基于冰雷达技术的南极冰下湖半自动识别方法.docx

基于冰雷达技术的南极冰下湖半自动识别方法基于冰雷达技术的南极冰下湖半自动识别方法本发明涉及基于冰雷达技术的南极冰下湖半自动识别方法,考虑冰下湖与冰的界面在冰雷达断面图像上的特征具有回波信号强度大、界面平坦的特点，利用表面粗糙度与雷达反射功率相结合的自动提取方法，实现了冰下湖面的计算机初步识别，大大提高了识别效率和识别精度；再结合人工修改，对冰下湖的位置进行修正，既不会增加太大工作量，又可以弥补自动提取的误差，使得最终的识别结果更加准确，速度和可靠性也更高专利说明】基于冰雷达技术的南极冰下湖半自动识别方法【技术领域】[0001]本发明涉及一种基于冰雷达技术的南极冰下湖半自动识别方法，属于地球物理与遥感地学应用领域背景技术】[0002]冰下湖是人类的未知领域，也是地球上最后的重要科学前沿领域之一其不但具有研究全球和区域气候变化机制的大量连续的古气候沉积记录，而且其水系循环对于冰动力过程也有重要影响，是未来海平面变化不确定性的重要影响因素之一，因此对其进行探测和识别研究具有重要的科学意义[0003]目前冰下湖的识别主要有两种方法一种是利用卫星测高发现因冰下湖排水引起的冰盖表面起伏变化进行识别。

另一种是利用冰雷达测定的冰下底部回波进行判断相对于卫星测高方法，冰雷达发射的电磁波能够穿透几千米厚的冰层，获得冰底反射的回波信号，再根据信号特征识别冰下湖这种观测方法更直观，而且能排除其他多种因素的干扰，所得结果准确性更高相对于冰岩界面，冰下湖与冰的界面在冰雷达断面图像上具有回波信号强度大、界面平坦等特点过去依据这些特征，多采用人工专业判读的方法从断面图像上识别冰下湖，具有工作量大且耗时长等缺点[0004]早期冰雷达回波信号记录在胶片上，是模拟信号，通过专业人员对胶片进行判读，根据上述特征找出可能有冰下湖的胶片，然后冲洗在相纸上资深专家再进一步判读是否存在冰下湖如果识别为冰下湖，再结合飞行导航的位置记录，即可推断冰下湖的位置这种方式工作量大且耗时长随着计算机和信号处理技术的发展，冰雷达数据已实现数字存储，冰下湖的半自动化识别已成为必然发展趋势发明内容】[0005]本发明要解决的技术问题是:克服现有技术缺点，提出一种基于冰雷达技术的南极冰下湖半自动识别方法，能够自动快速地从冰雷达数据中提取冰水和冰岩界面，通过人工删除界面中的孤立点，连接断点，完成冰下湖的识别[0006]为了解决上述技术问题，本发明提出的技术方案是:一种基于冰雷达技术的南极冰下湖半自动识别方法，包括以下步骤:[0007]第一步、将读取的冰雷达数据进行预处理，获取可视化的冰雷达图像；[0008]第二步、在冰雷达图像上，自下而上地寻找各道首次出现雷达反射功率突然增大的区域，该区域的界面包含有冰岩界面或冰水界面，结合GPS数据获得界面的坐标和高程；[0009]第三步、根据所述区域界面的高程信息获取界面的粗糙度；[0010]第四步、提取粗糙度小于0.1且雷达反射功率大于设定阈值的界面，获得冰下湖初步识别结果；[0011]第五步、结合图像，人工删除界面中的孤立点，连接冰下湖的断点，完成冰下湖的识别。

[0012]本发明基于冰雷达技术的南极冰下湖半自动识别方法，还具有如下改进:[0013]1、所述第一步中，冰雷达数据的预处理主要包括带通滤波降噪、手动或自动剔除坏道[0014]2、第二步中，自下而上首次出现雷达反射功率突然增大区域的界面提取方法如下:[0015]步骤a、在垂直方向上获得反射功率突然增大区域的最大点，反射功率最大点构成准界面；[0016]步骤b、对准界面进行人工修正，以确保得到的整个界面连续为准则，当准界面位置附近存在多个明显的反射层，且其中至少有一个反射层与两侧准界面连续时，以最上方与两侧准界面连续的反射层为准，最终完成界面半自动提取[0017]3、第三步中，对所述区域界面高程进行傅里叶变换计算粗糙度[0018]4、第四步中，设定的阈值范围为[0.75*a，0.85*a]，a为整个区域界面中反射功率的最大值[0019]本发明采用半自动提取法获取界面，先获得反射功率突然增大区域内的最大点，然后根据规则对界面进行修正，保证了提取界面方法的统一性，使得提取界面的结果更客观，更准确相比传统的人工数字化方法简单易行，效率和精度都比较高[0020]本发明利用表面粗糙度与雷达反射功率相结合的自动提取方法，实现了冰下湖面的计算机初步识别，大大提高了识别效率和识别精度；再结合人工修改，对冰下湖的位置进行修正，既不会增加太大工作量，又可以弥补自动提取的误差，使得最终的结果更加准确。

[0021]由于第二步中已经获得了区域界面，但是不能确定是冰水界面还是冰岩界面，考虑到冰水界面的雷达反射功率大于冰岩界面的雷达反射功率，经反复实验表明，当设定阈值位于[0.75*a，0.85*a] (a为整个区域界面中反射功率的最大值)时，能够剔除冰岩界面，同时加上界面粗糙度作为另一个筛选条件，可以确保冰下湖面的提取精度[0022]本发明采用对冰岩或者冰水界面进行傅里叶变换计算粗糙度，这是国际上计算粗糙度的常用方法，成熟度高且运算简单，无需大量的编程工作大量实践表明该方法获得的粗糙度能真实反映界面的起伏状况，且在因采样间隔大获得的点数稀少时仍能满足要求[0023]综上，本发明方法的执行步骤简单易行，由于界面提取和湖面识别都采用半自动化实现，因此冰下湖提取精度和效率都较高，使得本发明方法适合于从海量冰雷达数据中对冰下湖进行识别专利附图】【附图说明】[0024]下面结合附图对本发明作进一步的说明[0025]图1是本发明基于冰雷达技术的南极冰下湖半自动识别方法流程图[0026]图2是一幅包含冰下湖界面的冰雷达图像[0027]图3是提取的冰岩或者冰水界面的位置[0028]图4是得到的界面反射功率值。

[0029]图5是计算得到的界面粗糙度[0030]图6是粗糙度小于0.1的位置在界面上的表现[0031]图7是反射功率大于阈值的位置在界面上的表现[0032]图8是粗糙度小且反射功率大的位置在界面上的表现[0033]图9是经人工修整后最终识别出的冰下湖具体实施方式】[0034]下面根据附图详细阐述本发明，使本发明的目的和效果变得更加明显[0035]包含冰下湖的冰雷达数据目前在国际上公开较少，因此本发明的实例采用的数据主要为R.Jacobel等于2010年发布于美国国家冰雪数据中心(USA:National Snow and IceData Center)上名称为〈〈Radar Studies of Internal Stratigraphy and Bed Topographyalong the US ITASE-1I Traverse》的冰雷达二级产品(编号为nsidc-0475)该数据已经完成了本发明所述步骤I和2的操作但为了更完整且更清晰地描述本发明的实施方式，下文仍将对这两步做详细说明[0036]图1所示，为本发明实施例基于冰雷达技术的南极冰下湖半自动识别方法的流程图，具体包括以下步骤:[0037]第一步、将读取的冰雷达数据进行预处理，获取可视化的冰雷达图像；预处理主要包括带通滤波降噪、手动或自动剔除坏道。

[0038]本步骤为冰雷达数据读取和预处理的常规操作在读取数据之后计算反射信号功率值，并进行去噪处理由于数据中存在雷达信号异常引起的坏道和停车引起的停车道等异常情况，需要对其进行自动和手动删除自动删除过程中计算每一道所有反射功率的标准偏差，如果小于某一阈值(由具体的雷达数据确定，小于该阈值说明没有明显的反射层，也即坏道)，则删除停车道之间连续且跨度较宽，采用手动删除的方式最终获取的冰雷达图像如附图2所示[0039]第二步、在冰雷达图像上，自下而上地寻找各道首次出现雷达反射功率突然增大的区域，包含有冰岩界面或冰水界面，结合GPS数据获得界面的坐标和高程[0040]本步骤中，自下而上首次出现雷达反射功率突然增大区域的界面提取方法如下:[0041]步骤a、在垂直方向上获得反射功率突然增大区域的最大点，反射功率最大点构成准界面；[0042]步骤b、对所述准界面进行人工修正，以确保得到的整个界面连续为准则，当准界面位置附近存在多个明显的反射层，且其中至少有一个反射层与两侧准界面连续时，以最上方与两侧准界面连续的反射层为准，最终完成界面半自动提取[0043]上述人工修正之后，获取该连续界面距离冰盖表面的深度值(界面上覆冰层厚度)，同时保存该界面位置的反射功率值。

[0044]本步骤中，结合GPS数据获得该区域界面的坐标和高程是这样实现的:将与冰雷达获取时间相对应的GPS数据的经纬度投影到极地坐标系中，所得投影点按冰雷达采样时间间隔(每道的时间)进行插值，同时对GPS测得的表面高程进行插值将冰雷达每道与GPS数据对应起来，并对高程与冰厚求差得界面高程值图3是获取的界面深度随距离的变化图，图4是该界面的反射功率值[0045]第三步、对所述区域界面的高程进行傅里叶变换计算粗糙度[0046]本步骤中，首先需要判断采样点的间距如果间距不等，需重新采样以尽量保持间距均匀(设该均匀间距为d)，对间隔较大的数据点还需要插值根据Taylor等于2004年发表在 Computers&Geosciences 上第 30 卷第 8 期《Regional-scale bed roughnessbeneath ice masses:measurement and analysis)) 一文中提出的有效插值不超过 5 个连续点的建议，在间隔小于等于均匀间距d的6倍的相邻两点之间进行插值然后采用32个点为滑动窗口，计算窗口内的粗糙度粗糙度的表示采用李鑫等于2010年发表在Journalof Glaciology 上第 56 卷第 199 期〈〈Characterization of subglacial landscapes by atwo-parameter roughness index》一文中提出的计算界面起伏程度系数ξ。

界面粗糙度的具体计算方法属于现有技术范畴，本实施例不再详细赘述[0047]经本步骤，获得的界面粗糙度如图5所示[0048]第四步、从区域界面中提取粗糙度小于0.1且反射功率大于设定阈值的界面，获得冰下湖初步识别结果[0049]因为冰下湖表面极为平坦，粗糙度几乎可认为是O所以可将界面上的粗糙度进行对比，识别粗糙度最小值所在位置本实例根据对比选择小于0.1的值为粗糙度最小的情况，将符合该情况的所有位置标于图中，如图6所示图中加粗的点、线表示界面中粗糙度小于0.1的部分[0050]相对于基岩表面的反射功率，冰下湖表面的反射功率更大因此，可以通过反射功率值进一步识别冰下湖本实施例中，设定阈值取80%的界面最大反射功率第二步中提取的界面的最大反射功率为37500dB，设定阈值=30000dB将反射功率值大于设定阈值(30000dB)的情况作为冰下湖的界面本实例根据对比，将这些位置标于图中，如图7所示图中加粗的点、线代表界面中反射功率大于设定阈值的部分[0051]本步骤中，将粗糙度与反射功率相结合(求交集)的提取结果，如图8所示，加粗的点、线代表冰下湖初步识别结果[0052]第五步、结合图像，人工删除界面(图8)中的孤立点，连接冰下湖的断点，完成冰下湖的识别。

[0053]本步骤中，将最终的结果标于图上，由于自动识别存在误判的情况，会产生一些错误的孤立点(孤立或者空间分布距离短)，同时还会造成冰下湖界面的不连续需要人工删除此类孤立点，并将空间分布较长且相距间隔较小的点连接，得到最终识别的结果，如图9所示图9中，加粗的线代表冰下湖，细线代表基岩表面。