【科研动态】测绘科学与技术学院解锁冰间水道识别新技术！

发布日期：2025-06-07
图1“中山大学极地”号在北冰洋海冰区进行科学考察（2024年8月拍摄）


 

提起北极我们能想到什么？

美丽的极光？憨态可掬的北极熊？还是一望无际的冰雪？

冬天的北冰洋，海水会全部结成冰吗？

 

事实上，即使是在冬天，北极的海冰上也会有很多“裂缝”

这就是今天的主角—冰间水道

它是海冰在风和洋流作用下形成的线性断裂带

冰间水道在冬季只占北冰洋总面积的5%，但70%大气-海洋的热量交换却是通过它来完成的。

这么重要的海气交换窗口，我们可以通过什么手段来监测它的变化呢？
 

图2 光学遥感影像中的冰间水道（M. E. Jewell and J. K. Hutchings, 2022）

 

得益于遥感技术，我们即使在家里也能“俯瞰”北极

我们对冰间水道的观测也主要通过卫星影像

但目前水道观测仍然有局限性：

光学（图2）和热红外影像直观，

但受到天气影响被动微波受天气影

响小但分辨率低，

对水道的观测不够准确

高分辨率的SAR影像能够穿云透雨，近年来备受关注

但是基于SAR的水道遥感观测同样面临挑战！


 

SAR影像更加复杂，缺少解译知识

SAR影像自身的质量问题限制了目标识别

缺少泛化性强的模型来识别水道


 

为了解决上述难题

中山大学测绘科学与技术学院极地海洋与遥感团队

带来了新的解决方案—“A Stacking Approach for Arctic Sea Ice Lead Classification (SALC) via Sentinel-1 SAR Imagery”

 

图3 SALC的技术路线

 

SALS的亮点在哪里?

 

这篇发表在国际遥感领域著名期刊《IEEE Transactions on Geoscience and Remote Sensing》上的文章，首次根据海冰和水道在SAR上的表现特征，详细划分了水道场景类别，在此基础上设计了堆叠模型SALC，并针对Sentinel-1的影像质量问题优化了预处理方法。SALC的强大之处，在于结合了多个场景的分类器，犹如多个“专家”共同决策，给出最好的答案！

SALC--水道识别三步走：

①水道场景划分

匹配Sentinel-1和Sentinel-2影像对，解译SAR影像。根据开阔水道和冻结水道的分布背景将水道分布场景分为五类：一年冰（FYI）中的暗水道（DL）；一年冰中的亮水道（BL）；多年冰（MYI）中的暗水道；多年冰中的亮水道；亮暗水道交杂的混合冰区（Mixed）。

②预处理方法优化

研究所用Sentinel-1数据为HH和HV双极化。HH共极化受到入射角影响，HV交叉极化受到热噪声的影响，为了最大程度地减小这些影响，本研究针对入射角和热噪声对预处理方式进行了优化。在优化的预处理流程中，应用了改进的自适应热噪声去除方法（方法见原文），入射角作为特征输入模型。

③模型设计

针对复杂多样的水道场景，设计了堆叠模型SALC来提高水道识别的泛化性。模型由基学习器和元分类器构成，两部分分别选用MLP和XGBoost模型（技术细节见原文），元分类器接收基学习器的预测结果作为新的特征，进而预测最终结果。

 

SALC的意义何在

结合多源影像对SAR中水道进行了解译

近年来，SAR由于不惧云雨的特点，在水道观测中备受关注，但其影像本身复杂晦涩，多数研究未能正确解译。该研究利用多源影像，对SAR水道进行了深度解译，创新型地提出了水道场景划分的概念。

提出了Sentinel-1影像预处理的新方式

入射角和热噪声是Sentinel-1影像制图绕不开的两大阻碍，该研究针对这两个因素设计了解决方案，并通过消融实验验证了有效性。该方式为基于Sentinel-1影像分类带来了新的启发。

针对应用目标设计了分类模型SALC

SAR影像水道会因冻结阶段不同表现差异巨大，作为背景的海冰也同样会因类型的不同在影像中表现各异。面对这样复杂的情况，传统单一分类器难以应对，该研究通过设计堆叠模型SALC，集成各个单一场景的学习器，解决多场景的复杂识别问题，为水道识别提供了新思路。

 

部分成果展示

图4 SALC在四个基础场景的识别结果与匹配的光学影像有很高的一致性。

 

图5 SALC的结果远优于传统机器学习模型的表现，传统模型面对复杂场景难以拟合。

 

图6 消融实验验证优化预处理方式的有效性。改进的自适应热噪声去除方法能提高影像质量，有效提升识别精度；入射角作为特征输入效果优于全局入射角校正，是最优入射角处理方式。

 

发表信息

 

该研究于2025年5月在《IEEE Transactions on Geoscience and Remote Sensing》上发表，题为“A Stacking Approach for Arctic Sea Ice Lead Classification (SALC) via Sentinel-1 SAR Imagery”。中山大学测绘科学与技术学院极地与海洋遥感团队赵羲副教授为第一作者，团队首席科学家程晓教授为通讯作者，硕士研究生张翼、龚家兴、博士研究生吴怡凡，不莱梅大学环境物理研究所Georg Heygster教授为文章的合作作者。本研究受国家自然科学基金项目（42476257）和中山大学高校基本科研业务费学科交叉团队项目（24xkjc005）的支持。

原文链接：

https://ieeexplore.ieee.org/document/10994336（扫描以下二维码或点击文末“阅读原文”即可查看全文）


 

联系方式

广东省珠海市唐家湾中山大学珠海校区

瀚林三号E318室

sges@mail.sysu.edu.cn

联系电话：0756-3668354

 

文案：张翼 赵羲
编辑：黎雨虹
初审：赵秋阳 王天星
审核：许粤
终审：陈华桂