黃琳 邱玉寶 周靜恬 王長(zhǎng)林 梁曦 李群

(1 中國(guó)科學(xué)院大學(xué)資源與環(huán)境學(xué)院,北京 100049;2 中國(guó)科學(xué)院空天信息創(chuàng)新研究院數(shù)字地球重點(diǎn)實(shí)驗(yàn)室,北京 100094;3 中國(guó)科學(xué)院空天信息創(chuàng)新研究院和芬蘭氣象研究所北極觀測(cè)聯(lián)合研究中心,索丹屈萊 芬蘭 999018;4 國(guó)家海洋環(huán)境預(yù)報(bào)中心,北京 100081;5 中國(guó)極地研究中心,上海 200136)

0 引言

近年來(lái)北極海冰快速變化,特別是夏季海冰的持續(xù)消融,使得商業(yè)航運(yùn)加速發(fā)展[1]。為實(shí)現(xiàn)極地安全航行,航線區(qū)域海冰冰情的監(jiān)測(cè)不可或缺。海冰密集度(Sea Ice Concentration,SIC)是反映冰情的重要參數(shù)之一,海冰低密集度區(qū)是航運(yùn)服務(wù)可通航性的關(guān)鍵區(qū)[2],也是面向航運(yùn)服務(wù)的海冰數(shù)據(jù)的估算薄弱區(qū)。

目前已發(fā)展大量的海冰密集度算法,主要以星載被動(dòng)微波觀測(cè)為數(shù)據(jù)源,可實(shí)現(xiàn)每日全北極覆蓋觀測(cè),并廣泛應(yīng)用于航線評(píng)估和海洋及海冰預(yù)報(bào)中。傳感器包括搭載在美國(guó)國(guó)家航空航天局(NASA)的 Aqua 衛(wèi)星上的 AMSR-E (Advanced Microwave Scanning Radiometer for EOS)儀器,于2002 年3 月4 日發(fā)射,2011 年10 月4 日停止運(yùn)轉(zhuǎn),后繼者 AMSR-2 (Advanced Microwave Scanning Radiometer 2)搭載在JAXA 的GCOMW1 衛(wèi)星上,于2012 年3 月18 日至今繼續(xù)為海冰觀測(cè)提供輻射計(jì)數(shù)據(jù)。另外,1978—1987 年搭載在Nimbus-7 衛(wèi)星上的SMMR (Scanning Multichannel Microwave Radiometer),1987 年起搭載在國(guó)防氣象衛(wèi)星計(jì)劃(DMSP)的系列衛(wèi)星F-08、F-10至F-15 上的SSM/I (Special Sensor Microwave Imager)和F-16 至F-19 上的SSMIS (Special Sensor Microwave Imager/Sounder)提供了1987 年至今的北極逐日海冰觀測(cè)數(shù)據(jù)。海冰密集度產(chǎn)品作為海洋預(yù)報(bào)模型重要的輸入?yún)?shù)之一,其精度直接影響預(yù)報(bào)模型的準(zhǔn)確性;此外海冰邊緣區(qū)是航運(yùn)的主要活動(dòng)區(qū),直接影響航運(yùn)安全,也是影響海冰密集度估算精度的關(guān)鍵,因此在北極航運(yùn)的數(shù)字化服務(wù)中亟需海冰邊緣區(qū)的高精度數(shù)據(jù)。

由于時(shí)空分辨率、數(shù)據(jù)源及產(chǎn)品處理算法原理等差異,導(dǎo)致各產(chǎn)品監(jiān)測(cè)的海冰信息存在差異,而海冰產(chǎn)品的精度評(píng)價(jià)主要依賴(lài)于遙感觀測(cè)和走航數(shù)據(jù)。利用遙感觀測(cè)及分析數(shù)據(jù)對(duì)比北極全域的海冰密集度估計(jì)時(shí)空誤差的相關(guān)研究,比如參考數(shù)據(jù)選擇歐空局(ESA)中期海冰分?jǐn)?shù)數(shù)據(jù)集(再分析數(shù)據(jù))分析得到不同海冰密集度產(chǎn)品普遍具有一致性,但存在時(shí)空分布差異,尤其在夏季和邊緣冰區(qū)有較大的不確定性[3];選擇MODIS 與100%參考海冰密集度數(shù)據(jù),同樣得出海冰密集度產(chǎn)品在夏季融冰期(5—9 月)誤差最大[4]。利用船測(cè)數(shù)據(jù)比較北極走航沿線海冰密集度監(jiān)測(cè)誤差,例如趙杰臣等[1]對(duì)比7 種海冰密集度產(chǎn)品,發(fā)現(xiàn)這些產(chǎn)品對(duì)小范圍浮冰區(qū)反演差異較大,經(jīng)與船測(cè)數(shù)據(jù)(OBS-SIC)比較,分辨率最高的 AMSR2/ASI 數(shù)據(jù)(6.25 km)平均偏差和均方根誤差均最小。利用船載攝影觀測(cè)(P-OBS)比對(duì)5 種海冰密集度算法產(chǎn)品在夏季的精度,發(fā)現(xiàn)各產(chǎn)品在海冰密集度低于某一值后相對(duì)船測(cè)數(shù)據(jù)均有高估,在夏季,SSMIS-NT 的模擬精度最好而AMSR2-NT2 精度最差[5]。對(duì)于冰邊緣的誤差比較,從MODIS 圖像中計(jì)算生成虛擬船觀測(cè)(PSO)與PSO 冰邊緣[6],并與AMSR2 的兩種SIC 產(chǎn)品(ASI-SIC 和BT-SIC)比較,得到北極海冰邊緣對(duì)應(yīng)的平均海冰密集度值為10.5%,而B(niǎo)T-SIC 為23.6%,SIC 為15%處的ASI、BT 冰邊緣與PSO 的差距在35 km 以?xún)?nèi)[7]。以上評(píng)估比對(duì)研究主要關(guān)注海冰高密集度區(qū)和北極全域的海冰密集度精度,而很少關(guān)注邊緣冰區(qū)誤差及其在不同產(chǎn)品之間的具體差異,且采用走航觀測(cè)的驗(yàn)證對(duì)比在空間代表性方面也存在不足。

航運(yùn)多在海冰密集度較低的區(qū)域,然而冰邊緣是海冰密集度測(cè)量準(zhǔn)確度較低的地方,因此在數(shù)字化北極航運(yùn)研究中,比較多種常用的海冰密集度產(chǎn)品在冰邊緣區(qū)的不確定性并分析各產(chǎn)品在冰邊緣區(qū)的差異具有必要性,這種不確定性可能會(huì)直接影響海冰數(shù)值預(yù)報(bào)和航線預(yù)測(cè)的精度。本文選取國(guó)際上已發(fā)布的9 種海冰密集度數(shù)據(jù),以東北航道為研究區(qū)域,對(duì)比通航中最受關(guān)注的海冰邊緣區(qū)及低密集度區(qū)域,采用產(chǎn)品間對(duì)比和高分雷達(dá)數(shù)據(jù)的比對(duì)分析,評(píng)估各產(chǎn)品在其上的海冰監(jiān)測(cè)性能及其差異,為航運(yùn)的數(shù)字化服務(wù)及海冰短期預(yù)報(bào)模式輸入?yún)?shù)提供支持與參考。

1 研究區(qū)及數(shù)據(jù)處理

1.1 研究區(qū)域

東北航道沿挪威和俄羅斯海岸,途徑巴倫支海、喀拉海、拉普捷夫海、東西伯利亞海域和白令海峽,為北極地區(qū)夏季通航窗口期最長(zhǎng)的航道,也是連接歐洲與東北亞最短的航線,較傳統(tǒng)的蘇伊士運(yùn)河航線可縮短15%～50%[8]。中國(guó)遠(yuǎn)洋海運(yùn)集團(tuán)(以下簡(jiǎn)稱(chēng)“中遠(yuǎn)集團(tuán)”)自2013 年起在東北航道開(kāi)展商業(yè)航運(yùn),圖1 為科考船“向陽(yáng)紅01”號(hào)在2019 年的科考航線以及中遠(yuǎn)集團(tuán)在2018 年和2019 年夏季東北航道的幾條商船航線。東北航道的東西兩段均存在固定可通航期,在巴倫支?？蓪?shí)現(xiàn)全年通航;航道中段(喀拉海-拉普捷夫海-東西伯利亞海域)冰情最為復(fù)雜,無(wú)固定可通航期[9],通航窗口期主要在夏季凍融期8—10 月,其中拉普捷夫海固定可通航期時(shí)間最長(zhǎng),為8 月上旬至9 月下旬,新西伯利亞群島北側(cè)海域在通航期內(nèi)經(jīng)常受到冰阻,需要破冰船協(xié)助[10],而東西伯利亞海域在通航期內(nèi)海冰覆蓋面積最大,其海冰邊緣區(qū)范圍變化較快[11],是航行的關(guān)鍵風(fēng)險(xiǎn)區(qū)。

圖1 北極東北航道區(qū)2018—2019 年夏季我國(guó)商業(yè)航線及ASI-AMSR2 產(chǎn)品海冰密集度分布示意圖。圖中方框1—8代表參考數(shù)據(jù)合成孔徑雷達(dá)(SAR)樣本的編號(hào),ASI-AMSR2 產(chǎn)品對(duì)應(yīng)時(shí)間為2018 年9 月10 日Fig.1.Overview of Chinese trade routes in the Arctic Northeast Passage Region in summer of 2018–2019 and SIC distribution of ASI-AMSR2 products.The squares 1–8 represent the serial number of Synthetic Aperture Radar (SAR) samples as reference data,and ASI-AMSR2 product showed the sea ice concentration on September 10,2018

1.2 研究數(shù)據(jù)

1.2.1 海冰密集度產(chǎn)品

海冰密集度產(chǎn)品可獲取2018 年全北極的每日數(shù)據(jù),本研究選取了9 種海冰密集度產(chǎn)品(見(jiàn)表1),它們均為極地立體投影,分辨率高于25 km,各產(chǎn)品名稱(chēng)均以“算法-傳感器”命名。

表1 9 種海冰密集度業(yè)務(wù)化數(shù)據(jù)產(chǎn)品表Table 1.Nine operational sea ice concentration(SIC) products shown in this study

研究根據(jù)海冰密集度的算法原理將產(chǎn)品分為三種類(lèi)型。第一類(lèi)產(chǎn)品主要基于兩個(gè)低頻通道(19 GHz和37 GHz)的亮溫?cái)?shù)據(jù),包括BT-SSMI產(chǎn)品[12-13],其對(duì)溫度變化較敏感,當(dāng)積雪覆蓋海冰時(shí)會(huì)因絕緣溫度導(dǎo)致估計(jì)偏差。

第二類(lèi)產(chǎn)品基于多通道數(shù)據(jù)之間的亮溫組合,如極化差P(同頻段的垂直與水平極化之差)、極化比PR(同頻段的垂直與水平極化之差比兩者之和)和梯度比GR(兩頻段的亮溫之差比兩者之和),包括ASI-AMSR2 和ASI-SSMI、NT-SSMI 和NT2-AMSR2 產(chǎn)品。其中,ASI 算法[14]利用高頻85 GHz的極化差 P 計(jì)算得到海冰密集度,分辨率最高(6.25 km),P 值在開(kāi)闊水域遠(yuǎn)大于海冰可以較好地區(qū)分冰水,但易受大氣水汽及云層液態(tài)水等大氣影響;NT 算法[15]利用低頻19 GHz 和37 GHz的GR 和PR,可區(qū)分海水、一年冰和多年冰,并有效抵消海冰表面物理溫度的影響[12-13];NT2 算法[16-17]利用高頻85 GHz 與低頻19 GHz 和37 GHz數(shù)據(jù)的梯度比之差ΔGR,并結(jié)合大氣輻射傳輸模型做大氣校正,較好地區(qū)分了海水、一年冰與多年冰,并減弱了冰雪分層的影響。

第三類(lèi)為綜合算法,如 CDR(Climate Data Record)-SSMI 和使用OSI SAF 算法的三種產(chǎn)品。CDR 算法[16]結(jié)合了BT 和NT 算法,逐像元選擇兩者的較高值作為結(jié)果值;OSI SAF 算法[18]結(jié)合BT 和Bristol 兩種算法,在低密集度區(qū)(<70%)BT賦權(quán)值較大,反之 Bristol 賦權(quán)值較大,其中Bristol 是在BT 算法基礎(chǔ)上發(fā)展的優(yōu)化算法[12,19]。此外,OSI SAF-AMSR2[20]產(chǎn)品又分別使用19 GHz 和37 GHz 頻段數(shù)據(jù)的OSHD(OSI SAF Hybrid Dynamic)以及89 GHz、19 GHz 和37 GHz頻段數(shù)據(jù)的TUD(Technical University of Denmark)兩種算法生產(chǎn)出兩種海冰密集度產(chǎn)品。

1.2.2 合成孔徑雷達(dá)影像

本研究選擇了高分雷達(dá)遙感觀測(cè)數(shù)據(jù)作為海冰密集度產(chǎn)品比對(duì)的參考數(shù)據(jù),由哨兵一號(hào)(Sentinel-1)衛(wèi)星C 波段合成孔徑雷達(dá)(SAR)采集。哨兵一號(hào)有A、B 兩顆衛(wèi)星同時(shí)在軌運(yùn)行,目前重返周期達(dá)到3～6 d。研究選擇了超寬掃描模式(EW)L1 級(jí)地距多視(GRD)雙極化產(chǎn)品,其條帶寬度為410 km,入射角范圍18.9°～47.0°,像元間距為40 m×40 m。因其分辨率較高,在表征海冰的細(xì)節(jié)信息包括精細(xì)邊緣區(qū)具有優(yōu)勢(shì),故作為參考數(shù)據(jù),以較好地滿(mǎn)足驗(yàn)證精度的需求。SAR 樣本選取了2018 年夏季(7—9 月)東北航道冰邊緣區(qū),如圖2。

圖2 不同海冰邊緣類(lèi)型的SAR 數(shù)據(jù)樣本。樣本對(duì)應(yīng)位置見(jiàn)圖1。其中,SAR 樣本編號(hào)分別對(duì)應(yīng)2018 年的日期為:a)樣本1,7 月9 日;b)樣本2,8 月28 日;c)樣本3,8 月14 日;d)樣本4,8 月10 日;e)樣本5,8 月22 日;f)樣本6,9月12 日;g)樣本7,8 月9 日;h)樣本8,8 月11 日Fig.2.SAR data samples of two sea ice edge morphology.The location of samples were located as shown in figure 1.The SAR sample numbers correspond to the time respectively:a)sample 1,July 9;b)sample 2,August 28;c)sample 3,August 14;d)sample 4,August 10;e)sample 5,August 22;f)sample 6,September 12;g)sample 7,August 9;h)sample 8,August 11

根據(jù)海冰邊緣區(qū)形態(tài)特征,可將樣本分為分散型邊緣區(qū)(如樣本5 和6)與密集壓實(shí)型邊緣區(qū)(其余樣本)[21],前者由松散、分布較廣泛的浮冰組成,易受風(fēng)、洋流等力的作用發(fā)生漂流,海冰密集度小于30%;后者由浮冰緊密堆積而成,海冰密集度一般大于60%。

1.3 數(shù)據(jù)處理方法

1.3.1 海冰密集度產(chǎn)品數(shù)據(jù)歸一化處理

若因儀器或數(shù)據(jù)獲取成像導(dǎo)致圖像缺失或出現(xiàn)異常值,則去除產(chǎn)品中對(duì)應(yīng)日期的數(shù)據(jù)。為保證研究對(duì)象只有海冰,利用美國(guó)國(guó)家冰雪數(shù)據(jù)中心(NSIDC)的陸地掩膜和極孔掩膜工具[22],對(duì)“極孔”和陸地、海岸線進(jìn)行統(tǒng)一掩膜。為減小各算法的差異,將灰度值線性拉伸至同一范圍[0,100],然后采用雙線性插值法將各產(chǎn)品重采樣至最高分辨率6.25 km 用于后續(xù)的誤差比對(duì)。

1.3.2 雷達(dá)海冰密集度估算方法

首先通過(guò)輻射定標(biāo)將圖像灰度值轉(zhuǎn)換為反映地物目標(biāo)特性的后向散射系數(shù)值,以消除由傳感器、地形及大氣所帶來(lái)的誤差影響;其次采用修正Lee 濾波濾除斑點(diǎn)噪聲,并重投影至NSIDC 北極極地立體投影網(wǎng)格。由于寬幅SAR 圖像入射角區(qū)間較大且采用側(cè)視成像,使得靠近傳感器一側(cè)的圖像亮度遠(yuǎn)大于遠(yuǎn)離傳感器一側(cè)。通過(guò)裁剪,保留圖像亮度分布均一的區(qū)域以減小后續(xù)的分類(lèi)誤差。

冰水分類(lèi)采用閾值分割法,利用冰水在SAR圖像后向散射系數(shù)值上的明顯差異,通過(guò)設(shè)置閾值將像素級(jí)分為冰水二值結(jié)果,如公式(1)。式中,f(x,y)為SAR 圖像像元的后向散射系數(shù)值,T為冰水分割的閾值,g(x,y)為冰水分割后的像元值。閾值的選擇通過(guò)目視解譯和直方圖特征,結(jié)合光學(xué)MODIS 影像對(duì)比,選擇出冰水最佳分割閾值T[23]。

最后基于6.25 km分辨率網(wǎng)格統(tǒng)計(jì)SAR 冰水覆蓋面積,依據(jù)公式(2)計(jì)算海冰密集度(SIC),其中A1和A分別為網(wǎng)格內(nèi)海冰覆蓋面積和網(wǎng)格總面積。

2 結(jié)果與分析

2.1 全年時(shí)間系列誤差分析

圖3 是2018 年全北極日均偏差變化情況,圖中數(shù)據(jù)點(diǎn)是由9 種海冰密集度產(chǎn)品在全北極的每日數(shù)據(jù)逐像元與9 種產(chǎn)品的日平均值作差得到(缺失數(shù)據(jù)除外)。從2018 年全年來(lái)看,各產(chǎn)品在夏季6—8 月通航窗口期的偏差最大,這種平均偏差的季節(jié)性差異從一定程度上反映了不同產(chǎn)品對(duì)風(fēng)、大氣濕度和其他季節(jié)性變化量的敏感性[4]。其中BT-SSMI、NT2-AMSR2 和CDR-SSMI 三種產(chǎn)品趨勢(shì)相似且全年相較平均值高估較多,且在7 月上旬平均偏差最大,為1%,其余月份偏差大小基本在0.2%～0.7%之間。ASI 算法的兩種產(chǎn)品與前三者的全年變化趨勢(shì)相同,但ASI-SSMI 比ASI-AMSR2 偏差整體降低,特別是在2—5 月ASI-SSMI 負(fù)偏差最大,值為–0.9%。NT-SSMI 產(chǎn)品較平均值始終低估,且有兩個(gè)極小值分別在7月初和11 月初,值為–0.7%。分辨率最高的4 種產(chǎn)品(分辨率為6.25 km 的ASI-AMSR2 和10 km的三種OSI SAF 產(chǎn)品),平均偏差的絕對(duì)值在冬季最小,均在0 附近。

圖3 2018 全年各SIC 產(chǎn)品全北極日均偏差變化圖Fig.3.Daily mean deviation of nine SIC products over the Arctic in 2018

2.2 海冰邊緣區(qū)空間分布對(duì)比分析

9 種產(chǎn)品在2018 年全年每日所能監(jiān)測(cè)的海冰最大和最小范圍(即海冰密集度大于0 的區(qū)域)如圖4,陰影區(qū)為各產(chǎn)品海冰范圍監(jiān)測(cè)最大差異。由圖可見(jiàn)各產(chǎn)品海冰范圍差異隨季節(jié)變化不同,范圍差異最小在第266 天,為2.51×106km2,差異最大在第332 天,可達(dá)到6.26×106km2。

圖4 2018 年9 種產(chǎn)品每日海冰覆蓋最大差異圖。圖中上曲線是每日產(chǎn)品海冰覆蓋估計(jì)最大值,下曲線是每日產(chǎn)品海冰覆蓋估計(jì)最小值,兩者之間的橙色區(qū)域則為產(chǎn)品海冰范圍的最大估計(jì)差異Fig.4.Maximum difference in daily sea ice coverage of nine products in 2018.The upper curve is the daily maximum value of sea ice coverage of all products,the lower curve is the minimum value,and the maximum difference is the maximum minus the minimum value,shown in orange area

以8 月2 日為例,分別計(jì)算東北航道區(qū)各產(chǎn)品海冰判別范圍空間分布。由圖5,海冰判別范圍最大的是使用OSI SAF 算法的三種產(chǎn)品,特別是在拉普捷夫海和東西伯利亞海沿岸。其次是使用NT、BT和CDR算法的產(chǎn)品,這可能與其利用的低頻數(shù)據(jù)受大氣影響較小有關(guān)。而使用ASI 和NT2 算法的海冰密集度產(chǎn)品判別范圍最小,可能是由于兩者基于高頻數(shù)據(jù)受大氣影響較大,在大氣校正和天氣濾波方面濾除了較多的真實(shí)海冰。NT2 算法產(chǎn)品比ASI 算法產(chǎn)品估計(jì)范圍略大,保留了相對(duì)較多的低密集海冰區(qū),很可能是由于NT2 在計(jì)算中考慮了12 種大氣環(huán)境模態(tài),從而改善了大氣對(duì)海冰判別影響。此外具有更高分辨率的AMSR2 傳感器比SSMI 傳感器判別范圍也更小。

圖5 2018 年8 月2 日東北航道區(qū)各產(chǎn)品數(shù)據(jù)海冰覆蓋空間分布差異圖。圖中藍(lán)色區(qū)域是所有產(chǎn)品共同可估計(jì)的海冰范圍分布,紅色區(qū)域是各產(chǎn)品估計(jì)范圍相對(duì)公共區(qū)域的差異分布Fig.5.Differences in the spatial distribution of sea ice extent of all products in the Northeast Passage Region on August 2,2018.The blue area showed the common estimable sea ice extent distribution of all products,the red area showed the difference extent distribution of each product relative to the common area

2.3 基于SAR 數(shù)據(jù)的低密集度區(qū)對(duì)比

2.3.1 散點(diǎn)圖對(duì)比

各海冰密集度產(chǎn)品在原始分辨率網(wǎng)格下與SAR 圖像進(jìn)行散點(diǎn)圖對(duì)比,選取的8 種SAR 樣本分別以壓實(shí)型和分散型兩種冰邊緣為區(qū)分,如以下散點(diǎn)圖的樣本2、樣本7 與樣本5、樣本6 分別是兩組典型的壓實(shí)型和分散型冰邊緣結(jié)果。

散點(diǎn)圖中的相關(guān)性計(jì)算均經(jīng)顯著性檢驗(yàn),存在顯著相關(guān)關(guān)系(p<0.05)。從散點(diǎn)圖分析來(lái)看,在穩(wěn)定的密集壓實(shí)型冰邊緣區(qū),除使用高頻算法的ASI-AMSR2 和NT2-AMSR2 產(chǎn)品外,其他產(chǎn)品基本呈現(xiàn)出在低密集度區(qū)(20%以?xún)?nèi))高估、在高密集度區(qū)低估的特點(diǎn),且各產(chǎn)品的高估下限值有所不同。樣本2 中ASI-AMSR2 和NT2-AMSR2 產(chǎn)品整體高估海冰密集度(圖6a 和6b),主要因?yàn)闃颖?具有由整塊海冰密集壓實(shí)而成的特征,在參考數(shù)據(jù)SAR 判別為開(kāi)闊水域的區(qū)域,此兩者產(chǎn)品被過(guò)度估計(jì)為海冰。此外過(guò)度估計(jì)誤差主要出現(xiàn)在海冰邊緣區(qū),這表明ASI 算法與NT2 算法可能將邊緣處水汽誤判為海冰,兩種算法對(duì)天氣濾波效果仍有不足。CDR-SSMI、BT-SSMI 和NT-SSMI 產(chǎn)品因其分辨率最低(25 km),易將小面積水域如融池等劃歸為海冰像素進(jìn)而導(dǎo)致海冰密集度被高估,因此其高估值主要位于冰邊緣、海冰內(nèi)部的冰間水道和冰上融池等區(qū)域。樣本7 中ASI-AMSR2 產(chǎn)品整體低估海冰密集度,該低估區(qū)主要位于海冰邊緣區(qū),表明SAR 監(jiān)測(cè)到海冰的地方該產(chǎn)品判別為開(kāi)闊水域,主要是由于ASI 算法的天氣濾波對(duì)海冰邊緣低海冰密集度區(qū)域?yàn)V除導(dǎo)致的(圖7a);而基于高頻算法的NT2-AMSR2產(chǎn)品對(duì)海冰密集度整體高估,與SAR的相關(guān)性?xún)H為0.588(圖7b)。這可能是由于NT2 算法中的大氣校正方法存在不足,將海冰低密集度區(qū)判別為海冰高密集度區(qū)導(dǎo)致的。OSI SAF-AMSR2 產(chǎn)品與SAR 相關(guān)性較好且在樣本2 和樣本7 中相關(guān)系數(shù)R2最穩(wěn)定(始終保持大于0.73)(圖6c和圖7c),且其分辨率為10 km,僅次于ASI-AMSR2 產(chǎn)品分辨率(6.25 km),可較好地表征冰內(nèi)細(xì)節(jié)信息。

圖6 壓實(shí)型冰邊緣區(qū)SAR 樣本2 與各海冰密集度產(chǎn)品的散點(diǎn)對(duì)比圖。圖中橫坐標(biāo)是經(jīng)重采樣至與海冰密集度產(chǎn)品同分辨率的SAR 海冰密集度網(wǎng)格數(shù)據(jù),縱坐標(biāo)分別是4 種不同分辨率的9 種產(chǎn)品海冰密集度(%)。a)分辨率6.25 km的ASI-AMSR2 產(chǎn)品;b)分辨率12.5 km 的ASI-SSMI 和NT2-AMSR2 產(chǎn)品;c)分辨率10 km 的OSI SAF-SSMI、OSI SAF(OSHD)-AMSR2 和OSI SAF(TUD)-AMSR2 產(chǎn)品;d)分辨率25 km 的CDR-SSMI、BT-SSMI、NT-SSMI產(chǎn)品。其中虛線表示SAR 與SIC 產(chǎn)品完全恒等線,實(shí)線表示SAR 與SIC 產(chǎn)品對(duì)應(yīng)網(wǎng)格點(diǎn)值的線性回歸,各自的線性回歸方程在圖右上角,線性相關(guān)系數(shù)(R2)和有效網(wǎng)格點(diǎn)對(duì)數(shù)N 在圖右下角Fig.6.Scatterplots of the nine products with SAR sample 2 in the pack ice edge area.X-axis is the SAR sea ice concentration grid data resampled to the same resolution as the nine SIC products,Y-axis are the nine products with 4 different resolutions.a) ASI-AMSR2 products with 6.25 km resolution;b) ASI-SSMI and NT2-AMSR2 products with 12.5 km resolution;c) OSI SAF-SSMI,OSI SAF(OSHD)-AMSR2 and OSI SAF(TUD)-AMSR2 products with 10km resolution;d) CDR-SSMI,BT-SSMI and NT-SSMI products with 25 km resolution.Dotted lines denote the identity line.Solid lines denote the linear regression of the respective value pairs between SAR samples and SIC products.The linear regression equations are given in the top right,and the linear correlation coefficient (R2) and the number of valid pairs (N)are given in the bottom right,respectively

圖7 壓實(shí)型冰邊緣區(qū)SAR 樣本7 與各海冰密集度產(chǎn)品的散點(diǎn)對(duì)比圖Fig.7.Scatterplots of the nine products with SAR sample 7 in the pack ice edge area

對(duì)于具有分散型邊緣的海冰區(qū)域(樣本5與樣本6),各產(chǎn)品會(huì)始終低估海冰密集度(圖8和圖9)。使用OSI SAF 算法的三種產(chǎn)品可較好地識(shí)別低密集度海冰,在海冰密集度低于10%時(shí),其線性擬合結(jié)果最接近y=x的直線,說(shuō)明與SAR 海冰密集度數(shù)值估計(jì)最為相近。CDR-SSMI、BT-SSMI 和NT-SSMI 產(chǎn)品則在海冰低密集度區(qū)(<20%)對(duì)海冰密集度高估程度較大,可能存在對(duì)海冰范圍的過(guò)度估計(jì)。在SAR 指示海冰密集度在10%以?xún)?nèi)的海冰區(qū),ASI-AMSR2、ASI-SSMI 和NT2-AMSR2三種產(chǎn)品將密集度均判別為0,即產(chǎn)品均濾除了10%以?xún)?nèi)的海冰。這主要是因?yàn)楫a(chǎn)品使用的ASI和 NT 算法基于高頻數(shù)據(jù),其對(duì)大氣數(shù)據(jù)最為敏感,特別是在海冰邊緣區(qū)[24],可能導(dǎo)致了產(chǎn)品的天氣濾波器對(duì)海冰邊緣區(qū)的海冰進(jìn)行了過(guò)度濾除。

圖8 分散型冰邊緣區(qū)SAR 樣本5 與各海冰密集度產(chǎn)品的散點(diǎn)對(duì)比圖。a)分辨率為6.25 km 的ASI-AMSR2 產(chǎn)品;b)分辨率為12.5 km 的ASI-SSMI 和NT2-AMSR2 產(chǎn)品;c)分辨率為10 km 的OSI SAF-SSMI、OSI SAF(OSHD)-AMSR2和OSI SAF(TUD)-AMSR2 產(chǎn)品;d)分辨率為25 km 的CDR-SSMI、BT-SSMI、NT-SSMI 產(chǎn)品Fig.8.Scatterplots of the nine SIC products with SAR sample 5 in the drift ice edge area.a) ASI-AMSR2 products with 6.25 km resolution;b) ASI-SSMI and NT2-AMSR2 products with 12.5 km resolution;c) OSI SAF-SSMI,OSI SAF(OSHD)-AMSR2 and OSI SAF(TUD)-AMSR2 products with 10 km resolution;d) CDR-SSMI,BT-SSMI and NT-SSMI products with 25 km resolution

圖9 分散型冰邊緣區(qū)SAR 樣本6 與各海冰密集度產(chǎn)品的散點(diǎn)對(duì)比圖Fig.9.Scatterplots of the nine SIC products with SAR sample 6 in the drift ice edge area

2.3.2 誤差分析

泰勒?qǐng)D[25]是一種可以表示標(biāo)準(zhǔn)差、均方根誤差和相關(guān)系數(shù)三個(gè)指標(biāo)的圖,這里采用標(biāo)準(zhǔn)化泰勒?qǐng)D,即對(duì)參考值與變量值的標(biāo)準(zhǔn)差與均方根誤差同除以參考值的標(biāo)準(zhǔn)差,令參考值=1,E=0,并消除其物理量單位。當(dāng)產(chǎn)品數(shù)據(jù)結(jié)果與參考值越一致時(shí),模式點(diǎn)越接近x軸中的參考點(diǎn)O,說(shuō)明這類(lèi)產(chǎn)品與參考數(shù)據(jù)越具有高的相關(guān)性。以上相關(guān)性計(jì)算均經(jīng)顯著性檢驗(yàn),p<0.05,因此存在顯著相關(guān)關(guān)系。從相關(guān)性來(lái)看(圖10),海冰邊緣密集壓實(shí)地區(qū)比邊緣分散地區(qū)的相關(guān)性和R2值更高,均方根誤差(RMSE)值更小。如樣本1(圖10a)和樣本4(圖10d)具有最高的R2值和最小的RMSE,這可能與這兩個(gè)區(qū)域內(nèi)海冰呈密集壓實(shí)狀態(tài)且邊緣線清晰有關(guān);而樣本6(圖10f)海冰邊緣分散,其R2值最低,RMSE也較大。

對(duì)于密集壓實(shí)型冰邊緣區(qū),ASI-SSMI 產(chǎn)品與SAR 樣本的相關(guān)性最高,其次較好的為 OSI SAF(OSHD)-AMSR2 和OSI SAF(TUD)-AMSR2產(chǎn)品。ASI-SSMI 產(chǎn)品使用了5 天中值濾波器,不僅去除了開(kāi)闊水域上的虛假海冰,而且減小了由天氣引起的冰邊緣區(qū)海冰密集度升高的誤差[4]。其中基于高頻ASI 算法的ASI-AMSR2 和ASISSMI 產(chǎn)品R2值最大,在0.78 以上,但RMSE也較大(>12%);基于低頻綜合算法的OSI SAF 產(chǎn)品,其R2值大于0.75,但RMSE最小(6.19%)。使用低頻算法的CDR-SSMI、BT-SSMI 和NT-SSMI 產(chǎn)品的相關(guān)性最低。而在分散型冰邊緣區(qū),如樣本6(圖10 f)高頻算法ASI-AMSR2 產(chǎn)品的R2僅為0.46,RMSE為17.25%;而OSI SAF(OSTD)-AMSR2 和OSI SAF(TUD)-AMSR2 產(chǎn)品的R2值最大(大于0.73),RMSE最小(6.19%)。由此,基于AMSR2 的OSI SAF 產(chǎn)品在現(xiàn)有產(chǎn)品中更能解釋低海冰密集區(qū)信息。這可能與 OSI SAF 算法綜合了 BT 和Bristol 算法,利用三種低頻通道在三維亮溫空間的特性,保持準(zhǔn)確反演低密集度區(qū)的優(yōu)勢(shì),有效地保留了低密集度海冰。另外,由于參考數(shù)據(jù)SAR 為瞬時(shí)成像,而海冰密集度產(chǎn)品由每日或多日多軌海冰密集度值平均求解得到,故可能因海冰漂移、破碎等瞬時(shí)變化影響兩者的比對(duì)誤差[26-27]。

圖10 9 種海冰密集度產(chǎn)品與不同SAR 樣本的標(biāo)準(zhǔn)化泰勒?qǐng)D。a)– h)依次對(duì)應(yīng)SAR 樣本1～ 8。圖中紅色虛線對(duì)應(yīng)均方根誤差,藍(lán)色虛線對(duì)應(yīng)相關(guān)系數(shù),黑色曲線對(duì)應(yīng)標(biāo)準(zhǔn)差數(shù)值,O 點(diǎn)對(duì)應(yīng)參考SAR 數(shù)據(jù),字母對(duì)應(yīng)產(chǎn)品順序?yàn)?A:ASI-AMSR2,B:ASI-SSMI,C:NT2-AMSR2,D:CDR-SSMI,E:BT-SSMI,F:NT-SSMI,G:OSI SAF-SSMI,H:OSI SAF(OSHD)-AMSR2,I:OSI SAF(TUD)-AMSR2Fig.10.Standardized Taylor diagrams of nine satellite SIC algorithm products and different SAR samples.Red dotted line denotes root mean square error,blue dotted line denotes correlation coefficient,black curve denotes standard deviation values,the point O represents the reference SAR data,and other letters corresponding to the SIC products are:A:ASI-AMSR2,B:ASI-SSMI,C:NT2-AMSR2,D:CDR-SSMI,E:BT-SSMI,F:NT-SSMI,G:OSI SAF-SSMI,H:OSI SAF(OSHD)-AMSR2,I:OSI SAF(TUD)-AMSR2

3 結(jié)論

論文以東北航道為研究區(qū),選取了2018 年國(guó)際上已發(fā)布的9 種海冰密集度遙感產(chǎn)品進(jìn)行比對(duì)分析。從9 種產(chǎn)品之間的誤差對(duì)比分析和驗(yàn)證表明:(1)從2018 年全年相對(duì)9 種產(chǎn)品平均值的日偏差來(lái)看,海冰密集度產(chǎn)品在夏季6—8 月偏差最大,其中分辨率最高的4 種產(chǎn)品6.25 km 的ASI-AMSR2 和10 km 的三種OSI SAF 產(chǎn)品,在夏季日偏差分別達(dá)到0.59%和–0.65%,而在冬季均最小,在0 附近。(2)從東北航道海冰邊緣區(qū)空間分布差異來(lái)看,9 種產(chǎn)品估算海冰范圍逐日最大與最小值之差全年變化范圍為 2.5 1×1 06～6.26×106km2,估算出的海冰范圍最大的是OSI SAF 的三種產(chǎn)品,差異主要分布在拉普捷夫海和東西伯利亞海沿岸,高頻算法ASI、NT2 的海冰密集度產(chǎn)品判別范圍最小。

其次,選取具有典型邊緣區(qū)特征的哨兵1 號(hào)SAR 影像作為參考樣本,對(duì)這9 種產(chǎn)品的海冰密集度分布進(jìn)行精度驗(yàn)證,結(jié)果表明:各產(chǎn)品在壓實(shí)型冰邊緣基本呈現(xiàn)低密集度區(qū)高估,高密集度區(qū)低估的特點(diǎn),其中基于NT2 和ASI 算法的三種產(chǎn)品除外。與SAR 數(shù)據(jù)相關(guān)性最高的是ASISSMI,其次是OSI SAF-AMSR2,兩者R2最大,分別為0.85 和0.82,且RMSE最小,分別為12.19%和9.70%。而在分散型冰邊緣區(qū),各產(chǎn)品均有不同程度的低估;基于OSI SAF 算法的產(chǎn)品與SAR 數(shù)據(jù)相關(guān)性最高,R2最大(0.78),RMSE最小(6.19%),可最好地識(shí)別低密集度海冰;其次為基于CDR 和BT 算法產(chǎn)品,但兩者海冰過(guò)估現(xiàn)象較嚴(yán)重;基于高頻算法的ASI 和NT2 產(chǎn)品可能會(huì)濾除10%以?xún)?nèi)冰邊緣區(qū),相關(guān)性最差。

通過(guò)評(píng)估,基于OSI SAF 算法的產(chǎn)品估算的海冰范圍最大,同時(shí)有效地保留了低密集度區(qū)的海冰,在壓實(shí)和分散型冰邊緣區(qū)與SAR 的相關(guān)性均較好,可以考慮作為航道服務(wù)冰況監(jiān)測(cè)的首選產(chǎn)品或新算法的基礎(chǔ),但其產(chǎn)品分辨率為 10 km,仍無(wú)法滿(mǎn)足航運(yùn)服務(wù)中所需的海冰密集度的高精度監(jiān)測(cè)。由此,在開(kāi)發(fā)面向航運(yùn)業(yè)務(wù)化應(yīng)用的海冰密集度產(chǎn)品時(shí),可以考慮在提高時(shí)空分辨率的同時(shí)結(jié)合不同算法在低密集度區(qū)的優(yōu)勢(shì),實(shí)現(xiàn)海冰在低密集度區(qū)的最佳反演產(chǎn)品開(kāi)發(fā)。