海冰监测

《海冰电性能研究及其在极地冰雪监测中的应用》篇一一、引言海冰是极地海洋生态系统的重要组成成分，它对极地生态系统的稳定性以及全球气候变化具有重要的影响。

而海冰的电性能，作为其物理性质的一部分，近年来受到了广泛的关注。

本文将详细介绍海冰电性能的研究现状及其在极地冰雪监测中的应用。

二、海冰电性能研究1. 海冰电性能的定义与特性海冰电性能是指海冰在电场作用下的导电、介电和静电等性能。

这些电性能的差异与海冰的成分、结构、温度、盐度等物理化学性质密切相关。

研究表明，海冰的电性能对于理解海冰的形成、生长、融化和演化过程具有重要的价值。

2. 海冰电性能的研究方法目前，研究海冰电性能的方法主要包括实验室模拟实验和现场观测。

实验室模拟实验可以通过控制环境因素，如温度、盐度、压力等，来模拟不同条件下的海冰电性能。

而现场观测则可以通过测量海冰在不同环境条件下的电导率、介电常数等参数，来研究海冰的电性能。

三、海冰电性能在极地冰雪监测中的应用1. 极地冰雪监测的重要性极地冰雪监测是研究全球气候变化、海洋生态系统和极地环境的重要手段。

通过对极地冰雪的监测，可以了解冰雪的分布、厚度、变化趋势等信息，为全球气候变化的研究提供重要的数据支持。

2. 海冰电性能在极地冰雪监测中的应用海冰的电性能可以反映其物理化学性质的变化，因此可以通过测量海冰的电性能来了解其形成、生长、融化和演化的过程。

在极地冰雪监测中，可以通过测量海冰的电导率、介电常数等参数，来推断海冰的厚度、成分和结构等信息。

此外，海冰的电性能还可以用于监测极地冰雪的动态变化，如冰雪的融化速度、冰雪之间的相互作用等。

四、实例分析：海冰电性能在极地冰雪监测中的实际应用以某次极地考察为例，考察队通过测量海冰的电导率和介电常数等参数，推断了海冰的厚度和成分。

同时，他们还利用这些数据分析了海冰的生长和融化过程，以及冰雪之间的相互作用。

这些数据为极地生态环境的研究提供了重要的依据，同时也为全球气候变化的研究提供了宝贵的资料。

收稿日期:2005-09-21;修订日期:2006-03-27基金项目:国家自然科学基金(90202014)和973项目(2001CB309404)资助。

作者简介:曹梅盛(1937-),男,研究员,主要从事冰冻圈遥感研究。

遥感技术监测海冰密集度曹梅盛,晋　锐(中国科学院寒区旱区环境与工程研究所,甘肃兰州　730000)摘要:概要评述可见近红外、主/被动微波遥感技术监测海冰密集度的基本原理、算法及其优缺点。

着重介绍和讨论被动微波传感器SM MR 和SM M /I 遥感图像混合像元内海冰总密集度,一年海冰及多年海冰密集度的NASA 算法及其天气滤波器。

关　键　词:海冰密集度;遥感;NASA 算法;一年海冰;多年海冰中图分类号:TP 79 文献标识码:A 文章编号:1004-0323(2006)03-0259-061　引　言海冰密集度系指海区内海冰面积所占百分比数。

它是影响地球两极海洋与大气水热交换强度及涉及船舶安全航运的重要因素;是许多海洋和大气环流模式,包括全球大气环流模式GCM 的输入参数之一;也是全球尤其两极地区长时间尺度气温变化的指示器。

但20世纪60年代前,主要依靠过境船舶的目视或摄影测量获取海冰密集度。

不但数量稀少、准确性差、观测的区域有限,而且也无法实施大范围的同步监测,无法满足许多部门的实用需求。

遥感技术的发展为准确监测全球海冰密集度开创了前所未有的机遇,提供了一个极其有效的高技术监测工具。

现代遥感技术不但能提供海区内海冰总密集度的分布,还能分别监测一年与多年海冰的密集度分布。

本文试图简要评述可见近红外及主/被动微波遥感,尤其被动微波遥感近20年来监测海冰密集度的原理、主要算法、监测准确性以及重要监测结果。

2　可见近红外遥感各类海冰的可见近红外实测反射波谱表明,随冰型、冰面粗糙度及污化状况的不同,海冰在0.4～0.7 m 可见光区反照率约为0.3～0.6,远高过反照率<0.1的海水。

海冰遥感监测技术研究第一章：引言海冰是指在海洋上形成的结冰层，是海洋的一个重要组成部分。

全球气候变化加剧，气温上升导致海冰面积减少，特别是北极地区，海冰稳定性大幅下降，这对气候变化可能产生很大的影响。

针对这个问题，科学家们一直在通过多种方法探测海冰的变化情况，其中遥感技术是一种非常有效的方法。

本文将对海冰遥感监测技术进行介绍和分析。

第二章：遥感监测技术简介遥感监测技术是通过利用飞机、卫星、无人机等远距离传感器设备采集特定数据来获取目标物体地理信息的技术。

利用遥感技术，科学家们可以测量海冰面积、厚度、形状、密度等参数，并将这些数据用于研究海洋和大气的相互作用和气候变化的影响。

遥感技术的优点是其高效性和非侵入性，因此可以最大程度地减少野外工作，节省人力物力成本的同时，保护环境。

第三章：海冰遥感监测技术的种类1.微波遥感微波遥感技术是通过卫星或飞机上的微波雷达，利用微波通过云层到达地面和反弹，测量反射或吸收的微波信息来检测海冰的位置和特性。

微波遥感可以在各种天气条件下进行，但其精度和分辨率较低。

此外，由于微波的穿透力不是很强，所以仅能探测到海冰的表面和一些厚度较低的海冰。

2.雷达遥感雷达遥感技术是通过卫星或飞机上的雷达设备，通过测得的雷达信号来分析海冰密度和形状。

该技术比微波遥感更准确，可以在更大的范围内测量海冰，但对于较厚的海冰，有时需要更高的频率探测来获得更高的分辨率。

3.激光遥感激光遥感技术是通过在卫星或飞机上安装激光测距仪来测量和记录海冰的高程和形状。

该技术具有高精度和高分辨率的优点，但受天气和太阳光等因素影响较大，仅限于白天和晴朗的天气中进行。

4.红外遥感红外遥感技术是通过在卫星或飞机上安装红外传感器来收集数据，通过分析传感器收集的海冰表面温度的变化确定海冰的位置和厚度。

该技术对于白天和晚上都可以进行，并且在雾和云层覆盖的情况下仍然有效，但在冬季和夏季的光照条件下会有局限。

第四章：海冰遥感监测技术的应用1.海洋渔业利用遥感技术监测海冰可以提供有关渔业资源的重要信息，包括海洋中所有的生物、营养和生态系统的变化。

前沿J3F R ONT I E R 极地海冰浮标观测技术陈超孪丙瑞席颖窦银科蓝水盛罗光富极区多尺度气-冰-海相互作用是全球气候系统变化的热点和难点之一,利用海冰浮标.连续自动获取冰面气象，海冰以及冰下上层海洋的环境数据，是开展气-冰-海相互作用研究的最关键手段北极是影响我国天气气候的关键区域之一，冬季极 地冷空气南下是造成欧亚大陆阶段性强降温和强降雪 的主要原因之一。

认识北极变化对欧亚冬季极端天气气候事件的影响，首先就需要了解北极海-冰-气系统本身的影响，而目前开展极地海-冰-气的研究的主要手段为在极地设立观测站，通过飞机或船舶在冰区内部 署营地，布放无人冰站等，相比于其他手段，无人冰站是 一种能够长期原位观测的手段，同时因其相对经济性，使得大范围的布放成为了可能。

依托于布放在接岸固 定冰面或漂流浮冰上的海冰浮标，既可以实现对冰上 气象环境数据和冰下温盐流等数据的长期自动获取，又 可以监测海冰自身的热力和动力过程。

得益于此，近年 来极地海冰浮标的观测结果已经被相关的研究学者广 泛采用。

极地海冰浮标研究现状国际极地海冰浮标研究现状美国国家科学院于1974年提出在整个北冰洋区陈超，硕士研究生；李丙瑞，研究员；席颖，研究员；蓝木盛，硕士 研究生;罗光富，硕十研究生:中国极地研究中心，上海200136,::窦银科：教授，太原理工大学，太原030024:Chen Chao, Master Degree Candidate; Li Bingrui, Professor; Xi Ying, Professor; Lan Mushen, Master Degree Candidate; Luo Guangfu, Master Degree Candidate: Polar Research Institute of China, Shanghai 200136. Dou Yinke: Professor, Taiyuan University of Technology, Taiyuan 030024.域建立监测网络的提议，通过浮标进行监测海平面的温度、气压以及海冰的漂移轨迹m，因此根据该建议，1978年北极海洋浮标计划在华盛顿大学应用物理实验 室极地科学中心成立，并用于支持全球天气实验，该计 划持续到1990年。

㊀第３１卷㊀第３期２０２２年６月㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀航㊀天㊀器㊀工㊀程S P A C E C R A F TE N G I N E E R I N G ㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀V o l ．３１㊀N o ．３㊀㊀㊀㊀１４７环境减灾二号A /B 卫星在辽东湾海冰监测中的应用陈璐㊀胡凯龙㊀刘明博(应急管理部国家减灾中心,北京㊀１００１２４)摘㊀要㊀为减少由冬季寒潮导致的海冰灾害损失,利用遥感手段对我国高纬度海域海冰风险进行监测,并提供决策支撑.文章利用环境减灾二号A /B 卫星的１６m 分辨率多光谱数据,采用基于D e e p L a bV ３模型的语义分割方法,对渤海辽东湾地区的海冰范围进行提取和动态分析,得出海冰范围的动态变化规律,并进行提取精度评估.结果表明:利用该方法的海冰提取准确率可以达到９７ ４％以上,可以满足海冰的日常监测需要,验证了环境减灾二号A /B 卫星在风险要素遥感监测的应用能力.关键词㊀环境减灾二号卫星;海冰监测;深度学习;语义分割中图分类号:T P ７５㊀㊀文献标志码:A ㊀㊀D O I :１０ ３９６９/ji s s n １６７３Ｇ８７４８ ２０２２ ０３ ０２１A p pl i c a t i o no fH J Ｇ２A /BS a t e l l i t e s i nS e a I c e M o n i t o r i n g i nL i a o d o n g B a yC H E N L u ㊀HU K a i l o n g ㊀L I U M i n gb o (N a t i o n a lD i s a s t e rR e d uc t i o nC e n t e r o fC h i n a ,M E M ,B e i j i n g １００１２４,C h i n a )A b s t r a c t :T h e c o l dw a v e i nw i n t e r c a nc a u s e s e a i c ed i s a s t e r ,r e m o t e s e n s i n g isu s e d t o m o n i t o r t h es e ai c er i s ki n C h i n a sh i g hl a t i t u d es e aa r e a sa n d p r o v i d ed e c i s i o ns u p p o r t ．U s i n g t h e １６m e t e rr e s o l u t i o n m u l t i s p e c t r a ld a t a o f H J Ｇ２A /B s a t e l l i t e sa n dt h es e m a n t i cs e gm e n t a t i o n m e t h o db a s e do n D e e p l a b V ３m o d e l ,t h i s p a p e re x t r a c t sa n dd y n a m i c a l l y a n a l yz e st h es e ai c e r a n g e i nL i a o d o n g B a y ,B o h a i S e a ,o b t a i n s t h e d y n a m i c c h a n g e l a wo f s e a i c e r a n g e ,a n d e v a l u a t e s t h e e x t r a c t i o n a c c u r a c y ．T h e r e s u l t s s h o wt h a t t h e a c c u r a c y o f s e a i c e e x t r a c t i o n u s i n gt h i sm e t h o d c a n r e a c hm o r e t h a n ９７ ４％,w h i c h c a nm e e t t h e n e e d s o f d a i l y s e a i c em o n i t o r i n g ,a n d v e r i f yt h e a p p l i c a t i o na b i l i t y o fH J Ｇ２A /Bs a t e l l i t e s i n r e m o t e s e n s i n g m o n i t o r i n g of r i s k f a c t o r s ．K e y w o r d s :H J Ｇ２A /Bs a t e l l i t e s ;s e a i c em o n i t o r i ng ;d e e p l e a r n i n g ;s e m a n t i c s e g m e n t a t i o n 收稿日期:２０２２Ｇ０５Ｇ１６;修回日期:２０２２Ｇ０６Ｇ２０基金项目:国家重点研发计划(２０２１Y F B ３９０１２０５)作者简介:陈璐,女,硕士,研究实习员,研究方向为卫星遥感技术在应急管理中的应用.E m a i l :c h e n l u ＠n d r c c ．o r g．c n .㊀㊀海冰主要是由海水冻结而成的咸水冰,与海啸㊁风暴潮㊁灾害海浪和赤潮并称为海洋五种主要灾害,尤其多发于极地海域和某些高纬度区域.海冰灾害严重时会导致航运中断㊁船舶受损㊁石油平台等大型海上工程建筑塌陷等,海冰膨胀时还会破坏港口和码头[１].我国北部海域因纬度偏高每年都会出现结冰现象,辽东湾是我国纬度最高的海域,冬季受寒潮影响会出现大面积海冰现象[２],此外还有黄河冰凌由入海口流入海洋,在历史上曾发生多次严重灾情并造成重大经济损失.因此,在海冰易发季节有效监测海冰的变化,并结合气象等信息分析其发展趋势在防范减少灾害损失方面具有重大意义.卫星遥感具有非接触㊁实时获取的特点,对于大范围的海冰分布监测更加方便高效.目前的海冰遥感监测方法主要集中在基于高分辨率光学影像的特征提取和基于合成孔径雷达(S A R )[３]的主动遥感Copyright ©博看网. All Rights Reserved.方法.虽然光学遥感受天气影响较大,但其具有应用成本低㊁分辨率精细和重访周期短等特点[４],且影像直观真实,在海冰监测中有较为明显的优势,可进行业务化的生产和应用.我国已有的应用于海洋监测的卫星主要有海洋(H YＧ１㊁H YＧ２㊁H YＧ３)卫星系列㊁高分三号卫星等,用于海洋环境和资源监测等[５].以防灾减灾㊁环境保护为主要业务的环境减灾二号A/B卫星具有强大的数据获取能力,具备两星组网,实现可见及红外多光谱数据全球２天１张图㊁高光谱数据全球１５天１张图的能力.在保证宽视场的同时,多光谱数据的空间分辨率达１６m,适用于大范围的高精度海冰监测.利用光学卫星影像的海冰提取方法主要有基于指数[６]的㊁基于纹理[７]的㊁基于图像分割[１]的和利用机器学习[８]等方法,虽然达到了一定的分类效果,但难以处理海量数据并快速提供决策支持.卷积神经网络(C N N)通过选择合适的卷积核对输入图像进行变换,能更好的根据图像特征进行分类,提高识别准确率,应用于海冰提取中的精度已达到９８％以上[９].本文利用基于深度学习的语义分割模型,对环境减灾二号A/B卫星获取的不同时相多光谱影像进行海冰范围提取,对渤海辽东湾海冰分布情况进行动态监测并分析其应用能力.１㊀研究区概况与数据１ １㊀研究区概况本文研究区域位于渤海辽东湾,地理坐标１２０ ２１ʎE~１２２ ７３ʎE,３９ ５９ʎN~４１ ３７ʎN,地处河北省大清河口到辽东半岛南端老铁山角以北的海域,是中国渤海三大海湾之一.研究区范围如图１所示.辽东湾是中国边海水温最低㊁冰情最重处,受西北风影响,东岸又较西岸为重.每年受强冷空气和寒潮天气长时间影响,渤海辽东湾海冰结冰范围较大,海冰灾害对沿海各地港口运输,水产养殖㊁油气开采等涉海生产和群众生活带来一定程度的影响.１ ２㊀卫星影像数据本文研究主要利用环境减灾二号A/B卫星影像数据对渤海辽东湾海域进行海冰监测.环境减灾二号A/B卫星均配置１６m相机㊁高光谱成像仪㊁红外相机和大气校正仪等４种载荷,可提供１６m多光谱㊁４８m高光谱和４８m红外图像数据,大气校正仪可在轨同步获取与１６m相机相同视场的大气多谱段信息.具体参数见表１.图１㊀研究区示意图F i g １㊀O v e r v i e wo f s t u d y a r e a表１㊀环境减灾二号A/B卫星主要参数T a b l e１㊀M a i n p a r a m e t e r s o fH JＧ２A/Bs a t e l l i t e s参数多光谱载荷高光谱成像仪红外相机空间分辨率(星下点)/m１６４８/９６４８/９６幅宽/k m８００９６７２０轨道高度/k m６４４ ５覆盖周期/天２１４２㊀㊀本文利用２０２１年末至２０２２年初冬季低温海冰易形成时期的成像效果良好的环境减灾二号A/B 卫星的多光谱数据,对辽东湾地区的海冰进行监测.影像数据的具体参数见表２.表２㊀卫星影像数据基本信息T a b l e２㊀B a s i c i n f o r m a t i o no f s a t e l l i t e i m a g e d a t a获取时间卫星载荷云量２０２１年１２月２４日环境减灾二号A卫星C C D４环境减灾二号A卫星C C D３少量２０２１年１２月２５日环境减灾二号A卫星C C D１少量２０２２年１月３日环境减灾二号B卫星C C D４无云２０２２年１月５日环境减灾二号A卫星C C D４少量２０２２年１月６日环境减灾二号A卫星C C D１环境减灾二号A卫星C C D２无云２０２２年１月１４日环境减灾二号A卫星C C D２环境减灾二号A卫星C C D３无云２㊀研究方法本文对获取的研究区遥感影像进行大气校正㊁辐射定标㊁几何校正和数据镶嵌等预处理,利用基于D e e p L a b V３模型的深度学习语义分割算法进行渤海湾海冰提取,再利用人工目视解译结果对提取的８４１㊀航㊀天㊀器㊀工㊀程㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀３１卷㊀Copyright©博看网. All Rights Reserved.海冰范围进行验证,通过比较２０２１年１２月下旬至２０２２年１月中旬的其中６天的海冰范围变化,对渤海湾海冰进行监测.２ １㊀遥感影像预处理１)辐射定标直接获取的遥感影像中的每个像元记录的是地物的亮度灰度值,其大小与传感器的辐射分辨率㊁地物反射率和散射率等有关.在应用过程中,为保证传感器获取数据的准确性,需要进行辐射定标得到地物目标的辐射亮度.辐射校正后的辐射亮度为L＝GˑL D N＋B(１)式中:L为辐射校正后的辐射亮度;L D N为传感器像元记录的亮度灰度;G为定标系数增益;B为偏移量.２)大气校正根据卫星遥感影像的成像原理,传感器最终测得的地面目标的总辐射量度并不是地表真实反射率的反映,其中包含了由大气吸收,尤其是散射作用造成的辐射量误差.因此需要对环境减灾二号A/B 卫星采集数据进行大气校正,消除这些由大气影响所造成的辐射误差,反演地物真实的表面反射率.本文采用的是基于辐射传输模型理论的F L A A S H 方法.３)影像镶嵌由于环境减灾二号A/B卫星多光谱数据的幅宽和卫星运行轨迹影响,对辽东湾附近海域进行大范围监测时需要对相邻的两景影像进行镶嵌.首先对影像构建金字塔,以便于影像能够快速显示.由于相邻影像之间的成像差异,不能直接镶嵌或融合,需要根据影像之间的相关性进行图像配准.本文使用的图像配准方法是基于图像灰度的相关系数法,两幅影像的相关系数为R(I,T)＝ðxðy[T(x,y)－μT][I(x,y)－μI]ðxðy[T(x,y)－μT]２[I(x,y)－μI]２(２)式中:T(x,y)和I(x,y)为待配准的两幅图像;x, y为图像的行列号,表示像元的位置;μT和μI为两幅图像的均值;R为相关系数,可以准确描述两幅图像的相似程度.配准后的影像再根据大地坐标,将待镶嵌影像对的重叠区域进行灰度差值运算,得到重叠区域的差值图像,用来确定镶嵌线.由于两幅影像存在一定的亮度差异,尤其是在重叠区域处更为明显,因此还须进行亮度镶嵌.将两幅影像对应像元的平均值作为重叠区域像元点的亮度值,调整后亮度值为g(i,j)＝１２[g T(i,j)＋g I(i,j)](３)式中:g(i,j)为重叠部分亮度调整后的亮度值;i,j 为行列号;g T(i,j)和g I(i,j)分别为图像T和I在同一位置的像素亮度值.经过图像亮度镶嵌后输出的镶嵌影像色彩均衡,色调统一.２ ２㊀基于深度学习的语义分割方法语义分割是计算机视觉领域一种对图像进行像素级分类的方法,传统的语义分割方法包括直方图阈值化方法㊁混合化特征空间聚类方法㊁基于区域的方法㊁支持向量机(S VM)等算法.基于深度学习的语义分割方法就是采用卷积神经网络(C N N)分类[１０Ｇ１３],区别于传统依赖于专家知识的特征提取, C N N具有一定的自动特性学习能力.通过一系列卷积捕捉图像的复杂特征,对图像中的内容进行编码,再解码生成原始图像的类别,因此也将这种分类模型称为基于编码器Ｇ解码器结构的语义分割模型.常见的基于编码器Ｇ解码器结构的语义分割模型有全卷积神经网络(F C N)系列[１４]㊁U n e t网络㊁D e e p L a b[１５]系列㊁P S P N e t[１６]等模型.由于在卷积过程中连续的池化和下采样,使特征分辨率下降,不利于定位,D e e p L a b V３[１７]模型针对这一问题提出了一种控制特征的抽取㊁学习多尺度特征的网络结构.D e e p L a b V１模型结合了深度卷积神经网络(D C N N s)和概率图模型(D e n s e C R F s),将D e n s e C R F s作为后处理,兼顾考虑了待分类像素点周围像素点的值,使语义分割的边界清楚.但利用D C N N s进行语义分割时还存在精准度不够的问题,根本原因是重复的池化和下采样降低了分辨率.但是另一方面,重复的池化和下采样扩大了感受野,而感受野的扩大对语义分割任务来说也是至关重要的.针对这一问题,D e e p L a b V２模型采用的空洞卷积算法(即在卷积核中插入空值像元以达到扩大卷积范围的效果)扩展感受野,与此同时不会降低特征图的分辨率.另外,D e e p L a b V２模型组合了不同扩张率的空洞卷积所产生的特征图的A S P P模块,用于获取更加丰富的上下文信息.D e e p L a bV３模型对上述的A S P P模块进行了改进(具体流程如图２所示),根据P S P N e t模型思想引入了全局池化,使其能够聚焦到全局的上下文信息,以获得更准确的分割结果.９４１㊀㊀第３期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀陈璐等:环境减灾二号A/B卫星在辽东湾海冰监测中的应用Copyright©博看网. All Rights Reserved.图２㊀D e e p L a bV３中的改进A S P P模块流程F i g ２㊀F l o wc h a r t o f i m p r o v e dA S P P m o d u l e i nD e e p L a bV３㊀㊀本文利用D e e p L a bV３语义分割模型,对经过预处理后的环境减灾二号A/B卫星数据进行海冰范围提取并分析渤海辽东湾海冰随时间变化规律,利用人工目视解译结果进行精度与评价.３㊀结果分析３ １㊀海冰范围提取结果本文分别对２０２１年１２月２４日㊁２０２１年１２月２５日㊁２０２２年１月３日㊁２０２２年１月５日㊁２０２２年１月６日㊁２０２２年１月１４日的渤海辽东湾地区的海冰范围进行监测,结果如图３所示.图３㊀海冰范围提取结果F i g ３㊀S e a i c e r a n g e e x t r a c t i o n r e s u l t s㊀㊀由图３可知,渤海辽东湾海冰范围变化趋势:２０２１年１２月２４日至２５日海冰影响的海岸线长度增加,海冰范围由海岸线向外延伸,面积显著增加,并于２０２２年１月３日减少;２０２２年１月３日至１４日,海冰范围逐步呈扩大趋势.通过对提取的海冰结果进行计算,得到每日海冰影响面积见表３.根据气象信息,辽东湾海域于２０２１年１２月中旬进入初冰期,受１２月下旬寒潮影响,海冰范围显著增大,１２月底气温有所回升导致海面浮冰融化,面积减小.随着２０２２年１月第二次寒潮来临,海面浮冰面积呈逐步增大的趋势.上述结果表明,海冰监测面积与气温变化趋势基本一致.表３㊀海冰影响范围面积统计T a b l e３㊀S t a t i s t i c s o f a r e a a f f e c t e db y s e a i c e日期２０２１Ｇ１２Ｇ２４２０２１Ｇ１２Ｇ２５２０２２Ｇ０１Ｇ０３２０２２Ｇ０１Ｇ０５２０２２Ｇ０１Ｇ０６２０２２Ｇ０１Ｇ１４影响范围/k m２１６９０３０７１１６１４２４４９３１１５４８６５０５１㊀航㊀天㊀器㊀工㊀程㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀３１卷㊀Copyright©博看网. All Rights Reserved.㊀㊀由表３中的面积计算结果可知,受寒潮影响,２０２１年１２月２４日至２５日一天时间海冰面积迅速增长,约１３８１k m ２;２０２２年１月３日至１４日,辽东湾海冰面积以约平均每天１００k m ２的速率增大,须持续监测防范海冰灾害发生.３ ２㊀海冰范围提取精度分析根据上述结果,利用基于深度学习的语义分割模型基本可以实现海冰提取,但在少数细微处还存在未提取的情况,如图４所示.图４㊀漏提取区域F i g４㊀L e a ke x t r a c t i o na r e a 为了定量评价该模型的提取精度,本文采用了目视解译的海冰范围作为参照,计算基于深度学习的语义分割模型的海冰提取精度为P ＝S r e a lS t o t a lˑ１００％(４)式中:P 为表示分类精度;S r e a l 为正确提取的区域像素数;S t o t a l 为目视解译提取的参考区域像素数.根据目视解译结果选取渤海辽东湾海冰提取结果中有明显漏提区域进行精度评价,以２０２１年１２月２５日的海冰提取结果为例,计算得到提取精度达到９７ ４％.可以得出利用D e e p L a bV ３语义分割模型对环境减灾二号A /B 卫星数据的海冰提取结果精度可以达到９７ ４％以上,能够满足海冰日常监测的业务需求.４㊀结束语本文以渤海辽东湾海冰监测为例,利用环境减灾二号A /B 卫星数据,采用基于D e e p L a bV ３模型的深度学习语义分割方法,提取２０２１年１２月下旬至２０２２年１月中旬的形成期海冰范围,并监测其面积变化.结果表明,受寒潮影响,海冰面积迅速增长,最高可达１０００平方千米/天以上.利用目视解译结果对深度学习语义分割方法提取的海冰范围进行精度评价,计算得到海冰提取的准确率达９７ ４％以上.本文研究结果表明:环境减灾二号A /B 卫星的１６m 多光谱数据可以应用在海冰日常监测中,利用深度学习的语义分割算法提取海冰的准确率可以满足灾害风险日常监测的业务需求.参考文献(R e f e r e n c e s)[１]杜吉生,张华忠．基于高分影像的冰灾遥感监测方法研究[J ]．无线电工程,２０２２(５):７０７Ｇ７１３D u J i s h e n g ,Z h a n g H u a z h o n g ．R e m o t e s e n s i n g m o n i t o Ｇr i n g m e t h o do f i c ed i s a s t e rb a s e do nh i g hs c o r e i m a g e [J ]．R a d i oE n g i n e e r i n g ,２０２２(５):７０７Ｇ７１３(i nC h i n e s e )[２]王志勇,王丽华,刘健,等．基于多源中高分辨率遥感数据提取渤海辽东湾海冰要素信息[J ]．自然灾害学报,２０２１,３０(１):１７４Ｇ１８２W a n g Z h i y o n g ,W a n g L i h u a ,L i u J i a n ,e t a l ．E x t r a c t i o n o f s e ai c ee l e m e n t i n f o r m a t i o ni n L i a o d o n g B a y oft h e B o h a i S e ab a s e do nm u l t i Ｇs o u r c em e d i u ma n dh i gh r e s o Ｇl u t i o n r e m o t e s e n s i n g d a t a [J ]．J o u r n a l o fN a t u r a l D i s a s Ｇt e r s ,２０２１,３０(１):１７４Ｇ１８２(i nC h i n e s e)[３]赵泉华,王肖,王雪峰,等．２０１５ ２０２０年辽东湾海冰冰情时空特征及其影响因素[J ]．地球信息科学学报,２０２１,２３(１１):２０２５Ｇ２０４１Z h a oQ u a n h u a ,W a n g X i a o ,W a n g X u e f e n g,e t a l ．T e m Ｇp o r a l a n d s pa t i a l c h a r a c t e r i s t i c so f s e a i c e c o n d i t i o na n d i t s i n f l u e n c i n g f a c t o r si n L i a o d o n g B a y f r o m ２０１５t o ２０２０[J ]J o u r n a l o fG e o Ｇi n f o r m a t i o nS c i e n c e ,２０２１,２３(１１):２０２５Ｇ２０４１(i nC h i n e s e )[４]李雅文．基于混合像元分解的海冰检测方法研究[D ]．武汉:武汉大学,２０２０L iY a w e n ．R e s e a r c ho ns e a i c ed e t e c t i o n m e t h o db a s e do n t h e d e c o m p o s i t i o n o fm i x e d p i x e l s [D ]．W u h a n :W u Ｇh a nU n i v e r s i t y,２０２０(i nC h i n e s e )[５]蒋兴伟,何贤强,林明森,等．中国海洋卫星遥感应用进展[J ]．海洋学报,２０１９,４１(１０):１１３Ｇ１２４J i a n g X i n g w e i ,H eX i a n q i a n g ,L i n M i n g s e n ,e ta l ．P r o Ｇg r e s s e s o no c e a ns a t e l l i t er e m o t es e n s i n g a p p l i c a t i o ni n C h i n a [J ]．H a i y a n g X u e b a o ,２０１９,４１(１０):１１３Ｇ１２４(i n C h i n e s e)[６]王志勇,张梦悦,于亚冉,等．一种融合纹理特征与N D V I 的随机森林海冰精细分类方法[J ]．海洋学报,２０２１,４３(１０):１４９Ｇ１５６W a n g Z h i y o n g ,Z h a n g M e n g yu e ,Y uY a r a n ,e t a l ．Af i n e c l a s s i f i c a t i o nm e t h o d f o r s e a i c eb a s e do nr a n d o mf o r e s t１５１㊀㊀第３期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀陈璐等:环境减灾二号A /B 卫星在辽东湾海冰监测中的应用Copyright ©博看网. All Rights Reserved.c o m b i n i n g t e x t u r e f e a t u r e a n dN D V I[J]．H a i y a n g X u eＧb a o,２０２１,４３(１０):１４９Ｇ１５６(i nC h i n e s e) [７]张明,吕晓琪,张晓峰,等．结合纹理特征的S VM海冰分类方法研究[J]．海洋学报,２０１８,４０(１１):１４９Ｇ１５６Z h a n g M i n g,L V X i a o q i,Z h a n g X i a o f e n g,e t a l．R e s e a r c h o n S VM s e a i c e c l a s s i f i c a t i o n m e t h od c o m b i ne d w i t ht e x t u r ef e a t u r e s[J]．H a i y a ng X u e b a o,２０１８,４０(１１):１４９Ｇ１５６(i nChi n e s e)[８]韩彦岭,赵耀,周汝雁,等．协同主动学习和半监督方法的海冰图像分类[J]．海洋学报,２０２０,４２(１):１２３Ｇ１３５H a nY a n l i n g,Z h a oY a o,Z h o uR u y a n,e t a l．C o o p e r a t i v e a c t i v e l e a r n i n g a n ds e m iＧs u p e r v i s e d m e t h o df o rs e ai c e i m a g e c l a s s i f i c a t i o n[J]．H a i y a n g X u e b a o,２０２０,４２(１):１２３Ｇ１３５(i nC h i n e s e)[９]崔艳荣,邹斌,韩震,等．卷积神经网络在卫星遥感海冰图像分类中的应用探究 以渤海海冰为例[J]．海洋学报,２０２０,４２(９):１００Ｇ１０９C u iY a n r o n g,Z o uB i n,H a nZ h e n,e t a l．A p p l i c a t i o no f c o n v o l u t i o n a l n e u r a l n e t w o r k s i n s a t e l l i t e r e m o t e s e n s i n g s e a i c e i m a g ec l a s s i f i c a t i o n:Ac a s es t u d y o fs e a i c e i n t h eB o h a i S e a[J]．H a i y a n g X u e b a o,２０２０,４２(９):１００Ｇ１０９(i nC h i n e s e)[１０]G i r s h i c kR,D o n a h u e J,D a r r e l lT,e t a l．R i c hf e a t u r eh i e r a r c h i e s f o ra c c u r a t eo b j e c td e t e c t i o na n ds e m a n t i cs e g m e n t a t i o n[C]//P r o c e e d i n g s o f t h e I E E EC o n f e r e n c eo nC o m p u t e rV i s i o na n dP a t t e r nR e c o g n iＧt i o n．N e w Y o r k:I E E E,２０１４:５８０Ｇ５８７[１１]G i r s h i c k R．F a s t RＧC N N[C]//P r o c e e d i n g s o ft h eI E E E I n t e r n a t i o n a lC o n f e r e n c eo n C o m p u t e r V i s i o n．N e w Y o r k:I E E E,２０１５:１４４０Ｇ１４４８[１２]H eK,G k i o x a r i G,D o l lár P,e ta l．M a s k RＧC N N[C]//P r o c e e d i n g s o f t h e I E E E I n t e r n a t i o n a lC o n f e r e n c eo n C o m p u t e r V i s i o n．N e w Y o r k:I E E E,２０１７:２９６１Ｇ２９６９[１３]R e nS,H eK,G i r s h i c kR,e t a l．F a s t e rRＧC N N:t oＧw a r d s r e a lＧt i m eo b j e c td e t e c t i o n w i t hr e g i o n p r o p o s a l n e t w o r k s[J]//I E E ET r a n s a c t i o n s o nP a t t e r nA n a l y s i s&M a c h i n e I n t e l l i g e n c e,３９(６),１１３７Ｇ１１４９[１４]L o n g J,S h e l h a m e rE,D a r r e l lT．F u l l y c o n v o l u t i o n a l n e t w o r k s f o rs e m a n t i cs e g m e n t a t i o n．[C]//P r o c e e d i n g s o ft h e I E E E C o n f e r e n c e o n C o m p u t e r V i s i o n a n dP a t t e r n R e c o g n i t i o n．N e w Y o r k:I E E E,２０１５:３４３１Ｇ３４４０[１５]孟俊熙,张莉,曹洋,等．基于D e e p l a bV３＋的图像语义分割算法优化研究[J]．激光与光电子学进展,２０２２(１６):９Ｇ２４M e n g J u n x i,Z h a n g L i,C a oY a n g,e ta l．R e s e a r c ho n o p t i m i z a t i o n o f i m a g e s e m a n t i c s e g m e n t a t i o na l g o r i t h m sb a s e do nD e e p l a bV３＋[J]．L a s e r&O p t oＧe l e c t r o n i c sP r o g r e s s,２０２２(１６):９Ｇ２４(i nC h i n e s e) [１６]Z h a o H,S h i J,Q iX,e ta l．P y r a m i ds c e n e p a r s i n g n e t w o r k[C]//P r o c e e d i n g sof t h e I E E Ec o n f e r e n c eo nc o m p u t e rv i s i o na nd p a t te r nr e c o g n i t i o n．N e w Y o r k:I E E E,２０１７:２８８１Ｇ２８９０[１７]韩玲,杨朝辉,李良志,等．利用D e e p l a bV３提取高分辨率遥感影像道路[J]．遥感信息,２０２１,３６(１):２２Ｇ２８H a nL i n g,Y a n g C h a o h u i,L i L i a n g z h i,e t a l．R o a d e xＧt r a c t i o n o f h i g h r e s o l u t i o n r e m o t e s e n s i n g i m a g e r yb a s e do nD e e p l a bV３[J]R e m o t eS e n s i n g I n f o r m a t i o n,２０２１,３６(１):２２Ｇ２８(i nC h i n e s e)(编辑:张小琳)２５１㊀航㊀天㊀器㊀工㊀程㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀３１卷㊀Copyright©博看网. All Rights Reserved.。

冰面监测技术在海上油气勘探与开发中的意义与挑战海上油气勘探与开发一直是一个具有挑战性的领域，其中面临着许多技术难题和风险。

而冰面监测技术作为一项十分重要的技术手段，在这一领域中具有着不可替代的意义。

本文将重点探讨冰面监测技术在海上油气勘探与开发中的重要意义，并分析其所面临的挑战。

冰面监测技术的意义首先，冰面监测技术在海上油气勘探与开发中的重要意义体现在其对冰情的监测和预警功能上。

海上油气勘探与开发通常需要在极端恶劣的海况下进行，而这些地区往往存在着严重的海冰问题。

海冰不仅会威胁到勘探平台和管道的安全，还会对勘探作业的进行造成阻碍。

因此，及时准确地监测海冰情况是至关重要的。

冰面监测技术可以通过各种传感器实时监测海冰的厚度、密度、漂移等状态，为勘探作业提供可靠的参考数据，有效降低勘探风险。

其次，冰面监测技术在海上油气勘探与开发中的重要意义还体现在其提供的海冰预测服务上。

海冰的形成和漂移具有一定的规律性，而这种规律性对于勘探作业的安全和效率至关重要。

冰面监测技术可以通过对海冰演变的预测，提前预警可能出现的海冰灾害，为海上勘探作业提供更加安全和稳定的条件。

通过利用大数据分析和人工智能技术，冰面监测技术可以对海冰变化进行及时预测，为油气勘探作业提供更为精准的保障。

冰面监测技术面临的挑战然而，冰面监测技术在海上油气勘探与开发中也面临着诸多挑战。

首先，海上环境的极端性和不确定性给冰面监测技术带来了巨大挑战。

海冰的形成受多种因素影响，而这些因素往往具有很强的随机性和复杂性，这就要求冰面监测技术必须能够适应复杂多变的海冰环境，提高其监测和预测的准确性和可靠性。

其次，冰面监测技术的局限性也给海上油气勘探与开发带来一定的挑战。

目前，虽然冰面监测技术在海上油气勘探中发挥着重要作用，但是其监测范围和监测精度仍存在一定的局限性。

海上油气勘探往往需要在远离陆地的边缘区域进行，这些地区的海冰环境通常更加恶劣和复杂，而目前的冰面监测技术在这些地区的监测能力仍有待进一步提升。

海洋水文观测：海冰观测要素及观测项目介绍海冰是海洋中一切冰的总称，它包括由海水冻结而成咸水冰以及由江河入海带来的淡水冰，也包括极地大陆冰川或山谷冰川崩裂滑落海中的浮冰和冰山。

海冰观测的要素包括：浮冰观测、固定冰观测和冰山观测。

检测具有国家认可的测绘资质，拥有多名专业级海洋测绘高级工程师、注册测绘师。

我们将利用自身专业的技术、丰富的经验和完善的表示。

记录时取整数。

观测时环视整个海面，估计浮冰分布面积占整个能见海域面积的成数。

海面无冰时，记录栏空白；浮冰分布面积占整个能见海域面积不足半成时，冰量记“0”；占半成以上，不足一成半时，冰量记“1”，余类推。

整个能见海面布满浮冰时，冰量记“10”，有缝隙时记“10-”。

海面能见度小于或等于1 km时，不进行冰量观测，记录栏记横杠“-”。

2、密集度观测密集度为浮冰覆盖面积与浮冰分布面积的比值。

密集度观测和记录方法与冰量相同。

海面无冰时，密集度栏空白；冰量为“0”时，密集度记“0”。

当浮冰分布的海域内有超过其面积一成以上的完整无冰水域时，此水域不能算作浮冰分布海域。

当海面上有两个或两个以上浮冰分布区域时，应分别进行观测，取平均值作为密集度。

3、冰型观测冰型是根据海冰的生成原因和发展过程而划分的海冰类型。

观测时环视整个能见海面，根据要求判断其所属类型，用符号记录。

当海面上同时存在多种冰型时，按量多少依次记录；量相同时，按厚度大小的顺序记录。

每次观测最多记五种。

当海冰距离观测点很远，无法判定冰型时，冰型栏记横杠“-”。

4、冰表面特征观测冰表面特征是指浮冰在动力或热力作用下所呈现的外貌。

观测时环视整个能见海面，按要求判断其所属种类，用符号记录。

b）当同时存在两种或两种以上冰表面特征时，按其数量多少依次记录﹔量相同时，按要求所列顺序记录。

每次观测最多记三种。

海冰观测：固定冰观测1、冰型观测固定冰冰型是依冰的生成和形态等划分的固定冰类型。

观测时环视整个能见海面，按要求判定其所属类型，用符号记录。