文摘

具有重要意义为缓解和预防海冰监测海冰灾害。本文的增长和发展中国的渤海海冰在辽东湾监控使用Sentinel-2遥感数据冻结期间从2018年的1月到3月。基于光谱特征的综合分析的海水和海冰在可见光波段,辅以归一化雪指数(NDSI)和归一化植被指数(NDVI),我们提出了一种新的基于决策树分类方法提取在辽东的渤海海冰类型。使用八个卫星的遥感数据从Sentinel-2A / B卫星获得的立交桥,海冰的分布和区域不同类型在辽东湾冻结期间的2017/2018。与最大似然(ML)分类方法和支持向量机(SVM)分类方法,该方法具有较高的精度差别海冰类型时,证明本文提出的新方法适用于从Sentinel-2光学遥感数据中提取海冰类型在辽东湾。及其分类精度达到88.05%。进化的整个过程,如生长和发育的海冰在辽东湾冻结期间从2018年的1月到3月是监控。发现的最大海冰面积在2018年1月27日,约10187公里²。最后,海冰面积之间的定量关系模型和平均近地表温度导出了MODIS数据在辽东湾成立。通过研究,我们发现平均地表温度是最重要的因素影响的形成和融化的海冰在辽东湾。

1。介绍

在中国渤海是北半球最南端的冰冻的大海。受西伯利亚冷空气和蒙古冷高压稳定,海冰大多发生在冬季,尤其是在渤海北部,辽东湾(1,2]。海冰灾害是一种严重的自然灾害。冻结和大规模海冰漂移威胁沿海水产养殖,渔业生产、导航、海上生产作业时,油气勘探,由此产生的经济损失也严重[3- - - - - -5]。具有重要意义,有效监控类型,分布,和海冰的时空演化分析经济增长的机理,开发和融化为减轻和防止在渤海海冰灾害。

卫星遥感技术经济的特点,及时性,大面积同步观测,所以它是一项重要的技术手段监测海冰(2- - - - - -6]。卫星遥感技术监测海冰主要包括微波辐射计、微波散射仪,合成孔径雷达(SAR),微波高度计,高光谱遥感、和光学遥感(2- - - - - -15]。这些技术已被应用于监测海冰。目前,海冰监测的重要参数之一是海冰类型。具有重要意义准确地辨别海冰类型计算海冰的面积,评估条件的海冰,导航、海洋生产操作,等等。

许多专家和学者已经做了大量的研究工作在监测海冰类型通过卫星遥感技术(6- - - - - -15]。大部分的研究一直在进行海冰极地高纬度地区,并取得了一系列研究成果(7- - - - - -10]。Dabboor等人使用four-polarized RADARSAT-2数据分类的北极海冰区域使用CP的分类方法,定量选择最好的子集(紧凑型偏振测定)参数,取得了较高的分类精度(8]。Angelika等人提出了一个半自动EM-bird分类算法和用于测量海冰的厚度,这大大提高了测量的准确度海冰航空摄影分类(9]。刘等人利用支持向量机(SVM)方法基于纹理特征和海冰浓度分类利用RADARSAT-2双极化ScanSAR数据(10]。评估的主要方法为海冰开发使用卫星图像分类提出了(11]。全自动设计的数值优化决策树算法的应用和示范海冰分类介绍了SAR数据(12]。有相对较少的渤海海冰的监测研究。张等人的极化散射特征提取海冰使用full-polarimetric SAR图像,然后进行分类算法的研究通过偏振SAR海冰类型(13]。的优点结合支持向量机(SVM)和马尔可夫随机场(MRF),沈等人提出了一个分类系统的MRF-v-SVC海冰的SAR图像分类(14]。Karvonen等人估计海冰参数包括海冰饱和度和渤海海冰厚度,根据热力学模型和SAR海冰,辐射计和其他地球观测数据(15]。微波传感器,如SAR雷达高度计和微波辐射计是主要的传感器用于监测海冰在极地地区6- - - - - -12]。他们是用于监视在渤海海冰(13- - - - - -15),但这些传感器在歧视海冰类型有限的功能。

光学遥感识别地面物体的类型有明显的优势由于其高空间分辨率和光谱信息丰富,它已经应用于监测海冰(16- - - - - -22]。例如,史等人利用MODIS数据获得在渤海海冰的分布信息16,17]。苏等人使用灰度同现矩阵纹理分析的方法获得的分布在渤海海冰基于MODIS数据(18]。陈等人使用HJ-1 CCD数据和支持向量机分类方法提取的渤海海冰在辽东湾(19]。燕等人利用MODIS数据来估算海冰资源的数量在2012 - 2013年的冬天(20.]。燕等人使用同步海洋颜色成像仪(GOCI)数据监控渤海海冰的特点在2012 - 2013年的冬天,包括面积和厚度(21]。

通过分析,可以发现,当前在渤海海冰研究主要集中在分布、浓度、冰边缘,和冰厚度。研究监测海冰类型较少的情况渤海海冰生长和发育。渤海海冰每年冬天都出现在过去的60年里,这个地区是一个重要的经济开发区在中国和任务繁忙的海上交通。所以它是非常重要的监控在渤海海冰。海冰监测的任务之一是提取海冰类型的空间分布信息,这是本文提到的海冰分类。大多数现有的研究都是基于MODIS数据的。而MODIS数据的空间分辨率较低,不能满足歧视海冰类型,和它不能被用来分析海冰生长的整个过程,通过进化发展,融化在渤海海冰的类型。高分辨率光学卫星(如,QuickBird, GeoEye,世界观,和地球同步卫星)的重复周期很长,不能满足高时间分辨率的需要在监测海冰的增长和发展。监控的生长和发育的渤海海冰在辽东湾细节,需要找到一些卫星数据重复周期较短和高空间分辨率。随着卫星网络观测的发展模式,尤其是在星座的形式建立了多个卫星,如Sentine1-2A / 2 b光学遥感卫星由欧洲航天局(ESA) (23- - - - - -25),它的重复周期大大缩短,有利于分析海冰生长和发育的整个过程。此外,还有各种各样的海冰,包括新的冰,白色的冰,灰白色的冰,冰快,等等。光谱反射特征的差异不同海冰远小于陆地对象。这是另一个难题要解决准确地辨别各种海冰类型相似的光谱反射率。此外,典型的光学反射率图像可能会影响到雪对海冰的影响和问题,在辽东湾水域是浑浊的,不清楚,含有大量的沉积物,复杂的光学遥感海冰的海湾。

因此,为了解决这些问题在监测海冰的增长和发展基于遥感技术在辽东湾,本文使用Sentine1-2A / 2 b光学遥感数据发现的方法提取在辽东湾的渤海海冰类型适用于中高分辨率光学遥感卫星。在此基础上,多瞬时数据被用来监控的时间和空间演化的渤海海冰在辽东湾冻结期间在2017/2018。

本文的主要部分组织如下。节2研究区和数据,详细介绍了。节3根据海冰的光谱特征的分析,我们提出一个新的方法,提取海冰的辽东湾类型适用于中高分辨率的光学图像。节4结果显示,。总共32 Sentinel-2光学图像从1月到2018年3月,是由决策树分类的分类。和我们的结果进行了比较,获得的最大似然分类方法和支持向量机分类方法。节5在辽东湾,海冰的分布类型在冻结期间的2017/2018。然后海冰生长和发育的时空演化在辽东湾进行了分析。增长和发展的机制在辽东湾海冰。最后,从本研究给出了一些有价值的结论部分6。

2。数据和材料

2.1。研究区域

渤海,位于中国的东北部,是中国唯一的冰冻的海洋。它包括辽东湾、渤海湾、莱州湾南岸。其中,辽东湾位于渤海北部。如图1辽东湾位于39-41°N和120.5 - -122.5°E。最高纬度和海冰最严重的灾区。辽东湾每年冬天都冻结在过去60年里,新的冰和海冰的主要类型,白色的冰,灰白色的冰,冰快。

2.2。实验数据

为了监测海冰的分布和海冰生长和发育的整个过程在辽东湾渤海冻结期间的2017/2018,共计32中分辨率卫星遥感图像获得从Sentinel-2A / 2 b被用作主要的数据源。

2015年6月23日Sentinel-2A卫星发射。它主要是配备了光学传感器称为多光谱成像仪(MSI),包括13个光谱波段,从光学、近红外短波红外,几个空间分辨率(例如,10米,20米,60米)(23- - - - - -25]。的空间分辨率全色波段是10米,和多光谱的分辨率乐队是20米。每个带的中心波长和分辨率Sentinel-2A / 2 b表所示1。Sentinel-2卫星图像的宽度大约是290公里,因此特别适用于监测海冰范围广泛。2017年3月7日,欧洲航天局Sentine1-2B推出一个妹妹Sentinel-2A的卫星。它的卫星Sentinel-2A参数完全相同。一个卫星的重复周期是10天。两颗卫星星座的形式建立了图像采集的周期大大缩短,两颗卫星可以重温每5天地球的赤道地区。在高纬度地区,重复周期只有3天。5天的重复周期短渤海与中等分辨率研究也能提供更多的数据的增长和发展的渤海海冰在辽东湾。目前,Sentinel-2A / 2 b数据正式免费供世界各地的用户。

我们收集8立交桥Sentine1-2A / 2 b卫星光学遥感数据在冻结期间研究区域的2017/2018,如表所示2。和云覆盖的所有数据都低于10%。有三个卫星立交桥数据Sentinel-2A和5卫星立交桥Sentinel-2B的数据。从Sentinel-2 MSI图片的宽度是290公里,但是ESA削减每个地带到100年km-sized图像的完整的数据并将它们存储在不同的文件中,每一个都小于1 GB,为了减少和促进数据管理的数据量。所以每个立交桥的数据需要4场景完全覆盖在渤海辽东湾。实验数据的细节如下:

是不够只使用论文中的数据的增长和演化研究海冰在辽东湾。然而,本文的重点是研究海冰的自动分类方法决策树的基础上,以监测海冰在辽东的增长和演化湾2018年冬天。

充分利用Sentinel-2A / B的光谱特征识别海冰类型、六乐队主要是使用,包括乐队B2(蓝色),B3(绿色),B4(红色),B5(植被红边),B8一个(植被红边),B11(短波红外成像,短波红外)。数据是均匀采样的像素大小20米的歧视海冰类型。

此外,为了获得近地表温度,我们使用了MODIS L1B (MOD02 1公里)数据在同一天Sentinel-2数据。MODIS数据可以获得美国宇航局官方网站:http://modis.gsfc.nasa.gov/。成像时间的MODIS数据的所有后来不到0.5小时,Sentinel-2数据。(航天飞机雷达地形测绘任务)的SRTM DEM(数字高程模型)和气象数据也被用来分析海冰在辽东的增长和发展。SRTM数据下载http://srtm.csi.cgiar.org。研究区域的地形图是图所示2。

3所示。方法

目前,有许多光学遥感图像分类方法,如最大似然分类方法,支持向量机(SVM)分类方法,决策树分类方法(4,22,26]。

3.1。技术方法

满足需求的差别在辽东湾的渤海海冰类型,分析的基础上的特点中Sentinel-2光学遥感图像的分辨率和海冰的光谱特征,我们提出了一个方法提取海冰类型基于决策树。然后海冰生长和发育的整个过程在辽东湾渤海的监控通过使用多瞬时Sentinel-2光学遥感数据和基于决策树的方法。特定的技术方法如图3。首先,原始Sentinel-2图像预处理,包括辐射校正、大气校正、图像融合、马赛克。然后不同海面对象选择的训练样本分析的光谱特征不同的海冰类型和获得的参数归一化植被指数和NDSI。最后,分类规则提取海冰类型建立了适合各种类型的海冰的反射率差异。

3.2。预处理

首先,原始Sentinel-2遥感图像预处理,包括辐射校正、大气校正、图像融合、马赛克(24]。辐射校正是将图像的灰度级亮度值转换成绝对辐射亮度值。大气校正主要是消除大气影响引起的辐射误差。我们使用了Sen2Cor插件,由ESA专门开发,开展Sentinel-2 MSI的辐射校正和大气校正图像。由于广泛的辽东湾在渤海,至少4 Sentinel-2遥感图像的场景需要完全覆盖整个研究区域。因此,图像马赛克是必要的。不同图像之间的颜色差异在镶嵌过程中需要处理。Sentinel-2的真彩色合成图像预处理后的数据显示在图中4。

3.3。建立决策树

决策树分类算法是一种归纳学习算法,基于样本。算法推断从一组无序分类规则和不规则样品和建立一个分类器或一个预测模型,然后分类未知类别的数据。

识别目标的物理基础是根据光谱特征之间的差异区分目标。首先,海冰监测实际上是区分海水和海冰。应分析海水的光谱特性和各种海冰类型统计。光谱曲线可以用来分析海水的反射率差异和各种海冰类型在不同光谱区域,然后分类规则可以建立的决策树分类方法实现海冰的目的分类(26]。

根据海冰在光学图像的光谱特征和现有研究辽东渤海海湾(1,4,11,18- - - - - -21),该功能类型主要分为土地面积(LA)、海水(SW),固定冰(FI)、新冰(倪),白色的冰(WI)和灰白色冰(描述)。

为了分析海水的光谱特性和各种海冰类型,我们选择图像获得2018年2月1日,在辽东湾作为训练样本数据集。通过我们的目视判读,多个ROI(感兴趣的区域)的每种类型的海面目标选择样本,和每个ROI包含20 - 200像素。样品已经被显示在图4 (d)。共有161个训练样本选择,包括50海水训练样本,25快冰训练样本,31个新冰训练样本,35灰白色冰训练样本,和20个白色冰训练样本。

我们应该首先建立决策树的分类规则。如图5海水在每个波段的反射率很低,而海冰和海水在乐队的区别B2和乐队B5是显而易见的。所以乐队B2和乐队B5选择区分海水和海冰。

我们使用归一化雪指数(NDSI)提取积雪信息(27]。主要显示下雪具有较高的反射率在可见波段和短波红外波段的反射率较低。我们发现,海冰的特点类似于雪。因此,NDSI被认为是重要的辅助信息歧视海冰类型。NDSI的公式如下: 在哪里B3代表了绿带B11代表Sentinel-2A / B的短波红外波段。

在乐队B2和乐队B5的特征乐队和使用NDSI作为特征参数,建立了相应的分类规则监测海冰。通过大量的实验分析,我们发现的反射率的阈值B2带歧视海水和海冰是0.065,也就是说,小于0.065的海水和海冰大于0.065。波段的反射率B5的阈值为0.08,小于0.08的海水和海冰大于0.08。这两个阈值非常接近开放海水的典型的反射率值在现有文献[28]。乐队的反照率阈值B5是比乐队B2,这可能是由于沉积物。归一化雪指数(NDSI)的阈值为0.65,小于0.65海水和海冰大于0.65。海冰监测的基础上,各种海冰类型的光谱反射率特征进一步探索实现海冰分类。

从图可以看出6、固定冰的反射率和白色的冰在每个乐队很高,和光谱特征不同,所以很难区分他们只有通过光谱差异。发现的归一化植被指数(NDVI)具有更好的分离效果快冰从别人29日]。归一化植被指数的公式如下: 在哪里B4代表了红乐队和B8一个代表Sentinel-2A / B的近红外波段。如果归一化植被指数的值大于−0.09,分为固定冰。

经过反复分类实验和光谱分析,决策树分类模型的最优阈值可以选择。乐队的新冰的反射率B8一个低于0.07,因此建立了决策树分类规则区别新冰的乐队吗B8一个。从图可以看出6白色的冰是最的反射率不同,灰白色的冰的乐队B5。因此,乐队B5被选中作为歧视的基础从灰白色冰白色的冰。阈值是0.31;也就是说,灰白色的反射率冰小于0.31,和白色的冰的反射率大于0.31。

根据上述分析的反射特征,分类规则提取海冰类型建立了适合各种海洋冰反射差异的乐队。最后,歧视的决策树分类模型生成的海冰类型。最终的决策树分类模型的建立如图7。

4所示。结果

4.1。分类结果

基于该方法的歧视海冰类型,多个卫星立交桥数据冻结期间2017/2018在辽东湾被用于分类。分类结果显示在图中8。

4.2。比较不同的方法

为了评估的有效性提出海冰基于决策树的分类方法,该方法的结果与最大似然(ML)的分类方法和支持向量机(SVM)分类方法。从2019年2月11日,获得的图像选择对分类精度进行评估。毫升分类方法和支持向量机分类方法进行同样的样品。结果最大似然分类方法和支持向量机分类方法在图所示9(一个)和9 (b),分别。该方法的结果是图所示9 (c)。

通过比较分类结果与原光学图像,我们发现海冰边缘的分布从本文基于决策树的方法是明确的,基本上符合实际的分布。同时,它可以看到不同程度的冰类型是互相歧视也相对较大,和周围的轮廓的快速冰岛的海岸线实质上都是一样的原始图像。此外,白色的冰的轮廓在冰的中间部分地区也更好的显示。在效率方面,该方法基于决策树远远优于其他两种算法,它是一个有效的方法来实现海冰分类。

的图像从2018年2月11日,获得500验证样本生成随机使用海冰类型地图得到不同的分类方法。然后500年样本被人工目视判读。结合原有的光学图像,计算各种海冰类型的分类精度取决于该方法,最大似然分类方法,支持向量机分类方法,如表所示3。

从表3我们可以看到,这些方法的分类精度在74.30%和88.05%之间。该方法的分类精度高于其他两种方法。及其分类精度达到88.05%,这表明该方法适合Sentinel-2光学遥感数据歧视在辽东的渤海海冰类型。

5。讨论

5.1。辽东湾海冰的时空演变

海冰生长的时空演变分析,开发和融化是根据分类结果于2018年1月2日至3月8日(图8)。海冰的面积及其在海水比例计算,如表所示4。

根据表4和图10,在辽东湾海冰的演化趋势是如下:近地表温度的降低,海冰的厚度逐渐增加。海冰的类型逐渐由新冰灰白色冰和白色的冰。和海冰的分布面积逐渐扩大。2018年1月27日,海冰面积达到最大,这是约10187公里²,覆盖几乎整个辽东湾。然后,随着近地表温度上升,海冰慢慢融化。和海冰面积逐渐减少,直到最后完全消失。

5.2。增长和发展的机制在辽东湾海冰

近地表温度是派生的使用方法介绍了文献[30.,31日)通过MODIS L1B (MOD02 1公里)不同时间的数据。由于成像之间的时间间隔的MODIS和Sentinel-2没有超过半个小时,大约可以被认为是近地表温度来源于Sentinel-2成像的MODIS数据代表。此外,根据中国气象局发布的天气预报信息,研究区域的最大和最小温度计算,如图11。这显示,意味着近地表温度、最低温度和最高温度在辽东的八个卫星立交桥湾冻结期间2017/2018。

据辽东湾海冰的分布在冻结期间在2017/2018,在辽东湾海冰的增长和发展主要是指近地表温度的影响从MODIS数据。

当平均地表温度降低到0°C,它开始冻结在辽东湾。海冰类型主要是新冰和海冰的厚度薄。根据平均地表温度的进一步降低,冰冻的面积扩大,和海冰类型逐渐发展新的灰白色冰和白色的冰,冰和海冰的厚度逐渐增加。如果上面的意思是近地表温度继续增加0°C,海冰融化和海冰面积将大大减少。

通过线性回归分析,定量关系模型之间的海冰面积和平均地表温度由MODIS数据成立于辽东湾(如图12)。具体关系模型如下: 在哪里y是海冰面积在特定的时间(单位:公里²),x是指近地表温度(单位:°C)。

6。结论

在本文中,我们使用共有32 Sentinel-2光学遥感图像从1月到2018年3月在辽东湾海冰监测中国的渤海。根据海冰和海水的光谱特征,建立了基于决策树的分类规则区别海冰类型在不同的时间。基于决策树分类的新方法对于歧视海冰类型提出了。本文提出的新方法的有效性验证。同时,结合近地表温度由MODIS数据和气象数据,海冰分布的演化和区域在辽东湾进行了分析。

通过研究,可以得出一些有价值的结论如下:(1)新方法充分利用光谱特征,NDSI,和归一化植被指数歧视海冰类型。该方法的分类精度高于最大似然分类方法和支持向量机分类方法。其分类精度达到88.05%。试验证明,新方法适用于Sentinel-2中高分辨率的光学图像区别海冰类型。(2)在辽东湾海冰的增长和发展在冻结期间通过8 Sentinel-2卫星立交桥在2017/2018进行了分析。意思是近地表温度降低,在辽东湾海冰一般开始冻结。发现的最大海冰面积在2018年1月27日,约10187公里²。海洋类型包括固定冰,新的冰,白色的冰,灰白色冰在辽东湾。(3)平均地表温度是最重要的因素影响海冰的形成和融化在辽东湾。海冰面积之间的定量关系模型和平均地表温度在辽东湾成立,它可以提供一个理论依据分析海冰在辽东的增长和发展。

海冰分类的结果影响图像质量和预处理。因为它需要4 Sentinel-2图像的场景完全覆盖研究区域,统一颜色处理在图像马赛克有一定影响海冰的分类精度。此外,训练样本的选择也会影响海冰分类的准确性。灰白色冰的样本相对较少,所以灰白色冰的分类精度不是很高。海冰的进化是受许多因素影响,有现有的随机性和可变性。

尽管Sentinel-2A的重复周期/ 2 b卫星网络已经减少到5天,一些卫星的卫星遥感数据立交桥大大污染了云和雾,因为天气原因,所以他们不能使用。这使得数据时间间隔大一些卫星立交桥、不导电分析海冰在辽东湾的增长和发展。然而,使用8个卫星Sentinel-2遥感数据的立交桥,海冰生长和发育的类型变化在辽东湾基本上可以确定。在未来,我们将使用Sentinel-1雷达卫星数据,不受云和雾的影响(32]分析海冰在辽东的增长和发展。

数据可用性

Sentinel-2数据MODIS数据,SRTM DEM数据可以免费。

的利益冲突

作者宣称没有利益冲突。

确认

哨兵哥白尼所提供的数据计划。作者感谢美国地质调查局(美国地质调查局)提供了MODIS数据。作者感谢国家航空和宇宙航行局(NASA)提供SRTM DEM数据。这项研究是由中国国家自然科学基金(没有。41876202)和山东省自然科学基金(没有。ZR2017MD020)。