海冰海水的遥感分类方法、装置与电子设备与流程

1.本发明涉及遥感应用技术领域，尤其是涉及一种海冰海水的遥感分类方法、装置与电子设备。


背景技术：

2.海冰是全球的气候变化的放大器，极地海冰的变化对全球气候变化有重要的影响，所以准确区分海冰、海水的区域具有重要的意义。早期海冰、海水类型数据只能通过实地调查得到，后来发展到根据光学和sar遥感影像，或者根据卫星雷达高度计的回波波形等信息对海水、海冰进行分类。但是，目前的基于hy
‑
2系列卫星校正辐射计以及雷达高度计联合使用分类技术单一，无法准确、高效的对海冰和海水进行分类。


技术实现要素：

3.针对上述现有技术中存在的问题，本发明的目的在于提供一种海冰海水的遥感分类方法、装置与电子设备，以提高海冰海水分类的效率以及精度。
4.第一方面，本发明实施例提供了一种海冰海水的遥感分类方法，该方法包括：获取目标海洋区域的指定时间内的雷达高度计数据、校正辐射计数据和海冰密集度数据；根据雷达高度计数据和校正辐射计数据，确定海冰和海水的初始分类结果；对海冰密集度数据进行图形学处理，得到海冰和海水的边缘位置的所在区域；在所在区域中对初始分类结果进行修正，得到目标海洋区域的海冰海水的最终分类结果。
5.在可选的实施方式中，上述雷达高度计数据包括波形数据、波形数据的第一位置数据和波形数据的第一时间数据；校正辐射计数据包括亮温值数据、亮温值数据的第二位置数据和亮温值数据的第二时间数据；根据雷达高度计数据和校正辐射计数据，确定海冰和海水的初始分类结果的步骤，包括根据第一位置数据和第二位置数据、第一时间数据和第二时间数据，将波形数据和亮温值数据进行时间和空间的匹配，得到海冰和海水在目标海洋区域的聚簇分布范围；以预设的规则对聚簇分布范围进行划分，得到初始分类结果。
6.在可选的实施方式中，上述根据第一位置数据和第二位置数据、第一时间数据和第二时间数据，将波形数据和亮温值数据进行时间和空间的匹配，得到海冰和海水在目标海洋区域的聚簇分布范围的步骤，包括：根据波形数据计算得到后向散射系数；将位置相同，且时间相同的后向散射系数和亮温值数据进行匹配，得到聚簇分布范围。
7.在可选的实施方式中，上述对海冰密集度数据进行图形学处理，得到海冰和海水的边缘位置的所在区域的步骤，包括：对海冰密集度数据进行数据筛选，得到筛选后的密集度数据；利用图形学处理技术，对筛选后的密集度数据进行二值化处理，得到处理结果；根据处理结果，得到海冰和海水的边缘位置的所在区域。
8.在可选的实施方式中，上述利用图形学处理技术，对筛选后的密集度数据进行二值化处理，得到处理结果的步骤，包括：根据预设的规则，分别对筛选后的密集度数据中的海冰的边缘和海水的边缘进行腐蚀计算，得到第一腐蚀结果和第二腐蚀结果；根据第一腐
蚀结果和第二腐蚀结果的差值，得到处理结果。
9.在可选的实施方式中，上述根据处理结果，得到海冰和海水的边缘位置的所在区域的步骤，包括：通过波形数据计算得到波形特征参数的脉冲峰值，根据脉冲峰值对处理结果进行约束，得到边缘位置的所在区域。
10.在可选的实施方式中，上述通过波形数据计算得到波形特征参数的脉冲峰值的具体步骤，包括：
[0011][0012]
其中，pp(pulse peakiness)代表脉冲峰值；p
max
表示波形数据的第21至108距离门的最大的回波能量值；代表波形数据中第21至108距离门之间所有能量值之和；88代表距离门的个数。
[0013]
第二方面，本发明实施例还提供了一种海冰海水的遥感分类装置，该装置包括：数据获取模块，用于获取目标海洋区域的指定时间内的雷达高度计数据、校正辐射计数据和海冰密集度数据；第一分类模块，用于根据雷达高度计数据和校正辐射计数据，确定海冰和海水的初始分类结果；海冰边缘确定模块，用于对海冰密集度数据进行图形学处理，得到海冰和海水的边缘位置的所在区域；修正模块，用于在所在区域中对初始分类结果进行修正，得到目标海洋区域的海冰海水的最终分类结果。
[0014]
在可选的实施方式中，上述第一分类模块还用于：雷达高度计数据包括波形数据、第一位置数据和第一时间数据；校正辐射计数据包括亮温值数据、第二位置数据和第二时间数据；根据第一位置数据和第二位置数据、第一时间数据和第二时间数据，将波形数据和亮温值数据进行时间和空间的匹配，得到海冰和海水在目标海洋区域的聚簇分布范围；以预设的规则对聚簇分布范围进行划分，得到初始分类结果。
[0015]
第三方面，本发明实施例还提供了一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的机器可执行指令，处理器执行机器可执行指令以实现上述任一项的海冰海水的遥感分类方法。
[0016]
本发明实施例带来了以下有益效果：
[0017]
本发明提供了一种海冰海水的遥感分类方法、装置与电子设备，涉及遥感应用的技术领域，包括获取目标海洋区域的指定时间内的雷达高度计数据、校正辐射计数据和海冰密集度数据；根据雷达高度计数据和校正辐射计数据，确定海冰和海水的初始分类结果；对海冰密集度数据进行图形学处理，得到海冰和海水的边缘位置的所在区域；在所在区域中对初始分类结果进行修正，得到目标海洋区域的海冰海水的最终分类结果。该方式通过将雷达高度计数据与辐射计数据结合的方式，提高了海冰海水分类的效率以及精度。
[0018]
本发明的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本发明的上述技术即可得知。
[0019]
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。
附图说明
[0020]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]
图1为本发明实施例提供的一种海冰海水的遥感分类方法流程图；
[0022]
图2为本发明实施例提供的另一种海冰海水的遥感分类方法流程图；
[0023]
图3为本发明实施例提供的一种散射系数
‑
亮温值联合直方图；
[0024]
图4为本发明实施例提供的海冰初步边缘线示意图；
[0025]
图5为本发明实施例提供的冰水边缘位置的所在区域的示意图；
[0026]
图6为本发明实施例提供的海冰海水的遥感分类装置示意图；
[0027]
图7为本发明实施例提供的一种电子设备示意图。
具体实施方式
[0028]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0029]
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0030]
北极海冰是全球的气候变化的放大器，极地海冰的变化对全球气候变化有重要的影响。雷达高度计对于海冰探测具有重要的意义。早期海冰、海水类型数据只能通过实地调查得到，后来发展到根据光学和sar遥感影像，或者根据卫星雷达高度计的回波波形等信息对海水、海冰进行分类。但是，目前的分类技术单一，无法准确、高效的对海冰和海水进行分类。
[0031]
现有技术中，大气校正用辐射计主要为雷达高度计提供同程测量的大气参数，其仍然为一种对地观测用的辐射计测量仪器，而没有用在遥感技术领域。本技术将校正辐射计引用到遥感领域，利用校正辐射计对海冰和海水进行识别，并通过约束处理，缓解了校正用辐射计在海冰边缘区域难以准确识别离散的小块浮冰的技术问题。
[0032]
海洋环境动力卫星上搭载了雷达高度计以及同程测量的大气校正辐射计。hy
‑
2b卫星为倾角为98度的极轨卫星，其轨迹星下点可以覆盖两极地区绝大部分的区域，可以为极地研究提供新的数据源。
[0033]
基于上述问题，本发明实施例提供了一种海冰海水的遥感分类方法、装置与电子设备。通过hy
‑
2b卫星测高数据以及校正辐射计数据结合的方式，对海冰海水进行更加精确的分类、提取。该技术可以应用于海洋遥感监测场景中，尤其是监测中的海冰海水的分类场景。
[0034]
实施例一
[0035]
为了便于对本发明实施例进行理解，首先对本发明实施例所公开的一种海冰海水的遥感分类方法进行详细介绍，如图1所示，该方法包括如下步骤：
[0036]
步骤s102，获取目标海洋区域的指定时间内的雷达高度计数据、校正辐射计数据和海冰密集度数据。
[0037]
在具体实现时，上述目标海洋区域可以是地球上任意海洋区域。雷达高度计数据可以是从卫星海洋应用中心获取的hy
‑
2b某一时期的雷达高度计l1b数据。校正辐射计数据可以是从卫星海洋应用中心获取的校正辐射计l1b数据。海冰密集度数据是从osi
‑
saf(ocean and sea ice
‑
satellite application facility，海冰卫星应用设施)数据库、nsidc(national snow and ice data center，国家冰雪资料中心)数据库中获取到的。
[0038]
步骤s104，根据雷达高度计数据和校正辐射计数据，确定海冰和海水的初始分类结果。
[0039]
在具体实现时，利用上述雷达高度计数据中的回波的波形数据计算得到后向散射系数；再从校正辐射计数据中提取出亮温值数据；最后，将后向散射系数和亮温值数据进行时间和空间的匹配，得到的初始分类结果，即粗分类结果。
[0040]
步骤s106，对海冰密集度数据进行图形学处理，得到海冰和海水的边缘位置的所在区域。
[0041]
在具体实现时，利用图形学处理方法对冰边缘线进行腐蚀，然后对海冰边缘附近的观测数据进行精细的冰水分离，获得海冰边缘位置的所在区域。
[0042]
步骤s108，在所在区域中对初始分类结果进行修正，得到目标海洋区域的海冰海水的最终分类结果。
[0043]
在具体实现时，利用冰水边缘的精分类结果(步骤s106得到的)对原始的粗分类结果(步骤s104得到的)进行订正，通过雷达高度计与校正辐射计数据相结合的方式，得到更加精确的冰水提取、分类结果。
[0044]
本发明实施例提供的一种海冰海水的遥感分类方法，该方法包括获取目标海洋区域的指定时间内的雷达高度计数据、校正辐射计数据和海冰密集度数据；根据雷达高度计数据和校正辐射计数据，确定海冰和海水的初始分类结果；对海冰密集度数据进行图形学处理，得到海冰和海水的边缘位置的所在区域；在所在区域中对初始分类结果进行修正，得到目标海洋区域的海冰海水的最终分类结果。本发明相关数据的提取以及转换均通过python平台实现，具有较好的平台移植性，操作简单；通过雷达高度计与校正辐射计数据相结合的方式，提高了冰水分类的效率以及精度。
[0045]
实施例二
[0046]
本发明实施例还提供了另一种海冰海水的遥感分类方法，该方法在上述实施例方法的基础上实现；如图2所示；该方法包括如下具体步骤：
[0047]
步骤s202，获取目标海洋区域的指定时间内的雷达高度计数据和校正辐射计数据。
[0048]
在具体实现时，上述指定时间可以是一预先指定的时间段，例如，一年、一个月等。上述雷达高度计数据包括波形数据、波形数据的第一位置数据和波形数据的第一时间数据；校正辐射计数据包括亮温值数据、亮温值数据的第二位置数据和亮温值数据的第二时间数据。
[0049]
具体地，提取上述数据的方法是：通过雷达高度计、校正辐射计数据中记录的时间标识(第一时间数据、第二时间数据)进行匹配，获得相同时间的雷达高度计以及校正辐射计的探测数据以及位置信息(第一位置数据、第二位置数据)，同时提取对应位置点的雷达高度计的波形数据。
[0050]
步骤s204，根据第一位置数据和第二位置数据、第一时间数据和第二时间数据，将波形数据和亮温值数据进行时间和空间的匹配，得到海冰和海水在目标海洋区域的聚簇分布范围。
[0051]
在具体实现时，根据雷达高度计中的回波的波形数据计算得到后向散射系数；将位置相同，且时间相同的后向散射系数和亮温值数据进行匹配，得到聚簇分布范围。
[0052]
具体地，利用后向散射系数和亮温值得到散射系数
‑
亮温值联合直方图，如图3所示，即得到特定年份中18.7ghz的海冰和海水自然形成的聚簇分布范围。图3包含2019年的12个月的每个月的聚簇分布范围图，对每个月的上旬和下旬，分别作图，所以每个月都有两个小图，图3共24个小图。每个小图的横坐标为后向散射系数(backscatter coefficient in ku band)，单位是db；纵坐标是亮温值数据(brightness temperature)，单位是k；右边的色带代表在相同位置，相同时间段内相应的亮温值数据与后向散射系数的观测数量(number of observations)，颜色越深，代表观测数量越多，也就越容易区分该区域是海冰还是海水。
[0053]
步骤s206，以预设的规则对聚簇分布范围进行划分，得到初始分类结果。
[0054]
在具体实现时，通过范围界定出区分边界点，拟合出分割线，对海冰和海水进行粗分类，得到初始分类结果。
[0055]
具体地，可以获得某特定年份中18.7ghz亮温通道中海冰主要分布范围为150k以下，海冰的亮温值主要于200k以上的数据。后向散射系数方面，后向散射系数主要分布于10
‑
55db之间。将(10db，175k)和(55db，125k)作为分界点(即预设的规则)，在上述直方图中拟合出分割线，对海冰和海水进行粗分类，得到初始分类结果。
[0056]
步骤s208，获取目标海洋区域的指定时间内的雷达高度计数据和海冰密集度数据。
[0057]
步骤s210，对海冰密集度数据进行数据筛选，得到筛选后的密集度数据。
[0058]
在具体实现时，根据osi
‑
saf的海冰密集度数据，分别将30％海冰密集度作为海冰一侧的边缘，将0％海冰密集度作为海水一侧的边缘线，如图4所示，以对密集度数据做初步的筛选，得到初步边缘线。图4的色带代表海冰集中度(seaice concentration)，集中度数值越高，就越容易区分该区域是海水还是海冰，从图4就能初步观测到海冰海水的边缘区域。
[0059]
步骤s212，利用图形学处理技术，对筛选后的密集度数据进行二值化处理，得到处理结果。
[0060]
在具体实现时，利用图形学处理技术对初步冰边缘线进行腐蚀获得海冰边缘区域，从而提取海冰边缘区域的数据，得到处理结果。即对筛选后的密集度数据中的海冰的边缘和海水的边缘进行腐蚀计算，得到第一腐蚀结果和第二腐蚀结果；根据第一腐蚀结果和第二腐蚀结果的差值，得到处理结果。具体地，利用python工具包cv2的5*5正方形算子先进行海冰和海水边缘的腐蚀，二者相减获得宽度适中的海冰和海水的边缘过度带，即得到上
述处理结果。
[0061]
步骤s214，通过波形数据计算得到波形特征参数的脉冲峰值。
[0062]
在具体实现时，通过雷达高度计中的波形数据计算得到波形特征参数的脉冲峰值，具体公式为：
[0063][0064]
其中，pp代表脉冲峰值；p
max
表示波形数据的第21至108距离门的最大的回波能量值；代表波形数据中第21至108距离门之间所有能量值之和；88代表距离门的个数。
[0065]
步骤s216，根据脉冲峰值对处理结果进行约束，得到边缘位置的所在区域。
[0066]
在具体实现时，利用脉冲峰值划定分类阈值，对海冰边缘附近的观测数据(即步骤s212得到的处理结果)进行精细的冰水分离的约束，得到冰水边缘位置的所在区域，如图5所示，图5的色带代表海冰集中度(sea ice concentration)，集中度数值越高，就越容易区分该区域是海水还是海冰，经过约束，能明显从图5中看出海冰海水的边缘位置的所在区域。具体地，通过经纬度匹配，提取出的海冰边缘雷达高度计波形数据。通过波形数据计算获得波形特征参数脉冲峰度值。将脉冲峰度值大于3的划分为海冰，将脉冲峰度值小于3的划分为海水，该步骤对海冰边缘附近的观测数据进行精细的冰水分离，得到上述的边缘位置的所在区域。
[0067]
步骤s218，在所在区域中对初始分类结果进行修正，得到目标海洋区域的海冰海水的最终分类结果。
[0068]
在具体实现时，将利用冰水边缘的精分类结果(步骤s216得到的结果)对原始的粗分类结果(步骤s206得到的结果)进行订正，通过雷达高度计与校正辐射计数据相结合的方式，得到更加精确的冰水提取、分类结果。
[0069]
本实施例通过将雷达高度计中的波形数据、后向散射系数、校正辐射计中的亮温值数据以及海水密集度数据等多方面数据结合的方式，得到一种海冰海水的遥感分类方法，该方法提高了海冰海水分类、提取的精度以及效率。
[0070]
实施例三
[0071]
对应于上述方法实施例，本发明实施例还提供了一种海冰海水的遥感分类装置，如图6所示，该装置包括：
[0072]
数据获取模块61，用于获取目标海洋区域的指定时间内的雷达高度计数据、校正辐射计数据和海冰密集度数据。
[0073]
第一分类模块62，用于根据雷达高度计数据和校正辐射计数据，确定海冰和海水的初始分类结果。
[0074]
海冰边缘确定模块63，用于对海冰密集度数据进行图形学处理，得到海冰和海水的边缘位置的所在区域；
[0075]
修正模块64，用于在所在区域中对初始分类结果进行修正，得到目标海洋区域的海冰海水的最终分类结果。
[0076]
上述第一分类模块62还用于：雷达高度计数据包括波形数据、第一位置数据和第一时间数据；校正辐射计数据包括亮温值数据、第二位置数据和第二时间数据；根据第一位
signal processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field
‑
programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器100，处理器101读取存储器100中的信息，结合其硬件完成前述实施例的方法的步骤。
[0090]
本发明实施例还提供一种机器可读存储介质，该机器可读存储介质存储有机器可执行指令，该机器可执行指令在被处理器调用和执行时，该机器可执行指令促使处理器实现上述海冰海水的遥感分类方法，具体实现可参见方法实施例，在此不再赘述。
[0091]
本发明实施例所提供的海冰海水的遥感分类方法、装置与电子设备的计算机程序产品，包括存储了程序代码的计算机可读存储介质，该程序代码包括的指令可用于执行前面方法实施例中该的方法，具体实现可参见方法实施例，在此不再赘述。
[0092]
该功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例该方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0093]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。