项目名称: 基于主被动遥感的渤海海冰厚度及其相关参数的反演研究

项目编号: No.41306193

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 张晰

作者单位: 国家海洋局第一海洋研究所

项目金额: 24万元

中文摘要: 在各种海冰灾害的监测参数中,海冰厚度是冰量估算、冰情评估、灾害评价和海上航运的重要指标。目前国内外学者已经分别利用被动光学遥感和主动SAR遥感,开展了海冰厚度的遥感探测研究。然而,利用单一手段具有局限性:光学遥感仅适用于薄冰厚度探测;SAR适用于表面形变较大的厚冰厚度探测。因此,结合SAR和光学遥感可更准确的探测不论薄厚的海冰厚度。 本项目拟以海冰生长模型为"桥梁",将SAR和光学遥感两种手段结合起来,建立基于SAR和被动光学遥感的海冰厚度反演模型,发展的模型可同时将海冰温度、盐度、表面粗糙度等相关参数反演出来。 本项目的研究成果可为开展业务化海冰探测提供理论基础和技术支持,进一步为海冰冰情评估、海上航运及局部海域气候研究提供服务。

中文关键词: 渤海海冰;海冰厚度;SAR遥感;光学遥感;

英文摘要: In various sea ice parameters, sea ice thickness is of important value for ice amount estimation, ice condition assessment, disaster appraisal and marine transportation. At present, some sea ice thickness detection approaches have been studied using passive optical or SAR remote sensing data respectively. However, there are some limits by sole senor: optical remote sensing is applied only to detection thickness of thin ice and SAR is suitable for detecting thickness of thick ice with high deformation surface. Thus combing SAR and optical remote sensing data, we can detection sea ice thickness for both thick and thin. In this proposal, we will establish a sea ice thickness retrieval model by combing SAR and optical remote sensing data. In this model, sea ice growth model will been taken as "bridge" to connecting SAR and optical remote sensing data. The establish model could retrieve others sea ice parameters besides ice thickness, such as sea ice temperature, salinity and surface roughness. The result of this project will provide theoretical and technical support for operational detection of sea ice, furthermore, will provide serves for ice condition assessment, marine transportation and local climate research.

英文关键词: Sea ice in the Bohai Sea;Sea ice thickness;SAR;Optical remote sensing;

成为VIP会员查看完整内容
0

相关内容

黎曼几何方法的目标检测及其在无人机检测中的应用
专知会员服务
42+阅读 · 2022年5月17日
2021年中国数字人民币发展研究报告
专知会员服务
24+阅读 · 2021年11月28日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
51+阅读 · 2021年4月4日
专知会员服务
69+阅读 · 2021年3月23日
综述 | 基于深度学习的目标检测算法
夕小瑶的卖萌屋
2+阅读 · 2022年4月19日
数据安全研究报告(上)
CCF计算机安全专委会
11+阅读 · 2022年4月18日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
校招|微软邀请你填写暑期实习问卷
微软招聘
1+阅读 · 2022年2月18日
AI如何帮助卫星遥感释放价值?
未来论坛
19+阅读 · 2018年8月8日
基于深度学习的文本分类?
机器学习研究会
10+阅读 · 2018年3月3日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年5月21日
An affective and adaptive educational robot
Arxiv
0+阅读 · 2022年5月20日
Arxiv
33+阅读 · 2021年12月31日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
13+阅读 · 2018年1月20日
小贴士
相关VIP内容
黎曼几何方法的目标检测及其在无人机检测中的应用
专知会员服务
42+阅读 · 2022年5月17日
2021年中国数字人民币发展研究报告
专知会员服务
24+阅读 · 2021年11月28日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
51+阅读 · 2021年4月4日
专知会员服务
69+阅读 · 2021年3月23日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员