利用同步多光谱与合成孔径雷达影像进行海冰检测

合成孔径雷达（SAR）影像因其时空覆盖范围以及不受云层和光照条件影响检测海冰的能力，成为海冰制图的主要数据类型。由于影像中存在模糊信号和噪声，使用 SAR 影像进行自动海冰检测仍然存在问题。相反，使用多光谱影像（MSI）可以轻松区分冰和水，但在极地地区，海洋表面常被云层遮蔽，或太阳可能数月不升起于地平线之上。为解决其中一些局限，本文提出了一种使用同步多光谱可见光与 SAR 影像训练的新工具，用于海冰检测（ViSual_IceD）。ViSual_IceD 是一种卷积神经网络（CNN），它基于经典的 U-Net 架构，包含两个并行的编码器阶段，能够融合和拼接具有不同空间分辨率的 MSI 和 SAR 影像。将 ViSual_IceD 的性能与使用拼接 MSI 和 SAR 影像训练的 U-Net 模型以及仅使用 MSI 或 SAR 影像训练的模型进行比较。ViSual_IceD 优于其他网络，其 F1 分数比次优网络高 1.60 个百分点，结果表明 ViSual_IceD 在图像分割过程中对所使用的影像类型具有选择性。将 ViSual_IceD 的输出与源自 AMSR2 被动微波（PMW）传感器的海冰密集度产品进行比较。结果突显了 ViSual_IceD 作为与 PMW 数据结合使用的有用工具，特别是在沿海地区。随着 MSI 和 SAR 影像的时空覆盖范围持续增加，ViSual_IceD 为极地地区稳健、准确的海冰覆盖检测提供了新的机遇。