黃睿 王常穎 李勁華 隋毅

研究論文

三種海冰密集度產(chǎn)品的北極海冰監(jiān)測能力比較分析

黃睿 王常穎 李勁華 隋毅

(青島大學(xué), 計算機科學(xué)技術(shù)學(xué)院, 山東 青島 266071)

選取國家海洋衛(wèi)星應(yīng)用中心提供的海洋二號B星掃描輻射計數(shù)據(jù)采用NASA TEAM算法反演的海冰密集度產(chǎn)品 (簡稱HY2數(shù)據(jù)集), 中國海洋大學(xué)提供的風(fēng)云三號D星微波成像儀采用DT-ASI算法得到的海冰密集度產(chǎn)品 (簡稱OUC數(shù)據(jù)集), 以及美國冰雪中心提供的海冰密集度產(chǎn)品(簡稱NSIDC數(shù)據(jù)集)三種數(shù)據(jù)源對北極海冰監(jiān)測能力進(jìn)行比較分析。通過與德國不萊梅大學(xué)發(fā)布的海冰密集度數(shù)據(jù)產(chǎn)品(簡稱BRM數(shù)據(jù)集)和MODIS數(shù)據(jù)提取的海冰信息的比較發(fā)現(xiàn): 在低緯度區(qū)域(≤70°N), HY2與BRM數(shù)據(jù)集最為接近; 在中緯度區(qū)域(70°N—80°N), OUC與BRM數(shù)據(jù)集的數(shù)據(jù)吻合程度最高; 在高緯度區(qū)域(80°N—87°N), NSIDC數(shù)據(jù)集與BRM數(shù)據(jù)集最接近。在北極東北航道區(qū)域, HY2數(shù)據(jù)集適用于通航窗口期第一和第四航段內(nèi)的海冰監(jiān)測; NSIDC數(shù)據(jù)集適用于東西伯利亞海域以及臨近窗口期時段的海冰監(jiān)測; 而OUC數(shù)據(jù)集則適用于北極東北航道大部分航段的海冰監(jiān)測需求。

北極海冰 海冰密集度 適用性 北極東北航道 HY-2B FY-3D

0 引言

北極海冰是地球系統(tǒng)的重要因子之一, 它影響著全球大氣環(huán)流和海洋水循環(huán)。海冰密集度是大氣、海冰和海洋模型中的重要參數(shù)之一, 也是估算海冰厚度的關(guān)鍵參數(shù)。特別是, 隨著北極區(qū)域海冰的覆蓋范圍、厚度和多年冰面積的逐年減少[1-3], 為北冰洋各航道的商業(yè)性通航[3-6]提供了條件, 這就要求能夠及時、準(zhǔn)確地獲取航道區(qū)域海冰冰情[7], 基于被動微波遙感獲取的海冰密集度數(shù)據(jù)極好地滿足了上述需求, 對開展北極海冰相關(guān)研究具有重要價值。

被動微波遙感數(shù)據(jù)反演的海冰密集度產(chǎn)品成為北極海冰監(jiān)測的主要數(shù)據(jù)源。其中德國不萊梅大學(xué)基于高級微波掃描輻射計2(AMSR2)數(shù)據(jù)采用ARTIST SEA ICE(ASI)算法, 美國冰雪中心(NSIDC)基于微波成像專用傳感器(SSMIS)數(shù)據(jù)采用Boostrap(BST)算法, 以及基于AMSR2數(shù)據(jù)采用NASA TEAM2(NT2)算法等反演的海冰密集度產(chǎn)品是目前可以公開獲取且使用較為廣泛的準(zhǔn)實時數(shù)據(jù)[8]。由于這些產(chǎn)品數(shù)據(jù)的數(shù)據(jù)源、反演算法以及數(shù)據(jù)處理方式存在差異, 其反演得到的海冰密集度產(chǎn)品數(shù)據(jù)也存在差異。為深入了解這些產(chǎn)品數(shù)據(jù)在北極區(qū)域的海冰冰情監(jiān)測能力和適用區(qū)域, 研究人員根據(jù)研究區(qū)域的不同, 主要從兩個方面開展了評估研究, 即整個北極區(qū)域不同海冰密集度產(chǎn)品數(shù)據(jù)的冰情監(jiān)測能力分析, 以及重點觀測區(qū)域如航道區(qū)域的不同產(chǎn)品數(shù)據(jù)的冰情監(jiān)測能力分析。

對于整個北極區(qū)域海冰狀況的監(jiān)測, 研究人員主要以國內(nèi)外能夠公開獲取的多種海冰密集度產(chǎn)品為數(shù)據(jù)源, 以更高分辨率的海冰密集度產(chǎn)品或中等分辨率成像光譜儀(MODIS)影像海冰監(jiān)測結(jié)果作為對比數(shù)據(jù), 分析不同產(chǎn)品數(shù)據(jù)的北極海冰冰情監(jiān)測精確度。例如, 趙杰臣等[9]對7種被動微波遙感的海冰密集度產(chǎn)品進(jìn)行了評估, 發(fā)現(xiàn)分辨率為6.25 km的AMSR2/ASI海冰密集度產(chǎn)品數(shù)據(jù)是研究北極海冰的首選產(chǎn)品。王劍等[10]利用MODIS數(shù)據(jù)對包含BRM數(shù)據(jù)集在內(nèi)的8種海冰數(shù)據(jù)集比較評估, 發(fā)現(xiàn)AMSR2/BST產(chǎn)品和AMSR2/ASI產(chǎn)品同MODIS影像的海冰監(jiān)測結(jié)果的相關(guān)性較高。Liang等[11]評估了兩極區(qū)域下SSMIS/ASI、AMSR2/BST等四種海冰密集度產(chǎn)品數(shù)據(jù), 發(fā)現(xiàn)四類數(shù)據(jù)在北極夏季和邊緣海區(qū)的監(jiān)測差異較大, 準(zhǔn)確度較低。Kern等[12]基于MODIS影像對10種海冰密集度產(chǎn)品在北極區(qū)域夏季的監(jiān)測能力進(jìn)行分析, 結(jié)果發(fā)現(xiàn), 由于海冰融池區(qū)域的影響, 這10種產(chǎn)品數(shù)據(jù)的監(jiān)測結(jié)果與MODIS影像的海冰監(jiān)測結(jié)果間均存在較大偏差。

對于航道區(qū)域的海冰監(jiān)測, 研究人員主要是結(jié)合船舶走航觀測數(shù)據(jù)或空間分辨率更高的BRM海冰密集度數(shù)據(jù), 分析不同海冰密集度產(chǎn)品數(shù)據(jù)的監(jiān)測精度。例如, 李釗等[13]基于“雪龍”船的走航觀測數(shù)據(jù)對AMSR2和SSMIS兩種業(yè)務(wù)化產(chǎn)品在東北航道海冰監(jiān)測的適用性進(jìn)行評估, 結(jié)果發(fā)現(xiàn)AMSR2/ASI產(chǎn)品與走航觀測數(shù)據(jù)較為符合。尹鵬等[14]基于BRM數(shù)據(jù)、NSIDC和SICCI數(shù)據(jù)產(chǎn)品從北極整體區(qū)域、緯度區(qū)域、海冰密集度分區(qū)以及北極東北航道區(qū)域等四個尺度進(jìn)行評估, 結(jié)果發(fā)現(xiàn)在中低海冰密集度區(qū)域占比高的航段區(qū)域, SICCI數(shù)據(jù)集更接近BRM數(shù)據(jù)集, 而在高海冰密集度區(qū)域占比高的航段區(qū)域, NISDC數(shù)據(jù)集更接近BRM數(shù)據(jù)集。

可以看出, 不管是整個北極尺度, 還是航道尺度的研究, 目前研究人員大多采用美國冰雪中心、德國不萊梅大學(xué)、歐洲航天局等機構(gòu)發(fā)布的海冰密集度產(chǎn)品數(shù)據(jù)集, 對國產(chǎn)海冰密集度產(chǎn)品數(shù)據(jù)的分析較少。實際上, 歷經(jīng)40年發(fā)展, 我國已經(jīng)成功發(fā)射了包括風(fēng)云三號系列和海洋二號系列衛(wèi)星等多顆遙感衛(wèi)星, 也已經(jīng)積累了多種海冰密集度產(chǎn)品[8,15], 如國家衛(wèi)星海洋應(yīng)用中心發(fā)布的HY-2系列、國家衛(wèi)星氣象中心發(fā)布的FY-3系列等產(chǎn)品。為深入了解國產(chǎn)海冰密集度產(chǎn)品數(shù)據(jù)的北極海冰監(jiān)測適用性, 已有研究人員開展了相關(guān)研究。例如, Zhao等[16]使用MODIS和合成孔徑雷達(dá)(SAR)影像對基于國產(chǎn)微波成像儀采用改進(jìn)的ASI算法反演的海冰密集度產(chǎn)品數(shù)據(jù)進(jìn)行整體評估, 發(fā)現(xiàn)風(fēng)云三號衛(wèi)星數(shù)據(jù)的北極海冰產(chǎn)品數(shù)據(jù)精度與國外常用的業(yè)務(wù)化數(shù)據(jù)相當(dāng)。石立堅等[17]分析了掃描微波輻射計采用NASA TEAM算法反演得到的海冰密集度產(chǎn)品數(shù)據(jù)的精度, 發(fā)現(xiàn)該數(shù)據(jù)在對整個北極海冰評估時, 與國外產(chǎn)品數(shù)據(jù)相近, 但對于多年冰的識別精度仍需進(jìn)一步提高。趙杰臣等[18]分析了包括HY-2系列國產(chǎn)衛(wèi)星在內(nèi)的多種國內(nèi)外海冰密集度產(chǎn)品在北極區(qū)域海冰監(jiān)測的適用性, 發(fā)現(xiàn)對于海冰密集度較低的區(qū)域, 不同數(shù)據(jù)集的差異較大, 但在高海冰密集度區(qū)域, 差異則不明顯。

可以看出, 大部分研究都是在整個北極區(qū)域探討不同海冰密集度產(chǎn)品的監(jiān)測差異, 對于航道尺度的海冰監(jiān)測適用性分析較少。因此, 本文基于中國海洋大學(xué)提供的以風(fēng)云三號D星搭載的微波成像儀結(jié)合DT-ASI算法反演的海冰密集度產(chǎn)品(簡稱OUC數(shù)據(jù)集[19-21]), 國家海洋衛(wèi)星應(yīng)用中心提供的以海洋二號B星上搭載的掃描微波輻射計數(shù)據(jù)采用NASA TEAM[22]算法反演得到的海冰密集度產(chǎn)品(簡稱HY2數(shù)據(jù)集), 以及美國冰雪中心提供的以高級微波掃描輻射計2數(shù)據(jù)采用NASA TEAM2[23]算法反演得到的海冰密集度產(chǎn)品(簡稱NSIDC數(shù)據(jù)集), 從整個北極區(qū)域與東北航道區(qū)域兩個尺度分析三種海冰密集度產(chǎn)品的海冰監(jiān)測能力, 進(jìn)而揭示國產(chǎn)數(shù)據(jù)集在北極東北航道區(qū)域的海冰冰情監(jiān)測的適用性。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

本文以HY2數(shù)據(jù)集、OUC數(shù)據(jù)集和NSIDC數(shù)據(jù)集這三種海冰密集度產(chǎn)品為研究數(shù)據(jù)源, 以業(yè)界公認(rèn)分辨率和精度較高的6.25 km分辨率的BRM數(shù)據(jù)集[9-10, 24-25]與MODIS數(shù)據(jù)集為對比數(shù)據(jù), 從整個北極區(qū)域和北極東北航道區(qū)域兩個尺度, 開展三種數(shù)據(jù)源的海冰冰情監(jiān)測能力對比分析。其中, BRM數(shù)據(jù)集為德國不萊梅大學(xué)發(fā)布的基于高級微波掃描輻射計2數(shù)據(jù)結(jié)合ASI反演算法[26]得到的6.25 km分辨率海冰密集度產(chǎn)品; MODIS數(shù)據(jù)集是采用美國國家航空航天局發(fā)布的中等分辨率成像儀獲取的遙感影像為數(shù)據(jù)源, 結(jié)合海冰檢測方法提取出的海冰分布信息, 計算得到的海冰密集度數(shù)據(jù)。三種研究數(shù)據(jù)源和BRM數(shù)據(jù)集的相關(guān)參數(shù)如表1所示。其中, 四種海冰密集度數(shù)據(jù)產(chǎn)品的投影方式均為極地方位投影。

MODIS數(shù)據(jù)集來源于美國國家航空航天局的數(shù)據(jù)分發(fā)平臺(https://search.earthdata.nasa.gov/ search/)。該數(shù)據(jù)由搭載在Terra(EOSAM-1)和Aqua(EOSPM-1)衛(wèi)星上的主要傳感器中等分辨率成像儀獲取。本研究選取MOD09GA數(shù)據(jù)產(chǎn)品L1B級產(chǎn)品, 包含空間分辨率為500 m的7個不同波段地表反射數(shù)據(jù)。作為驗證數(shù)據(jù), 本文選取H19v01、H20v01、H21v01和H22v01共四個分區(qū)以覆蓋北極東北航道各關(guān)鍵海域, 收集2019年6—10月通航窗口期間數(shù)據(jù), 經(jīng)過篩選排除云層遮擋面積較大的樣本數(shù)據(jù), 共收集60景MODIS影像數(shù)據(jù)。

表1 四種海冰密集度產(chǎn)品數(shù)據(jù)的相關(guān)參數(shù)比較

1.2 海冰密集度產(chǎn)品數(shù)據(jù)的比較評估方法

本文的評估流程如圖1所示。首先, 基于三種數(shù)據(jù)產(chǎn)品計算得到整個北極區(qū)域的海冰分布范圍, 開展整個北極區(qū)域海冰分布范圍評估。為便于同BRM數(shù)據(jù)進(jìn)行交叉比較, 需要先對三種數(shù)據(jù)進(jìn)行重采樣, 生成6.25 km分辨率的數(shù)據(jù), 進(jìn)而評估三種數(shù)據(jù)在整個北極區(qū)域的海冰監(jiān)測能力。然后, 對于北極東北航道區(qū)域, 以MODIS影像提取的海冰密集度數(shù)據(jù)和BRM數(shù)據(jù)集作為對比數(shù)據(jù), 分別評估三種數(shù)據(jù)源在北極東北航道各航段區(qū)域以及關(guān)鍵海域的海冰監(jiān)測能力。

圖1 HY2、OUC、NSIDC三種海冰密集度產(chǎn)品的北極海冰冰情監(jiān)測能力對比分析流程

Fig.1. The comparative analysis process of Arctic sea ice monitoring ability of HY2, OUC and NSIDC products with sea ice concentration

1.2.1 海冰分布范圍信息提取方法

海冰分布范圍是衡量不同數(shù)據(jù)集的北極海冰覆蓋程度的參數(shù), 本文將其定義為所有超過界定閾值的海冰密集度網(wǎng)格面積之和[27]。國內(nèi)外研究人員普遍選取15%[28]作為界定閾值來獲取北極海冰分布范圍, 選取90%界定閾值來提取多年冰的分布范圍。因此, 本文提取海冰分布范圍的計算公式如(1)所示。

其中,為海冰分布范圍;N為海冰密集度值為/100的網(wǎng)格點數(shù)量, 其中的取值范圍為[0,100];為數(shù)據(jù)集的空間分辨率;為界定閾值, 若=15%, 則為海冰分布范圍, 若=90%, 則為多年冰分布范圍。

1.2.2 MODIS影像海冰面積信息提取方法

基于空間分辨率為500 m的L1B級MOD09GA數(shù)據(jù), 經(jīng)過幾何校正、輻射定標(biāo)等預(yù)處理, 再結(jié)合產(chǎn)品自帶的云掩膜數(shù)據(jù)對云霧遮蓋區(qū)域進(jìn)行裁剪, 然后依據(jù)海冰與海水在可見光和近紅外波段的反射率差異, 采用Liang[28]總結(jié)得出的波段公式, 計算得到寬波段大氣頂部反照率, 如公式(2)所示。然后, 通過選擇合適的閾值, 提取出≥的區(qū)域, 即為海冰覆蓋區(qū)域。

其中,為寬波段大氣頂部反射率,134分別為MODIS影像中的第1、3、4波段的反射值。

為確定合適的分割閾值, 本文選取15景MODIS影像, 通過目視解譯, 分別確定每景影像的最優(yōu)冰水分割閾值, 如圖2所示。其中, 圖2a為15景影像的最優(yōu)分割閾值分布圖, 圖2b為2019年6月8日獲取的MODIS影像采用0.15閾值得到的冰水二值圖。可以看出, 15景MODIS影像中得到的最優(yōu)分類閾值均在0.15上下浮動, 因此, 本文選取0.15作為冰水分類閾值。

圖2 最優(yōu)冰-水分割閾值分析。a)最優(yōu)分類閾值統(tǒng)計; b)2019年6月8日分類結(jié)果

Fig.2. Optimal ice-water segmentation threshold analysis. a) optimal category threshold statistics; b) classification results on June 8, 2019

基于處理得到的500 m分辨率冰-水二值圖, 使用陸地掩膜排除陸地區(qū)域影響, 并刪除云面積占比超過50%的網(wǎng)格點, 結(jié)合確定的經(jīng)緯度坐標(biāo)通過重投影操作將數(shù)據(jù)投影到空間分辨率為6.25 km分辨率的極地方位投影網(wǎng)格中, 通過計算每個網(wǎng)格中冰點占整個網(wǎng)格的比值得到海冰密集度[24], 獲得與三種數(shù)據(jù)集同處相同時空分辨率下的MODIS海冰密集度數(shù)據(jù)。

1.2.3 海冰產(chǎn)品數(shù)據(jù)適用性評估指標(biāo)

本文以BRM海冰密集度產(chǎn)品數(shù)據(jù)和MODIS影像海冰提取結(jié)果作為基準(zhǔn), 使用均方根誤差()、偏差()和正偏差占比(R)三種參數(shù)來評估HY2、OUC和NSIDC三類數(shù)據(jù)集的海冰監(jiān)測能力。其中正偏差占比(R)指網(wǎng)格數(shù)據(jù)中排除偏差為0的網(wǎng)格點后, 偏差為正的網(wǎng)格占據(jù)全部網(wǎng)格數(shù)量的比值, 具體公式如下:

(4)

2 結(jié)果與分析

2.1 整個北極范圍HY2、OUC、NSIDC三種數(shù)據(jù)產(chǎn)品的適用性分析

首先, 基于1.2.1節(jié)的海冰分布范圍信息提取方法, 計算得到HY2、OUC和NSIDC以及BRM四種海冰密集度數(shù)據(jù)在15%和90%兩種界定閾值下的海冰分布范圍, 得到2019年6月1日—2021年6月1日期間四種數(shù)據(jù)的每日海冰分布信息。其中, 由于2021年的OUC數(shù)據(jù)還未發(fā)布, OUC數(shù)據(jù)的截止日期為2020年12月31日。圖3給出了四種海冰密集度數(shù)據(jù)產(chǎn)品的海冰分布范圍的比較。圖4給出了HY2、OUC和NSIDC三種數(shù)據(jù)在界定閾值為15%和90%時與驗證BRM數(shù)據(jù)集之間的偏差情況, 圖4a為月均海冰密集度偏差, 圖4b為月均偏差極值。

在對北極海冰分布范圍進(jìn)行評估時(界定閾值為15%), HY2數(shù)據(jù)集的海冰分布范圍與BRM數(shù)據(jù)的吻合程度最高, 日均偏差為–0.0937×106km2, 當(dāng)日最大偏差為2019年6月19日的–1.0932×106km2。對多年冰分布范圍評估時(界定閾值為90%), HY2數(shù)據(jù)集的多年冰分布范圍較OUC和NSIDC數(shù)據(jù)集的分布范圍偏低, 而OUC數(shù)據(jù)的均方根誤差最低, 為1.2203×106km2, 與BRM數(shù)據(jù)集在多年冰分布范圍上最為接近。

為評估三類數(shù)據(jù)集在不同空間區(qū)域的分布差異, 本文選擇2019年6月8日獲取的三種數(shù)據(jù)源(如圖5), 同BRM數(shù)據(jù)集進(jìn)行交叉評估, 得到的海冰空間分布差異如圖6所示。

如圖5和圖6所示, 存在明顯差異的區(qū)域集中于海洋與陸地交接區(qū)域以及北極點附近。在排除輻射計與反演算法差異導(dǎo)致的北極點附近區(qū)域缺失后, 差異主要集中于70°N—80°N之間的近岸海域, 該區(qū)域覆蓋了北極東北航道的主要航路。從結(jié)果上看, HY2數(shù)據(jù)集在陸海邊緣線附近較BRM數(shù)據(jù)存在明顯的數(shù)據(jù)低估, 相比之下, NSIDC和OUC數(shù)據(jù)集則在該區(qū)域存在明顯的高估。而北極點附近的海冰密集度差異較大則是因為各衛(wèi)星傳感器的參數(shù)設(shè)置、像元大小以及數(shù)據(jù)處理方式不同導(dǎo)致。

以87°N, 80°N與70°N三條緯線作為分割北極區(qū)域的劃分線, 將整個北極分割為高緯度區(qū)域(80°N—87°N)、中緯度區(qū)域(70°N—80°N)和低緯度區(qū)域(70°N以南)三個研究區(qū)域來分析三種產(chǎn)品數(shù)據(jù)的海冰監(jiān)測能力。本文收集了從2019年6月1日—2020年3月14日之間的三種產(chǎn)品數(shù)據(jù), 逐日計算高、中、低三個緯度區(qū)域下三種數(shù)據(jù)源與BRM數(shù)據(jù)間的偏差、均方根誤差以及正偏差占比, 如圖7所示。因HY2數(shù)據(jù)在2020年3月14日前后存在明顯差異, 評估時間上選擇2019年6月1日到2020年3月14日, 使用1.2.3節(jié)中的評估方法, 逐日計算各緯度區(qū)域下與BRM數(shù)據(jù)間的偏差、均方根誤差以及正偏差占比, 評估結(jié)果如圖7所示。

可以看出, 盡管低緯度區(qū)域占整個研究區(qū)域比重最大(82.33%), 但該區(qū)域下各數(shù)據(jù)集間的差異卻最小。HY2數(shù)據(jù)集均方根誤差日均為4.73%, 較OUC和NSIDC數(shù)據(jù)分別低11%和16%, 與BRM數(shù)據(jù)吻合程度最高。

與BRM數(shù)據(jù)集相比, 中緯度海域三種數(shù)據(jù)集的偏差變化均符合海冰的季節(jié)性變化規(guī)律。其中, OUC數(shù)據(jù)集的日均均方根誤差最小, 僅為3.15%, 日均偏差也僅為0.79%, 優(yōu)于NSIDC數(shù)據(jù)集的3.48%和1.61%, 比較適合該區(qū)域的海冰監(jiān)測任務(wù)。相比之下, HY2數(shù)據(jù)集的偏差和均方根誤差則較大, 均方根誤差日均為9.72%, 不適合該區(qū)域海冰監(jiān)測任務(wù)。

圖3 HY2、OUC、NSIDC數(shù)據(jù)集與BRM數(shù)據(jù)集在不同界定閾值下的每日海冰分布范圍

Fig.3.Daily sea ice extent of four datasets at different defined thresholds. a)daily sea ice extent data at the 15% threshold; b)daily sea ice extent data at the 90% threshold

圖4 HY2、OUC、NSIDC數(shù)據(jù)集與BRM數(shù)據(jù)集間的海冰分布范圍偏差情況

Fig.4. The BIAS of three other monthly mean sea ice extent data at 15% and 90% thresholds were compared with the BRM data. a) BIAS of monthly mean sea ice extent data at 15% and 90% thresholds; b) Extreme value of monthly average deviation

高緯度區(qū)域三種數(shù)據(jù)源與BRM數(shù)據(jù)集的比較發(fā)現(xiàn), HY2和OUC數(shù)據(jù)的均方根誤差整體接近, 且偏差較大, 不適用于監(jiān)測該區(qū)域的海冰狀況。相比之下, NSIDC數(shù)據(jù)集的均方根誤差和偏差水平則較低, 分別為2.25%和1.90%, 更適用于高緯度區(qū)域的海冰監(jiān)測。

圖5 2019年6月8 日HY2、OUC、BRM、NSIDC海冰密集度網(wǎng)格

Fig.5. Sea ice concentration grid of HY2, OUC, BRM and NSIDC on June 8, 2019

圖6 2019年6月8日BRM與HY2、OUC、NSIDC海冰密集度數(shù)據(jù)的差異

Fig.6. The grid data differences of sea ice concentration between BRM and HY2, OUC, NSIDC on June 8, 2019

圖7 HY2、OUC、NSIDC數(shù)據(jù)集與BRM數(shù)據(jù)集在15%和90%閾值下的網(wǎng)格評估

Fig.7. HY2, OUC, NSIDC and BRM datasets were grid evaluated at 15% and 90% thresholds. a) daily average deviation; b) mean daily root mean square deviation

基于上述結(jié)果, HY2數(shù)據(jù)的優(yōu)勢區(qū)域為浮冰區(qū)域和開闊水域為主的低緯度區(qū)域。這與HY2數(shù)據(jù)集在數(shù)據(jù)處理時使用的NASA TEAM反演算法有關(guān), 作為本研究唯一僅使用低頻通道反演海冰密集度的數(shù)據(jù)集, 因低頻算法對云中液態(tài)水含量、大氣水蒸氣含量以及風(fēng)引起的表面粗糙度更加敏感, 導(dǎo)致數(shù)據(jù)集對于新生冰辨識不足, 進(jìn)而使得新冰區(qū)出現(xiàn)低估海冰密集度的情況, 低估水平跟新冰面積呈現(xiàn)正相關(guān)。這直接導(dǎo)致在夏季中緯度區(qū)域內(nèi), HY2數(shù)據(jù)集其偏差水平相比其他數(shù)據(jù)集明顯更高。

相比之下, 采用NASA TEAM2算法的NSIDC數(shù)據(jù)集和采用DT-ASI算法的OUC數(shù)據(jù)集通過引入高頻通道在一定程度上改善了反演結(jié)果, 使得上述數(shù)據(jù)在中緯度區(qū)域的偏差水平相對較低。但由于高頻通道對于大氣水蒸氣、云層含水量等參數(shù)比較敏感, 對于海冰融池區(qū)域具有較低的辨識度, 易將海冰融池區(qū)域辨識為開闊海域。對此, 兩類數(shù)據(jù)集在數(shù)據(jù)處理過程中都進(jìn)行了不同的優(yōu)化, 其中, NSIDC數(shù)據(jù)集通過引入高頻通道亮溫來解決反演過程中19 GHz通道水平極化亮溫表面積雪效應(yīng)的影響, 并且通過引入大氣傳輸方程來解決高頻通道對大氣影響敏感的問題。而OUC數(shù)據(jù)集通過引入動態(tài)系點法來改善反演精度。但都受制于微波輻射計有限的穿透能力, 夏季系點亮溫存在的不確定性, 以及夏季海冰融池、冰間水道和覆蓋冰面的積雪融化產(chǎn)生的濕雪對海冰的發(fā)射率造成的影響, 給反演結(jié)果帶來不確定性, 使得在中緯度區(qū)域內(nèi)各數(shù)據(jù)集間的差異最大, 讓夏季通航窗口期間對位于中緯度區(qū)域的北極東北航道區(qū)域內(nèi)各數(shù)據(jù)集的海冰監(jiān)測能力評估尤為重要。

2.2 東北航道區(qū)域不同數(shù)據(jù)產(chǎn)品的適用性分析

北極東北航道是指西起挪威北角附近的歐洲西北部, 經(jīng)歐亞大陸和西伯利亞的北部沿岸, 穿過白令海峽到達(dá)太平洋的航線集合。按照緯度范圍可簡單劃分為低緯航線(近岸航線)和高緯航線?？紤]到船舶航行時大都不會在某條航道一直航行, 所以本文依據(jù)地理方位和主要海域?qū)⒈睒O東北航道劃分為四個航段[14], 如表2所示。

相較于空間分辨率更低的HY2、OUC等海冰密集度產(chǎn)品數(shù)據(jù), 500 m分辨率的MODIS影像獲取的海冰覆蓋信息的精準(zhǔn)度更高, 而6.25 km分辨率的BRM數(shù)據(jù)集對于海冰邊緣區(qū)域的識別效果更好[25], 數(shù)據(jù)的時間連續(xù)性更強, 可以完美覆蓋北極通航窗口期期間各航段區(qū)域。因此, 本文以MODIS影像海冰密集度提取結(jié)果和BRM數(shù)據(jù)集作為驗證數(shù)據(jù), 探討HY2、OUC和NSIDC三種數(shù)據(jù)源在北極東北航道各航段以及關(guān)鍵海域的適用性評估。

表2 北極東北航道分段表

作為驗證數(shù)據(jù), 本文選取2019年和2020年航道通航窗口期期間的BRM海冰密集度數(shù)據(jù), 開展航段區(qū)域?qū)Ρ仍u估, 得到圖8a不同航段區(qū)域的日均偏差和偏差振幅, 圖8b為各航段的均方根誤差結(jié)果, 其中, 圖8的橫坐標(biāo)表示特定的航段區(qū)域, 依據(jù)表2劃分, LOW1、LOW2、LOW3、LOW4分別表示低緯航道的第一、二、三、四航段區(qū)域, HIGH1、HIGH2、HIGH3、HIGH4分別表示高緯航道的第一、二、三、四航段區(qū)域。同時收集了2019年航道通航窗口期內(nèi)15天共60景MODIS影像, 采用1.2.2節(jié)介紹的MODIS海冰提取方法, 得到MODIS海冰密集度數(shù)據(jù), 關(guān)鍵海域的海冰密集度分布狀況如表3所示。其中, 冰況為基于MODIS數(shù)據(jù)集獲得的海域內(nèi)海冰密集度的平均值, 密集度區(qū)域占比則為對應(yīng)海冰密集度范圍內(nèi), 網(wǎng)格點數(shù)量占全部關(guān)鍵海域網(wǎng)格點數(shù)量的比例?？梢钥闯? 6—7月初各海域平均海冰密集度都超過90%, 到9月初, 雖然各海域內(nèi)仍然存在高密集度海冰區(qū)域, 但分布范圍都顯著降低, 冰況也有所降低。具體關(guān)鍵海域的劃分如圖9a所示, 基于MODIS數(shù)據(jù)的三種數(shù)據(jù)源在北極東北航道各關(guān)鍵海域的監(jiān)測能力分析結(jié)果分別如圖9b、9c所示, 其中, 最優(yōu)數(shù)據(jù)集占比為某一數(shù)據(jù)集在特定地理區(qū)域中均方根誤差最低的MODIS影像景數(shù)占總樣本數(shù)的比值, 通航窗口期為7—9月的數(shù)據(jù)結(jié)果, 臨近窗口期為6月和10月的數(shù)據(jù)結(jié)果。

表3 基于MODIS數(shù)據(jù)獲取的北極東北航道關(guān)鍵海域海冰信息

第一航段得益于穿越楚科奇海的太平洋暖流影響, 全年冰期僅為7個月, 在7—10月通航窗口期航道完全滿足通航條件。與之類似的還有第四航段, 受到穿越挪威海的大西洋暖洋流影響, 海面封凍時間短且海冰類型以浮冰為主, 其南端水域更是常年滿足通航條件。如圖8結(jié)果所示, 通航窗口期內(nèi)該航段海域海冰密集度整體較低, 基于BRM數(shù)據(jù)集的比較發(fā)現(xiàn), OUC和NSIDC數(shù)據(jù)在上述兩個航段區(qū)域存在明顯的數(shù)據(jù)高估。而HY2數(shù)據(jù)集的均方根誤差在上述區(qū)域更低, 為該數(shù)據(jù)集的優(yōu)勢航段, 與BRM數(shù)據(jù)集的吻合程度更高。在第一航段區(qū)域, OUC和HY2相較BRM數(shù)據(jù)存在數(shù)據(jù)低估, 尤其是高緯航道下, 兩類數(shù)據(jù)的正偏差占比僅為34.7%和23%。相比之下, NSIDC數(shù)據(jù)集在該區(qū)域存在顯著的數(shù)據(jù)高估, 同區(qū)域內(nèi)的正偏差占比為86.9%。

第二航段覆蓋東西伯利亞海域, 由于海域氣候寒冷, 緯度較高, 海域冰情嚴(yán)重。但南部海域受到洋流和海洋鹽度的影響, 通常無冰或短期結(jié)冰, 導(dǎo)致整體冰情復(fù)雜?；贐RM數(shù)據(jù)比較發(fā)現(xiàn), 三種數(shù)據(jù)集的均方根誤差在低緯航道十分接近, 但在高緯航道區(qū)域因受海冰密集度整體增大的影響, NSIDC和OUC數(shù)據(jù)與BRM數(shù)據(jù)集的吻合程度更高, 均方根誤差分別為1.27%和1.21%, 優(yōu)于HY2數(shù)據(jù)集。

第三航段作為跨越拉普杰夫海域、喀拉海域和巴倫支海海域以及基爾基維茨海峽等多個關(guān)鍵海域的重要航段, 在航行窗口期間冰情變化快且復(fù)雜。通過結(jié)合表3的MODIS海冰信息發(fā)現(xiàn), 同一日期內(nèi)的拉普捷夫海域整體冰情雖相較東西伯利亞海域更輕, 但在通航窗口期依舊存在浮冰, 而喀拉海海域的海冰密集程度與拉普捷夫海域相當(dāng)。基于BRM數(shù)據(jù)比較評估表明, 該航段內(nèi), OUC和NSIDC數(shù)據(jù)評估結(jié)果接近, 與BRM數(shù)據(jù)的吻合程度更高。

綜合圖9b和圖9c可見, 位于第二航段的東西伯利亞海域內(nèi), NSIDC數(shù)據(jù)集在任何監(jiān)測時段的適用性更好, 與MODIS數(shù)據(jù)集最為接近, 其數(shù)據(jù)在該海域的最優(yōu)數(shù)據(jù)集占比均超過80%。相比之下, 在航道的通航窗口期, OUC數(shù)據(jù)集對位于第三航段和第四航段的新西伯利亞島北部海域、拉普捷夫海域以及喀拉海域的識別占據(jù)優(yōu)勢, 在上述海域及航道區(qū)域其最優(yōu)數(shù)據(jù)集占比明顯優(yōu)于其他兩類數(shù)據(jù)集, 整體更為適用, 在新西伯利亞島北部海域最優(yōu)數(shù)據(jù)集占比更是達(dá)到了89%, 與MODIS數(shù)據(jù)集接近。三類數(shù)據(jù)集在維利基茨基海峽海域的適用性相當(dāng), 最優(yōu)數(shù)據(jù)集占比均為33%。而在非窗口期, NSIDC與OUC數(shù)據(jù)集在東北航道各關(guān)鍵海域的適用性更好, 在除東西伯利亞海域外各關(guān)鍵海域的最優(yōu)數(shù)據(jù)集占比均為50%。

圖8 基于BRM數(shù)據(jù)集的北極東北航道分航段評估結(jié)果

Fig.8. Segmented assessment results of the Arctic Northeast Passage based on BRM data. a) daily average deviation; b) mean daily root mean square deviation

圖9 基于MODIS數(shù)據(jù)集的北極東北航道關(guān)鍵海域評估

Fig.9. Verification of key areas of the Northeast Arctic Passage based on MODIS data. a) MODIS images selected key sea areas; b) assessment of applicability to key sea areas during navigation window; c) assessment of applicability to key sea areas during adjacent navigation periods

綜上所述, 從整體上看, 基于MODIS海冰密集度數(shù)據(jù)集得到的關(guān)鍵海域?qū)Ρ冉Y(jié)果與基于BRM數(shù)據(jù)集得到的航段區(qū)域?qū)Ρ冉Y(jié)果高度一致。其中, OUC數(shù)據(jù)集在除東西伯利亞海域外的北極東北航道區(qū)域的海冰監(jiān)測能力評估中均占據(jù)優(yōu)勢, 適用于監(jiān)測海冰類型變化快且復(fù)雜的關(guān)鍵海域及航段區(qū)域的海冰監(jiān)測任務(wù), 為三類數(shù)據(jù)集中的首選。NSIDC數(shù)據(jù)集則在海冰密集度較大的海域識別結(jié)果較好, 尤其是東西伯利亞海域, 在臨近通航時段各海域及航道區(qū)域的識別結(jié)果也存在優(yōu)勢, 但在海冰密集度整體明顯較低的航段, 如第一和第四航段的識別較BRM數(shù)據(jù)集存在明顯高估。HY2數(shù)據(jù)集雖然在通航窗口期內(nèi)的第一和第四航段評估結(jié)果較好, 但在上述航段存在數(shù)據(jù)低估問題。

3 結(jié)論

本文對兩種國產(chǎn)海冰密集度數(shù)據(jù)產(chǎn)品和NSIDC數(shù)據(jù)集分別從北極整體區(qū)域和北極東北航道航段及其關(guān)鍵海域開展了北極海冰監(jiān)測能力評估, 結(jié)論如下。

1. 在整個北極區(qū)域, 相較于OUC數(shù)據(jù)和NSIDC數(shù)據(jù), HY2數(shù)據(jù)在整體海冰分布范圍上與BRM數(shù)據(jù)最為接近; 在低緯度區(qū)域(LAT≤70°N), HY2數(shù)據(jù)與BRM數(shù)據(jù)最為接近; 在冰情變化較快的中緯度區(qū)域(70°N≤LAT≤80°N), HY2數(shù)據(jù)則存在明顯的低估; 在高緯度區(qū)域下, HY2與OUC數(shù)據(jù)的海冰冰情監(jiān)測能力相當(dāng); 而在北極東北航道區(qū)域, HY2數(shù)據(jù)適用于第一和第四航段區(qū)域的冰情監(jiān)測。

2. OUC海冰密集度產(chǎn)品與BRM數(shù)據(jù)一致性較高。在整個北極區(qū)域, OUC數(shù)據(jù)集的多年冰分布范圍與BRM數(shù)據(jù)最為接近; 在中緯度區(qū)域, OUC數(shù)據(jù)的海冰監(jiān)測能力較強, 但在中、低緯度區(qū)域較BRM數(shù)據(jù)存在高估。在北極東北航道區(qū)域, OUC數(shù)據(jù)在第二、三航段的海冰密集度與MODIS數(shù)據(jù)較為接近, 適用于低緯航道海冰冰情的監(jiān)測; 在臨近通航窗口期的7月和10月以及冰情復(fù)雜且相對嚴(yán)重的新西伯利亞海域、拉普捷夫海域、喀拉海海域, OUC海冰密集度精度較高。這說明OUC數(shù)據(jù)適用于監(jiān)測海冰類型變化快且復(fù)雜的航道海域海冰狀況。

3. NSIDC數(shù)據(jù)集作為美國冰雪中心發(fā)布的較為成熟的產(chǎn)品數(shù)據(jù), 在北極整體尺度的評估中與BRM數(shù)據(jù)的吻合程度較高。在海冰密集度較大的海域, 如高緯度區(qū)域和高海冰密集度區(qū)域(SIC≥61%), NSIDC與BRM數(shù)據(jù)較為接近。但對開闊水域和細(xì)小浮冰區(qū)域為主的低緯度區(qū)域, NSIDC數(shù)據(jù)存在明顯的高估。在北極東北航道區(qū)域, NSIDC數(shù)據(jù)集適用于第二、三航段的高緯航道區(qū)域的海冰冰情監(jiān)測任務(wù); 對臨近通航窗口期的7月和10月, 特別是東西伯利亞海域, NSIDC數(shù)據(jù)與MODIS數(shù)據(jù)較為接近, 適用于北極東北航道的高緯航道以及鄰近通航時段各海域的海冰監(jiān)測任務(wù)。

總體來看, 三種被動微波海冰密集度產(chǎn)品在整體上均可較好地反映北極海冰的時空格局。但由于三類產(chǎn)品基于不同的微波輻射計, 且各傳感器在頻率設(shè)置、輻射校準(zhǔn)、定標(biāo)精度和像元足跡大小等關(guān)鍵參數(shù)上存在不同, 使得亮溫源數(shù)據(jù)存在差異, 進(jìn)而導(dǎo)致反演的海冰密集度結(jié)果不同。同樣, 由于MODIS海冰密集度數(shù)據(jù)源自5 min一景的MODIS影像, 可視作特定區(qū)域內(nèi)獲取時刻的瞬時海冰密集度, 而被動微波輻射計數(shù)據(jù)產(chǎn)品則為多景條帶數(shù)據(jù)融合處理得到的平均海冰密集度數(shù)據(jù), 兩類數(shù)據(jù)在時間和空間分辨率上存在的差異可能會給評估帶來影響[24]。

致謝感謝國家衛(wèi)星海洋應(yīng)用中心提供的數(shù)據(jù)支持(HY-2B衛(wèi)星數(shù)據(jù)獲取自: https://osdds. nsoas.org.cn[2021-06]), 感謝中國海洋大學(xué)極地海洋過程與全球海洋變化重點實驗室提供的OUC數(shù)據(jù)集(獲取自: http://coas.ouc.edu.cn/ pogoc/sy/list.htm[2021-06]), 感謝美國宇航局國家冰雪數(shù)據(jù)中心, 戈達(dá)德太空飛行中心提供NSIDC(獲取自: https://nsidc.org/data/AU_ SI25/versions/1[2021-06])和MODIS數(shù)據(jù)集(獲取自: https://osdds.nsoas.org.cn), 以及德國不萊梅大學(xué)環(huán)境物理研究所提供BRM數(shù)據(jù)集(獲取自: https://www.iup.unibremen.de/iuppage/psa/2019/amsrop.html[2021-06])。

1 MARCIANESI F, AULICINO G, WADHAMS P. Arctic sea ice and snow cover albedo variability and trends during the last three decades[J]. Polar Science, 2021, 28: 100617.

2 SERREZE M C, MEIER W N. The Arctic's sea ice cover: Trends, variability, predictability, and comparisons to the Antarctic[J]. Annals of the New York Academy of Sciences, 2019, 1436(1): 36-53.

3 隋翠娟, 張占海, 吳輝碇, 等. 1979—2012年北極海冰范圍年際和年代際變化分析[J]. 極地研究, 2015, 27(2): 174-182.

4 WANG Y H, BI H B, HUANG H J, et al. Satellite-observed trends in the Arctic sea ice concentration for the period 1979–2016[J]. Journal of Oceanology and Limnology, 2019, 37(1): 18-37.

5 柯長青, 彭海濤, 孫波, 等. 2002年—2011年北極海冰時空變化分析[J]. 遙感學(xué)報, 2013, 17(2): 459-466, 452.

6 CAVALIERI D J, PARKINSON C L. Arctic sea ice variability and trends, 1979–2010[J]. The Cryosphere, 2012, 6(4): 881-889.

7 ROGERS T S, WALSH J E, RUPP T S, et al. Future Arctic marine access: Analysis and evaluation of observations, models, and projections of sea ice[J]. The Cryosphere, 2013, 7(1): 321-332.

8 蔣興偉, 何賢強, 林明森, 等. 中國海洋衛(wèi)星遙感應(yīng)用進(jìn)展[J]. 海洋學(xué)報, 2019, 41(10): 113-124.

9 趙杰臣, 周翔, 孫曉宇, 等. 北極遙感海冰密集度數(shù)據(jù)的比較和評估[J]. 遙感學(xué)報, 2017, 21(3): 351-364.

10 王劍, 邱玉寶, 熊振華, 等. 北極海冰密集度遙感數(shù)據(jù)產(chǎn)品對比及航道關(guān)鍵區(qū)驗證研究[J]. 極地研究, 2020, 32(3): 301-313.

11 LIANG S, ZENG J Y, LI Z, et al. Consistent comparison of remotely sensed sea ice concentration products with ERA-interim reanalysis data in polar regions[J]. Remote Sensing, 2020, 12(18): 2880.

12 KERN S, LAVERGNE T, NOTZ D, et al. Satellite passive microwave sea-ice concentration dataset inter-comparison for Arctic summer conditions[J]. The Cryosphere, 2020, 14(7): 2469-2493.

13 李釗, 嚴(yán)明, 劉凱, 等. 兩種準(zhǔn)實時遙感海冰密集度產(chǎn)品在中國第五次北極考察期間的適用性評估[J]. 海洋預(yù)報, 2018, 35(3): 8-16.

14 尹鵬, 王常穎, 楊俊鋼. 長時間序列北極海冰密集度遙感數(shù)據(jù)的比較評估[J]. 冰川凍土, 2020, 42(3): 734-744.

15 譚繼強, 詹慶明, 殷福忠, 等. 面向極地海冰變化監(jiān)測的衛(wèi)星遙感技術(shù)研究進(jìn)展[J]. 測繪與空間地理信息, 2014, 37(4): 23-31.

16 ZHAO X, CHEN Y, KERN S, et al. Sea ice concentration derived from FY-3D MWRI and its accuracy assessment[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 1-18.

17 石立堅, 王其茂, 鄒斌, 等. 利用海洋(HY-2)衛(wèi)星微波輻射計數(shù)據(jù)反演北極區(qū)域海冰密集度[J]. 極地研究, 2014, 26(4): 410-417.

18 趙杰臣, 李子軒, 李杰, 等. HY-2衛(wèi)星反演海冰密集度在北極地區(qū)的適用性評估[J]. 海洋預(yù)報, 2018, 35(6): 84-91.

19 HAO G H, SU J. A study on the dynamic tie points ASI algorithm in the Arctic Ocean[J]. Acta Oceanologica Sinica, 2015, 34(11): 126-135.

20 LI L L, CHEN H H, GUAN L. Study on the retrieval of snow depth from FY3B/MWRI in the Atctic[J]. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2016, XLI-B8: 513-520.

21 HAO H R, SU J, SHI Q, et al. Arctic sea ice concentration retrieval using the DT-ASI algorithm based on FY-3B/MWRI data[J]. Acta Oceanologica Sinica, 2021, 40(11): 176-188.

22 CAVALIERI D J, CRAWFORD J P, DRINKWATER M R, et al. Aircraft active and passive microwave validation of sea ice concentration from the Defense Meteorological Satellite Program special sensor microwave imager[J]. Journal of Geophysical Research: Oceans, 1991, 96(C12): 21989-22008.

23 MARKUS T, CAVALIERI D J. An enhancement of the NASA Team sea ice algorithm[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(3): 1387-1398.

24 劉艷霞, 王澤民, 劉婷婷. 利用多源數(shù)據(jù)對海冰密集度反演的算法驗證[J]. 測繪科學(xué), 2016, 41(7): 93-97, 149.

25 季青, 龐小平. 北極海冰密集度產(chǎn)品的走航比較與冰情分析[J]. 華東交通大學(xué)學(xué)報, 2016, 33(5): 33-38.

26 SPREEN G, KALESCHKE L, HEYGSTER G. Sea ice remote sensing using AMSR-E 89-GHz channels[J]. Journal of Geophysical Research: Oceans, 2008, 113(C2): C02S03.

27 PANG X P, PU J, ZHAO X, et al. Comparison between AMSR2 sea ice concentration products and pseudo-ship observations of the Arctic and Antarctic sea ice edge on cloud-free days[J]. Remote Sensing, 2018, 10(2): 317.

28 LIANG S L. Narrowband to broadband conversions of land surface albedoⅠ: Algorithms[J]. Remote Sensing of Environment, 2001, 76(2):213-238.

Comparative analyses of Arctic sea ice monitoring capability of three sea ice concentration products

Huang Rui, Wang Changying, Li Jinhua, Sui Yi

(College of Computer Science & Technology, Qingdao University, Qingdao 266071, China;)

In this paper, three sea ice concentration products are compared: i) data from the Scanning Microwave Radiometer carried on the HY-2B satellite combined with NASA’s TEAM algorithm (“the HY2 dataset”), ii) data from the Microwave Radiometer Imager carried on FY-3D satellite combined with the DT-ASI algorithm provided by Ocean University of China (“the OUC dataset”), and iii) the sea ice concentration product provided by the Ice and Snow Center of the United States (“the NSIDC dataset”). Using the BRM sea ice concentration product with higher spatial resolution and the Moderate Resolution Imaging Spectrometer (MODIS) remote sensing images as reference datasets, we report that: At low latitudes (≤70°N), HY2 is most consistent with. In the mid-latitude region (70°N–80°N), OUC was the most consistent with BRM. At high latitudes (80°N–87°N), the NSIDC dataset is most consistent with the BRM dataset. In the Northeast Passage region, the HY2 dataset is most suitable for sea ice monitoring in the Chukchi Sea and Norwegian Sea segments of the Arctic Northeast Passage during navigation window periods.The NSIDC dataset performs better in each section of the Arctic Northeast Passage near the navigable window period, especially for sea ice monitoring in the East Siberian Sea. The OUC dataset is suitable for the sea ice monitoring needs of most sections of the Arctic Northeast Passage.

Arctic sea ice, sea ice concentration, suitability assessment, Arctic Northeast Passage, HY-2B, FY-3D

2021年11月收到來稿, 2022年4月收到修改稿

國家自然科學(xué)基金(62172247)、山東省重點研發(fā)計劃重大科技創(chuàng)新工程(2019JZZY020101)和全國統(tǒng)計科學(xué)研究項目(2020335)資助

黃睿, 男, 1997年生。碩士, 主要從事極地海冰和數(shù)據(jù)挖掘研究。E-mail:huangrui_7046@163.com

王常穎, E-mail:wcing80@126.com

10.13679/j.jdyj.20210087