based on the FY-3/MERSI data that obtained by Medium Resolution Spectral Imager onboard FengYun-3 satellite. Firstly， on the basis of the gray distribution feature of drift ice， the blocky drift ices were extracted by combining sub-region bimodal threshold segmentation with gradient differential technique. Secondly， the matching of same drift ice in pair images was implemented according to the geometric feature and the velocity of the matched ice was calculated. A series image of the Fram Strait was used to compute the drift ice motion. The resulting motion vectors were found to match well with the polar daily grid sea ice motion vectors provided by the National Snow and Ice Data Center， thus verifying the validity of the proposed method of tracking drift ice motion. The prime effect of this method is effectively supplying the actual motion vector of drift ice to improve the distribution and details of grid sea ice motion vectors. So this method is capable of providing comprehensive and detailed information support of the sea ice motion for the Arctic Passage development.

Key words:FY-3/MERSI; blocky drift ice extraction; homonymy drift ice; motion velocity; Fram Strait

收稿日期：2015-05-08；

修订日期：2015-09-30。

基金项目：国家自然科学基金(41401490)；中国科学院上海技术物理研究所创新专项项目(Q-ZY-52)。

作者简介：周颖(1985—)，女,湖北省利川市人，主要研究方向为遥感信息提取与应用、海洋遥感。E-mail：zhouying_85@126.com

中图分类号:P731.15

文献标志码：A

文章编号：0253-4193(2016)07-0048-11

周颖，匡定波，巩彩兰，等. 基于FY-3/MERSI数据的北冰洋流冰自动提取与跟踪方法[J]. 海洋学报， 2016， 38(7):48-58， doi:10.3969/j.issn.0253-4193.2016.07.005

Zhou Ying， Kuang Dingbo， Gong Cailan， et al. Automatic extraction and tracking the Arctic drift ice based on FY-3/MERSI data[J]. Haiyang Xuebao， 2016， 38(7):48-58， doi:10.3969/j.issn.0253-4193.2016.07.005