1.一种海冰融化期密集度反演方法，其特征在于：包括以下步骤：

S1，采集GNSS‑R DDM数据，并对GNSS‑R DDM数据进行预处理和质量控制；

S2，计算每个DDM的特征参数，包括时延‑多普勒图平均值DDMA、信噪比、相关功率底噪、峰值功率比、后沿斜率、前沿斜率、峰度和偏度；

S3，预处理后的GNSS‑R DDM数据与ERA5再分析资料和参考海冰密集度数据进行匹配，通过DDM采集时间和镜面反射点位置，确定相关的风速、海表温度和SIC值；

S4，构建lightGBM回归模型；利用DDM的特征参数与风速、海表温度构成特征参数集作为模型输入，海冰密集度SIC作为模型输出；划分训练集与测试集，利用训练集对模型进行训练，得到训练好的回归模型；

S5，将测试集输入S4得到的回归模型中进行机器学习，最终输出结果为海冰密集度回归预测值。

2.根据权利要求1所述的一种海冰融化期密集度反演方法，其特征在于：S1，GNSS‑RDDM数据预处理和质量控制，具体包括：过滤陆地和海岸线一定距离内带有镜面反射点SPs的DDM数据；剔除信噪比低于0dB的DDM数据，并剔除含直射信号的DDM数据；

去除DDM底噪，再根据DDM峰值功率归一化，使用DDM镜面反射点一定范围内的时延；信噪比SNR表达式如下：SNR＝10×log10((DDM(t,f)‑DDMnoise)/DDMnoise)其中，DDM(t,f)为DDM的原始功率值，DDMnoise为相关功率底噪，相关功率底噪是归一化DDM无信号区的散射功率平均值。

3.根据权利要求1所述的一种海冰融化期密集度反演方法，其特征在于：S2，计算每个DDM的特征参数，具体包括：时延‑多普勒图平均值DDMA，是在以峰值为中心一定范围内归一化DDM的指定延迟多普勒窗口上计算的平均散射功率；

峰值功率比pp，是以峰值点为中心的一个时延‑多普勒频移窗口内总功率与整个DDM的功率之比，计算公式如下：式中，ti和fj分别代表时延和多普勒频移坐标值，m和n分别代表峰值点的时延坐标和多普勒频移坐标；DDM(ti,fj)为时延ti和多普勒频移fj处DDM功率值；

后沿斜率TES和前沿斜率LES计算公式如下：

式中，Γm表示DIW的最大值，Γm+3表示DIW峰值后3像素处的值，Γm‑3表示DIW峰值前3像素处的值，DIW是多普勒域上DDM的积分，Δ为DDM图的时延分辨率；

峰度和偏度：散射功率DDM的峰度和偏度，是直接从DDM数据中导出的统计参数。

4.根据权利要求1‑3任一所述的一种海冰融化期密集度反演方法，其特征在于：S4，构建lightGBM回归模型进行训练，具体包括：给定具有n个DDM样本及风速、海表温度的训练集{(x1,y1),(x2,y2),…,(xn,yn)}，其中xj是输入的特征向量即构建的特征参数集，j＝1,2,…,n；yj是DDMs的相关SIC值；

使用基于树的模型进行计算，弱学习器指定为梯度提升决策树，确定评估函数，调整模型的其他参数，包括：叶子节点数、学习速率、建树的特征选择比例、建树的样本采样比例和需要执行bagging的迭代频次。