极地研究

极地研究 ›› 2017, Vol. 29 ›› Issue (3): 420-426.DOI: 10.13679/j.jdyj.2017.1.420

• 研究论文 • 上一篇    

基于FY-3的格陵兰岛冰盖表面冻融探测方法研究

王星东1,2,3, 潘少华1, 王成2, 李新广1   

  1. 1. 河南工业大学信息科学与工程学院, 河南 郑州 450001
    2. 中国科学院遥感与数字地球研究所, 北京 100094
    3. 江西省数字国土重点实验室, 江西 南昌 330013
  • 收稿日期:2016-04-11 修回日期:2016-07-06 出版日期:2017-09-30 发布日期:2017-09-30
  • 通讯作者: 王星东
  • 基金资助:

    国家自然科学基金(41606209)、河南工业大学博士基金(150525)、江西省数字国土重点实验室开放研究基金 (DDLJ
    201405)、中国极地科学战略研究基金(20150312)、郑州科技局自然科学项目(20150251)、河南工业大学“省属高校
    基本科研业务专项资金”项目(2015QNJH16)、国家重点研发计划(2016FYB0501501)资助

Study on ice-sheet freeze-thaw detection method in Greenland based on FY-3 data

Wang Xingdong1,2,3, Pan Shaohua1, Wang Cheng2, Li Xinguang1   

  • Received:2016-04-11 Revised:2016-07-06 Online:2017-09-30 Published:2017-09-30

PDF (PC)

765

摘要：

格陵兰岛的冰盖对全球气候有着极为重要的意义, 冰盖的冻融情况可直观展示北极地区的气候变化
状况。利用我国FY-3 气象卫星的微波成像仪(Microwave Radiation Imager, MWRI)数据, 基于增加干湿雪差
异性的交叉极化比率(Cross-Polarized Gradient Ratio, XPGR)算法, 通过支持向量机(Support Vector Machine,
SVM)的超平面进行格陵兰岛冰盖表面冻融探测, 与已有的阈值方法相比, 理论上精度较高。与微波辐射计
(Special Sensor Microwave Image, SSM/I)(阈值为–0.025)的数据结果进行对比验证, 结果表明: XPGR 结合
SVM 的格陵兰岛冰盖表面冻融探测方法是可行的。

关键词: FY-3, 格陵兰岛, XPGR算法, SVM算法

Abstract:

The Greenland Ice Sheet is of extreme importance in relation to global climate, and the freeze-thaw
characteristics of the ice sheet reflect Arctic climate change. Using Microwave Radiation Imager (MWRI)
data acquired by the Chinese FY-3 satellite, the Cross-Polarized Gradient Ratio (XPGR) method is introduced,
which increases the otherness of dry and wet snow. The Support Vector Machine (SVM) hyperplane,
which has better detection capability compared with the existing threshold method, is used to detect
freeze–thaw information on the Greenland Ice Sheet. Comparison of the results with Special Sensor Microwave
Imager (SSM/I) data (with a threshold of −0.025) showed the proposed method (i.e., XPGR combined
with SVM) is feasible for the detection of surface freeze–thaw information on the Greenland Ice Sheet.

Key words: FY-3, Greenland, XPGR algorithm, SVM algorithm