简介
监测南极冰山有助于我们了解南大洋海洋、大气和海冰之间的相互作用。虽然巨型冰山是许多遥感研究的对象,但南大洋中型冰山却很少受到监测或追踪。在本研究中,我们基于谷歌地球引擎(GEE),使用 Python 编程语言和哨兵-1(S1)图像,开发了一种冰山探测和跟踪工具,特别适用于中型和大型冰山(0.4-10 平方公里)。为了检测冰山,我们采用简单非迭代聚类(SNIC)和区域邻接图(RAG)合并法进行基于对象的图像分割,并使用 40 幅 S1 图像(2019-2021 年)中 6432 个标记的冰山或非冰山片段来训练/测试支持向量机(SVM)模型。这些片段的雷达反向散射特征和形态特征被用作 SVM 模型的输入。在不同日期的两个图像场景中检测到冰山后,我们通过比较其一维形状信号来跟踪检测到的冰山的位移。根据图像场景的日差,我们的模型检测冰山的准确率为 99%,跟踪冰山的准确率为 93-98%。使用我们的工具监测阿蒙森海的冰山时,我们发现 2021 年的冰山比例从 2% 到 8% 不等,大多数冰山以小于 0.2 公里/天的速度向西移动。
亮点
-谷歌地球引擎 (GEE) 用于处理哨兵 1 号合成孔径雷达图像。
-我们的支持向量机模型在探测冰山方面的准确率高达 99%。
-我们基于一维形状信号的冰山跟踪准确率达到 97%。
-研究了阿蒙森海冰山的分布和漂移。
-基于 GEE 的方法为大数据处理节省了时间和存储空间。