李樂樂，王曉雨，陳海花，蘇潔，管磊，4

1.中國海洋大學信息科學與工程學部,青島 266100;

2.中國高校極地聯(lián)合研究中心,北京 100875;

3.中國海洋大學物理海洋教育部重點實驗室,青島 266100;

4.區(qū)域海洋動力學與數(shù)值模擬功能實驗室,青島海洋科學與技術國家實驗室, 青島 266071

1 引 言

北極是地球上的寒極，是全球氣候變化的指示器與放大器，也是北半球氣候系統(tǒng)穩(wěn)定的重要基礎之一。過去十年，北極的氣溫變化是全球平均水平的兩倍，被稱為“北極放大”（Screen 和Simmonds，2010和2013；Francis和Vavrus，2012）。而海冰作為北極地區(qū)的重要地物類型，成為影響北極氣候變化的關鍵因素，對全球氣候系統(tǒng)的變化起到重要作用（Carsey，1992；Rees，2006；田立軍等，2021；張海龍和肖曉彤，2021），使得近年來北極海冰的快速變化受到了全球科學家的廣泛關注。Johannessen 等（1999） 的研究表明自1978 年—1998 年20 年間，北極地區(qū)的多年冰面積每年減少0.7%，其變化速度已經(jīng)超過了人們對北極的研究速度。長期以來，夏季北冰洋邊緣融化的海水面積僅僅占冬季海冰的10%左右（Deser等，2000），但進入21世紀以來，北極海冰持續(xù)減退，夏季海冰覆蓋范圍呈不斷減小趨勢（Comiso，2002；Meier 等，2007；Comiso 和Hall，2014），海冰厚度和海冰密集度均持續(xù)降低（Maslanik 等，2007；Kwok 等，2009）；在2001年—2013年期間，9 月份海冰覆蓋范圍的10 年變化率為?6.0%或更高（Meier 等，2014），北極已經(jīng)進入1400多年來的最暖時期（Kinnard 等，2011）。科學家們還通過研究發(fā)現(xiàn)，北極海冰變化與中緯度氣候模式之間也存在潛在關聯(lián)，包括東亞、歐洲以及北美洲大部分地區(qū)近年來出現(xiàn)的冬季異常降雪和極端低溫 天 氣（Francis 和Vavrus， 2012； Overland 和Wang，2010；Overland 等，2011），以及2008年和2011 年中國的南方凍雨與北方干旱現(xiàn)象（趙進平等，2015）。因此，北極海冰的準確信息對全球氣候系統(tǒng)的變化分析及預測至關重要。

作為海冰被動微波遙感的主要參數(shù)，海冰密集度SIC （Sea Ice Concentration）是影響極地地表與大氣間水熱交換的關鍵因素之一，對氣候變化和全球變暖的研究具有重要意義（Belchansk 和Douglas，2002；Zhang 等，2010）。自1972 年搭載于NASA Nimbus 5 衛(wèi) 星 上 的ESMR （Electrically Scanning Microwave Radiometer）發(fā)射升空并成功用于全球冰分布測量開始（Gloersen 等，1974），越來越多的微波輻射計開始提供對極區(qū)海冰的觀測，包括SMMR （Scanning Multichannel Microwave Radiometer）傳感器（Zwally 等，1983）、SSMI（Special Sensor Microwave/Imager）傳感器（Cavalieri 等，1992；Comiso 等，1997；Markus和Cavalieri，2000）、AMSR?E（Advanced Microwave Scanning Radiometer?EOS）傳感器（Comiso 等，2003；Spreen 等，2008）、AMSR2（Advanced Microwave Scanning Radiometer 2）傳感器（Meier 和Ivanoff，2017） 以及中國風云三號（FY?3） B、C、D 衛(wèi)星上的微波成像儀MWRI（MicroWave Radiometer Imager）（Li 等，2019；Hao等，2021）等，海冰密集度的空間遙感觀測技術已經(jīng)經(jīng)歷了40 多年的發(fā)展，并獲得了長時間序列的全球觀測數(shù)據(jù)集。

伴隨著星載微波輻射計的不斷升級改進，海冰密集度的衛(wèi)星遙感算法也在不斷地發(fā)展。目前應用較廣的主要有以下幾種：美國NASA 的NT2（NASA Team 2）算法（Markus 和Cavalieri，2000）、CalVal 算 法（Ramseier，1991）和Bootstrap 算 法（Comiso，1986；Comiso 等，2003），加拿大的ECICE算法（Shokr 等，2008），英國倫敦大學的Bristol算法（Smith，1996）、德國的ASI（ARTIST（Arctic Radiation and Turbulence Interaction STudy）Sea Ice）算 法（Kaleschke 等，2001；Spreen 等，2008）以及俄羅斯科學 院 的VASIA2（Variation Arctic/Antarctic Sea Ice Algorithm）算法（Tikhonov 等，2015）等。2017 年，Gabarro 等（2017）還 利 用SMOS 的L 波 段 亮 溫 數(shù)據(jù)，基于最大似然估計法進行了海冰密集度的反演嘗試；近年來，中國學者也紛紛對海冰密集度反演算法進行了探索和開發(fā)，比如Zhang等（2013）和Zhang 等（2018） 提 出 了DPR （Dual?Polarized Ratio algorithm）算法，Liu等（2015）提出了一種基于全約束最小二乘的海冰密集度估算方法（FCLS）方法，王歡歡等（2009）提出了利用AMSR?E 89 GHz通道亮溫數(shù)據(jù)進行北極多年冰密集度的反演算法，Hao 和Su（2015）利用動態(tài)系點值的ASI 算法提高了AMSR?E 海冰密集度的算法精度；同時部分學者利用現(xiàn)有的海冰密集度算法針對中國自主傳感器進行了極區(qū)冰雪的反演研究，如石立堅等（2014）基于海洋2號衛(wèi)星亮溫數(shù)據(jù)進行了NT2算法的海冰密集度反演，Li 等（2019）將MWRI 與AMSR?E亮溫數(shù)據(jù)交叉定標后利用ASI算法進行了北極地區(qū)海冰密集度的反演計算。

目前，國家衛(wèi)星氣象應用中心基于NT2 算法發(fā)布了風云系列衛(wèi)星上MWRI 傳感器的極區(qū)海冰密集度產(chǎn)品，其中FY3B/MWRI海冰密集度產(chǎn)品起始時間最早，為2011年6 月27日。王曉雨等（2018）將該產(chǎn)品與AMSR?E Level 3 海冰密集度產(chǎn)品進行了對比，并利用MODIS 數(shù)據(jù)對其進行了驗證。結果表明，在低密集度處該產(chǎn)品精度要明顯低于AMSR?E 產(chǎn)品，這與翟召坤等（2017）得到的結論一致。

本研究以獲取基于FY?3B/MWRI 亮溫數(shù)據(jù)且具有較高精度和空間分辨率的海冰密集度數(shù)據(jù)為目標，進行了北極地區(qū)海冰密集度的反演研究?？紤]到現(xiàn)有海冰密集度產(chǎn)品在冰水邊界存在誤判現(xiàn)象，本研究采用了利用較高分辨率通道的ASI算法進行北極地區(qū)海冰密集度的反演。

2 數(shù) 據(jù)

本研究在海冰密集度反演過程中用到了幾種數(shù)據(jù)集，介紹如下。

2.1 FY3B/MWRI數(shù)據(jù)

風云三號系列衛(wèi)星是中國的第二代極軌氣象衛(wèi)星，目前已發(fā)射升空4顆衛(wèi)星，F(xiàn)Y?3B于2010年11 月發(fā)射升空，為近極地太陽同步軌道，高度為836 km（國家衛(wèi)星氣象中心：http：//www.nsmc.org.cn/nsmc/cn/satellite/FY3.html［2020?05?18］）。搭載的微波成像儀MWRI 是全功率雙極化微波輻射計，以圓錐掃瞄方式進行觀測。除無6.9 GHz通道外，該傳感器的其余通道設置均與AMSR?E相似（Yang 等，2011；楊虎 等，2013），其主要參數(shù)設置如表1 所示。

表1 FY-3B/MWRI傳感器參數(shù)設置Table 1 Configurations of FY-3B/MWRI

FY?3B/MWRI 數(shù)據(jù)產(chǎn)品由中國國家衛(wèi)星氣象中心發(fā)布并提供服務。該中心提供發(fā)布該傳感器3 個等級的數(shù)據(jù)產(chǎn)品（Yang 等，2012），本研究用到的是Level 1 亮溫數(shù)據(jù)和Level 2 海冰密集度產(chǎn)品，前者用于海冰密集度計算，選取的時間范圍為2011 年1月1日—9月30日；后者用于海冰密集度反演結果的對比，其空間分辨率為12.5 km，采用極射立體投影方式，選取的時間范圍為2011年7 月1日—9月30日。

2.2 Aqua/AMSR-E數(shù)據(jù)

本研究選取了Aqua/AMSR?E Level 3 海冰產(chǎn)品中的海冰密集度數(shù)據(jù)作為參考數(shù)據(jù)集進行ASI 算法中系點值的計算。該產(chǎn)品由美國國家冰雪數(shù)據(jù)中 心NSIDC （National Snow and Ice Data Center）發(fā)布，其海冰密集度數(shù)據(jù)為根據(jù)NT2 算法計算得到，應用較廣且精度較高（Comiso 等，2003）。本研究用到的是其中的日均海冰密集度產(chǎn)品。該產(chǎn)品采用極射投影方式，網(wǎng)格空間分辨率為12.5 km（Cavalieri 等，2014）；數(shù)據(jù)的時間范圍為2002 年6 月1日—2011年10月4日，本研究選取的是2011年1月—9月北緯60°以北的數(shù)據(jù)產(chǎn)品。

2.3 SIC_UB數(shù)據(jù)

本研究還選取了德國不萊梅大學基于ASMR?E傳感器利用ASI 算法計算的海冰密集度產(chǎn)品作為對比分析數(shù)據(jù)，本研究稱之為SIC_BU（Sea Ice Concentration from University of Bremen）數(shù)據(jù)。該產(chǎn)品根據(jù)Spreen 等（2008）提出的ASI 算法計算得到，投影方式為極射投影，包括3.125 km 和6.25 km 兩種分辨率?？紤]到本研究主要利用該產(chǎn)品進行反演算法的對比，因此選擇了6.25 km 分辨率產(chǎn)品；時間上，根據(jù)該數(shù)據(jù)產(chǎn)品與MWRI Level 2產(chǎn)品的重合時間，選取了2011 年7 月—9 月的數(shù)據(jù)產(chǎn)品。

為了簡化標記且便于區(qū)分，本研究后面將FY?3B/MWRI 海冰密集度產(chǎn)品簡記為MWRI 產(chǎn)品，NSIDC/AMSR?E 海冰密集度產(chǎn)品簡記為AMSR?E產(chǎn)品，將不萊梅大學基于ASI算法的AMSR?E海冰密集度產(chǎn)品記為SIC_UB產(chǎn)品。

2.4 Aqua/MODIS數(shù)據(jù)

本研究選取Aqua/MODIS（Moderate Resolution Imaging Spectro Radiometer） 中分辨率成像光譜儀的Level 1B 矯正輻亮度數(shù)據(jù)作為海冰密集度反演算法的驗證數(shù)據(jù)。該數(shù)據(jù)由LAADS （The Level 1 andAtmosphereArchive&DistributionSystem）/DAAC（Distributed Active Archive Center） 提 供（https：//ladsweb.modaps.eosdis.nasa.gov？［2020?05?18］），本研究用到的是Level 1B 的第1、3 和4 通道數(shù)據(jù)。MODIS Level 1B 數(shù)據(jù)包括250 m 分辨率反射率數(shù)據(jù)MYD02 和1 km 分辨率的輔助數(shù)據(jù)MYD03（MCST，2017）。其中250 m 分辨率的MYD02 數(shù)據(jù)包括2 個波段的反射率和輻射率數(shù)據(jù)，本研究使用的是波段2 的反射率數(shù)據(jù)；MYD03 數(shù)據(jù)集主要存儲衛(wèi)星輔助信息，包括經(jīng)緯度、太陽天頂角、太陽方位角、衛(wèi)星天頂角和衛(wèi)星方位角等。

根據(jù)MWRI 與AMSR?E 的重合在軌時間以及MWRI海冰密集度產(chǎn)品的時間區(qū)間，本研究選取海冰密集度驗證數(shù)據(jù)的時間范圍為2011年7月1日—9 月30 日。首先對驗證數(shù)據(jù)集在該時間范圍內(nèi)的北極地區(qū)數(shù)據(jù)進行篩選，然后對選出的影像數(shù)據(jù)進行預處理，包括太陽天頂角訂正、去除BowTie現(xiàn)象、輻射標定以及進行極射立體投影等，同時為避免云在數(shù)據(jù)處理過程中帶來的誤差，對投影后的影像選取清晰無云的區(qū)域。為與海冰密集度產(chǎn)品分辨率12.5 km 對應，對每景圖像中500 像元×500像元的子區(qū)域中的每個點進行冰水識別，通過繪制每個子區(qū)域的灰度直方圖，來確定該區(qū)域內(nèi)冰和水動態(tài)反射率的閾值，進而得到冰水二值化圖像；最后再統(tǒng)計每個子區(qū)域的總點數(shù)與海冰點數(shù)，計算得到12.5 km 的MODIS 網(wǎng)格化海冰密集度數(shù)據(jù)（后面簡記為MODIS數(shù)據(jù)）。

3 海冰密集度反演

考慮到ASI 算法利用89 GHz 通道來計算海冰密集度，具有較高的空間分辨率，且不需要外部輸入數(shù)據(jù)，同時該頻率微波信號對地表穿透深度有限，從而對地表冰雪的物理特性變化不敏感，在反演計算過程中受冰雪的物理狀態(tài)改變影響較?。⊿preen 等，2008）。因此，本研究以ASI 算法為基礎，進行了FY?3B/MWRI 北極地區(qū)海冰密集度反演研究。

3.1 ASI算法介紹

ASI 算法最初是由德國漢堡大學的Kaleschke等（2001）基于SSM/I 數(shù)據(jù)開發(fā)的，后來不萊梅大學的Spreen 等（2008）將其應用到AMSR?E 傳感器。它是對Svendsen 算法（Svendsen 等，1987）（利用近90 GHz通道反演海冰）的一次改進，其核心思想為：在89 GHz 附近，所有海冰類型（包括季節(jié)冰、多年冰等）比輻射率的水平和垂直極化差異都比海水小得多，因此，可以利用該頻率處的水平垂直極化亮溫差來計算海冰密集度，其極化亮溫差定義如下（Spreen 等，2008）：

式中，TBV和TBH分別為輻射計垂直和水平極化通道的觀測亮溫。

設ac是大氣影響，PS為地表極化亮溫差，則依賴于海冰密集度的極化亮溫差可表示為

式中，Ps，i和Ps，w分別代表開闊水和海冰的極化差異，C為海冰密集度。因此，當C=0時水的極化差P0以及C=1時海冰的極化差P1可表示為

式中，a0和a1分別為C=0和C=1時的大氣影響，P0和P1被稱為算法的系點值。

算法針對高頻通道受大氣影響較大的特點，尤其是氣旋活動可能導致的將開闊水誤判為海冰設置了3個天氣濾波器，分別是：利用36.5 GHz和18.7 GHz 通道的光譜梯度比消除高空云中液態(tài)水的影響；利用23.8 GHz 和18.7 GHz 通道的光譜梯度比消除開闊水域上空的水蒸汽影響（Gloersen和Cavalieri，1986；Cavalieri 等，1995）；同時參照Bootstrap算法結果，將其中海冰密集度為零的點在ASI算法中的對應點也設為零。

由ASI算法公式可以看出，該算法中系點值的確定尤為重要。根據(jù)Beitsch（2014），系點值的選擇會直接影響接近100%海冰密集度處或接近開闊水域的海冰密集度結果。最初Svendsen 算法中建議選擇極化差異的最大值和最小值作為純水及純冰的系點值P0和P1，Spreen 等（2008）指出，純冰和純水的系點值具有季節(jié)性變化，并受到大氣的影響，因此極化差異的最大值和最小值并不能很好地代表純水和純冰的情況；并通過比較ASI算法和ABA 算法結果進行了自適應系點值算法的試驗。結果表明，選用動態(tài)系點值與合適的固定系點值雖然在反演精度上存在差別，但前者存在數(shù)據(jù)不連續(xù)的風險，因此其在ASI算法中選擇使用了固定系點值，并通過與Bootstrap 海冰算法的結果對比，確定P0和P1的數(shù)值分別為47.0 K和11.7 K。

基于上述分析，本研究同樣采用固定系點值進行了北極地區(qū)海冰密集度的計算。

3.2 數(shù)據(jù)預處理

在計算海冰密集度之前，需要對輸入數(shù)據(jù)進行預處理，即對FY?3B/MWRI Level 1 條帶亮溫數(shù)據(jù)進行預處理。首先對該數(shù)據(jù)集進行質量控制，刪除條帶數(shù)據(jù)中的無效數(shù)據(jù)點以及掃描壞點，并按照極射立體投影方式將條帶數(shù)據(jù)進行投影；然后將投影后的亮溫數(shù)據(jù)進行日平均處理，得到12.5 km 網(wǎng)格的北緯60°以北地區(qū)FY?3B/MWRI 各通道的日均亮溫數(shù)據(jù)集。

3.3 計算新系點值

由于ASI算法中的系點值是根據(jù)AMSR?E 亮溫數(shù)據(jù)計算而來，若將其直接應用于FY3B/MWRI 傳感器，則傳感器間的亮溫差異將會在海冰密集度反演過程中引入誤差。因此，在利用ASI算法計算海冰密集度之前，首先需要對算法的系點值進行重新計算。

根據(jù)Chen等（2021），MWRI傳感器與AMSR?E傳感器在不同通道處的亮溫差異在±4 K 之間，則由此引起的兩傳感器間可能出現(xiàn)的最大極化亮溫差應該在±8 K 以內(nèi)。因此本研究在算法兩個原系點值基礎上各加減8 K，即將系點值P0和P1的取值區(qū)間分別設為47.0±8 K 和11.7 ±8 K，然后分別對P0和P1取值區(qū)間內(nèi)的不同系點值進行組合，計算每組系點值對應的海冰密集度，并將其與AMSR?E海冰密集度產(chǎn)品進行對比；最后選取使二者最為接近的系點值組合作為反演算法的最終系點值，進行北極區(qū)域海冰密集度的反演。為精確對比，本研究將系點值變化步長設為1 K，這樣，對應P0和P1兩個系點值的取值范圍分別為39—55 K 和3.7—19.7 K。經(jīng)過組合后共獲得289組系點值。根據(jù)MWRI 與AMSR?E 的交叉在軌時間，本研究選取了2011 年1 月1 日—2011 年9 月30 日共9 個月的時間進行了海冰密集度反演結果的對比分析。

為分析不同系點值的選擇對海冰密集度反演結果的影響，本研究將上述289 組系點值計算得到的海冰密集度與AMSR?E 產(chǎn)品進行了對比分析，二者在不同系點值處的平均偏差、標準偏差和均方根誤差見圖1。由圖1 可以看出，二者的平均偏差隨P0變化較小，其絕對值隨著P1的升高逐漸降低，在11.7—13.7 K 之間達到0 左右，之后繼續(xù)上升；標準偏差則隨著P0和P1的升高而逐漸降低；而均方根誤差則隨著P1的升高而逐漸降低，隨P0的變化較小。由此，本研究選取了P1值在11.7 K 至13.7 K 之間，且P0值在最大值附近的點，通過對比附近點的3 種偏差值，選取三者數(shù)值之和最小的點作為本研究的最終系點值，最終確定的P0和P1值分別為52.0 K 和13.7 K。

圖1 289組系點值對應的平均偏差、標準偏差和均方根誤差分布Fig.1 Distributions of the Bias，STD and RMSE for 289 sets of tie points

根據(jù)新的系點值，本研究計算了基于FY3B/MWRI亮溫數(shù)據(jù)的北極地區(qū)海冰密集度數(shù)據(jù)，后面統(tǒng)一稱之為RSIC（Retrieved Sea Ice Concentration）。在大氣過濾方面，本研究同樣采用了兩種光譜梯度比的方法來消除液態(tài)水和水汽的影響（Gloersen和Cavalieri，1986；Cavalieri 等，1995）。

圖2 以2011 年4 月1 日為例，顯示了利用本研究改進后的系點值計算得到的北極地區(qū)海冰密集度分布情況。

圖2 2011年4月1日海冰密集度Fig.2 Retrieved SIC on April 1，2011

4 驗證與對比

為驗證本研究反演方法的準確度，并與MWRI海冰密集度產(chǎn)品進行有效對比，本研究首先對反演海冰密集度RSIC與MWRI產(chǎn)品進行了對比驗證。驗證數(shù)據(jù)集選取了晴空條件下由MODIS 反射率數(shù)據(jù)計算得到的海冰密集度；然后，本研究利用同期國際上應用較廣的海冰密集度業(yè)務化產(chǎn)品與兩種數(shù)據(jù)集分別進行了對比。由于本研究中算法系點值的選取采用的是與AMSR?E 產(chǎn)品進行對比得到，因此，在對比過程中需要選取非相關數(shù)據(jù)集。根據(jù)Xiu 等（2020）的研究，利用中國2010 年—2018 年夏季北極航次的海冰密集度數(shù)據(jù)對6 種海冰密集度產(chǎn)品進行了對比，結果表明AMSR/ASI 產(chǎn)品與船測數(shù)據(jù)具有很好的線性相關性和最小的均方根誤差，且具有最高的空間分辨率。因此，本研究選用了不萊梅大學提供的海冰密集度產(chǎn)品SIC_UB作為對比數(shù)據(jù)集。

4.1 算法驗證

驗證數(shù)據(jù)集本研究選取的是250 m 分辨率MODIS Level 1B 第2 通道反射率數(shù)據(jù)集。之所以選取該數(shù)據(jù)集，一方面是考慮到其空間分辨率較高，海冰密集度數(shù)據(jù)較微波輻射計的準確度更高；另一方面是由于目前可準確驗證算法的海冰密集度現(xiàn)場實測產(chǎn)品非常少，其時空覆蓋范圍非常低，而近年來利用MODIS 等空間分辨率較高的衛(wèi)星數(shù)據(jù)對海冰密集度產(chǎn)品進行評估驗證的研究也趨于廣泛（Heinrichs等，2006；Cavalieri等，2010；Ye等，2011；Su 等，2013；Hao和Su，2015）。

經(jīng)過對MODIS 數(shù)據(jù)的預處理，本研究共得到晴空數(shù)據(jù)32 景，其中海冰密集度在95%以下和95%以上分別占總數(shù)據(jù)量的47%和53%。這樣，在總體對比的基礎上，本研究又將MODIS 海冰密集度劃分為高于95%和低于95%兩種情況對本研究反演海冰密集度RSIC 進行了驗證；驗證數(shù)據(jù)集的空間分布如圖3所示。

圖3 MODIS海冰密集度樣本地理位置分布Fig.3 Geographic distribution of MODIS SIC data

同時作為對比，本研究在驗證RSIC 與MWRI產(chǎn)品時，將根據(jù)MWRI亮溫數(shù)據(jù)，通過原有ASI算法系點值計算得到的海冰密集度數(shù)據(jù)（標記為RSIC_ORG）一起，利用MODIS海冰密集度數(shù)據(jù)進行了驗證；計算得到的3 種數(shù)據(jù)集對應的平均偏差、標準偏差和均方根誤差（表2）。

表2 基于MWRI傳感器的3種海冰密集度數(shù)據(jù)與MODIS驗證數(shù)據(jù)對比統(tǒng)計結果Table 2 Statistics of SIC differences between MODIS data and three data sets derived from MWRI

由表2 可見，與MWRI產(chǎn)品相比，本研究反演結果RSIC 在MODIS 海冰密集度小于95%的情況下，平均偏差、標準偏差和均方根誤差均顯著減小，它們分別為1.32%、12.25%和12.32%，均明顯低于MWRI 海冰密集度產(chǎn)品對應的11.97%、15.01%和19.20%；而在密集度大于等于95%的情況下，本研究反演結果與MWRI 海冰密集度產(chǎn)品結果相當；對于全部數(shù)據(jù)來說，本研究反演海冰密集度RSIC 與MWRI 產(chǎn)品平均偏差相當，但標準偏差和均方根誤差都顯著降低。而無論MODIS海冰密集度在什么范圍內(nèi)，本研究反演結果RSIC的誤差都要明顯低于利用原系點值計算的海冰密集度數(shù)據(jù)RSIC_ORG，由此可知，為得到適用于FY3B/MWRI 傳感器的海冰密集度產(chǎn)品，利用ASI算法進行直接反演會產(chǎn)生較大誤差，證明了系點值重新計算的重要性。

為直觀分析RSIC 與MWRI 產(chǎn)品的驗證結果，本研究分別選取了MODIS 海冰密集度低于95%和高于95%的典型區(qū)域進行了對比分析，這里以2011年7月14日（標記為樣本1）和7月20日（標記為樣本2）數(shù)據(jù)為例，前者的MODIS海冰密集度低于95%區(qū)域占整個驗證樣本區(qū)域的88%，后者海冰密集度高于95%區(qū)域占驗證樣本的96%。圖4顯示了兩個樣本集中RSIC、MWRI產(chǎn)品以及MODIS驗證數(shù)據(jù)的海冰密集度對比。

為進一步分析RSIC 和MWRI 產(chǎn)品與MODIS 驗證數(shù)據(jù)的對應情況，本研究將圖4 中的3 種數(shù)據(jù)集進行了散點圖對比，如圖5所示。

圖4 RSIC、MWRI產(chǎn)品及MODIS驗證樣本對比圖Fig.4 Comparison of RSIC，MWRI product and MODIS validation samples

圖5 RSIC、MWRI產(chǎn)品及MODIS驗證樣本對比散點圖Fig.5 Scatter plots of RSIC，MWRI product and MODIS validation samples

結合圖4 和圖5 可以看出，在海冰密集度較低時候，本研究反演的海冰密集度RSIC 較MWRI 產(chǎn)品更為接近驗證數(shù)據(jù)集，而海冰密集度較高時，二者表現(xiàn)相當，RSIC 整體低于MODIS 數(shù)據(jù)，而MWRI產(chǎn)品則高于MODIS驗證樣本。

分析本研究反演海冰密集度RSIC 與MODIS 數(shù)據(jù)的差異原因，主要有以下幾個方面：（1）時空分辨率的差異。MODIS 海冰密集度數(shù)據(jù)是根據(jù)某一時刻的反射率數(shù)據(jù)計算獲得，而本研究反演的海冰密集度數(shù)據(jù)則是采用日平均的亮溫數(shù)據(jù)，時間上的差異可能會導致二者的海冰密集度存在偏差；同時二者的空間分辨率差異較大，可能在對比過程中引入誤差。（2）MODIS 海冰密集度的自身誤差。由于MODIS 海冰密集度數(shù)據(jù)為直接根據(jù)反射率的閾值統(tǒng)計結果進行分類計算所得，未考慮不同海冰類型的影響，可能引入一定的誤差。（3）夏季北極海冰的情況復雜，如冰間湖和冰間水道等可能導致不同方式反演的海冰比例存在較大差異，而且夏季北極大氣較冬季濕潤，在大氣噪聲影響下的低密集度處可能無法準確分辨海冰和海水（Cavalieri 等，1995；Kaleschke 等，2001）。（4）算法自身的誤差。本研究采用的ASI算法自身也存在誤差，如新生海冰的比輻射率較低，而極化程度較高，這就導致了包含新生冰區(qū)域的海冰密集度計算可能會出現(xiàn)低估，同時該算法利用的89 GHz通道受大氣影響較大，在低密集度處，可能會由于大氣影響而產(chǎn)生誤判（Ivanova 等，2015）。（5）本研究所采用的系點值為與AMSR?E 產(chǎn)品進行對比得到，而ASMR?E 產(chǎn)品本身的誤差可能會導致本研究反演結果的誤差。Heinrichs 等（2006）曾利用SAR（Synthetic Aperture Radar）和MODIS數(shù)據(jù)對AMSR?E 海冰密集度進行了評估，結果表明其在開闊水域和浮冰地區(qū)反演精度較好，但是在薄冰區(qū)可能會有低估；而Cavalieri 等（2006 和2010）也指出，AMSR?E 產(chǎn)品在新生冰區(qū)域的密集度結果較Landsat 偏低5%，均方根誤差為8%。（6）冰雪特性的影響。由于北極地區(qū)海冰除融雪季外常年被積雪覆蓋，而諸如雪的特性、分層效應和未解決的海冰類型等誤差源可能會在海冰密集度反演時引入誤差（Comiso，1983；Eppler 等，1992）。

4.2 與同類產(chǎn)品對比

為進一步評價RSIC 與MWRI 產(chǎn)品，本研究利用SIC_UB 產(chǎn)品與兩種海冰密集度數(shù)據(jù)進行了對比分析。由于SIC_UB 產(chǎn)品以及AMSR?E 產(chǎn)品均為基于AMSR?E 傳感器計算得到，該傳感器于2011 年10 月停止運行，而FY?3B/MWRI 海冰密集度產(chǎn)品則由2011年6月開始發(fā)布。根據(jù)幾種數(shù)據(jù)集的重合時間，本研究選取了2011 年7 月1 日—9 月30 日共3 個月的時間進行了各種海冰密集度數(shù)據(jù)的對比分析。圖6以7月1日、8月1日和9月1日數(shù)據(jù)為例，顯示了3種數(shù)據(jù)集在北極地區(qū)的海冰密集度分布情況。由圖6 可見，幾種海冰密集度數(shù)據(jù)在9 月1 日的整體分布趨勢相近，而7月1日和8月1日MWRI產(chǎn)品整體高于其他兩種數(shù)據(jù)集；本研究反演海冰密集度RSIC 在7 月1 日的波弗特海附近高于SIC_UB數(shù)據(jù)。

圖6 7月1日、8月1日和9月1日3種數(shù)據(jù)集海冰密集度分布圖Fig.6 Distribution of three SIC data sets on July 1，August 1 and September 1，2011

MWRI 產(chǎn)品和RSIC 與SIC_UB 產(chǎn)品之間的差異統(tǒng)計結果見表3，對應直方圖如圖7。根據(jù)表3 和圖7 可見，本研究反演海冰密集度RSIC 與SIC_UB之間的差異，無論是平均偏差還是標準偏差均低于MWRI 海冰密集度產(chǎn)品，且差異以0—2%為中心，向兩側基本呈正態(tài)分布，較為集中；而MWRI產(chǎn)品與SIC_UB的差異則不如RSIC集中，且向兩側變化較為平緩。

圖7 2011年7月1日—9月30日海冰密集度數(shù)據(jù)的差異直方圖Fig.7 Histogram of SIC differences from July 1 to September 30，2011

表3 RSIC、MWRI產(chǎn)品和SIC_UB產(chǎn)品之間的差異統(tǒng)計Table 3 Statistics of differences of RSIC，MWRI product and SIC_UB

為更加直觀對比兩種數(shù)據(jù)集同SIC_UB 之間的差異，本研究以2011年8月1日數(shù)據(jù)為例，將二者與SIC_UB 之間的數(shù)值散點圖進行了對比，見圖8。本研究反演結果表明，RSIC 與SIC_UB 產(chǎn)品相關性較好，數(shù)據(jù)主要集中在中心線附近；而MWRI 產(chǎn)品則與之相關性較差，二者之間偏差較大。為進一步分析RSIC 和MWRI 兩種數(shù)據(jù)集的表現(xiàn)，本研究 將2011 年7 月1 日—2011 年9 月30 日期間兩種數(shù)據(jù)集與AMSR?E 和SIC_UB 產(chǎn)品的北極區(qū)域日均海冰密集度數(shù)據(jù)進行了的時間序列對比，見圖9。

圖8 2011年8月1日海冰密集度數(shù)據(jù)對比散點圖Fig.8 Scatter plots of SIC data sets on August 1，2011

從圖9 可以看出，MWRI 海冰密集度產(chǎn)品與AMSR?E 海冰密集度產(chǎn)品變化趨勢基本一致，而RSIC 與SIC_UB 的變化趨勢一致，這是由于前二者是基于NT2算法計算得到，而后兩者為基于ASI算法反演獲得。在整個時間范圍內(nèi)，本研究反演海冰密集度RSIC介于SIC_UB 和MWRI產(chǎn)品之間，較MWRI 產(chǎn)品與AMSR?E 產(chǎn)品更為接近。4 種數(shù)據(jù)集的日均海冰密集度最低值都出現(xiàn)在8 月份，ASI 算法的密集度最低值較NT2 算法要晚4 d；同樣，其日均最高值出現(xiàn)時間也較NT2 算法晚4 d?？傮w來說，4種密集度數(shù)據(jù)在7月初到8月中旬整體呈下降趨勢，之后開始逐步回升，9 月中下旬上升趨勢漸緩。其中，MWRI產(chǎn)品在整個時間段內(nèi)較AMSR?E產(chǎn)品數(shù)值偏高；本研究反演海冰密集度RSIC 在整個時間段內(nèi)較SIC_UB 偏高，與AMSR?E 產(chǎn)品對比，則7月至8月中旬RSIC數(shù)值較高，之后二者逐漸接近。

圖9 2011年7月1日—9月30日4種海冰密集度數(shù)據(jù)的日均時間序列Fig.9 Time series of daily averaged SIC corresponding to four data sets from July 1 to September 30，2011

由于日均海冰密集度僅能從平均值上進行幾種產(chǎn)品的對比，為更加準確地比較幾種數(shù)據(jù)產(chǎn)品，本研究將2011年7月至9月份的幾種產(chǎn)品對應的海冰面積和海冰范圍進行了對比，見圖10。

由圖10 可以看出，無論是海冰面積還是海冰范圍，4 種海冰密集度數(shù)據(jù)隨時間的變化趨勢是一致的，由7 月1 日至9 月上旬逐漸下降，最低值均出現(xiàn)在9 月10 日左右。其中MWRI 產(chǎn)品無論是海冰面積還是海冰覆蓋范圍都明顯高于其他3種產(chǎn)品近10 萬km2，而本研究反演海冰密集度RSIC 在海冰面積上與SIC_UB的結果非常相近，在7月至8月中旬略高于AMSR?E 產(chǎn)品，之后三者差異逐漸減小。在海冰范圍上，本研究結果與ASMR?E 在整個時間范圍內(nèi)非常接近，二者略低于SIC_UB 產(chǎn)品，但差異不大。圖10 中7 月10 日RSIC 和MWRI產(chǎn)品的突然低值是因為當日MWRI 亮溫數(shù)據(jù)在北極部分區(qū)域出現(xiàn)數(shù)據(jù)缺失；而由于9月30日MWRI海冰密集度產(chǎn)品同樣在部分區(qū)域缺少數(shù)據(jù)，因此對比時間設為7月1日—9月29日。

圖10 2011年7月1日—9月29日4種海冰密集度數(shù)據(jù)對應的海冰面積和海冰范圍時間序列Fig.10 Time series of sea ice area and sea ice extent corresponding to four SIC data sets from July 1 to September 29，2011

由上述對比可以得出，相對于MWRI Level 2海冰密集度產(chǎn)品，本研究反演的海冰密集度結果無論是日均海冰密集度還是海冰面積和海冰范圍均與國際同類產(chǎn)品更為接近。

分析本研究反演結果與SIC_UB 及ASMR?E 產(chǎn)品之間的差異，主要可能有以下幾點：（1）亮溫數(shù)據(jù)之間的差異。根據(jù)Chen 等（2021）的研究，MWRI 與AMSR?E 傳感器間的亮溫差在±4 K 之間，Spreen 等（2008）的研究結果表明，1 K 的亮溫差異可能引起的海冰密集度差異在3.7%以內(nèi)，因此基于NT2算法的兩種數(shù)據(jù)集與基于ASI算法的兩種數(shù)據(jù)集之間均存在偏差；（2）空間分辨率的差異。兩種傳感器在不同通道處的像元不同會導致掃描數(shù)據(jù)的覆蓋點存在差異，尤其是在冰水交界區(qū)域處差異會較為明顯，從而導致反演的海冰密集度存在差異；（3）算法的差異。與AMSR?E 產(chǎn)品相比，兩種數(shù)據(jù)采用的反演算法不同，而每種算法的特點各不相同，導致海冰密集度結果存在差異。

5 結 論

本研究利用FY?3B/MWRI 亮溫數(shù)據(jù)開展了基于ASI算法的北極地區(qū)海冰密集度反演研究。首先根據(jù)MWRI 與AMSR?E 的亮溫數(shù)據(jù)差異，判斷適用于FY3B/MWRI 亮溫數(shù)據(jù)的ASI 算法系點值的取值范圍；然后根據(jù)該區(qū)間范圍選取不同系點值進行組合，得到289組系點值，并將每組系點值對應的海冰密集度結果與AMSR?E 海冰密集度產(chǎn)品進行對比，選取差異最小的結果所對應的系點值組合作為本研究ASI算法的最終系點值，計算得到基于FY?3B/MWRI 亮溫數(shù)據(jù)的北極地區(qū)海冰密集度。同時為正確評價本研究反演結果與MWRI 海冰密集度產(chǎn)品，本研究利用32 幅由MODIS 反射率數(shù)據(jù)獲得的海冰密集度數(shù)據(jù)對兩種數(shù)據(jù)集進行了驗證，并將二者與同時期的SIC_UB 和NSIDC/ASMR?E 海冰密集度產(chǎn)品進行了對比，包括日均海冰密集度的對比以及海冰覆蓋范圍和海冰面積的對比等。主要結果如下：

MODIS 數(shù)據(jù)驗證結果（表2）表明，本研究反演海冰密集度RSIC的平均偏差與MWRI產(chǎn)品相當，但標準偏差及均方根誤差均大幅度降低；尤其是在海冰密集度小于95%的情況下，本研究的平均偏差、標準偏差和均方根誤差分別為1.32%、12.25%和12.32%，均明顯低于MWRI 海冰密集度產(chǎn)品對應的11.97%、15.01%和19.20%。而與利用原ASI算法系點值計算得到的海冰密集度相比，本研究反演得到的海冰密集度在平均偏差和標準偏差上均明顯優(yōu)于前者，再次證明了改進算法系點值的必要性。

與國際上同類海冰密集度產(chǎn)品的對比表明，幾種海冰密集度數(shù)據(jù)產(chǎn)品在2011年7月至9月期間的日均密集度變化趨勢基本一致。而數(shù)值上，本研究反演的北極海冰密集度RSIC 較MWRI 產(chǎn)品更接近AMSR?E 和SIC_UB 產(chǎn)品；海冰覆蓋范圍和海冰面積方面，MWRI產(chǎn)品計算的海冰面積及海冰范圍最高，RSIC 在海冰面積上與SIC_UB 的結果非常相近，而在海冰范圍上與ASMR?E 非常接近。無論是日均海冰密集度數(shù)據(jù)還是海冰面積和海冰范圍，本研究結果RSIC 與MWRI 海冰密集度產(chǎn)品差異均較大，而與AMSR?E及SIC_UB數(shù)據(jù)更為接近。

而由于Aqua/AMSR?E 與FY3B/MWRI 傳感器的重合在軌時間有限，且海冰密集度數(shù)據(jù)產(chǎn)品的重合時間更短，因此本研究僅對夏季北極地區(qū)復雜海冰情況進行了對比驗證，具有一定的局限性。同時為獲得基于國產(chǎn)衛(wèi)星的較長時間序列的極區(qū)海冰密集度數(shù)據(jù)集，本研究采用了固定系點值的ASI算法，未考慮不同時間和不同地區(qū)的系點值差異，可能在海冰密集度的計算過程中降低一定的準確度。

綜上，本研究基于FY?3B/MWRI 高頻通道亮溫數(shù)據(jù)反演了北極地區(qū)海冰密集度，與FY?3B/MWRI Level 2 海冰密集度產(chǎn)品相比，具有較高的空間分辨率和較好的精度，有利于進行北極地區(qū)氣候變化的長時間序列研究。

志 謝感謝各機構提供研究所用數(shù)據(jù)。感謝國家衛(wèi)星氣象中心提供MWRI 數(shù)據(jù)，感謝NSIDC提供AMSR-E數(shù)據(jù)，感謝不萊梅大學（UB）提供SIC_UB數(shù)據(jù)，感謝LAADS提供MODIS數(shù)據(jù)。