1.一种基于多源遥感数据融合的极地海冰厚度反演方法,其特征在于,包括以下步骤:
S1、收集目标区域内的多源遥感数据及相应的原位海冰厚度实测数据;
S2、对多源遥感数据进行地理配准,分别得到图像数据集、序列数据集和物理参数数据集,提取序列数据集的序列特征,得到序列特征数据集,将图像数据集和序列特征数据集合并为多模态融合数据集,并按照设定比例将多模态融合数据集随机划分为第一训练集和第一测试集;
S3、构建多模态数据融合网络,将第一训练集输入多模态数据融合网络进行训练,得到训练后的多模态数据融合网络;
S4、将第一测试集输入训练后的多模态数据融合网络进行特征融合,得到融合后的序列特征数据集,将融合后的序列特征数据集与相应的物理参数数据集合并为海冰厚度反演数据集,并按照设定比例将海冰厚度反演数据集随机划分为第二训练集和第二测试集;
S5、将第二训练集划分为若干个训练子集,将各训练子集分别输入若干个不同机器学习回归模型进行训练,得到海冰厚度反演数据,与相应的原位海冰厚度实测数据进行比对,得到性能评估指标,选取性能评估指标最优的机器学习回归模型作为海冰厚度反演模型;
S6、将第二测试集输入海冰厚度反演模型,输出相应的海冰厚度反演数据。
2.根据权利要求1所述的极地海冰厚度反演方法,其特征在于:所述多源遥感数据包括合成孔径雷达SAR数据、中分辨率成像光谱仪MODIS数据、先进微波扫描辐射计 2AMSR2数据及L波段合成孔径成像辐射计MIRAS数据;所述原位海冰厚度实测数据为IceBridge机载探测数据。
3.根据权利要求2所述的极地海冰厚度反演方法,其特征在于:所述步骤S2包括:
将多源遥感数据预处理后,根据IceBridge机载探测数据的经纬度信息进行地理配准,并进行投影变换,将多源遥感数据统一变换至极地方位投影上,分别对SAR数据、MODIS数据、AMSR2数据及MIRAS数据进行序列特征提取,得到序列特征数据集,包括SAR序列特征数据集、MODIS序列特征数据集、AMSR2序列特征数据集、MIRAS序列特征数据集及物理参数序列特征数据集,对SAR数据进行裁剪,得到SAR图像数据集,从AMSR2数据及MIRAS数据中提取盐度数据和雪深数据构建物理参数数据集。
4.根据权利要求3所述的极地海冰厚度反演方法,其特征在于:所述多模态数据融合网络包括三个模态,所述SAR图像数据集输入第一模态进行处理,第一模态采用U-Net的主干网络结构,融合CBAM注意力机制提取图像语义特征;所述AMSR2序列特征数据集和MIRAS序列特征数据集输入第二模态进行处理,所述SAR序列特征数据集和MODIS序列特征数据集输入第三模态进行处理,第二模态和第三模态均采用一维卷积神经网络提取序列语义特征,将第二模态和第三模态的序列语义特征进行拼接融合,得到融合序列语义特征,而后采用交叉Transformer注意力机制将融合序列语义特征和图像语义特征进行特征融合,得到全局语义特征。
5.根据权利要求4所述的极地海冰厚度反演方法,其特征在于:所述第一模态通过三层下采样操作得到得到3个层级的图像语义特征,按照下采样顺序依次为低级图像语义特征、中级图像语义特征和高级图像语义特征;所述第二模态和第三模态通过三层下采样操作得到3个层级的序列语义特征,按照下采样顺序依次为低级序列语义特征、中级序列语义特征和高级序列语义特征;将第二模态和第三模态中同一层级的序列语义特征层级进行拼接融合,得到3个层级的融合序列语义特征,将融合序列语义特征和对应层级的图像语义特征进行特征融合,得到3个层级的全局语义特征,并构建3个层级的全局语义特征损失函数加权的总损失函数对多模态数据融合网络进行训练。
6.根据权利要求5所述的极地海冰厚度反演方法,其特征在于:所述总损失函数计算公式为:
,
式中:为总损失函数,、、为特征权重,为低级全局语义特征损失函数,为中级全局语义特征损失函数,为高级全局语义特征损失函数,代表任一全局语义特征损失函数,为Huber损失函数,为决定系数。
7.根据权利要求1所述的极地海冰厚度反演方法,其特征在于:所述步骤S5中,所述机器学习回归模型包括随机森林RF、支持向量机SVM、多层感知器MLP、极限提升树XGBoost、梯度提升树LightGBM及分类与回归树有序提升CatBoost。
8.根据权利要求3所述的极地海冰厚度反演方法,其特征在于:所述步骤S2中,序列特征提取包括:
采用三次线性插值法将多源遥感数据重采样到与SAR数据相同的分辨率,并将IceBridge机载探测数据的经纬度信息映射到重采样后的多源遥感数据上,采用点对点映射的方式提取数据,得到序列特征数据集。
9.根据权利要求3所述的极地海冰厚度反演方法,其特征在于:所述步骤S2中,序列特征提取包括:
建立最近邻树,将多源遥感数据依据IceBridge机载探测数据的经纬度信息建立查找树,将多源遥感数据与IceBridge机载探测数据的经纬度信息进行一一对应的映射,得到序列特征数据集。
10.根据权利要求2所述的极地海冰厚度反演方法,其特征在于:将所述步骤S6替换为:
S61、从多源遥感数据中删去MODIS数据,并重复步骤S2至步骤S5,得到无光学影像数据的海冰厚度反演模型;输入目标区域内的待测多源遥感数据,从MODIS数据中提取目标区域内的云掩膜数据,利用云掩膜数据将目标区域划分为有云区域和无云区域,输入第二测试集,在有云区域内应用无光学影像数据的海冰厚度反演模型,在无云区域内应用步骤S5得到的海冰厚度反演模型,输出相应的海冰厚度反演数据。