GEE案例——利用Sentinel-1影像数据自动检测和跟踪中型冰山监测（阿蒙森海冰山）

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。

方法