一种基于多源遥感数据融合的极地海冰厚度反演方法

本发明提供一种基于多源遥感数据融合的极地海冰厚度反演方法，该方法通过对目标区域内的SAR数据、MODIS数据、AMSR2数据及MIRAS数据进行特征提取，构建图像和序列特征数据集，利用设计的多模态数据融合网络对图像和序列特征数据集进行融合，得到新的序列特征数据集，利用多种机器学习回归模型对序列特征数据集进行训练，选取指标最优的机器学习回归模型用于海冰厚度反演，删去光学数据，重新训练得到海冰厚度反演模型，再利用云掩膜数据将目标区域分为有云和无云区域，对有云和无云区域分别应用相应的反演模型。本发明充分融合了各类遥感数据在海冰厚度反演上的优势，可实现海冰的连续大面积冰厚信息提取，具有更好的普适性。