一种基于FY-4A 遥感数据的渤海海冰反演算法

李 涛，王凌云，王 磊，任勇军

（1.南京信息工程大学人工智能学院，江苏南京 210044；2.南京信息工程大学电子与信息工程学院，江苏南京 210044；3.南京信息工程大学计算机与软件学院，江苏南京 210044）

中国渤海海域作为北半球纬度最低的季节性结冰海域，冬季会出现海面结冰现象，每年的结冰期从前一年的12 月持续到第二年的3 月，最长可达4 个月左右。作为我国海洋灾害之一，渤海区域海冰会对我国社会经济和生产造成重大的影响[1]。渤海区域储存有丰富的油气资源，每年冬季出现的海冰已经对油气平台的正常生产和开发产生了重大影响[2-5]。近年来，卫星遥感技术的发展为海冰监测和预报提供了时空连续的数据来源[6]。利用卫星遥感数据来反演海冰信息的方法：吴龙涛等[7]利用MODIS 1B 数据对渤海海冰的参数反演进行了研究；武晋雯等基于MODIS 热红外波段和实测冰温，建立海冰温度与海冰面积的关系，提取了辽东湾海冰的面积[8]；邓钟等基于HJ 星的亮温数据，按照Bayes 准则对渤海海冰面积等参数进行提取[9]；Makynen 等利用MODIS 数据反演海冰表面温度，结合海冰热力学方程和气象数据，反演提取了Kara 海的海冰厚度[10]。

风云四号（FY-4A）卫星是我国自主研发的风云气象卫星，其卫星数据具有时间分辨率更高、针对观测数据的反演时间缩短、数据产品更全面等优点，因此文中利用“风云四号”卫星遥感数据反演渤海海冰，计算冰密度，将我国最新气象卫星的数据实际应用到海冰监测领域，在现有海冰反演算法的基础上进行改进，结合多种算法，生成适用FY-4A 卫星数据的海冰反演算法。

1 使用数据介绍

文中使用我国自主研制的气象卫星FY-4A 的多通道扫描成像辐射计（AGRI）一级（L1）数据和云检测产品数据作为算法输入数据，对中国区渤海海冰进行反演，将我国最新气象卫星的数据实际应用到海冰监测领域，实现适用FY-4A 卫星数据的改进的海冰反演算法。FY-4A 卫星能够实现获取全球范围内，全天时间段，多光谱通道的海表、地表和大气特性参数。多通道扫描成像辐射计（AGRI）是FY-4A 卫星的主要载荷之一，通过精密的双扫描镜机构实现精确和灵活的二维指向，可实现分钟级的快速区域扫描；采用离轴三反主光学系统，高频次获取14 波段的地球云图，并利用星上黑体进行高频次红外定标[11]，以确保观测数据的精度。卫星的辐射成像通道有14 个，覆盖了可见光、短波红外、中波红外和长波红外等波段，接近欧美第三代静止轨道气象卫星的16 个通道[12]，其卫星数据具有时间分辨率更高、针对观测数据的反演时间缩短、数据产品更全面等优点，因此其数据更适合作为反演海冰、监测海冰的新的重要数据源。

2 基于改进的海冰反演算法

目前，在国内外海冰遥感监测中，MODIS 数据凭借其免费获取及时间分辨率、空间分辨率、光谱分辨率较高的优点，成为各个国家广泛使用的海冰监测重要数据源，MODIS 数据的使用为海冰监测预报提供了数据保障[13]，我国也开展了很多基于MODIS 数据的渤海海冰冰情数据提取的研究工作。但是MODIS 数据每天最高只可更新4 次，这对海冰监测的实时性有较大的局限。

改进的海冰生成算法利用FY-4A 卫星的AGRI数据，提取渤海海域的海冰信息，得到渤海区域准确度较高且连续的海冰信息，实现对渤海水面上海冰像元的检测。海冰生成算法使用AGRI 一级数据的2、3、5、12、13 波段进行反演，并结合渤海海冰综合检测算法、云检测去除算法和渤海海冰密度估算算法。算法流程如图1 所示。

图1 渤海海冰反演算法流程

渤海海冰综合检测算法根据海冰的物理特征，利用反射率、冰面温度和NDSI（Normalized Difference Snow Index）共同实现晴空条件下对渤海海冰的检测，同时通过对不同纬度、不同季节的动态冰点阈值取值，实现更为准确的海冰检测结果。

云检测去除算法主要实现在渤海海域上空存在大量云雾的条件下，利用FY-4A 近24 小时的历史数据的综合，有效排除云的干扰。在反演过程中，云的检测是通过低云、雾和海冰的反射率差异，利用FY-4A 一级数据区分海冰、低云或雾，同时通过FY-4A云检测产品实现对云的检测[14]。

渤海海冰密度估算算法根据上述算法的检测结果计算冰密度，根据计算出的冰密度反过来进行海冰像元的改善与检验。

2.1 渤海海冰综合检测算法

陆地表面干扰了海冰的检测，冬季渤海沿岸海区覆盖着的固定冰带与岸边的陆地表面积雪的光谱信息很相近，非常容易混淆。但是陆地信息是固定不变的，海陆之间的界线并不因季节变化而移动。因此首先利用FY-4A 陆地资料获得渤海海区范围，实现海陆分离。

精确检测海冰像元是评价海冰反演算法的重要指标之一，而海冰像元的检测直接关系到反演结果的精度，所以其对海冰反演算法的研究至关重要。渤海海冰综合检测算法根据海冰的物理特征，利用反射率、冰面温度和NDSI 共同实现晴空条件下对渤海海冰的检测，同时通过对不同纬度、不同季节的动态冰点阈值取值，实现更为准确的海冰检测结果。

2.1.1 物理特征综合检测

海冰是影响全球气候系统的一个重要因素，根据海冰与海水的光谱曲线，反映出冰、水在不同光谱区域内存在的反射率差异。通过对渤海辽东湾冬季典型地物光谱曲线的研究发现[15-16]，在气象卫星的可见光通道（0.58～0.68 μm）波长范围，海冰和水体的反射率有较明显的差异，海冰反射率高于海水。清洁海水在可见光红光波段反射率较低，不到10%。在近红外波段，清洁海水的反射率迅速下降，成为了全吸收体。冰在可见光（0.4～0.7 μm）内的反射率一般为30%～60%，在近红外波段（0.7～1.1 μm）的反射率明显降低，但仍与海水有较大差别，这个特性便于海冰的检测，其他的物质没有冰这种独特的光谱特征。

云在可见光和近红外波段也具有高反射率，而水面在所有波段均较暗，因此通过冰面反射率识别海冰准确的前提必须是晴空无云的条件，仅通过反射率检测海冰易产生误差，因此结合冰面温度和NDSI 值综合检测海冰。

在远红外波段（3～14 μm），海冰与海水的热辐射能量有明显差别。斯特藩—玻尔兹曼方程如式（1）所示：

其中，M为黑体的全波长辐射能量（W·m-2），T为绝对温度（K），σ 为斯特藩-玻尔兹曼常数，即5.67×10-8（W·m-2·K-4）。从公式可知，黑体温度只要有很小的变化，就会引起很大的幅射变化。在气象卫星红外通道10.3～11.3 μm 和11.5～12.5 μm 波长范围，海冰的温度低于海水。利用这一特点可以通过冰面与水面间的温差来检测海冰，提取海域中的海冰信息。

NDSI 是积雪指数，可用于判识海冰信息，其定义为：

其中，R1通常为可见光波段反射率，R2为短波红外波段反射率。当NDSI 比给出的阈值大时，则可判定为冰。对于FY-4A 卫星数据，选用3 通道（0.825 μm）和5 通道（1.61 μm）来计算NDSI。

因此海冰综合检测的主要条件是：

其中，CHc、Tc分别为反射率、温度数据区分海冰与云的判识阈值，CHw、Tw分别为反射率、温度数据区分海冰与海水的阈值。NDSIc为区分海冰与海水的NDSI 阈值。

2.1.2 动态阈值判定

由于全球海冰分布在北极和南极及高纬度不同区域，海冰覆盖范围随季节变化较大。虽然海冰的反射率相对于海水有较大差异，但随着卫星观测时间和整个冬季太阳高度角的变化，海冰和海水的反射率也随之变化，海冰和海水的温度在不同区域和不同时期也在变化。因此，在使用反射率、冰面温度和NDSI 进行海冰判识时，无法使用固定阈值。

通过海冰和海水在可见光通道反射率、红外通道温度差异的特点，找出海冰和海水分界的最佳点，对海冰的判识建立相应的阈值，以及建立不同区域、不同季节区分海冰、海水的阈值。

实验对比表明，渤海区域纬度跨度较小，且在渤海海域的不同季节，反射率和NDSI 的变化对海冰反演结果的影响可忽略不计，因此对反射率和NDSI 采用固定阈值。冰面温度在不同区域和不同时期的变化对海冰反演的结果有较为显著的影响，文中在渤海海域进行海冰反演采用的冰面温度阈值如表1所示。

表1 渤海海冰冰面温度阈值

通常根据传感器不同通道数据，采用动态阈值法区分海冰、海水和云。利用可见光通道数据进行海冰反演时，云的存在容易产生对海冰的误判，在海冰综合检测后，有效排除云的干扰对海冰反演的准确性十分重要。渤海海区面积较小，多数海冰反演是基于晴空的情况。实际上，结冰海域上空的云会部分覆盖结冰海区，数据经预处理后，海冰反演采用冰、水的反照率和亮温的差异等条件对冰、水像元进行检测，这是海冰反演的关键步骤，初步的判定会实现晴空条件下的海冰像元检测，但是不能消除非晴空下的云掩膜对海冰反演的影响，因此还要结合海冰近24 小时历史数据和冰密度的估算预测云掩膜下的海冰分布。

2.2 云检测去除算法

通过渤海海冰综合检测算法检测晴空无云条件下的渤海海冰，获得用于判识海冰信息、生成海冰信息的二值数据。但是当渤海海域出现阴天有云的情况时，渤海海冰的检测会受到云的影响，云下的海冰检测存在一定的困难和局限，因此在有云时，采用云检测去除算法是有必要的。云检测去除算法主要实现渤海海域上空存在大量云的条件下，利用FY-4A 近24 小时冰面温度数据的综合，有效排除云的干扰。

海冰的特征随着时间和空间变化而改变，在一定时间内，海冰的变化与云的变化相比，是非常缓慢的，因此可利用近24 小时的FY-4A 卫星遥感数据对云掩膜下的海冰实现检测。考虑到24 小时内渤海海域的气温变化，数据综合时需要灵活采用海冰温度阈值，以实现更准确的云下海冰检测。此外，24 小时内不同时段的海冰检测具有不同的可靠性，冬季夜晚温度较低，海冰的持续时间更长，FY-4A 观测传回的数据可靠性更高，在多数据综合时，应采取较高的权重。冬季白天温度会升高，海冰会随着气温的升高部分融化或全部融化，因此数据可靠性较低，在多数据综合时，采取较低的权重。数据综合后，根据综合历史数据的条数，选取合适的阈值。

由于经过上述处理后的海冰信息是二值数据，海冰区域内有时仍然会有部分云掩膜的影响，针对这种情况，海冰与云掩膜差异明显，因此采用泛洪填充算法将海冰与云进行分离，从而达到消除云的目的。这种情况主要适用于二值海冰数据，对检测出覆盖在海冰区域上的小面积云，采用泛洪填充算法，将被云覆盖的像元填充为冰。

云检测去除过程中，也存在海冰的误判，在没有海冰的区域检测到海冰，这种情况下，通过泛洪填充算法将误判的海冰结果填充为海水，以提高结果准确性。综上实现云下海冰的检测，提高了海冰反演的准确性。

2.3 渤海海冰密度估算算法

海冰密度是体现海冰特征的重要参数之一[17]。冰的特征随着时间和空间变化而改变，不同的冰类型能够同时出现在大的范围内，并随着时间而变化。渤海的海冰属于一年冰，每年的结冰期一般不超过4 个月。渤海海冰密度估算算法对前面算法已经检测出的海冰信息计算冰密度[18]，根据计算出的冰密度反过来进行海冰像元的改善与检验。

在特定的条件下，单一的冰类型中纯冰和水体的表面反射率和温度是均一的，表面反射率或温度主要因冰密度、表面冰的覆盖比例不同而变化。冰密度计算公式为：

其中，Bwater是纯水像元的反射率，Bice为纯冰像元的反射率，Bp是观测的像元反射率，通过Bp可以计算冰密度。在冰密度估算中，纯冰像元反射率的确定是冰密度计算的关键。

根据实验，该文冰密度的计算采用10×10 的计算窗口，即在渤海海域的二值数据中，依次选取一个可能为海冰的像元数据点为中心，将该中心周围的10×10 像元用来计算该中心像元的冰密度。冰反射率的概率密度函数通过探测的所有可能冰像元来计算。若计算得的冰密度小于15%，则将其确定为冰的像元重新标识为水体；若冰密度大于15%，则其未确定为冰的像元重新标识为冰。通过冰密度的反演计算，改善并检验上文实现的海冰检测。

3 结果分析

以2020 年2 月FY-4A 数据为例，对渤海海冰进行结果反演，通过海冰综合检测、云检测去除和冰密度的估算校验后，得到渤海海冰的生成结果。单一时刻下海冰综合检测生成结果如图2 所示，可以看到在海冰检测方面，只能在渤海湾上部分海岸检测出部分海冰，即图片中白色区域。

图2 单一时刻下海冰综合检测生成结果

经过云检测去除算法后的反演结果如图3 所示，可以看出能够检测出大片海冰信息，也即图中白色区域。

图3 云检测去除算法后的反演结果

经过初步云检测去除算法后，还是存在检测结果的偏差，如大面积海冰区域中有个别像素点被标记为海水。这种情况下便需要泛洪算法进行订正。图4 为经过泛洪填充算法处理后的反演结果图，针对反演结果中的偏差进行海冰像素的订正。

图4 泛洪填充算法处理后的反演结果

图5 为经过冰密度估算算法流程的海冰反演结果图（白色区域为海冰），与官方结果数据图6 对比，差异较小，实验结果证明了结合海冰综合检测、云检测去除和冰密度估算算法的改进的海冰反演算法能够达到预期目标，与官方结果相符合。

图5 全算法流程的海冰反演结果

图6 官方结果数据

4 结论

该文以渤海为研究区域，利用我国自主研制的FY-4A 卫星遥感数据，设计了一种基于FY-4A 遥感数据的海冰反演算法，实现了渤海海域内的海冰检测，包括海冰信息的提取和冰密度的计算[19]。根据这种算法，利用2020 年2 月3 日中国区域渤海FY-4A/AGRI 数据资料，进行了海冰生成算法的研究，得到了当天的海冰结果分布图。

FY-4A/AGRI 卫星遥感数据可以用于渤海水陆分离和海冰检测，从而提取出海冰范围信息。基于冰水反射率、冰面温度与NDSI 值的海冰反演，具有一定的可靠性。但是要根据研究海域的实际情况，确定使用的动态阈值参数[20]。具体采用哪种方法确定动态阈值参数，还有待于日后深入研究。利用FY-4A 卫星遥感可见光数据、近红外和红外数据进行海冰反演，反演的精度依赖于云的影响，去除云的干扰是海冰反演中的关键步骤。文中采用的云检测去除算法仍存在可改进之处，对云检测去除算法的改进是今后需要进一步探讨的问题。该文所做的工作是FY-4A 卫星遥感数据在海冰领域的尝试，证明将我国自主卫星FY-4A 数据应用于海冰反演是可行的。FY-4A 数据覆盖全球，基于FY-4A 的海冰反演能够应用到全球，具有广阔的发展前景，研究结果也为发布我国自主卫星的渤海海冰生成产品奠定了基础。