Das jährliche Meereis ist ein wichtiger Indikator für den Klimawandel in mittleren Breiten, und das dünne Eis mit einer Dicke von weniger als 10 cm reagiert besonders stark auf den Klimawandel. Angesichts des Problems der starken spektralen Variabilität des Meereises, signifikanten Veränderungen der Reflektivität und der Schwierigkeiten bei der Erkennung von dünnem Eis in Hochdynamik-Sedimentgebieten im Bohai-Meer schlägt dieser Artikel eine adaptive Partitions-Methode auf der Basis von Formspektrum-Merkmalen vor, die das Bohai-Meer dynamisch in Bereiche mit niedriger und hoher Konzentration von suspendierten Partikeln unterteilt. Nach der Partitionierung wird die heterogene Konzentrationsvariation von suspendierten Partikeln in der Region signifikant reduziert, was die Erkennung von dünnem Eis mit einer Dicke von weniger als 10 cm effektiv verbessert. Auf dieser Basis wird ein unimodales Schwellenwertverfahren verwendet, um den Segmentierungsschwellenwert automatisch zu bestimmen und Randmerkmale zur Stärkung der Robustheit des Algorithmus zu fusionieren. Diese Methode wurde auf optische Bilddaten von fünf Arten angewendet, einschließlich MODIS, Sentinel-2, GF-1, Sentinel-3 und GOCI, und ihre Genauigkeit wurde anhand von 12 Bildern zur Eisinterpretation, die vom Nordseemaritimen Vorhersagezentrum des Ministeriums für natürliche Ressourcen von 2017 bis 2019 veröffentlicht wurden, und hochauflösenden Bildpunktproben verifiziert. Die Ergebnisse zeigen, dass die Klassifizierungsgenauigkeit des Algorithmus über 90 % liegt und für mehrere optische Sensoren anwendbar ist; zusätzliche Experimente mit linearem spektralen Mischmodellieren haben weiter bestätigt, dass dieser Algorithmus in der Lage ist, das jährliche Meereis in Gebieten mit hoher Dynamik der suspendierten Sedimente mit einer Dichte von über 30 % effektiv zu identifizieren. Diese Studie leistet eine effektive Unterstützung für die kommerzielle Überwachung des Meereises aus mehreren optischen Datenquellen.