武蘇輝， 鄒斌， 石立堅(jiān)， 曾韜， 張茜， 路敦旺

1. 國家海洋環(huán)境預(yù)報(bào)中心, 北京 100081;2. 國家衛(wèi)星海洋應(yīng)用中心, 北京 100081;3. 自然資源部 空間海洋遙感與應(yīng)用研究重點(diǎn)實(shí)驗(yàn)室, 北京 100081

1 引 言

全球氣候變暖深刻影響人類的生產(chǎn)與活動(dòng)，逐漸成為威脅地球氣候系統(tǒng)穩(wěn)定的最重要的因素。北極地區(qū)由于冰—?！?dú)夥答仚C(jī)制，其增溫速率是全球平均氣溫增溫速率的兩倍以上（Serreze 等，2009）。海冰作為全球氣候系統(tǒng)的重要組成部分，不僅影響著大氣與海洋環(huán)流，也是氣候變化的重要指示器（Cheung 等，2018）。海冰通過反照率效應(yīng)調(diào)節(jié)地球整體輻射的收支狀況以及極地地區(qū)大氣與海洋之間的熱量、動(dòng)量和氣體交換（Xu 等，2017）。自1972年以來，衛(wèi)星觀測(cè)數(shù)據(jù)表明北極海冰范圍、面積、多年冰厚度都呈顯著性減小的趨勢(shì)（Kwok，2018；劉艷霞 等，2016）。在1979年—2017 年間北極海冰面積在9 月份平均每十年減少速率高達(dá)13.2%（Comiso 等，2017）。與此同時(shí)，北極海冰的融化持續(xù)時(shí)間以每十年5—10 d 的速度在增加（Stroeve 等，2014），使得北極商業(yè)航運(yùn)迎來了良好的發(fā)展前景。夏季北極東北航道的開通不僅大幅縮短航行周期，還能減少溫室氣體的排放（李新情 等，2016）。因此，研究北極海冰變化規(guī)律對(duì)于正確認(rèn)識(shí)和探索海冰對(duì)全球氣候系統(tǒng)、生態(tài)系統(tǒng)的演變和經(jīng)濟(jì)發(fā)展都有重要意義。

海冰密集度SIC（Sea Ice Concentration）作為描述海冰極為重要的參數(shù)之一，是指單位面積內(nèi)海冰覆蓋所占的比例。海冰范圍SIE（Sea Ice Extent）、海冰面積SIA（Sea Ice Area）可以通過海冰密集度進(jìn)行估算。利用星載微波輻射計(jì)可以不受天氣條件、極夜等狀況的影響，準(zhǔn)實(shí)時(shí)、大面積的獲取海冰密集度數(shù)據(jù)，為船舶航線規(guī)劃、數(shù)值預(yù)報(bào)和氣候變化提供重要的基礎(chǔ)輸入數(shù)據(jù)。1972 年成功發(fā)射的電子掃描微波輻射計(jì)EMSR （Electrically Scanning Microwave Radiometer），經(jīng)數(shù)據(jù)處理后首次以相當(dāng)高的時(shí)間分辨率獲取全球海冰的分布情況（Parkinson 等，1987；Zwally，1983），但是該傳感器僅為單通道水平極化輻射計(jì)，所獲取的海冰信息的精度有限。自1978 年，多通道掃描微波輻射計(jì)SMMR（Scanning Multichannel Microwave Radiometer）、專用傳感器微波成像儀SSM/I（Special Sensor Microwave/Imager）、專用傳感器微波成像儀SSMIS（Special Sensor Microwave/Imager Sounder）、先進(jìn)微波掃描輻射計(jì)AMSR-E（Advanced Microwave Scanning Radiometer for EOS）和后續(xù)先進(jìn)微波掃描輻射計(jì)2AMSR2（Advanced Microwave Scanning Radiometer 2）等多個(gè)星載微波輻射計(jì)應(yīng)用于海冰密集度長時(shí)間序列產(chǎn)品的反演。目前，自主海洋二號(hào)（HY-2）系列衛(wèi)星搭載的微波掃描輻射計(jì)（石立堅(jiān) 等，2014）SMR（Scanning Microwave Radiometer）和風(fēng)云三號(hào)（FY-3）系列衛(wèi)星搭載的微 波 成 像 儀MWRI （Microwave Radiation Imager）已成功應(yīng)用于海冰密集度的反演（Chen 等，2021；劉森 等，2020；張樹剛，2012）。

目前基于星載微波輻射計(jì)反演海冰密集度的方法眾多，絕大多算法都是基于亮溫極化比PR（Polarization）和亮溫梯度比GR（Gradient Ratio）來區(qū)分海冰和海水，主要包括NASA Team（Cavalier等，1984）（NT1）算法、Bootstrap（Comiso，1995）（BT）算法、Bristol（Smith，1996）（BRI）算法、OSI-SAF（Tonboe等，2016）算法，它們主要利用19 GHz 和37 GHz 兩個(gè)頻段的亮溫?cái)?shù)據(jù)來反演海冰密集度，獲得海冰密集度產(chǎn)品的空間分辨率為25 km。隨著高頻通道（85 GHz/89 GHz）在不同算法中得到應(yīng)用，海冰密集度產(chǎn)品的空間分辨率得到了大幅提高，主要有NASA Team2（Brucker 等，2014；Markus 和Cavalieri，2000）、ASI（Spreen 等，2008；Svendsen 等，1987）等算法。其中NT1 和NT2算法不僅計(jì)算整體海冰密集度，還能夠計(jì)算一年冰和多年冰密集度。

對(duì)海冰密集度產(chǎn)品的定量評(píng)估主要是將星載輻射計(jì)反演結(jié)果與獨(dú)立數(shù)據(jù)源的反演結(jié)果進(jìn)行比較，如船載走航觀測(cè)數(shù)據(jù)（Knuth和Ackley，2006）、可見光/近紅外（Kern 等，2020）遙感數(shù)據(jù)反演結(jié)果和合成孔徑雷達(dá)（Xi 等，2013）數(shù)據(jù)反演結(jié)果。Beitsch等（2015）使用21600個(gè)船載走航觀測(cè)數(shù)據(jù)對(duì)不同算法的海冰密集度產(chǎn)品進(jìn)行評(píng)估，結(jié)果表明Boostrap 算法與船載觀測(cè)數(shù)據(jù)最吻合。Spreen 等（2008）將不同海冰密集度算法與基于船載觀測(cè)的數(shù)據(jù)對(duì)比發(fā)現(xiàn)，ASI、NT2、BT 算法的相關(guān)性分別為0.80、0.79 和0.81，Bootstrap 表現(xiàn)最好。Kern 等（2019）使用船載觀測(cè)數(shù)據(jù)集對(duì)十種海冰密集度產(chǎn)品進(jìn)行評(píng)估，結(jié)果表明BT-AMSR-E 和BT-SSMI產(chǎn)品具有最小的偏差，同時(shí)相關(guān)系數(shù)也相對(duì)較高。Kern 等（2022）使用300 多幅Landsat 圖像計(jì)算海冰密集度對(duì)10 種海冰密集度產(chǎn)品進(jìn)行評(píng)估，結(jié)果表明基于Bootstrap 算法的海冰密集度產(chǎn)品的偏差最小。大量的定量評(píng)估表明，在諸多海冰密集度反演方法中，Bootstrap算法表現(xiàn)較好。但是在提出Bootstrap算法初期，亮溫系點(diǎn)值的選擇為固定系點(diǎn)值且時(shí)間較早，難以適用于當(dāng)前現(xiàn)有的星載微波輻射計(jì)（AMSR2、SSMIS 等）。目前業(yè)務(wù)化應(yīng)用的Bootstrap 算法中的亮溫系點(diǎn)值雖然采用動(dòng)態(tài)系點(diǎn)，但是缺少詳細(xì)的說明和操作流程。本文研究了適用于風(fēng)云三號(hào)微波成像儀MWRI 數(shù)據(jù)的Bootstrap算法，包括亮溫系點(diǎn)值的動(dòng)態(tài)選取方法，天氣濾波器的使用以及陸地污染效應(yīng)的去除等。同時(shí)，將反演結(jié)果與NSIDC 和國家衛(wèi)星海洋應(yīng)用中心發(fā)布的海冰密集度產(chǎn)品進(jìn)行了對(duì)比，并利用SAR 冰水分類數(shù)據(jù)對(duì)本研究反演的海冰密集度進(jìn)行精度評(píng)估。

2 數(shù) 據(jù)

2.1 風(fēng)云微波成像儀數(shù)據(jù)

本研究采用中國自主FY-3 系列氣象衛(wèi)星搭載的微波成像儀（MWRI）一級(jí)亮溫?cái)?shù)據(jù)反演北極海冰密集度。該傳感器以圓錐方式對(duì)地表進(jìn)行掃描并獲取微波輻射能量，其地面入射角為53°，刈輻寬度為1400 km，適合大尺度極地海冰信息反演。其擁有10—89 GHz 的5 個(gè)觀測(cè)頻率，每個(gè)頻率都具有水平和垂直兩種極化方式，共計(jì)10 個(gè)通道。該一級(jí)亮溫?cái)?shù)據(jù)每天包括大約14 個(gè)升軌數(shù)據(jù)和14 個(gè)降軌數(shù)據(jù)，數(shù)據(jù)以HDF 格式存儲(chǔ)并發(fā)布于國家衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)（http：//satellite.nsmc.org.cn/PortalSite/Data/Satellite.aspx［2022-07-08］）。本文使用了2019 年—2020 年兩年數(shù)據(jù)，共計(jì)731 天，其中2019 年采用FY-3C 數(shù)據(jù)，2020 年采用FY-3D數(shù)據(jù)。

表 1 FY-3C/MWRI與DMSP-F17/SSMIS的參數(shù)對(duì)比Table 1 Parameter comparison between FY-3/MWRI and DMSP-F17/SSMIS

2.2 NSIDC發(fā)布的海冰密集度數(shù)據(jù)集

美國冰雪數(shù)據(jù)中心（NSIDC）發(fā)布的海冰密集度數(shù)據(jù)集（NSIDC-0079）是利用Nimbus-7 衛(wèi)星搭載的SMMR 傳感器、美國國防氣象衛(wèi)星DMSP-F8/F11/F13 搭載的SSM/I 傳感器以及DMSP-F17 搭載的SSMIS 傳感器獲取的微波亮溫?cái)?shù)據(jù)反演得到的（Comiso，2017）。該數(shù)據(jù)集基于NASA GSFC（Goddard Space Flight Center）開發(fā)的Bootstrap算法生成，時(shí)間覆蓋范圍為1978 年11 月1 日至2021 年12 月31 日，包括南北極日平均和月平均海冰密集度，數(shù)據(jù)投影方式為NSIDC 極地立體投影，空間分辨率為25 km。該數(shù)據(jù)集作為基礎(chǔ)性數(shù)據(jù)，是氣候變化研究中的重要數(shù)據(jù)資源。在本研究中，基于國產(chǎn)FY-3 衛(wèi)星反演的海冰密集度數(shù)據(jù)將與該數(shù)據(jù)集進(jìn)行交叉驗(yàn)證。

2.3 國家衛(wèi)星海洋應(yīng)用中心發(fā)布的海冰密集度數(shù)據(jù)集

Shi 等（2021）基于FY-3C 衛(wèi)星搭載的MWRI亮溫?cái)?shù)據(jù)使用NASA Team 算法反演了2016 年—2020年的海冰密集度。該研究將DMSP-F17 SSMIS亮溫?cái)?shù)據(jù)作為參考，對(duì)FY-3C/MWRI 亮溫?cái)?shù)據(jù)進(jìn)行交叉校準(zhǔn)，并將反演得到的海冰密集度數(shù)據(jù)分別與船載、美國冰雪數(shù)據(jù)中心發(fā)布的NASA Team產(chǎn)品以及SAR 產(chǎn)品進(jìn)行了交叉驗(yàn)證，精度總體表現(xiàn)較好，尤其是使用動(dòng)態(tài)系點(diǎn)的方法在海冰融化季節(jié)大幅度提高了海冰密集度的準(zhǔn)確性，該研究為中國發(fā)布風(fēng)云系列衛(wèi)星長時(shí)間序列海冰密集度產(chǎn)品奠定了基礎(chǔ)。

2.4 SAR海冰密集度驗(yàn)證數(shù)據(jù)

Wang 和Li（2021）基于Sentinel-1 超寬（Extra Wide Swath）條帶模式下的雙極化觀測(cè)數(shù)據(jù)，利用深度學(xué)習(xí)算法（U-Net）獲取了北極海冰覆蓋產(chǎn)品。該產(chǎn)品最終提供了400 m 空間分辨率的海冰覆蓋產(chǎn)品（冰水分類二值數(shù)據(jù)），數(shù)據(jù)集時(shí)間范圍是2019 年—2020 年，利用交互式傳感器冰雪測(cè)繪系統(tǒng)（Interactive Multisensor Snow and Ice Mapping System）每日海冰覆蓋數(shù)據(jù)進(jìn)行評(píng)估，總體精度為93.98%。本文將該產(chǎn)品重新投影到25 km分辨率的NSIDC 極地立體網(wǎng)格，然后通過統(tǒng)計(jì)每個(gè)25 km×25 km 網(wǎng)格內(nèi)海冰覆蓋的像元數(shù)量，得到25 km 空間分辨率的海冰密集度，以此作為驗(yàn)證數(shù)據(jù)對(duì)Bootstrap 方法和NASA Team 方法反演的海冰密集度做精度評(píng)估。

3 研究方法

3.1 Bootstrap算法

根據(jù)Comiso 和Zwally 描述的輻射傳輸模型（Comiso 和Zwally，1982），對(duì)于給定類型的表面，觀測(cè)到的亮溫（TB）可以表示為

式中，ε表示特定表面類型的發(fā)射率，TS表示物理溫度，τ表示大氣的不透明度，TA表示來自大氣的貢獻(xiàn)，包括大氣的上行輻射，大氣的下行輻射和來自外部空間（～3 K）的輻射（Comiso 和Zwally，1982）。假設(shè)在每個(gè)數(shù)據(jù)網(wǎng)格內(nèi)，開闊水的比例為CO，海冰的比例為CI，因此觀測(cè)的亮溫可以表示為

式中，和分別表示開闊水和海冰的亮溫。由于CO+CI= 1，

圖1 表示Bootstrap 算法的原理圖，圖1 中沿AD 線分布的數(shù)據(jù)點(diǎn)代表接近100%密集度，但其具有不同的發(fā)射率或溫度。式（3）中，點(diǎn)I 處的數(shù)據(jù)點(diǎn)代表某種100%密集度的海冰類型，具有特定的發(fā)射率或溫度。OI 線的點(diǎn)代表這種海冰類型的不同密集度，呈線性變化。當(dāng)大部分100%密集度的海冰沿著AD 分布時(shí)，該算法是有效的，因此準(zhǔn)確客觀的獲取AD 線決定了海冰密集度反演結(jié)果的準(zhǔn)確性。數(shù)據(jù)點(diǎn)I所代表的亮溫為直線AD 和BO的交點(diǎn)亮溫值。對(duì)于參考開闊水的亮溫值，將在3.2 小節(jié)做具體闡述。原理示意圖中沿著OW 線的數(shù)據(jù)代表開闊海水中的數(shù)據(jù)，受暴風(fēng)雨等惡劣天氣狀況的影響，亮溫也隨之增加，它們會(huì)對(duì)真實(shí)海冰密集度的估算產(chǎn)生影響，將在3.3 小節(jié)詳細(xì)介紹去除天氣狀況影響的方法。在實(shí)際海冰密集度的計(jì)算中，TB-表示點(diǎn)OB 之間的距離，-表示點(diǎn)OI之間的距離（Comiso，1995）。

圖1 Bootstrap算法的原理圖Fig. 1 Schematic diagram of Bootstrap Algorithm

Bootstrap 算法在具體應(yīng)用過程中主要包括極化模式（HV37）和頻率模式（V1937），圖2為2019年1 月1 日FY-3C/MWRI 觀測(cè)的北極區(qū)域（已去除陸地區(qū)域）的極化模式和頻率模式的散點(diǎn)圖。

圖2 2019年1月1日極化模式和頻率模式散點(diǎn)圖Fig. 2 Scatter diagrams of polarization mode and frequency mode on January 1， 2019

在北極海冰密集度的反演中，最常使用的是37H GHz 和37V GHz 通道之間的高相關(guān)性，即Bootstrap 算法的極化模式（HV37）。這種通道的組合十分適合高密集度海冰的反演，主要因?yàn)檠刂鳤D線分布的數(shù)據(jù)點(diǎn)線性聚類標(biāo)準(zhǔn)差小于2.5 K，適用于北極冬季海冰密集度大于95%的情況（Comiso，1995）。對(duì)于接近100%密集度的海冰的AD 線的斜率幾乎始終接近于1.0，這種情況在SMMR、SSMI、SSMIS傳感器都具有同樣的效果。因此，極化模式（HV37）特別適合于北極冬季中央?yún)^(qū)域海冰密集度的反演。在低密集度海區(qū)，由于水平極化亮溫的區(qū)域變化較大，反演誤差也相對(duì)較大，主要使用19V GHz和37V GHz。大量的統(tǒng)計(jì)分析結(jié)果表明在低密集度冰區(qū)頻率模式（V1937）比極化模式（HV37）在時(shí)間和空間尺度上具有更好地一致性，提供更加連貫的海冰密集度數(shù)值（Comiso，1986；Comiso 等，1997），這可能是因?yàn)閭鞲衅鞯娜肷浣墙咏诓既逅固亟?，在此情況下海冰在垂直通道的亮溫比水平通道亮溫更加穩(wěn)定（Comiso，1995）。在北極的季節(jié)性冰區(qū)，冰蓋主要由一年冰組成，輻射率比北極中央?yún)^(qū)域更加均勻，這些區(qū)域的點(diǎn)受到冰內(nèi)部體積散射的影響小，通常不會(huì)形成多年冰觀測(cè)的非線性聚類（Comiso，1986）。對(duì)于SMMR 和SSMIS 傳感器，Comiso（1986）研究表明頻率模式沿AD 線的數(shù)據(jù)點(diǎn)反演海冰密集度值較極化模式偏小，對(duì)于MWRI 傳感器的試驗(yàn)結(jié)果與兩種微波輻射計(jì)相同，這主要是由不同極化方式對(duì)冰雪分層和粗糙度等狀況下的高敏感性導(dǎo)致（Matzler等，1984）。

在進(jìn)行海冰密集度計(jì)算時(shí)，理想狀況的散點(diǎn)圖都集中在OAD 三角形內(nèi)，但在實(shí)際的SMMR、SSM/I、SSMIS 和MWRI 數(shù)據(jù)中存在一些受到隨機(jī)噪聲和物理溫度、空間變化較大的點(diǎn)，因此需要對(duì)它們進(jìn)行特殊考慮，圖2 中的這些點(diǎn)落在OA 的右側(cè)，他們主要由新生冰以及邊緣冰區(qū)的浮冰所組成（Comiso，1995）。若點(diǎn)落在OA右側(cè)，則確定OI的長度較大。在實(shí)際計(jì)算過程中，將A點(diǎn)作為峰值發(fā)射率，即線段OA 的長度為線段OI 的極限值。為了最小化異常OI 的影響，參考Comiso（1995）處理方法，在進(jìn)行此部分?jǐn)?shù)據(jù)點(diǎn)海冰密集度計(jì)算時(shí)，將OI替換為OA。通過這一特殊處理，可以使數(shù)據(jù)點(diǎn)提供更加真實(shí)的海冰密集度值。

在北極中央?yún)^(qū)域即遠(yuǎn)離冰邊緣的區(qū)域，使用極化模式（HV37），在海冰密集度反演過程中由圖2（b）中線AD-5以上的點(diǎn)劃定。在邊緣冰區(qū)即AD-5以下的點(diǎn)使用頻率模式（V1937）計(jì)算海冰密集度結(jié)果。-5 K的偏移主要是因?yàn)楸睒O冬季中央?yún)^(qū)域內(nèi)普遍存在約5%—10%左右的開闊水（Comiso，1995）。本研究采用-5 K與Comiso（1995）和NSIDC發(fā)布的基于Bootstrap 算法的海冰密集度數(shù)據(jù)集（Comiso等，1997）相一致。

3.2 亮溫系點(diǎn)值的選擇

亮溫系點(diǎn)值的選擇對(duì)于海冰密集度的反演是一項(xiàng)十分重要的工作，關(guān)系到最終反演海冰密集度的精度。在Bootstrap 算法中，主要是根據(jù)實(shí)際亮溫的散點(diǎn)圖確定TI和TO。正如前文介紹，100%密集度海冰的特征值沿著直線AD 分布，通過確定AD 和開闊水O 點(diǎn)的特征值便可確定點(diǎn)I 度。直線AD 和AO 確定的思路是將沿直線AD 和AO 附近的點(diǎn)選出，并進(jìn)行線性回歸可確定AD 和AO 的直線方程，進(jìn)而求解交點(diǎn)A 的坐標(biāo)。對(duì)于極化模式，給定初始點(diǎn)A0（253，242）和點(diǎn)D0（179，168）（盡可能靠近AD 線性聚類中心，如圖3（a）黑色虛線所示），初始點(diǎn)A0（253，242）和點(diǎn)O0（195，129）（盡可能靠近AO 線性聚類中心，如圖3（a）黑色虛線所示），由初始點(diǎn)確定的直線A0D0和A0O0分別增加±10 截距（如3（a）品紅色虛線所示），便可選出沿AD（圖3（a）中淡藍(lán)色點(diǎn)）和AO（圖3（a）中綠色點(diǎn)）分布的散點(diǎn)，通過線性回歸得出實(shí)際用于海冰密集度反演的直線AD 和AO 方程。對(duì)于頻率模式，與上述方法類似，給定初始點(diǎn)A0（252，256）和點(diǎn)D0（177，218），初始點(diǎn)A0（252，256）和點(diǎn)O0（194，170），由初始點(diǎn)確定的A0D0和A0O0增加±10 截距（如圖3（b）品紅色虛線所示），選出沿AD（圖3（b）中淡藍(lán)色點(diǎn)）和AO（圖3（b）中綠色點(diǎn)）分布的散點(diǎn)，進(jìn)而線性回歸求出最終直線方程?！?0 K 截距的選擇是根據(jù)FY-3/MWRI 亮溫散點(diǎn)分布所得，當(dāng)融冰期氣溫逐漸升高，海冰亮溫會(huì)有所增加，聚類特征較冬季相對(duì)分散，±10 K可以將這部分散點(diǎn)考慮其中。

在密集冰區(qū)內(nèi)部的開闊水表面特征較為平滑，因?yàn)樵S多波浪的影響已經(jīng)被浮冰大大削弱，因此這部分開闊水的亮溫更加接近TO，對(duì)于實(shí)際開闊水亮溫系點(diǎn)值的選取要接近最低的開闊水的值，即大致位于OW 和OA 的交點(diǎn)。在頻率模式下，選取TB（19 GHz）＜182 K 的點(diǎn)（對(duì)應(yīng)圖3（b）中黑色區(qū)域的點(diǎn)），計(jì)算37 GHz（V）的平均值即為開闊水域在37 GHz 的亮溫系點(diǎn)值，將其分別帶入頻率模式和極化模式的直線AO 方程便可得出19 GHz（V）和37 GHz（H）的開闊水亮溫。至此，本方法實(shí)現(xiàn)根據(jù)每日亮溫散點(diǎn)的分布動(dòng)態(tài)選取TI和TO。

圖3 亮溫系點(diǎn)值的選擇Fig. 3 Selection of tie-point of brightness temperature

3.3 天氣濾波器的使用

在開闊海洋和海冰的邊緣區(qū)域，受云中液態(tài)水、海面水蒸氣、降雨和風(fēng)等天氣效應(yīng)的影響導(dǎo)致亮溫大幅升高。該算法在這些區(qū)域應(yīng)用時(shí)，會(huì)出現(xiàn)不真實(shí)的海冰密集度值，此時(shí)可以使用天氣濾波器和大氣校正等方法予以去除（劉森 等，2020）。NT1 算法采用極化梯度比和光譜梯度比去除云中液態(tài)水；還有一些算法使用輻射傳輸模型去除大氣的影響，如NT2算法、N90算法等，這些算法主要使用85 GHz 等高頻通道，但是高頻通道受大氣等狀況的影響較嚴(yán)重。

對(duì)于Bootstrap 算法，來自開闊水域的數(shù)據(jù)點(diǎn)主要沿著圖4 散點(diǎn)圖的OW 線聚集，可以通過直線將開闊水與冰雪覆蓋區(qū)域分開。對(duì)于SMMR 傳感器，在頻率模式（V1837）使用閾值法可以較好去除開闊水域的虛假海冰（Comiso，1986）。對(duì)于SSM/I 傳感器，其頻率模式使用的19.35 GHz 更加接近水蒸汽線（22 GHz），僅使用V1937 未能有效去除所有開闊水域內(nèi)所有虛假海冰。因此，額外使用22 GHz 垂直通道共同實(shí)現(xiàn)對(duì)開闊水域虛假海冰的去除（Comiso，1995）。對(duì)于MWRI 傳感器，其頻率模式使用18.7 GHz 通道數(shù)據(jù)，與SMMR 傳感器使用的18 GHz 通道數(shù)據(jù)接近。大量實(shí)驗(yàn)發(fā)現(xiàn)在頻率模式（V1937）由（200，184）（223，202）兩點(diǎn)確定的直線可以有效區(qū)分開闊水域，這與Comiso（1986）采用的方法是一致的。因此，算法自動(dòng)將圖4中紅色標(biāo)記的數(shù)據(jù)點(diǎn)的海冰密集度設(shè)置為0%。由于極化模式未能根據(jù)聚類特征較好地區(qū)分海冰和海冰，因此天氣濾波僅在頻率模式下進(jìn)行。

圖4 天氣濾波器的示意圖Fig. 4 Schematic of the weather filter

3.4 陸地污染的修正

陸地到海洋的溢出通常稱為“陸地污染”，它是指近岸區(qū)域陸地比海洋的亮溫高得多產(chǎn)生的模糊問題，主要是由于傳感器天線模式的寬度相對(duì)較粗所導(dǎo)致，它會(huì)導(dǎo)致沿海岸線產(chǎn)生虛假的海冰信號(hào)（Cavalieri 等，1999）。所有傳感器的陸地到海洋的溢出效應(yīng)是不同的，因?yàn)樗鼈兊淖阚E大小和訪問時(shí)間并不相同。訪問時(shí)間非常重要，因?yàn)殛懙乇砻娼?jīng)歷了比海洋表面更大的晝夜溫度變化。單單這一差異都會(huì)導(dǎo)致虛假海冰的出現(xiàn)，因此必須進(jìn)行修正。

本研究采用Cavalieri 等（1997）采用的方法，該方法假設(shè)沒有海冰殘留的海岸線附近觀測(cè)到的最小海冰密集度可能是陸地溢出的結(jié)果，最小值一般出現(xiàn)在夏末（即9 月中下旬），所以應(yīng)該從圖像中減去。為了減少在實(shí)際海冰覆蓋區(qū)域中減去誤差，該技術(shù)搜索并需要在待校正的圖像像素附近存在一定的開闊水。

4 結(jié)果與討論

4.1 海冰密集度的反演結(jié)果

本研究首先得到海冰密集度的反演結(jié)果（圖5（a）），其中在開闊水域受風(fēng)速、降雨、云中液態(tài)水和大氣水汽等天氣狀況的影響，存在大量虛假海冰。參考RSS （Remote Sensing Systems）發(fā)布的2019 年8 月31 日微波數(shù)據(jù)產(chǎn)品（包括大氣的水蒸氣含量、云中液態(tài)水含量、降雨率、表面風(fēng)速）可知，受風(fēng)速（9—13 m/s）影響的區(qū)域?qū)?yīng)圖5（a）中紅色框（阿拉斯加山脈的南部海域）；受降雨（2—6 mm/h）影響的區(qū)域?qū)?yīng)圖5（a）中洋紅色框（新地島和法蘭士約瑟夫地群島中間海域）；受云中液態(tài)水（0.3—0.8 mm）影響的區(qū)域?qū)?yīng)圖5（a）中綠色框（挪威海以及格陵蘭島的南部海域）；受大氣水汽（25—35 mm）影響的區(qū)域?qū)?yīng)圖5（a）中白色框（巴倫支海域）。根據(jù)3.3 節(jié)方法對(duì)天氣效應(yīng)影響進(jìn)行修正，如圖5（b）所示，對(duì)比圖5（a）可以看出，天氣濾波器有效地去除了高風(fēng)速、降雨、云中液態(tài)水和大氣水汽等因素引起的虛假海冰。

圖5 2019年8月31日海冰密集度的反演結(jié)果Fig. 5 Retrival results of Sea Ice Concentration on August 31， 2019

由圖5（a）可以看出，在陸地邊緣區(qū)域（如維多利亞島、八芬島、帕里群島、斯堪的納維亞山脈、阿拉斯加半島以及大不列顛群島等）存在十分明顯的陸地污染現(xiàn)象。陸海邊界區(qū)域大量虛假海冰的存在，是造成海冰密集度產(chǎn)品誤差的重要來源。采用3.4 節(jié)方法對(duì)傳感器造成的陸地污染進(jìn)行修正，結(jié)果如圖5（c）所示，很明顯在絕大部分陸海邊界區(qū)域的虛假海冰得以有效去除。為了更加直觀說明陸地污染對(duì)于海冰范圍（SIE）以及海冰面積（SIA）結(jié)果的影響，將陸地污染去除之前的結(jié)果、陸地污染去除之后的結(jié)果與NSIDC發(fā)布的基于Bootstrap 算法反演結(jié)果進(jìn)行比較并繪制差異圖如圖6所示，圖6（a）表示陸地污染修正前的結(jié)果，圖6（b）表示陸地污染修正后的結(jié)果。其中，SIE 是指將所有海冰密集度大于15%的像元的面積累加；SIA 是指海冰密集度大于15%的網(wǎng)格點(diǎn)面積與海冰密集度乘積后再累加，以15%作為臨界值可以最大限度的消除大氣的影響（劉森 等，2020），計(jì)算結(jié)果均不包括北極極點(diǎn)范圍由于傳感器傾角無法獲取的海冰數(shù)據(jù)。MWRI 海冰范圍由9.14×106km2修正到3.87×106km2，這與NSIDC 的海冰范圍3.92×106km2十分接近；MWRI 海冰面積由4.87×106km2修正到2.89×106km2，這與NSIDC 的海冰范圍3.39×106km2十分接近。在北極中央?yún)^(qū)域基本無明顯差異，在新生冰和融池大量存在的區(qū)域本文反演結(jié)果偏低。

圖6 2019年8月31日海冰密集度差異Fig. 6 Difference of Sea Ice Concentration on August 31， 2019

4.2 亮溫系點(diǎn)值的分析

基于前文介紹動(dòng)態(tài)亮溫系點(diǎn)值的確定方法，繪制2019 年—2020 年全年37 GHz 垂直通道開闊水域（TO）的統(tǒng)計(jì)折線圖。

如圖7所示，藍(lán)色折線代表每日根據(jù)實(shí)際散點(diǎn)圖獲取的開闊水亮溫，紅色是進(jìn)行10 個(gè)滑動(dòng)平均后的結(jié)果，從圖中可以看出TO具有明顯的趨勢(shì)性?？傮w而言，冬季開闊水域參考亮溫TO相對(duì)偏低且變化幅度較小，夏季亮溫增加且變化幅度相對(duì)增大，這與Comiso對(duì)冬季和夏季采用固定開闊水域系點(diǎn)值的趨勢(shì)相一致（Comiso，1995）。冬季（1月—5 月和10—12 月）和夏季（6 月—9 月）開闊水的亮溫分別為：200.09±0.59 K、202.08±0.88 K。

圖7 開闊水域TO的亮溫系點(diǎn)值時(shí)間序列Fig. 7 Time series of brightness temperature of TO

4.3 交叉驗(yàn)證

4.3.1 基于Bootstrap算法不同傳感器的驗(yàn)證

為了進(jìn)一步說明本文反演海冰密集度產(chǎn)品的準(zhǔn)確性，將本文結(jié)果與NSIDC 發(fā)布的基于DMSPF17 SSMIS 傳感器采用Bootstrap 算法的海冰密集度產(chǎn)品進(jìn)行比較，采用海冰范圍（SIE）和海冰面積（SIA）兩個(gè)常用的海冰參數(shù)。2019 年—2020 年的北極海冰范圍和海冰面積的時(shí)間序列比較結(jié)果如圖8 所示，其中圖8（a）表示北極海冰范圍，圖8（b）表示北極海冰面積。

從圖8 中可以看出，2019 年—2020 年間北極海冰范圍和海冰面積的變化趨勢(shì)基本與NSIDC 發(fā)布的類似算法產(chǎn)品基本一致。對(duì)于海冰范圍兩種產(chǎn)品之間差異較小，2019 年—2020 年的兩年間的相關(guān)性約為1，平均差異為-0.052±0.015×106km2。對(duì)于海冰面積兩種產(chǎn)品之間的相關(guān)性為0.9997，2019 年—2020 年兩年間的平均差異為-0.401±0.093×106km2，比海冰范圍的平均差異偏大?？傮w而言，兩種產(chǎn)品的海冰范圍和海冰面積差異較小，該海冰密集度反演方法可以應(yīng)用于MWRI 傳感器長時(shí)間序列海冰密集度產(chǎn)品的制作。

圖8 北極海冰范圍和海冰面積的時(shí)間序列比較Fig. 8 Comparison of time series of Arctic sea ice extent and sea ice area

本文使用偏差（Bias）、相關(guān)系數(shù)（Corr）、均方根誤差（RMSE）、平均絕對(duì)誤差（RMSE）4 個(gè)參數(shù)根據(jù)月份統(tǒng)計(jì)兩種海冰密集度產(chǎn)品的差異，繪制箱線圖如圖9 所示，其中1 月份的數(shù)據(jù)為2019和2020年1月份數(shù)據(jù)的集合，依此類推。

從圖9 中每月份4 個(gè)參數(shù)的統(tǒng)計(jì)結(jié)果來看，在冬季（10 月至次年5 月），偏差整體為負(fù)，約為-3%；相關(guān)系數(shù)集中在0.93 附近；均方根誤差約為6.5%；平均絕對(duì)誤差為2%—4%。在夏季（6 月至9 月），相關(guān)系數(shù)雖稍有增加，但是最大最小極值差異大，反應(yīng)出兩種海冰密集度產(chǎn)品之間的不穩(wěn)定性。同時(shí)，6 月至9 月海冰經(jīng)歷初始融化階段、峰值融化階段和融化尾聲階段，偏差、均方根誤差和平均絕對(duì)誤差均呈現(xiàn)先增加再減小的趨勢(shì)，偏差值在8月份最大約為-8%，均方根誤差在9月份最大約為9%，平均絕對(duì)誤差在8月份最大約為10%。本文所采用的方法對(duì)海冰邊緣區(qū)域的海冰密集度容易造成低估，進(jìn)而造成北極海冰范圍和海冰面積較NSIDC 整體性偏小。與此同時(shí)動(dòng)態(tài)系點(diǎn)在冬季表現(xiàn)較好，在夏季由于融池的存在，產(chǎn)品間差異有所增大。兩種海冰密集度產(chǎn)品所采用動(dòng)態(tài)亮溫系點(diǎn)值的策略不同是造成海冰密集度產(chǎn)品之間差異的要原因。

圖9 兩種海冰密集度產(chǎn)品的對(duì)比差異Fig. 9 Comparison difference of two sea ice concentration products

4.3.2 基于MWRI傳感器不同算法的精度驗(yàn)證

將本文反演的海冰密集度產(chǎn)品和Shi等（2021）基于FY-3C 衛(wèi)星搭載的MWRI亮溫?cái)?shù)據(jù)使用NASA Team 算法反演海冰密集度產(chǎn)品分別與獨(dú)立數(shù)據(jù)源（SAR 數(shù)據(jù)）進(jìn)行精度驗(yàn)證。SAR 初始產(chǎn)品為北極冰水分類二值化數(shù)據(jù)，本研究將其重新網(wǎng)格化成25 km 的海冰密集度產(chǎn)品，應(yīng)用統(tǒng)計(jì)學(xué)方法統(tǒng)計(jì)各網(wǎng)格單元內(nèi)海冰像元的數(shù)量并計(jì)算最終海冰密集度，將結(jié)果與上述兩種產(chǎn)品進(jìn)行逐像素的比較。

基于FY-3 系列衛(wèi)星的微波成像儀數(shù)據(jù)已成功應(yīng)用Bootstrap 算法和NASA Team 算法實(shí)現(xiàn)海冰密集度的反演，通過與SAR 海冰數(shù)據(jù)集的驗(yàn)證可以實(shí)現(xiàn)對(duì)算法精度的定量評(píng)估。圖10 表示兩種算法與SAR 驗(yàn)證數(shù)據(jù)的偏差箱線圖，其中圖10（a）代表Bootstrap 算法，圖10（b）圖代表NASA Team 算法。從圖10 可以看出，微波輻射計(jì)反演的海冰密集度與SAR 海冰覆蓋數(shù)據(jù)整體為負(fù)偏差。在冬季，Bootstrap 算法和NASA Team 算法的偏差變化較小，Bootstrap 算法偏差在-4%以內(nèi)，NASA Team 算法偏差在6%以內(nèi)；在夏季，Bootstrap 算法和NASA Team 算法的負(fù)偏差均大幅度增加，Bootstrap 算法的最高負(fù)偏差出現(xiàn)在8月（14.21±3.36），NASA Team算法的最高負(fù)偏差也出現(xiàn)在8月（18.30±4.54），主要是受氣溫升高的影響，使得8月份處于海冰融化的峰值時(shí)期，由于大量融池的存在，微波輻射計(jì)難以區(qū)分薄冰和開闊水，因此導(dǎo)致大部分薄冰被錯(cuò)誤地分類為海水進(jìn)而造成海冰密集度被嚴(yán)重低估。與此同時(shí)，對(duì)相關(guān)性也進(jìn)行相應(yīng)的統(tǒng)計(jì)，整體而言Bootstrap 算法和NASA Team 算法差異較小，但在夏季相關(guān)性都有所增加，但由于夏季月份統(tǒng)計(jì)結(jié)果的極差也較大，并不能說明夏季反演海冰密集度更加準(zhǔn)確。對(duì)于均方根誤差的精度驗(yàn)證結(jié)果如圖11 所示，Bootstrap 算法和NASA Team 算法的最小值均出現(xiàn)在一月份，分別為10.93±1.55、11.94±1.49；最大值均出現(xiàn)在7月份，分別為19.47±4.22、20.75±4.16。對(duì)于平均絕對(duì)誤差的精度驗(yàn)證結(jié)果如圖12 所示，Bootstrap 算法優(yōu)于NASA Team算法，在冬季精度約有1%的提升，在夏季精度約有4%左右的提升。

圖10 Bootstrap算法和NT1算法與SAR精度驗(yàn)證的偏差Fig. 10 Bias between Bootstrap algorithm and NT1 algorithm and SAR accuracy verification

圖11 Bootstrap算法和NT1算法與SAR精度驗(yàn)證的均方根誤差Fig. 11 Root mean square error of bootstrap algorithm and NT1 algorithm and SAR accuracy verification

圖12 Bootstrap算法和NT1算法與SAR精度驗(yàn)證的平均絕對(duì)誤差Fig. 12 Mean absolute error of bootstrap algorithm and NT1 algorithm and SAR accuracy verification

5 結(jié) 論

本研究基于FY-3 衛(wèi)星微波成像儀MWRI 2019 年—2020 年的亮溫?cái)?shù)據(jù)，對(duì)Bootstrap 算法的系點(diǎn)進(jìn)行調(diào)整，采用回歸法和閾值法動(dòng)態(tài)確定每日參考亮溫系點(diǎn)值實(shí)現(xiàn)對(duì)海冰密集度的反演，并將結(jié)果與NSIDC 發(fā)布的海冰密集度產(chǎn)品進(jìn)行比較，最后將基于Bootstrap 算法、NASA Team 算法的反演結(jié)果與SAR數(shù)據(jù)進(jìn)行驗(yàn)證，主要得出以下結(jié)論：

（1）本文通過線性回歸和閾值法每日動(dòng)態(tài)確定近100%密集度的線AD 和開闊水域的亮溫系點(diǎn)值，采用天氣濾波器和陸地污染修正方法較好實(shí)現(xiàn)對(duì)天氣效應(yīng)以及陸地污染對(duì)海冰密集度的反演造成的影響。

（2）將本研究反演海冰密集度結(jié)果與NSIDC發(fā)布的海冰密集度產(chǎn)品進(jìn)行比較分析得出，海冰范圍和海冰面積的趨勢(shì)基本一致，海冰范圍的相關(guān)性約為1，平均差異為-0.052±0.015×106km2。海冰面積的相關(guān)性約為0.9997，平均差異為-0.401±0.093×106km2。海冰密集度的差異主要為負(fù)趨勢(shì)，冬季約為-3%，平均絕對(duì)誤差為2%—4%，在夏季負(fù)偏差有所提高約為-8%，平均絕對(duì)誤差約為10%。造成兩種產(chǎn)品之間差異的主要原因是夏季動(dòng)態(tài)系點(diǎn)值的選擇策略不同，以及兩種不同傳感器初始亮溫之間的差異。

（3）基于MWRI 數(shù)據(jù)的Bootstrap 算法、NASA Team 算法與SAR 驗(yàn)證結(jié)果表明：微波輻射計(jì)數(shù)據(jù)反演的海冰密集度整體低于主動(dòng)微波SAR 數(shù)據(jù)反演的海冰密集度。冬季Bootstrap 算法的偏差在-4%以內(nèi)，NASA Team 算法的偏差在-6%以內(nèi)；在夏季受大量融池影響，Bootstrap 算法的最高偏差為-14.21%，NASA Team 算法的最高負(fù)偏差為-18.30%。對(duì)于平均絕對(duì)誤差的精度驗(yàn)證結(jié)果，Bootstrap 算法優(yōu)于NASA Team 算法，在冬季精度約有1%的提升，在夏季精度約有4%左右的提升。

本研究初步實(shí)現(xiàn)了將Bootstrap 算法應(yīng)用于國產(chǎn)星載微波輻射計(jì)數(shù)據(jù)，但在夏季差異偏大，后續(xù)工作將分析造成差異的原因。與此同時(shí)，后續(xù)將反演的海冰密集度產(chǎn)品與國際主流的海冰密集度產(chǎn)品利用船載觀測(cè)數(shù)據(jù)、可見光數(shù)據(jù)和SAR 數(shù)據(jù)細(xì)分不同海域進(jìn)行詳細(xì)地驗(yàn)證，從而獲取長時(shí)間序列精準(zhǔn)的海冰密集度產(chǎn)品，為研究全球氣候變化提供可靠的數(shù)據(jù)產(chǎn)品。

志 謝感謝美國冰雪數(shù)據(jù)中心提供基于SSMIS傳感器的海冰密集度數(shù)據(jù)集；感謝國家氣象中心提供的風(fēng)云系列衛(wèi)星微波成像儀一級(jí)亮溫?cái)?shù)據(jù)；感謝國家衛(wèi)星海洋應(yīng)用中心提供的基于NASA Team算法的海冰密集度數(shù)據(jù)集。