胡 冰，于 淼，李志遠，王德禹，陳曉東

（1.上海交通大學海洋工程國家重點實驗室，上海 200240；2.中國遠洋海運集團有限公司，上海 200127；3.大連理工大學a.海岸和近海工程國家重點實驗室；b.工業(yè)裝備結(jié)構(gòu)分析國家重點實驗室，遼寧大連 116024）

0 引 言

隨著全球氣候變暖，北極海冰覆蓋面積的快速下降大幅提高了北極航線的適航性[1-2]。在冰區(qū)航行時，船體與海冰之間的相互接觸對船舶形成了巨大的冰載荷[3-5]。冰載荷對船舶的推進系統(tǒng)和局部結(jié)構(gòu)強度均形成較大威脅[6]。因此，對于極區(qū)航行的船舶，海冰是船舶結(jié)構(gòu)設計與航行安全性評估的重要參數(shù)[7-8]。研究表明，碎冰所產(chǎn)生的冰載荷明顯低于平整冰[9]。波羅的海長期的船舶冰載荷實船研究表明，碎冰密集度是影響船舶冰阻力最重要的參數(shù)之一[10]。由于北極地區(qū)的水文與氣象因素差異，不同海域的海冰冰情具有明顯區(qū)別。因此以北極航道為研究對象，建立準確的船舶作業(yè)工況與海冰環(huán)境參數(shù)有助于船舶抗冰性能的設計。

衛(wèi)星遙感是獲得北極海冰冰況的重要手段，可用于測量北極尺度的海冰冰情。對于北極海冰分布、海冰的影響因素和演變等方面的研究，大尺度衛(wèi)星遙感圖像的應用較為廣泛。自2002年以來，用于地球觀測系統(tǒng)的高級微波掃描輻射儀（AMSR-E）開始運行，其后繼產(chǎn)品（AMSR-2）于2012年開始提供北極海冰密集度測量值[11-12]。李濤等[13]分析了1997-2005年北極東西伯利亞海海冰的變化特征，認為海冰面積與覆蓋率是海冰冰情的主要描述參數(shù)。在基于美國冰雪中心（NSIDC）的北極海冰參數(shù)研究中，衛(wèi)星遙感圖片所提供的信息能夠很好地反映出洋流對海冰漂移運動的影響[14]。Walsh 和Timlin[15]利用全球氣候模型對北半球海冰進行了模擬分析。Howell和Yackel[16]針對1969年至2002年間西北航道海冰變化對航運的影響，并結(jié)合地理信息系統(tǒng)（GIS）對巴羅海峽至波弗特海之間的多個海峽分析，研究了海冰的時空分布以及冰情變化與穿極流之間的關(guān)聯(lián)。遙感得到的海冰密集度數(shù)據(jù)及冰況預報為北極航行提供了寶貴的依據(jù)，但基于遙感的冰況需得到現(xiàn)場船載觀測的數(shù)據(jù)驗證。

目前，針對海冰的走航視頻觀測方法主要應用于極地科考船[17-19]。最近，Wang 等[20]對比分析了2016 年雪龍?zhí)柋睒O科學考察過程中船載攝像機拍攝的海冰密集度與對應的遙感產(chǎn)品，研究表明遙感數(shù)據(jù)在低密集度下的監(jiān)測結(jié)果高于實際值而在較高密集度下低于實際值。由于雪龍?zhí)柨瓶悸肪€主要集中在高緯度地區(qū)而商船航線則集中于低緯度冰緣線附近，因此該研究對遙感數(shù)據(jù)和走航數(shù)據(jù)的對比分析結(jié)果仍需進一步分析。

本文以“天佑號”貨輪為測試平臺，采用船載視頻圖像方法對2018年窗口期內(nèi)北極東北航線的冰情進行了實船觀測，采用圖像識別方法對海冰密集度參數(shù)進行提取并與衛(wèi)星遙感數(shù)據(jù)源進行比較分析。對北極東北航道海冰冰情的分析可為北極航運航線規(guī)劃和航行操作提供參考和保障。

1 航行線路及圖像數(shù)據(jù)采集

自2013年“永盛輪”北極東北航道首航以來，中遠海運集團每年均有不同航次數(shù)量的北極航行任務。隨著北極冰情逐年減弱，北極航行的航次逐年上升，如表1 所示。數(shù)據(jù)顯示，北極航道的利用大幅降低了中歐之間的海上航行距離，有助于節(jié)約燃油消耗和航運時間。如表1所示，迄今為止中遠海運集團共派出22 艘多用途船和半潛船，執(zhí)行了31 個北極航次，承運貨物94 萬噸，合計減少航程124 807 n mile，節(jié)約航行時間395.5 d，減少燃油消耗11 448 t、減少二氧化碳排放35 673 t，經(jīng)濟效益和社會效益明顯，為冰上絲綢之路建設和中歐經(jīng)貿(mào)合作做出了貢獻。

表1 2013年-2019年北極東北航道的經(jīng)濟效益Tab.1 Economic benefits of the Northeast Route from 2013 to 2019

1.1 2018年“天佑號”東北航道航行路線

本次“天佑號”具體航線如圖1所示，虛線箭頭為出發(fā)時的航線，實線箭頭為返程時的航線。往返的冰情有所差異，導致往返的航線發(fā)生變化。東行與西行的航行線路有細小的區(qū)別，實際上是窗口期初始與末尾的區(qū)別。桑尼科夫海峽的冰情具有一定的滯后性，在窗口期初始階段也就是消融階段的融冰速度較低，此時適合走北部。在窗口期的末期，結(jié)冰時間較晚，更適合走桑尼科夫海峽。在無冰海域的全速航速約為13～14 kn，取決于洋流與風向，在維利基斯基海峽的洋流較大，具體需要進一步查詢資料?？傮w上每天全速航行的狀態(tài)下航行距離約350 n mile。在冰區(qū)航速約為5～10 kn，最低速度為5.4 kn，最高航速約10 kn。西行階段冰情較重，冰區(qū)航行時間約5 d；東行時冰情減弱，冰區(qū)航行時間約為10 h 且密集度均在10%以下。因此本文的研究對象主要為西行期間的航道冰情。

圖1 2018年“天佑號”北極航線示意圖Fig.1 Sketch of the Arctic Route of MV Tianyou in 2018

1.2“天佑號”海冰冰情觀測系統(tǒng)

為記錄分析“天佑號”行經(jīng)的北極航線沿線冰情，通過視頻系統(tǒng)對海冰冰情進行記錄和觀測。航行過程中共采用了兩路攝像機分別從航行的正前方與右前方兩個方向進行記錄，如圖2所示。

圖2“天佑號”冰情觀測系統(tǒng)Fig.2 Ice monitoring system of MV Tianyou

本次航行的冰情視頻主要用來識別海冰的密集度，即單位面積中海冰面積所占比例。為提高海冰密集度監(jiān)測的準確性，通常以增加監(jiān)測角度及范圍的方式來實現(xiàn)。圖3 為冰水二值化處理的示意圖，將實測數(shù)字圖像二值化后可以區(qū)分冰水介質(zhì)。通過計算海冰與水元素的像素點比例得出海冰密集度。將監(jiān)測攝像機獲取的視頻每小時取幀后的圖像進行處理即可得到航線上每小時的海冰密集度數(shù)據(jù)。本次航行中共獲取2018年8月3日至7日112個位置的密集度數(shù)據(jù)，并用于后續(xù)的分析。

圖3 海冰視頻圖像的密集度處理結(jié)果Fig.3 Analysis result of ice concentration based on digital images

1.3 海冰密集度衛(wèi)星遙感數(shù)據(jù)

為了更好地分析航線的海冰密集度，德國不萊梅大學發(fā)布的AMSR-2（Advanced Microwave Scanning Radiometer 2）海冰密集度數(shù)據(jù)集被用來與船側(cè)視頻密集度數(shù)據(jù)進行比較。逐日AMSR-2 密集度數(shù)據(jù)由ASI算法得到，空間分辨率為3.125 km[21]。ASI算法主要利用海冰和海水在89 GHz、V和H極化之間的亮溫差異來進行冰水識別。89 GHz 通道是AMSR-2 有效荷載的所有通道中分辨率最高的，但受到大氣的影響較大，尤其是水蒸氣和云狀液態(tài)水的影響。這需要通過天氣過濾器來修正處理大氣的不透明性。

偏振差P，定義為V和H偏振下89 GHz亮度溫度之間的差：

式中，TB,89V為V極偏振89 GHz對應的亮度；TB,89H為H極偏振89 GHz對應的亮度。

式（1）被用于結(jié)合系點將其轉(zhuǎn)換為海冰濃度，即確定海冰密集度0%時的P值（P0）和100%海冰密集度的P值（P1）。同時規(guī)定P＞P0時海冰密集度為0%，P＜P1時海冰密集度為100%。本算法中兩個系點值為P0=47 K，P1=11.7 K，需要注意的是系點值具有季節(jié)性變化，尤其是夏季海冰融化時會發(fā)生明顯變化。但是考慮到反演數(shù)據(jù)的連續(xù)性，算法中都采用了固定的系點值。同時為了校正天氣影響，使用通道的梯度比：

式中，GR37V,18V為通道梯度。

復習課上，我沒有聽到下課鈴聲就拖堂了。走出教室那一剎那，傳來一個玩世不恭的聲音：“總算閃人了，走遠點發(fā)財去！”我回過頭，深深看了他一眼，那個總是跟所有老師對著干，愛出風頭的家伙——小峰！這是他第幾次在公開場合嘩眾取寵？強忍怒火，我大步離開教室。

式（2）用于通道的二次檢查，當GR37V,18V或GR23V，18V高于各自的閾值時海冰密集度被設為0%。即將誤判為海冰的格點重置為海水，但對海冰密集度的值沒有修正。最后，還使用Bootstrap算法獨立計算海冰密集度，當Bootstrap 算法的密集度結(jié)果低于5%時，ASI密集度結(jié)果直接設置為0%。之所以這樣做是因為Bootstrap算法使用的是18 GHz和37 GHz通道，因此對大氣環(huán)境不太敏感。

雖然遙感密集度產(chǎn)品的時空分辨率都低于視頻密集度數(shù)據(jù)，但是時空連續(xù)性更高。可以提供極地任意地區(qū)、任意日期的海冰密集度。因此遙感產(chǎn)品被廣泛應用于大尺度冰情分析，是目前業(yè)務化成熟度最高的數(shù)據(jù)源之一。

2 2018年窗口期東北航道海冰密集度分析及討論

2.1 基于走航觀測的航線冰情分析

在商船航行過程中，航線的選擇以航行安全與經(jīng)濟性為主要依據(jù)。本次試驗過程中“天佑號”實際航線主要集中在海冰冰緣線附近，既可避免重冰區(qū)航行對船舶的威脅又可縮短航行距離。圖4 中給出了航行過程中的典型海冰特征。由于航線處于冰緣線附近，因此海冰以密集度較低的碎冰為主，如圖4（a）～（b）所示。航線行經(jīng)的碎冰區(qū)海冰主要由北側(cè)海冰消融漂移而來，因此內(nèi)部夾雜著大量的冰脊和融池等海冰，如圖4（c）～（d）所示。雖然在密集度低的浮冰區(qū)內(nèi)夾雜的冰脊長度較小，但其龍骨厚度仍遠大于平整冰形成的碎冰，對船舶的航行威脅仍然較高。此外，融池表面特征與海水十分接近，會給北極航道的航行操作造成較大困擾。

圖4 海冰特征的走航觀測結(jié)果Fig.4 Sea ice features based on onboard measurement

根據(jù)“天佑號”的冰區(qū)航行實測數(shù)據(jù)，對海冰密集度進行提取，如圖5所示。其中海冰密集度的變化范圍為0%至80%，平均密集度為17.8%。在密集度的時程曲線中（圖5（a））能夠看出，“天佑號”行經(jīng)海域的海冰密集度變化較為劇烈，在數(shù)小時內(nèi)的密集度可由10%以下迅速上升至80%。海冰密集度是船舶冰區(qū)航行的重要參考參數(shù)，通常船舶需根據(jù)海冰密集度來調(diào)整航行速度。“天佑號”的航線位于邊緣線附近，當冰緣線與俄羅斯大陸較為接近時，船舶無法繞開海冰而不得不在高密集度冰區(qū)中穿行。由于航行過程中船舶往返于冰區(qū)與開闊水域，因此整體航線周圍的海冰密集度變化較大。

針對航線中密集度在短時間內(nèi)的快速變化，將5 h 內(nèi)密集度變化的最大值進行了統(tǒng)計，如圖5（b）所示。通過短期內(nèi)的海冰密集度變化，能夠更為直觀地反映出航行中密集度的波動。其中5 h內(nèi)的最大密集度變化為8 月5 日的80%。自8 月3 日下午“天佑號”駛?cè)氡鶇^(qū)后，密集度變化一直保持較高水平，其中8 月5 日至8 月8 日期間的密集度變化幅度總體保持在50%以上。這說明對于北極航線航行的船舶，海冰密集度處于大幅變化的狀態(tài)。在冰區(qū)航行中，當密集度較高時需降低航速以降低船體與海冰的碰撞幾率從而減小海冰對航行的影響。因此，當進入冰區(qū)后不僅需采用手動操作模式來控制航行方向還需進行減速備車隨時應對航速的變化。根據(jù)航行過程中不同密集度出現(xiàn)的概率密度進行了統(tǒng)計，統(tǒng)計結(jié)果如圖5（c）所示。統(tǒng)計結(jié)果中的概率密度為冪函數(shù)，通過最小二乘法對函數(shù)進行擬合所得公式也在圖中給出。

圖5 海冰密集度的走航觀測結(jié)果Fig.5 Sea ice concentration based on onboard measurement

2.2 基于衛(wèi)星遙感的航線冰情分析

本次航行先后經(jīng)過東北航道的五個海域，按時間順序分別為楚科奇海、東西伯利亞海、拉普捷夫海、喀拉海和巴倫支海。為更好地把握各個海域在航行期間的海冰情況，圖6展示了利用AMSR-2數(shù)據(jù)總結(jié)的航行期間各個海域內(nèi)航線的平均海冰密集度的變化情況。可以看到，在整個航行期間（7 月29 日至8 月13 日）楚科奇海和巴倫支海段航線一直處于幾乎無冰的開闊水狀態(tài)，平均海冰密集度幾乎一直為0。在其他三個海域中，東西伯利亞海段航線的冰情最為嚴重，平均海冰密集度從7月29日的0.37逐漸降低到不足0.1。拉普捷夫海段航線的冰情弱于東西伯利亞海，7 月19 日的平均密集度為0.17，到8 月6 日后開始變?yōu)閹缀鯚o冰狀態(tài)?？６魏骄€冰情隨時間變化與拉普捷夫海類似，只是海冰密集度更低。

圖6 衛(wèi)星遙感數(shù)據(jù)中各海域海冰密集度Fig.6 Sea ice concentration of different seas based on satellite data

2.3 視頻圖像數(shù)據(jù)與衛(wèi)星遙感數(shù)據(jù)的對比分析

圖7 視頻圖像和AMSR-2密集度的數(shù)據(jù)對比Fig.7 Comparison of concentration data from video images and AMSR-2

由于AMSR-2 數(shù)據(jù)呈現(xiàn)的是每日平均密集度，在和船側(cè)密集度對比過程中難免存在著時間不匹配的情況。這也是二者之間對比差異的來源之一。為避免這個問題，對航線上的冰情進行逐日統(tǒng)計分析。圖8 所示為航線上每日海冰密集度的統(tǒng)計對比，其中藍色柱代表船側(cè)密集度主要范圍（25%-75%），紅色柱為AMSR-2 密集度數(shù)據(jù)主要范圍。同時呈現(xiàn)的還有兩組數(shù)據(jù)：每日密集度的均值和中位數(shù)。由8 月3 日和4日的統(tǒng)計情況可以看出，在低密集度冰區(qū)AMSR-2 的低估情況仍然十分明顯，說明圖6 中的情況并非由數(shù)據(jù)之間的不匹配造成的。船側(cè)視頻監(jiān)測到的密集度在0-0.2范圍內(nèi)的海冰在大尺度的遙感產(chǎn)品上很可能被誤判為開闊水。密集度平均值被AMSR-2 低估了約0.06。8 月5 日二者的平均密集度幾乎一致（0.2），但AMSR-2 的中位數(shù)明顯偏低而上限較高。說明該日航線處于海冰邊緣區(qū)的附近，海冰密集度出現(xiàn)劇烈變化。但這些變化由于人為干預并未體現(xiàn)在監(jiān)測視頻中。8 月6 日AMSR-2 的平均數(shù)和中位數(shù)都明顯高于船側(cè)視頻的結(jié)果，該現(xiàn)象在圖7 中也有體現(xiàn)，這是由于視頻密集度的低估而造成的。8月7日中，兩組數(shù)據(jù)的結(jié)果吻合較好，密集度均值和分布范圍都比較一致。

圖8 視頻數(shù)據(jù)和AMSR-2數(shù)據(jù)的逐日對比差異Fig.8 Daily difference of data from video camera and AMSR-2

3 結(jié)論與展望

本文通過對2018 年中遠“天佑號”于窗口期在北極東北航道的冰情進行了走航監(jiān)測并將基于視頻圖像的數(shù)據(jù)與AMSR-2 衛(wèi)星遙感產(chǎn)品進行對比分析，總結(jié)了航行期間各個海域的海冰密集度變化情況，并將兩組數(shù)據(jù)進行對比分析，得到二者之間的差異。這些結(jié)果有助于更好地了解東北航道的海冰環(huán)境，所得結(jié)論主要包括：

（1）北極航道夏季的通航期間，航線中的海冰主要集中在東西伯利亞海與拉普捷夫海兩個航段，而楚克奇海與喀拉海的航段內(nèi)無冰。航道海冰類型以低密集度的破碎冰為主，在破碎冰中夾雜著部分冰脊與融池等海冰。

（2）航道途徑冰區(qū)的海冰密集度最大值為80%，平均密集度為17.8%。航線中海冰密集度變化較大，5 h內(nèi)的最大變化可達到80%，海冰密集度的分布呈冪律分布。

（3）對比船側(cè)視頻密集度和AMSR-2 密集度產(chǎn)品發(fā)現(xiàn)在0 到0.2 的低密集度情況下，AMSR-2 會將其低估至開闊水狀態(tài)。而在較高密集度情況下，船側(cè)視頻密集度由于人為干預航線選取而對冰情有少量低估。

由于本文采用的現(xiàn)場數(shù)據(jù)來自于船側(cè)記錄的視頻資料。該方法雖然是冰區(qū)航行中冰情記錄的常用方法，但也存在著一定的不足。首先此方法的時空連續(xù)性不足，只能記錄到船舶航線附近區(qū)域的冰情，無法進行大范圍的連續(xù)記錄。另外，由于船舶航行過程中會優(yōu)先選擇冰間水道等密集度較小的區(qū)域作為航線，因此該方法記錄的海冰密集度一般為該區(qū)域范圍內(nèi)較小的值，即此方法存在一定的低估。因此在結(jié)合遙感數(shù)據(jù)進行應用過程中要充分考慮以上不足，以更好地指導航行。

基于視頻圖像的海冰參數(shù)識別具有精度高、有效性強的優(yōu)勢，但該手段對圖像處理方法的依賴性較強。由于北極航道融冰期內(nèi)海冰類型的繁多復雜、光線分布的不均勻、船舶晃動引起的相機入射角變化均為圖像處理帶來了較大挑戰(zhàn)。在未來的圖像處理過程中應進一步考慮相關(guān)因素的影響，從而提高海冰參數(shù)識別結(jié)果的精度。