基于HY-2A/SCAT数据极地海冰检测方法研究

作     者：赵朝方 徐锐 赵可 ZHAO Chao-Fang;XU Rui;ZHAO Ke

作者机构：中国海洋大学信息科学与工程学院山东青岛266100 青岛海洋科学与技术国家试点实验室区域海洋动力学与数值模拟功能实验室山东青岛266011 

出 版 物：《中国海洋大学学报（自然科学版）》 (Periodical of Ocean University of China)

年 卷 期：2019年第49卷第10期

页      面：140-149页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 07[理学] 0707[理学-海洋科学] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：青岛海洋科学与技术国家试点实验室-鳌山科技创新计划项目(2016ASKJ16) 国家自然基金委-山东联合基金项目(U1606405)资助 

主　　题：HY-2A/SCAT 海冰检测 贝叶斯 线性判别 支持向量机 神经网络 

摘      要：本文基于HY-2A/SCAT数据,采用贝叶斯算法、线性判别算法、支持向量机算法、基于主成分分析(Principal component Analysis,PCA)的BP神经网络算法对极地地区的海冰进行检测,并将检测结果与SSMIS海冰密集度数据进行比较。结果表明:四种检测算法得到的海冰边界介于SSMIS 0%~30%海冰密集度边界之间。在高风速条件下,海冰和海水的后向散射特征区分不明显可能造成冰水误判,以2013年9月16日北极海冰检测为例,贝叶斯算法检测结果误判最少,其次为基于PCA的BP神经网络算法,线性判别和支持向量机两种算法误判率较高。考虑到检测算法的运行效率和冰水误判率,选择贝叶斯算法和支持向量机算法进行海冰面积的季节趋势分析,两种算法得到的海冰面积变化趋势都能反映季节性变化,且在海冰生长季支持向量机算法探测的海冰面积与SSMIS 15%密集度海冰范围保持较好的一致性。