长时间序列北极海冰密集度遥感数据的比较评估

doi:10.7522/j.issn.1000-0240.2019.1049

摘要/Abstract

摘要：

基于空间分辨率和精度更高的BLM海冰密集度数据集，评估了两种时间跨度较长、应用广泛的25 km分辨率海冰密集度遥感数据集——NSIDC数据集和SICCI数据集。两种数据集与BLM数据集的海冰面积变化趋势相同，但均低于基于BLM数据集得到的海冰面积，其中基于SICCI数据集得到的海冰面积更接近BLM数据集。相比于NSIDC数据集， SICCI数据集的年、月平均和日海冰面积偏差分别低81.88%、 80.90%、 81.44%，且其海冰密集度平均偏差为-3.28%，低于NSIDC数据的4.36%，因此在进行北极地区整体海冰面积及海冰密集度分析时应选用SICCI数据集。按纬度、海冰密集度值分情况对两种数据进行比较，发现NSIDC数据集对开阔水域和浮冰区的区分效果较差，其在低纬度和低密集度区域的平均偏差分别为10.11%和13.13%，而SICCI数据集的平均偏差达到0.05%和0.44%，是研究低纬度和中低海冰密集度区域的首选数据。与之相对， NSIDC数据集对中高纬度高海冰密集区域，特别是近北极点区域的反映能力优于SICCI数据集，平均偏差为1.08%，均方根偏差为7.76%，因此进行中高纬度高海冰密集度区域分析时首选NSIDC数据集。对两类数据集在北极东北航道上的分段评估结果发现，低纬度海冰边缘地带或中低海冰密集度区域占比较高的航段区， SICCI数据集更接近BLM数据集，这些航段应使用SICCI数据集进行分析；而在中高纬度高海冰密集度区域占比较高的航段区， NSIDC数据集更加贴合，应为首选数据集。

关键词: 海冰密集度, 长时间序列, 北极海冰, 数据评估

Abstract:

Arctic sea ice plays a very important role in global climate change and sea-ice concentration （SIC） is a crucial parameter for sea ice monitoring. The accuracy of SIC data is an essential basis for Arctic research. Therefore， comparing and assessing the products of sea ice data retrieved from different satellite observations are necessary. The results of existing research indicate that the AMSR2/ASI is a best dataset for SIC quantity studies and real-time shipping guide. However， the temporal coverage of these datasets is relatively short. There are some limits in the study of long-time series. In this paper， the SICCI dataset released by ESA SICCI and the NSIDC dataset released by NSIDC were compared and assessed using the BLM dataset released by Bremen University. The results showed that sea ice area obtained by the three datasets all had significant trends of reduction during 2003 - 2010 and 2013 - 2015. Sea ice concentration and sea ice area of SICCI are lower than BLM and those of NSIDC are higher than BLM. Compared with the NSIDC dataset， the bias of annual and monthly mean and daily sea ice area of SICCI are lower about 81.88%， 80.90%， 81.44%， respectively. The bias of SIC between SICCI and BLM is -3.28%， which is lower than 4.36% of NSIDC. Hence， the SICCI dataset is the best dataset for SIC quantity studies and Arctic sea ice area study. Latitude mean comparisons demonstrate that the SICCI dataset is able to successfully detect the small ice floe area near the continent. The bias of SIC between SICCI and BLM are 0.05% and 0.44% in the region of low latitude and low SIC， respectively， so the SICCI dataset is the best dataset to study sea ice in the regions of low-mid latitude or low SIC. In contrast， NSIDC has the lowest bias of 1.08% and root-mean-squared error （RMSE） of 7.76% in the regions near North Polar. Therefore， it is the most suitable for study in Arctic Polar and should be used for further study in the regions of middle and high latitudes. In addition， quantitative evaluation via BLM indicates that the SICCI dataset is suitable for study sea ice in the shipping route of low latitude or low SIC areas， and the NSIDC dataset performs well in the shipping route of high latitude or high SIC area.

Key words: sea ice concentration （SIC）, long-time series, Arctic sea ice, data assessment

中图分类号:

P731.32

尹鹏, 王常颖, 杨俊钢. 长时间序列北极海冰密集度遥感数据的比较评估[J]. 冰川冻土, 2020, 42(3): 734-744.

Peng YIN, Changying WANG, Jungang YANG. Comparison and assessment of long-time series sea ice concentration remote sensing datasets in the Arctic[J]. Journal of Glaciology and Geocryology, 2020, 42(3): 734-744.

图/表 11

图1

图2

图3

图4

图5

图6

图7

图8

图9

表1

表2

参考文献 35

1	Zhuozhuo Lü， He Shenping， Li Fei， et al. Impacts of the autumn Arctic sea ice on the intraseasonal reversal of the winter Siberian High［J］. Advances in Atmospheric Sciences， 2019， 36（2）： 173 - 188.
2	Lin Zhongda， Li Fang. Impact of interannual variations of spring sea ice in the Barents Sea on East Asian rainfall in June［J］. Atmospheric and Oceanic Science Letters， 2018， 11（3）： 275 - 281.
3	Han Zhe， Li Shuanglin. Precursor role of winter sea-ice in the Labrador Sea for following-spring precipitation over southeastern North America and western Europe［J］. Advances in Atmospheric Sciences， 2018， 35（1）： 67 - 74.
4	Comiso J C， Parkinson C L， Gersten R， et al. Accelerated decline in the Arctic sea ice cover［J/OL］. Geophysical Research Letter， 2008， 35（1）［2019-08-18］. .
5	Haas C， Pfaffling A， Hendricks S， et al. Reduced ice thickness in Arctic Transpolar Drift favors rapid ice retreat［J/OL］. Geophysical Research Letters， 2008， 35（17）［2019-08-18］. .
6	Rodrigues J. The rapid decline of the sea ice in the Russian Arctic［J］. Cold Regions Science and Technology， 2008， 54（2）： 124 - 142.
7	Nghiem S V， Rigor I G， Perovich D K， et al. Rapid reduction of Arctic perennial sea ice［J/OL］. Geophysical Research Letters， 2007， 34（19）［2019-08-18］. .
8	Liu Na， Lin Lina， Kong Bin， et al. Association between Arctic autumn sea ice concentration and early winter precipitation in China［J］. Acta Oceanologica Sinica， 2016， 35（5）： 73 - 78.
9	Wang Huijun， Chen Huopo， Liu Jiping. Arctic sea ice decline intensified haze pollution in eastern China［J］. Atmospheric and Oceanic Science Letters， 2015， 8（1）： 1 - 9.
10	Li Shuanglin， Han Zhe， Chen Huopo. A comparison of the effects of interannual Arctic sea ice loss and ENSO on winter haze days： observational analyses and AGCM simulations［J］. Journal of Meteorological Research， 2017， 31（5）： 820 - 833.
11	Comiso J C， Cavalieri D J， Markus T. Sea ice concentration， ice temperature， and snow depth using AMSR-E data［J］. IEEE Transactions on Geoscience and Remote Sensing， 2003， 41（2）： 243 - 252.
12	Hao Guanghua， Su Jie. A study on the dynamic tie points ASI algorithm in the Arctic Ocean［J］. Acta Oceanologica Sinica， 2015， 34（11）： 126 - 135.
13	Karvonen J. Baltic sea ice concentration estimation using SENTINEL-1 SAR and AMSR2 microwave radiometer data［J］. IEEE Transactions on Geoscience and Remote Sensing， 2017， 55（5）： 2871 - 2883.
14	Belchansky G I， Douglas D C. Seasonal comparisons of sea ice concentration estimates derived from SSM/I， OKEAN， and RADARSAT data［J］. Remote Sensing of Environment， 2002， 81（1）： 67 - 81.
15	Zhao Jiechen， Zhou Xiang， Sun Xiaoyu， et al. The inter comparison and assessment of satellite sea-ice concentration datasets from the Arctic［J］. Journal of Remote Sensing， 2017， 21（3）： 351 - 364.
	赵杰臣，周翔，孙晓宇，等. 北极遥感海冰密集度数据的比较和评估［J］. 遥感学报， 2017， 21（3）： 351 - 364.
16	Heinrichs J F， Cavalieri D J， Markus T. Assessment of the AMSR-E sea ice-concentration product at the ice edge using RADARSAT-1 and MODIS imagery［J］. IEEE Transactions on Geoscience and Remote Sensing， 2006， 44（11）： 3070 - 3080.
17	Wang Xiaoyu， Guan Lei， Li Lele. Comparison and validation of sea ice concentration from FY-3B/MWRI and Aqua/AMSR-E observations［J］. Journal of Remote Sensing， 2018， 22（5）： 723 - 736.
	王晓雨，管磊，李乐乐. FY-3B/MWRI和Aqua/AMSR-E海冰密集度比较及印证［J］. 遥感学报， 2018， 22（5）： 723 - 736.
18	Wu Shengli， Liu Jian. Comparison of Arctic sea ice concentration datasets［J］. Haiyang Xuebao， 2018， 40（11）： 64 - 72.
	武胜利，刘健. 长序列北极海冰遥感覆盖数据集对比分析［J］. 海洋学报， 2018， 40（11）： 64 - 72.
19	Zhang Zehua， Bi Haibo， Sun Ke， et al. Arctic sea ice volume export through the Fram Strait from combined satellite and model data： 1979 - 2012［J］. Acta Oceanologica Sinica， 2017， 36（1）： 44 - 55.
20	Bi Haibo， Wang Yunhe， Zhang Wenfeng， et al. Recent satellite-derived sea ice volume flux through the Fram Strait： 2011 - 2015［J］. Acta Oceanologica Sinica， 2018， 37（9）： 107 - 115.
21	Liu Yue， Pang Xiaoping， Zhao Xi， et al. Analysis of spatiotemporal variability of sea ice in the Beaufort Sea using passive microwave remote sensing data［J］. Chinese Journal of Polar Research， 2018， 30（2）： 161 - 172.
	刘玥，庞小平，赵羲，等. 基于海冰密集度遥感数据的波弗特海海冰时空变化研究［J］. 极地研究， 2018， 30（2）： 161 - 172.
22	Li Yujie， Gao Xiaoqing， Zhang Lujun， et al. Analysis on the characteristics of Arctic sea ice movement in recent 30 years［J］. Plateau Meteorology， 2019， 38（1）： 114 - 123.
	李瑜洁，高晓清，张录军，等. 近30年北极海冰运动特征分析［J］. 高原气象， 2019， 38（1）： 114 - 123.
23	Wu Mengquan， Jia Lili， Xing Qianguo， et al. Spatio-temporal variation of Arctic sea ice in summer from 2003 to 2013［J］. Chinese Geographical Science， 2018， 28（1）： 38 - 46.
24	Fan Xieyu， Bi Haibo， Wang Yunhe， et al. Increasing winter conductive heat transfer in the Arctic sea-ice-covered areas： 1979 - 2014［J］. Journal of Ocean University of China， 2017， 16（6）： 1061 - 1071.
25	Zhang Lei， Li T. Physical process responsible for the interannual variability of sea ice concentration in Arctic in boreal autumn since 1979［J］. Journal of Meteorological Research， 2017， 31（3）： 468 - 475.
26	Zhang Lei， Xu Bin， Shi Chunxiang， et al. Analysis of sea ice area change in the Arctic and Antarctic based on the satellite climate data during 1989 - 2015［J］. Journal of Glaciology and Geocryology， 2017， 39（6）： 1163 - 1171.
	张雷，徐宾，师春香，等. 基于卫星气候资料的1989 - 2015年南北极海冰面积变化分析［J］. 冰川冻土， 2017， 39（6）： 1163 - 1171.
27	Cavalieri D J， Gloersen P， Campbell W J. Determination of sea ice parameters with the NIMBUS-7 SMMR［J］. Journal of Geophysical Research， 1984， 89（D4）： 5355 - 5369.
28	Comiso J C. Characteristics of Arctic winter sea ice from satellite multispectral microwave observations［J］. Journal of Geophysical Research， 1986， 91（C1）： 975 - 994.
29	Meier W， Fetterer F， Savoie M， et al. NOAA/NSIDC climate data record of passive microwave sea ice concentration： version 2［DS］. Boulder， Colorado， USA： National Snow and Ice Data Center， 2013.
30	Beitsch A， Kern S， Kaleschke L. Comparison of SSM/I and AMSR-E sea ice concentrations with ASPeCt ship observations around Antarctica［J］. IEEE Transactions on Geoscience and Remote Sensing， 2015， 53（4）： 1985 - 1996.
31	Pang Xiaoping， Pu Jian， Zhao Xi， 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/OL］. Remote Sensing， 2018， 10（2）［2019-08-18］. .
32	Cao Yajing， Liu Qinyu， Gao Guoping. The interannual variation of the sea ice concentration at the ice edge and the Ekman transport driven by the westerlies in Antarctica［J］. Periodical of Ocean University of China （Science and Technology）， 2005， 35（5）： 703 - 706.
	曹雅静，刘秦玉，高郭平. 南极海冰边缘区密集度的年际变化与西风的Ekman输运［J］. 中国海洋大学学报（自然科学版）， 2005， 35（5）： 703 - 706.
33	Toudal P L， Dybkjær G， Eastwood S， et al. ESA Sea Ice Climate Change Initiative （Sea_Ice_CCI）： Sea Ice Concentration Climate Data Record from the AMSR-E and AMSR-2 instruments at 25 km grid spacing： version 2.1［DS］. Oxford， UK： Centre for Environmental Data Analysis， 2017.
34	Wang Manman. Research on sea ice condition of Arctic Passage in 1979 - 2017［D］. Nanjing： Nanjing University， 2018.
	王蔓蔓. 1979 - 2017年北极航道冰情变化研究［D］. 南京：南京大学， 2018.
35	Su Jie， Xu Dong， Zhao Jinping， et al. Features of Northwest Passage sea ice’s distribution and variation under Arctic rapidly warming condition［J］. Chinese Journal of Polar Research， 2010， 22（2）： 104 - 124.
	苏洁，徐栋，赵进平，等. 北极加速变暖条件下西北航道的海冰分布变化特征［J］. 极地研究， 2010， 22（2）： 104 - 124.

航线	第一航段	第二航段	第三航段	第四航段
低纬航道	66° ~ 70° N， 180° ~ 169° W	70° ~ 75° N， 152° E ~ 180°	75° ~ 78° N， 30° ~ 152° E	69° ~ 75° N， 10° ~ 30° E
高纬航道	66° ~ 70° N， 180° ~ 169° W	70° ~ 77° N， 150° E ~ 180°	77° ~ 82° N， 40° ~ 150° E	69° ~ 77° N， 10° ~ 40° E

航线	数据	第一航段		第二航段		第三航段		第四航段
航线	数据	Bias	RMSE	Bias	RMSE	Bias	RMSE	Bias	RMSE
低纬航道	NSIDC	2.55	13.65	1.31	10.35	3.05	14.26	16.82	35.48
低纬航道	SICCI	-2.23	12.67	-3.23	11.73	-2.71	14.47	-1.81	24.59
高纬航道	NSIDC	2.55	13.65	1.22	10.07	2.16	12.27	4.84	23.53
高纬航道	SICCI	-2.23	12.67	-3.35	11.60	-3.60	13.37	-6.81	24.17

[1]	周雪飞, 徐嘉, 张绪冰. 基于Sentinel-1卫星数据的北极西北航道通航适宜性分析[J]. 冰川冻土, 2022, 44(1): 117-132.
[2]	吴展开,王星东,王峰. 基于FY-3 MWRI数据的北极海冰密集度反演研究[J]. 冰川冻土, 2020, 42(4): 1135-1145.
[3]	窦挺峰, 效存德, 郭锐, 张瑞珍. 2008年夏季北冰洋海冰表面积雪特征初步分析[J]. 冰川冻土, 2012, 34(1): 43-48.
[4]	武朝德, 彭公炳. 北极海冰变化同我国气温相联系的若干统计学分析[J]. 冰川冻土, 1993, 15(4): 542-550.