基于FY-3/MERSI數據的北冰洋流冰自動提取與跟蹤方法

周穎，匡定波，鞏彩蘭，胡勇，方圣輝，張熠，彭漪

(1.武漢大學 遙感信息工程學院，湖北 武漢 430072；2. 中國科學院上海技術物理研究所 遙感信息研究實驗室，上海 200083)

?

基于FY-3/MERSI數據的北冰洋流冰自動提取與跟蹤方法

周穎1，匡定波2，鞏彩蘭2，胡勇2，方圣輝1，張熠1，彭漪1

(1.武漢大學 遙感信息工程學院，湖北 武漢 430072；2. 中國科學院上海技術物理研究所 遙感信息研究實驗室，上海 200083)

摘要：北冰洋航路是未來全球航運的重點開拓領域，海冰運動對北冰洋航路開發有重要影響。本文利用風云三號衛星中分辨率光譜成像儀(FY-3/MERSI)數據的特點和優勢，研究北冰洋流冰自動提取和運動跟蹤的方法。首先在分析流冰灰度分布特征的基礎上，提出分區域閾值分割與梯度差分相結合的方法實現塊狀流冰提取，然后根據塊狀流冰的多種幾何特征匹配同名流冰并計算其運動速度。應用這種方法跟蹤2011年6月弗雷姆海峽流冰運動，跟蹤結果與美國國家冰雪數據中心提供的極地網格化日均海冰運動矢量整體趨勢一致，驗證了方法的有效性。這種方法獲取各塊流冰實際運動速度，可以有效彌補網格化海冰運動平均速度場分布和細節的不足，為北冰洋航路開發提供更詳細的流冰運動信息。

關鍵詞：FY-3/MERSI；塊狀流冰提取；同名流冰；運動速度；弗雷姆海峽

1引言

在全球氣候持續變暖的大背景下，北冰洋海域內海冰持續減少，北冰洋航路通航逐漸成為現實，作為聯系亞洲、歐洲和北美洲潛在的最短航線，北冰洋航路具有重要的戰略價值和航運價值[1]。由于北冰洋地區復雜的氣候和海洋環境，目前北冰洋航路商業運行仍然存在困難。在制約北冰洋航路開發的諸多自然因素中，海冰的影響程度最大，海冰的運動和變化都會影響北冰洋航路的選擇以及船舶的安全航行[2]。北冰洋海冰運動的現場觀測數據較少，衛星遙感技術具有速度快、成本低和大尺度的優勢，是獲取大范圍北冰洋海冰運動信息的首選手段。

已有的衛星遙感數據跟蹤海冰運動的方法包括目視跟蹤法、光流法和最大互相關法。目視跟蹤法[3]利用圖像中冰面的異常特征的位置變化獲取海冰的運動速度，該方法原理簡單，但是主觀性強，時間和人力成本大，不適合大范圍、長時間跟蹤。光流法[4]通過圖像像元灰度隨時間的變化推算目標運動速度大小和方向，是對真實運動速度場的近似估計，該方法對光照條件非常敏感，有時即使海冰沒有發生運動，但是由于成像光照條件發生變化也會誤判為海冰運動。最大互相關法[5—7]是應用最廣泛的一種方法，它基于兩幅圖像模板區域的互相關系數計算海冰的運動速度和方向，獲取的海冰運動矢量場的分辨率和精度很大程度上依賴于模板和搜索區域的選擇，而且獲取的海冰運動速度是模板區域內所有海冰的平均運動速度，而不是每塊海冰的實際運動速度，無法進一步分析不同尺寸和不同形狀海冰運動特征的差異。

FY-3/MERSI設置了5個250 m和15個1 km空間分辨率的波段，且掃描幅寬超過2 000 km，根據極軌衛星的軌道特點，MERSI每天可獲取多幅北極區域的250 m分辨率多光譜圖像，使得跟蹤監測每塊流冰運動成為可能，在北冰洋海冰運動變化監測方面具有顯著優勢。本文采用多時相FY-3/MERSI數據，從流冰的光譜、灰度分布和幾何特征出發，研究北冰洋流冰逐塊提取和跟蹤方法，獲取圖像中各塊流冰的運動速度。

2研究區數據處理

弗雷姆海峽(圖1)是北冰洋與北大西洋進行冰-水交換主要通道，也是北冰洋海冰最大的輸出口，該地區海冰輸出量的變化，反映了整個北冰洋海冰總量的變化[8]。因受到各種洋流、風場的影響，弗雷姆海峽內各種尺寸的海冰眾多，海冰變化明顯，流冰運動速度快[9]。因此本文選擇弗雷姆海峽流冰區(77°～81°N，10°W～10°E)作為研究示范區。

圖1　研究示范區Fig.1　Research demonstration area

本文采用了多通道多時相的FY-3/MERSI圖像，為了使不同時相圖像保持空間位置的一致性和像元灰度的可對比性，對各時相圖像進行了輻射定標、幾何校正、圖像配準以及裁剪4個預處理過程。本文研究示范區位于極地地區，因而采用極地方位投影，且所有圖像之間的配準誤差都小于1個像元，滿足后續流冰運動跟蹤的需要。圖2為經過預處理后的FY-3/MERSI圖像(400 km×400 km)。

圖2　2011年6月13日14時15分預處理后的FY-3/MERSI圖像Fig.2　The preprocessed FY-3/MERSI image at 14:15， June 13， 2011

3流冰提取與跟蹤

3.1塊狀流冰提取

經過預處理后的FY-3/MERSI圖像中有海冰、海水以及云，其中云是干擾海冰像元識別的主要因素。本文根據海冰、云以及海水在可見、近紅外波段的反射光譜特性，建立云和海水識別指標以及判別式，從圖像中識別出云像元和海水像元，然后將圖像中的云像元和海水像元去除，只保留海冰像元，得到海冰識別圖像[10]。

雖然海冰識別圖像中只剩下海冰像元，但是海冰包括塊狀流冰與微小的流冰碎屑，受圖像分辨率限制，流冰碎屑的運動難以跟蹤，因此需要提取塊狀流冰，去除流冰碎屑的影響。圖3顯示塊狀流冰邊緣清晰，亮度大且灰度分布均勻，流冰碎屑連接成片，而且亮度偏暗，灰度分布雜亂，因此可以利用二者灰度分布和形狀差異提取塊狀流冰，本文提出分區域雙峰閾值分割與梯度差分相結合的方法實現塊狀流冰提取。

圖3　塊狀流冰與流冰碎屑Fig.3　Blocky drift ice and trash ice

首先將海冰識別圖像平均劃分為矩形網格，然后每4個網格合并成一個子區，計算每個子區內海冰像元個數與子區像元總個數的比率，若某一子區海冰像

元數小于總像元數的10%，則該子區初始閾值取該子區所有像元灰度值的最大值。否則先統計每個子區圖像的灰度直方圖，根據塊狀流冰與流冰碎屑的亮度差異，二者在灰度直方圖中反映為明顯的雙峰(圖4)，選擇雙峰之間谷的位置作為子區的初始閾值。由于每個子區與其相鄰的子區都有重疊，重疊區域的最終分割閾值采用多個子區初始閾值的均值。

塊狀流冰灰度分布均勻，流冰碎屑灰度分布雜亂，梯度算子能使灰度變化劇烈的流冰碎屑區域以及塊狀流冰的邊緣變得更加突出。因此本文利用4個方向的梯度算子(圖5)，獲取了海冰識別圖像中每個像元的4個梯度差分值。至此海冰識別圖像中每個像元都對應一個最終分割閾值TDN和4個梯度差分值。與流冰碎屑相比，塊狀流冰的4個梯度差分值都很低，給定一個固定的梯度差分閾值TG，若海冰識別圖像中某像元灰度值大于對應的TDN且其所對應的4個梯度差分值都小于TG，則判斷該像元屬于塊狀流冰。對海冰識別圖像中所有像元逐個進行判斷，保留塊狀流冰，去除流冰碎屑，完成塊狀流冰提取。

圖4　雙峰明顯的直方圖Fig.4　The histogram with obvious bimodala.第一種情況：子區內流冰碎屑多于塊狀流冰；b.第二種情況：子區內塊狀流冰多于流冰碎屑a.The histogram of the first kind sub-area where trash ice is more than blocky drift ice; b.the histogram of the first kind sub-area where blocky drift ice is more than trash ice

圖5　梯度算子Fig.5　Gradient operators

3.2流冰運動跟蹤

雖然海冰在運動過程中始終伴隨著各種變形，但是在一定時間內，海冰變形是一個連續、漸進的變化過程。本文根據前后兩時相圖像中同一塊流冰(同名流冰)幾何特征的相似性和漸變性，采用模式匹配方法，識別和匹配同名流冰，利用該流冰重心位置的改變獲取其運動速度。

3.2.1流冰幾何特征提取

根據每塊流冰對應的像素集合，進一步提取流冰的尺寸、形狀和不變矩特征[11—13]：

1)面積A

面積為單塊塊狀流冰對應區域的所有像素個數。

2)周長P

周長為單塊塊狀流冰邊緣對應的像素個數。

3)長軸長度和短軸長度

長軸長度(M1)和短軸長度(M2)為與塊狀流冰具有相同零階矩、一階矩和二階矩的橢圓所對應的長軸長度和短軸長度，即

(1)

(2)

4)圓度R

圓度表示流冰形狀復雜的程度，同時也反映了流冰形狀接近圓形的程度，流冰形狀越復雜，圓度就會越大，偏離圓形也越大，計算公式為:

(3)

5)體態比G

體態比為塊狀流冰對應區域在x軸上的投影長度Px與其在y軸上的投影長度Py的比值，即

(4)

式中，xmax、xmin分別為塊狀流冰邊緣在x軸上的最大、最小值，ymax、ymin分別為塊狀流冰邊緣在y軸上的最大、最小值。

6)不變矩

(5)

(6)

(7)

利用歸一化的二、三階中心矩，可以得到對平移、旋轉和縮放變化不變的7個不變矩：

(8)

3.2.2同名流冰匹配

因為本文選擇的研究示范區范圍超過10×104km2，區域中流冰非常多，其中面積較小的塊狀流冰在運動過程中可能因為融化、崩裂等變形的原因消失而無法跟蹤，所以本文只跟蹤面積大于40個像元(2.5 km2)的塊狀流冰運動。

1)設定搜索區

由于流冰的運動是受到風、流拖曳等多種力的作用，流冰運動速度會受到限制，根據最大速度結合前后兩時相的時間間隔，求出流冰運動的最大距離，則每塊流冰對應的搜索區就是以該流冰的重心為圓心，最大運動距離為半徑的圓[14]。同名流冰的搜索和匹配都只在搜索區內進行。

2)匹配算法

設前一時相圖像中有待跟蹤流冰A，后一時相圖像中對應的搜索區內有流冰B，比較流冰A的面積SA和流冰B的面積SB，計算兩塊流冰的歸一化面積變化量ΔS為：

(9)

若ΔS小于給定的面積變化閾值，則將流冰B加入流冰A的候選流冰。重復這個過程，找出流冰A的所有候選流冰。對于選定的候選流冰，分別計算流冰A與每塊候選流冰的歐幾里得貼近度[15]，計算公式如下：

(10)

式中，ui為流冰的幾何特征。在流冰A的所有候選浮冰中貼近度最大的認為是流冰A的同名流冰。

3.2.3流冰運動速度計算

(11)

式中，pix為圖像像元大小。

4實驗結果與分析

為了驗證上述方法，采用美國國家冰雪數據中心(NSIDC)提供的網格化日均海冰運動矢量數據與本文FY-3/MERSI跟蹤結果進行比對驗證。NSIDC提供的海冰運動矢量融合了浮標實測海冰運動速度、SSMR、SSM/I與AVHRR反演海冰運動速度以及NCEP風場多種數據，采用等面積可伸縮地球網格投影，空間分辨率為25 km[16]。圖6、圖7、圖8分別顯示了2011年6月中3次FY-3/MERSI跟蹤結果(3對圖像獲取時刻如表1所示)與NSIDC提供的海冰運動矢量對比情況。

圖6　第1圖像對的流冰運動跟蹤結果Fig.6　The drift ice motion vectors traced from the first pair images圖中黑色箭頭表示FY-3/MERSI跟蹤獲取的流冰運動矢量，紅色箭頭表示NSIDC提供的海冰運動矢量，箭頭長短反映運動速度大小The black arrow shows the ice motion vector traced by FY-3/MERSI and the red arrow shows ice motion vector provided by NSIDC， with longer arrows representing higher velocities

圖7　第2圖像對的流冰運動跟蹤結果Fig.7　The drift ice motion vectors traced from the second pair images圖中黑色箭頭表示FY-3/MERSI跟蹤獲取的流冰運動矢量，紅色箭頭表示NSIDC提供的海冰運動矢量，箭頭長短反映運動速度大小The black arrow shows the ice motion vector traced by FY-3/MERSI and the red arrow shows ice motion vector provided by NSIDC， with longer arrows representing higher velocities

圖8　第3圖像對的流冰運動速Fig.8　The drift ice motion vectors traced from the third pair images圖中黑色箭頭表示FY-3/MERSI跟蹤獲取的流冰運動矢量，紅色箭頭表示NSIDC提供的海冰運動矢量，箭頭長短反映運動速度大小The black arrow shows the ice motion vector traced by FY-3/MERSI and the red arrow shows ice motion vector provided by NSIDC， with longer arrows representing higher velocities

圖9　6月9—18日典型流冰運動跟蹤Fig.9　The example drift ice tracking from the images from June 9 to June 18底圖為各時相圖像的塊狀流冰提取結果圖，同一顏色表示同名流冰The underlying images are the extracted results of blocky drift ice，the homonymy drift ice is painted the same color in the images

圖10　典型流冰的運動軌跡Fig.10　The motion curve of the example drift ice

圖11　紅色流冰運動速度的東西方向(a)和南北方向(b)分量Fig.11　The red drift ice motion velocity in the east-west direction and the south-north direction東向為正，西向為負，南向為正，北向為負The east and south direction is positive value, the west and north direction is negative value

圖像對前時相圖像獲取時刻后時相圖像獲取時刻16月12日17時55分6月13日17時35分26月13日14時15分6月14日13時55分36月14日12時15分6月15日11時55分

3對圖像中FY-3/MERSI跟蹤結果與NSIDC提供的海冰運動矢量場都有部分區域流冰運動未被成功跟蹤，尤其是第3次跟蹤結果圖中NSIDC提供的海冰運動矢量場缺失區域超過50%。FY-3/MERSI跟蹤流冰運動失敗的原因主要有兩方面：一方面是云遮擋造成的，若某塊流冰在前后時相圖像中任意一幅中被云遮擋，則該流冰就無法跟蹤；另一方面是流冰合并或分裂，流冰的面積和形狀發生很大變化，流冰在運動過程中破碎、消亡，造成無法匹配同名流冰，也無法計算其運動速度，前后兩時相間隔時間越長，流冰形狀變化的影響越大。而NSIDC提供的海冰運動矢量數據是由浮標、AVHRR、微波衛星數據、風場等多種數據源處理融合而成，其分布必然受到多種數據源分布、跟蹤和融合算法的影響。AVHRR、SSMR、SSM/I數據采用最大互相關法跟蹤海冰運動，這種方法容易受到海冰密集度和厚度變化的影響，在夏季海冰邊緣地區跟蹤獲取的海冰運動矢量較少。另外，若各種數據源獨立估計的海冰運動速度之間差異很大，或是某種數據源及其運動速度估計值有缺失，則插值融合得到的網格矢量場分布疏密不均甚至有所缺失。因此二者的速度矢量分布存在差異，但也相互補充，綜合利用FY-3/MERSI跟蹤結果與NSIDC提供的海冰運動矢量數據，進一步分析北冰洋海冰運動特征，可以為海冰與大氣及海洋相互作用的物理過程研究提供更準確詳細的數據。

由3次跟蹤結果可以看出，雖然FY-3/MERSI跟蹤結果與NSIDC提供的海冰運動矢量的分布、大小和方向存在差異，但是在二者的重疊區域，流冰整體運動趨勢基本一致，都顯示海峽內流冰大多由北向西南穿過弗雷姆海峽，與主導海峽內海冰運動的穿極漂流和經向風方向一致[17—18]，同時流冰運動存在區域性差異，部分區域的流冰“逆流北上”。本文跟蹤獲取的是各塊流冰的實際運動速度，NSIDC提供的海冰運動矢量是25 km網格區域內所有海冰的平均速度，是對25 km×25 km區域內所有塊狀流冰、流冰碎屑甚至海水的平均，因此FY-3/MERSI跟蹤獲取的流冰運動速度普遍大于NSIDC提供的海冰運動速度。

以流冰區內4塊典型流冰為例，分別標記為紅色、黃色、藍色和綠色，獲取4塊流冰在2011年6月9日、12日、13日、14日、15日、18日共6個時相的運動情況(圖9)。圖10顯示了4塊流冰在6個時相的運動軌跡，4塊流冰的運動速度大小和方向都存在差異，它們之間的相對位置也不斷變化。紅色和綠色流冰的運動方向都以西南方向為主，與弗雷姆海峽大多數流冰運動方向一致。但是藍色和黃色流冰的運動軌跡與前兩塊流冰差異較大，藍色和黃色流冰在經度方向上位移與紅色和綠色相當，但是緯度方向上位移相對很小，而且綠色、藍色和黃色流冰幾乎繞三者中心旋轉了一周。這是因為流冰運動受到多種因素影響，流冰幾何形狀、過境氣旋、區域性流渦等因素都可能引起各塊流冰之間運動的差異[19—20]。

圖11給出了從6月9日到6月18日紅色流冰運動速度的x分量和y分量的變化情況(圖像坐標的x軸對應地理坐標的東西方向，向東為正，向西為負；y軸對應地理坐標的南北方向，向南為正，向北為負)，該流冰在監測時段內運動方向以西南為主，但是速度矢量的兩個分量都存在波動，說明北冰洋流冰的運動有一定程度的振蕩。

5結論

利用多時相的FY-3/MERSI圖像，從海冰的光譜、灰度分布和幾何特征出發，研究了北冰洋流冰逐塊提取和同名流冰運動跟蹤的方法，在大于10×104km2的弗雷姆海峽流冰區內，獲取了每塊大于2.5 km2流冰的運動速度。跟蹤結果顯示該海峽流冰整體運動趨勢是由北向南穿過弗雷姆海峽，與主導海峽內海冰運動的穿極漂流和經向風方向一致，但是各塊流冰運動速度的大小和方向存在差異且不斷變化，部分區域的流冰群體向北或呈氣旋式運動。FY-3/MERSI跟蹤結果與NSIDC提供的海冰運動矢量對比分析，二者在重疊區域的整體運動趨勢基本一致，證明了本文流冰運動跟蹤方法有效可行。與傳統海冰運動遙感跟蹤方法相比，該方法獲取了各塊流冰的實際運動速度，可以彌補網格化海冰運動平均速度矢量場分布與細節的不足，有利于更加全面詳細地分析北冰洋海冰的運動特征。

雖然FY-3/MERSI在北極同一覆蓋區域的獲取頻率較高，但是北極夏季天氣情況復雜多變，FY-3/MERSI可見-近紅外波段數據容易受到云、霧的影響，造成可用的FY-3/MERSI數據較少。而且夏季北冰洋流冰形狀變化快，在運動過程中流冰破碎、消亡等原因，會影響流冰運動跟蹤的準確性和有效性。FY-3/MERSI自動跟蹤流冰運動方法只考慮了流冰的尺寸、形狀和不變矩特征，這樣在匹配同名流冰時不可避免地會出現誤匹配，影響了流冰運動跟蹤的精度。因此，下一步研究的重點是利用流冰的紋理特征以及相鄰流冰之間的空間關系，對流冰各種特征進行優化組合，分層分級進行模板匹配，改進同名流冰匹配方法，提高同名流冰匹配和跟蹤的精度。

致謝：感謝國家衛星氣象中心提供FY-3/MERSI影像數據。

參考文獻：

[1]白春江， 李志華， 楊佐昌. 北極航線探討[J]. 航海技術，2009(5): 7-9．

Bai Chunjiang， Li Zhihua， Yang Zuochang. Research of Arctic sea routes[J]. Marine Technology， 2009(5):7-9．

[2]李春花， 李明， 趙杰臣，等. 近年北極東北和西北航道開通狀況分析[J]. 海洋學報，2014， 36(10): 33-47．

Li Chunhua， Li Ming， Zhao Jiechen， et al. Navigable status analysis of Arctic Northeast and Northwest Passage in recent years[J]. Haiyang Xuebao， 2014， 36(10): 33-47．

[3]Laviolette P E， Hubertz J M. Surface circulation patterns off the East Coast of Greenland as deduced from satellite photographs of ice floes[J]. Geophysical Research Letters， 1975， 2(9): 400-402．

[4]Sun Y. Automatic ice motion retrieval from ERS-1 SAR images using the optical flow method[J]. International Journal of Remote Sensing， 1996， 17(11): 2059-2087．

[5]Ninnis R M， Emery W J， Collins M J. Automated extraction of pack ice motion from advanced very high resolution radiometer imagery[J]. Journal of Geophysical Research: Oceans， 1986， 91(C9): 10725-10734．

[6]Emery W J， Fowler C W， Hawkins J， et al. Fram Strait satellite image-derived ice motions[J]. Journal of Geophysical Research: Oceans， 1991， 96(C3): 4751-4768.

[7]曹梅盛， 李新， 陳賢章，等. 冰凍圈遙感[M]. 北京: 科學出版社， 2006: 193-196．

Cao Meisheng， Li Xin， Chen Xianzhang， et al. Remote Sensing of Cryosphere[M]. Beijing: Science Press， 2006: 193-196．

[8]Kwok R. Outflow of Arctic Ocean sea ice into the Greenland and Barents Seas: 1979-2007[J]. Journal of Climate， 2009， 22(9): 2438-2457．

[9]Widell K， ?sterhus S， Gammelsr?d T. Sea ice velocity in the Fram Strait monitored by moored instruments[J]. Geophysical Research Letters， 2003， 30(19): 1982．

[10]周穎， 鞏彩蘭， 胡勇， 等. 風云三號MERSI數據提取北冰洋海冰信息方法研究[J]. 大氣與環境光學學報， 2013， 8(1): 53-59．

Zhou Ying， Gong Cailan， Hu Yong， et al. Extraction of sea ice information in the Arctic Ocean by using FY-3/MERSI data[J]. Journal of Atmospheric and Environmental Optics， 2013， 8(1): 53-59．

[11]盧鵬. 基于圖像分析的海冰幾何參數和拖曳系數參數化研究[D]. 大連：大連理工大學， 2007: 30-31．

Lu Peng. Study on sea ice geometric parameters and parameterization of drag coefficient based on image analysis[D]. Dalian: Dalian University of Technology， 2007: 30-31．

[12]方兆寶， 林琿， 吳立新，等. 流形群運動目標自動識別與跟蹤技術研究——以MCS自動跟蹤方法為例[J]. 遙感學報， 2004， 8(1): 14-22．

Fang Zhaobao， Lin Hui， Wu Lixin， et al. A study on the automatic identifying and tracking flow shape group moving targets: a case of MCS[J]. Journal of Remote Sensing， 2004， 8(1): 14-22．

[13]嚴柏軍， 鄭鏈， 王克勇. 基于不變矩特征匹配的快速目標檢測算法[J]. 紅外技術， 2001， 23(6): 8-12．

Yan Bojun， Zheng Lian， Wang Keyong. Fast target-detection algorithm based on invariant moment[J].Infrared Technology， 2001， 23(6): 8-12．

[14]白潔， 王洪慶， 陶祖鈺. GMS衛星紅外云圖強對流云團的識別與追蹤[J]. 熱帶氣象學報， 1997， 13(2): 158-167．

Bai Jie， Wang Hongqing， Tao Zuyu. Recognition and tracing of severe convective cloud from IR images of GMS[J]. Journal of Tropical Meteorology， 1997， 13(2): 158-167．

[15]劉衛光. 圖像信息融合與識別[M]. 北京: 電子工業出版社， 2008: 106-122．

Liu Weiguang. Image Fusion and Recognition[M].Beijing:Publishing House of Electronics Industry， 2008：106-122．

[16]National Snow & Ice Data Center. Polar Pathfinder Daily 25 km EASE-Grid Sea Ice Motion Vectors.Version 2[OL]. http://dx.doi.org/10.5067/LHAKY495NL2T

[17]Screen J A， Simmonds I， Keay K. Dramatic interannual changes of perennial Arctic sea ice linked to abnormal summer storm activity[J]. Journal of Geophysical Research: Atmospheres， 2011， 116(D15)， doi: 10.1029/2011JD015847

[18]Zhao Y， Liu A K. Arctic sea-ice motion and its relation to pressure field[J]. Journal of oceanography， 2007， 63(3): 505-515．

[19]Tsukernik M， Deser C， Alexander M， et al. Atmospheric forcing of Fram Strait sea ice export: a closer look[J]. Climate dynamics， 2010， 35(7/8): 1349-1360．

[20]Smedsrud L H， Sirevaag A， Kloster K， et al. Recent wind driven high sea ice area export in the Fram Strait contributes to Arctic sea ice decline [J]. The Cryosphere， 2011， 5(4): 821-829．

Automatic extraction and tracking the Arctic drift ice based on FY-3/MERSI data

Zhou Ying1， Kuang Dingbo2， Gong Cailan2， Hu Yong2， Fang Shenghui1，Zhang Yi1， Peng Yi1

(1.SchoolofRemoteSensingandInformationEngineering，WuhanUniversity，Wuhan430072，China; 2.LaboratoryofRemoteSensingInformation，ShanghaiInstituteofTechnicalPhysics，ChineseAcademicofSciences，Shanghai200083，China)

Abstract:Sea ice motion adversely plays an important role in the developing the Arctic Passage which is essential for commercial global shipping. This paper developed an automatic extraction and tracking method for Arctic drift ice based on the FY-3/MERSI data that obtained by Medium Resolution Spectral Imager onboard FengYun-3 satellite. Firstly， on the basis of the gray distribution feature of drift ice， the blocky drift ices were extracted by combining sub-region bimodal threshold segmentation with gradient differential technique. Secondly， the matching of same drift ice in pair images was implemented according to the geometric feature and the velocity of the matched ice was calculated. A series image of the Fram Strait was used to compute the drift ice motion. The resulting motion vectors were found to match well with the polar daily grid sea ice motion vectors provided by the National Snow and Ice Data Center， thus verifying the validity of the proposed method of tracking drift ice motion. The prime effect of this method is effectively supplying the actual motion vector of drift ice to improve the distribution and details of grid sea ice motion vectors. So this method is capable of providing comprehensive and detailed information support of the sea ice motion for the Arctic Passage development.

Key words:FY-3/MERSI; blocky drift ice extraction; homonymy drift ice; motion velocity; Fram Strait

收稿日期：2015-05-08；

修訂日期：2015-09-30。

基金項目：國家自然科學基金(41401490)；中國科學院上海技術物理研究所創新專項項目(Q-ZY-52)。

作者簡介：周穎(1985—)，女,湖北省利川市人，主要研究方向為遙感信息提取與應用、海洋遙感。E-mail：zhouying_85@126.com

中圖分類號:P731.15

文獻標志碼：A

文章編號：0253-4193(2016)07-0048-11

周穎，匡定波，鞏彩蘭，等. 基于FY-3/MERSI數據的北冰洋流冰自動提取與跟蹤方法[J]. 海洋學報， 2016， 38(7):48-58， doi:10.3969/j.issn.0253-4193.2016.07.005

Zhou Ying， Kuang Dingbo， Gong Cailan， et al. Automatic extraction and tracking the Arctic drift ice based on FY-3/MERSI data[J]. Haiyang Xuebao， 2016， 38(7):48-58， doi:10.3969/j.issn.0253-4193.2016.07.005