共查询到20条相似文献，搜索用时 15 毫秒
1.
2017年夏季北极中央航道海冰观测特征及海冰密集度遥感产品评估 总被引：2，自引：2，他引：0
2017年夏季中国第八次北极科学考察期间，"雪龙"号极地考察船首次成功穿越北极中央航道，期间全程开展了海冰要素的人工观测。中央航道走航期间的平均海冰密集度和平均冰厚分别为0.64和1.5 m，海冰密集度时空变化大且以厚当年冰为主，高纬密集冰区的浮冰大小显著高于海冰边缘区。基于"雪龙"号的船基走航观测海冰密集度评估比较了国际上常用的5种常用的微波遥感反演海冰密集度产品，同走航目测海冰密集度点对点的比较，误差最大的为德国不来梅大学AMSR2基于Bootstrap算法的产品，平均误差和均方根误差分别为0.19和0.28；误差最小的为欧洲气象卫星应用组织基于AMSR2数据和OSHD和TUD两种不同算法的产品，平均误差分别为-0.02和0.01，均方根误差均为0.20。从日平均比较来看，AMSR2基于Bootstrap算法的误差最大，平均误差和均方根误差分别为0.15和0.20；AMSR2/OSI SAF（TUD）的误差最小，平均误差和均方根误差分别为0.0和0.11，OSI SAF产品更接近人工观测结果。 相似文献
2.
北极夏季海冰的快速减少使得北极航道提前开通成为可能。为了给北极冰区船运活动提供及时可靠有效的海冰预报保障,急需提高海冰预报水平。本文基于麻省理工大学通用环流模式(MITgcm),使用牛顿松弛逼近(Nudging)资料同化方法将德国不莱梅大学的第二代先进微波辐射成像仪(AMSR2)海冰密集度资料同化到模式中,建立了北极海冰数值预报系统。设计试验对比3种不同Nudging系数计算方案的改进效果,结果表明选择合适参数后,不同方案均能显著改进海冰密集度初始场。通过设计有无Nudging同化的两组预报试验,结合卫星遥感海冰密集度及中国第五次北极科学考察期间"雪龙"船的走航海冰密集度观测数据,定量分析了Nudging同化方案对北极海冰密集度的24~120 h预报结果的改进效果。结果表明,Nudging同化对120 h内全北极海冰密集度的空间分布和移动单点目标的海冰密集度预报结果均有显著改善;但在海冰变化很小的情况下,Nudging同化试验的24~120 h预报结果均劣于惯性预报结果,说明基于Nudging同化的数值预报系统还需进一步提高预报技巧。 相似文献
3.
《海洋预报》2018,(6)
评估了我国自主研发的海洋二号卫星(HY-2)海冰密集度产品在北极地区的适用性。与8种国际同类产品相比,HY-2产品的分辨率为25 km,属于低分辨率产品。HY-2产品2012年夏季的空间分布特征和其他产品差别不大,但在低密集度冰区和边缘区域的差异可达0.15～0.25。HY-2产品可以反映2012年7—10月海冰面积先减小后增大的规律,但最小海冰范围的出现时间比其他产品偏早,且平均值偏小。利用北极海冰数值预报系统进行的同化试验显示,HY-2产品可以有效改善海冰密集度的模拟结果,将平均偏差从控制试验的0.18～0.24减小为同化试验的0.05～0.08,改善效果和国际认可和常用的AMSR2/ASI产品相当。 相似文献
4.
长序列北极海冰覆盖数据集对比分析 总被引：3，自引：0，他引：3
国家卫星气象中心使用2011年至今的风云三号卫星数据开发了一套基于Nasa Team2（NT2）算法的北极海冰密集度数据集，并可实时业务更新。将该数据集与其他国家不同机构业务运行并实时更新多种同类型数据集进行横向对比分析，其中包括:（1）美国冰雪中心基于Nasa Team（NT）算法以及SSM/I、SSMIS数据制作的1978年至今25 km分辨率全球极区海冰覆盖数据集；（2）美国冰雪中心基于Boot Strap（BS）算法以及SSM/I、SSMIS数据制作的1978年至今25 km分辨率全球极区海冰覆盖数据集；（3）美国NOAA基于多种卫星资料、地面观测数据以及海冰模型制作的2004年至今4 km分辨率北半球海冰覆盖数据集（IMS）。对比表明，上述数据集在北极地区不同的时空范围内存在一定的偏差。以分辨率较高的IMS数据集为基准，对其他3种长序列数据集进行初步评价，总体最大偏差超过100×104 km2，其中，NT2数据集过估较明显。经过与IMS数据集多年各月监测最大值的对比订正，NT2数据集过估情况得到改善。在此基础上的分析结果表明，NT、BS、NT2等3种数据集与IMS数据集相比，过估区域主要分布在海岸线附近，夏季过估比冬季更加明显，少估区域与算法、月份相关性明显，夏季少估面积也较冬季更大。NT、BS、NT2等3种数据集之中，NT2数据集与IMS数据集偏差最小，NT数据集次之，BS数据集与IMS数据集偏差最大。结果表明使用风云三号卫星数据的北极海冰覆盖数据集精度与国外3种同类型数据集相当。 相似文献
5.
基于19GHz修正91GHz频段改进的ASI海冰密集度算法 总被引：1，自引：1，他引：0
基于数据融合算法思想，利用低频修正高频微波数据提出改进的ASI海冰密集度反演算法，对北极海冰进行反演研究。目前用于整体海冰密集度反演的算法中，使用低频数据的算法受天气影响较弱，但空间分辨率相对较低；而使用高频数据的算法，空间分辨率相对较高，但受天气影响较大，虽然使用天气滤波器处理，能消除那些被误判成海冰的水点，但并没有改变冰点的密集度。改进的ASI算法，利用低频数据（19GHz）修正高频数据（85.5GHz），进而得到修正后的85.5GHz的极化差P''，将P带入ASI算法，最终得到以2008-2016年每年的1月3日SSMIS数据为例的北冰洋整体海冰密集度反演结果。结果表明，改进后的ASI算法得到的总体海冰面积介于ASI与NASA Team两个结果之间；在边缘海冰区，改进后的ASI算法结果与传统的ASI算法结果在海冰面积与平均海冰密集度上都有较大差异，且前者更接近NASA Team算法。因此改进后的ASI算法，在空间分辨率上优于NASA Team算法，在受天气影响程度上更弱于ASI算法，并且有效变了边缘海冰区像元的海冰密集度。 相似文献
6.
2010-2018年北极夏季中国北极科学考察航行期间被动微波遥感海冰密集度与船基目视观测资料的比较 总被引：2，自引：0，他引：2
为了更有效地将卫星数据应用于北极航行导航，被动微波（PM）产品的海冰密集度（SIC）与从中国北极科学考察中收集到的船基目视观测（OBS）资料进行了比较。在2010、2012、2014、2016和2018年的北极夏季总共收集了3667组目测数据。PM SIC取自基于SSMIS传感器的NASA-Team（NT）、Bootstrap（BT）以及Climate Data Record（CDR）算法和基于AMSR-E/AMSR-2传感器的BT、enhanced NT（NT2）以及ARTIST Sea Ice（ASI）算法。使用PM SIC的日算术平均值和OBS SIC的日加权平均值进行比较。比较了PM SIC和OBS SIC之间的相关系数，偏差和均方根偏差，包括总体趋势以及在轻度/普通/严重冰况下的情况。使用OBS数据，浮冰尺寸和冰厚对不同PM产品SIC反演的影响可以通过计算浮冰尺寸编码和冰厚的日加权平均值来评估。我们的结果显示相关系数的范围为0.89（AMSR-E/AMSR-2 NT2）到0.95（SSMIS NT），偏差的范围为-3.96%（SSMIS NT）到12.05%（AMSR-E/AMSR-2），均方根偏差的范围为10.81%（SSMIS NT）到20.15%（AMSR-E/AMSR-2 NT2）。浮冰尺寸对PM产品的SIC反演有显著的影响，大多数PM产品倾向于在小浮冰尺寸情况下低估SIC，而在大浮冰尺寸情况下高估SIC。超过30 cm的冰厚对于PM产品的SIC反演没有明显影响。总体来看，在北极夏季，SSMIS NT SIC与OBS SIC之间有着最好的一致性，而AMSR-E/AMSR-2 NT2 SIC与OBS SIC的一致性最差。 相似文献
7.
本文系统地评估了国家海洋环境预报中心于我国第七次北极科学考察期间开展的北极海冰密集度数值预报结果。该预报系统基于麻省理工大学通用环流模式，并采用牛顿松弛逼近（Nudging）资料同化方法，计算输出未来1~5 d的北极海冰密集度预报产品。本文将数值预报结果同卫星观测的海冰密集度、再分析资料和"雪龙"号第七次北极考察期间观测的海冰密集度数据进行了对比分析。结果表明，预报的北极海冰密集度小于卫星观测值，24 h、72 h和120 h预报结果的偏差分别为-2.7%、-3.1%和-3.2%；数值产品的预报技巧好于气候态结果和惯性预报，但是在海冰出现快速融化或冻结时，基于Nudging同化的数值预报技巧仍有不足。另外，相比船测数据，数值预报结果在海冰边缘区的偏差相对较大，24 h、72 h和120 h预报结果的偏差分别为8.8%、12.0%和14.5%。 相似文献
8.
本文基于HY-2A/SCAT数据,采用贝叶斯算法、线性判别算法、支持向量机算法、基于主成分分析(Principal component Analysis,PCA)的BP神经网络算法对极地地区的海冰进行检测,并将检测结果与SSMIS海冰密集度数据进行比较。结果表明:四种检测算法得到的海冰边界介于SSMIS 0%～30%海冰密集度边界之间。在高风速条件下,海冰和海水的后向散射特征区分不明显可能造成冰水误判,以2013年9月16日北极海冰检测为例,贝叶斯算法检测结果误判最少,其次为基于PCA的BP神经网络算法,线性判别和支持向量机两种算法误判率较高。考虑到检测算法的运行效率和冰水误判率,选择贝叶斯算法和支持向量机算法进行海冰面积的季节趋势分析,两种算法得到的海冰面积变化趋势都能反映季节性变化,且在海冰生长季支持向量机算法探测的海冰面积与SSMIS 15%密集度海冰范围保持较好的一致性。 相似文献
9.
海冰密集度是海冰的重要参数之一,在冰区导航、海上作业、海冰模式验证和气候模型改进等方面具有重要意义。卫星遥感具有覆盖范围广、重访周期短、成本相对低等优势,已成为获取海冰密集度的主要观测手段。本文从主被动微波遥感和光学遥感的角度,回顾了现阶段海冰密集度卫星遥感反演研究进展情况,包括海冰监测传感器、海冰密集度反演算法和海冰密集度产品等。结果表明,被动微波遥感是目前获取海冰密集度的主要方式,已发展出许多成熟的业务化算法;主动微波遥感数据已成为制作冰情图的主要数据源,海冰密集度反演算法由合成孔径雷达SAR（Synthetic Aperture Radar）图像分类向深度学习算法发展;光学遥感海冰密集度算法较为成熟,但受限于云层和夜晚限制,其反演结果多用于其他海冰密集度产品的验证。受传感器硬件限制,3种观测手段各有其长处与不足。为获得高精度、高时空分辨率的海冰密集度数据,开展多源数据融合研究是解决传感器性能瓶颈的有效手段。大数据时代,基于深度学习的海冰密集度卫星遥感反演技术快速发展,需要深度融入海冰密集度卫星遥感领域知识。海冰密集度卫星遥感反演应着力于海冰预报服务,致力于提高我国的海冰预报能力。 相似文献
10.
围绕国内外机构发布的南极被动微波海冰密集度产品（PM-SIC）的差异和精度问题，应用MODIS和Sentinel-1反演的海冰密集度，对德国不莱梅大学（产品UB-AMSR2/ASI）、美国冰雪数据中心（产品NSIDC-SSMIS/NT、NSIDC-SSMIS/CDR、NSIDC-AMSR2/NT2）、欧洲气象卫星应用组织海洋与海冰卫星应用中心（产品OSI-SAF/BR-BST）、国家卫星海洋应用中心（产品NSOAS-SMR/NT）和国家卫星气象中心（产品NSMC-MWRI/NT2）发布的7种南极海冰密集度产品进行比较与评估。结果表明：（1）NSIDC-SSMIS/NT与NSIDC-SSMIS/CDR海冰密集度具有较高的一致性（平均偏差为-0.08%，相关系数为0.99）,NSOAS-SMR/NT与NSIDC-AMSR2/NT2间的差异最大（平均偏差为-14.41%，相关系数为0.81）;(2)7种PM-SIC的变化趋势一致，NSOAS-SMR/NT和NSMC-MWRI/NT2与其他PM-SIC的偏差具有明显的季节性差异；（3）NSOAS-SMR/NT和NSMC-MWRI/NT2与其他P... 相似文献
11.
北极海冰正处于快速减退时期，北极海冰体积变化是全球气候变化的重要指示因子。本文利用两种卫星高度计数据（ICESat和CryoSat-2）反演得到的海冰厚度数据，结合星载辐射计提取的海冰密集度数据以及海冰年龄数据，估算了近期的北极海冰体积以及一年冰和多年冰体积变化。CryoSat-2观测时段（2011-2013年）与ICESat观测时段（2003-2008年）相比，北极海冰体积在秋季（10-11月）和冬季（2-3月）分别减少了1 426 km3和412 km3。其中，秋季和冬季的一年冰的体积增加了702 km3和2 975 km3。相反，多年冰分别减少了2 108 km3和3 206 km3。多年冰的大量流失是造成北极海冰净储量下降的主要原因。 相似文献
12.
基于SMAP卫星雷达资料的海冰密集度反演技术研究 总被引：1，自引：0，他引：1
SMAP是美国于2015年初发射的一颗卫星，搭载了L波段的雷达。它采用圆锥扫描方式，具有固定的入射角、较大的幅宽和千米级的分辨率，在海冰监测方面具有独特的优势。本文利用SMAP卫星雷达资料分别与德国Bremen大学海冰密集度产品和美国国家冰雪数据中心（NSIDC）海冰密集度产品建立3.125 km和25 km匹配数据集，分析了L波段雷达后向散射系数、极化比和归一化极化差与海冰密集度之间相关性，建立基于人工神经网络的海冰密集度反演算法。为了验证SMAP卫星雷达资料反演海冰密集度的精度，本文选择德国Bremen大学和美国冰雪数据中心发布的海冰密集度产品分别与SMAP海冰密集度产品进行对比分析，SMAP海冰密集度与Bremen海冰密集度的偏差为0.07、均方根误差为0.14；与NSIDC海冰密集度的偏差为0.04、均方根误差为0.18，这表明SMAP海冰密集度产品与现有业务化海冰密集度产品具有很好的一致性。 相似文献
13.
全球变暖的背景下,北极航线的常规通航甚至商业运营有望实现,而海雾会严重影响航道上船只的航行安全。海冰的存在使海气之间相互作用变得更为复杂,是研究北极海雾不可忽略的因素。船载观测发现,与中纬度常见平流冷却雾形成时气温下降速度往往超过海水降温速度不同,北极海雾发生时海冰的存在还会使海水降温速度超过空气降温速度。然而目前海冰分布是否会影响模式模拟海雾的准确性还不得而知,因此本文利用Polar WRF(Polar Weather Research and Forecasting)模式模拟了中国第七次北极考察中观测到的一次海雾过程,并进行海冰密集度敏感性试验。通过与船载观测和欧洲中期天气预报中心再分析数据比对发现,在低浮冰区内(海冰密集度小于50%)考虑海冰分布时可以更加准确地刻画潜热通量与水汽通量,模拟出与观测事实相符的表层空气降温与增湿过程以及相对湿度的变化,因此能够更好地刻画海雾的三维结构及其生消演变。 相似文献
14.
15.
北极海冰密集度动态系点值ASI反演算法研究 总被引：3，自引：0，他引：3
海冰密集度是极区海冰监测的重要因素,使用AMSR-E (Advanced Microwave Scanning Radiometer for Earth Observing System) 89GHz数据ASI反演算法得到的海冰密集度是目前能够获得的分辨率最高的微波数据.在以前的算法中往往使用固定的系点值,本研究实现了动态系点值ASI (the Arctic Radiation And Turbulence Interaction Study (ARTIST) Sea Ice)算法,更重要的是在统计开阔水系点值的时候消除了云对系点值的影响,使得纯水系点值更接近真实状况.得到2010年平均的开阔水和海冰的系点值分别为50.8K和7.8K,通过每天的系点值得到的反演方程在低密集度区增大了海冰密集度,在高密集冰区减小了海冰密集度,从而在一定程度上改善了微波数据的反演准确度.通过和北极区域选取40幅不受云影响的MODIS 500m分辨率宽频大气层顶反照率(broadband TOA albedo)计算的海冰密集度进行了比较验证.结果显示,40个个例中,95%本文的平均差异比使用固定系点值算法产品的小,而且75%的均方根差异比使用固定系点值算法产品的小. 相似文献
16.
以90%海冰密集度为阈值，基于卫星遥感数据，2017-2018年冰季在格陵兰北部识别了两次冰间湖事件，分别出现在冬季和夏季。冬季的冰间湖事件从2018年2月20日持续至3月3日，夏季的事件从8月2日持续到9月5日。AMSR2被动微波的海冰密集度产品表明，冬季和夏季冰间湖事件对应的最低海冰密集度分别为72%和65%。两次冰间湖事件都与格陵兰北部东西气压梯度异常引起的南风加强有关，而气压梯度的异常则与对流层中部极涡的扰动有关。冬季冰间湖事件期间，相对暖和的气温和频繁出现的冰间湖，导致冬季海冰生长不持续，海冰热力增厚较小，这为夏季海冰发生破碎并形成冰间湖创造了条件。南风减弱和新冰生成是冬季冰间湖消失的主要原因。对于夏季的冰间湖，导致其消失的主要原因则是从北部输入的浮冰增加。Sentinel-1 合成孔径雷达产品相对AMSR2被动微波观测产品更加适合于应用到冰间湖事件伴随的新冰生长，这与前者具有更高的空间分辨率有关。格陵兰北部是北冰洋多年冰的聚集地，该区域被认为是北冰洋海冰的“避难所”。因此区域在2017-2018年出现罕见的冰间湖事件，对于整个北冰洋海冰的快速减少具有重要意义，也助于北冰洋海冰，尤其是多年冰的消退。 相似文献
17.
基于北极西北航道7条主要航线建立自然环境危险性评价指标体系,引入三角模糊数层次分析法确定指标权重,采用TOPSIS方法对7条航线做危险性贴近度排序和航线优选,利用加拿大2008年"MV Camilla Desgagnés"号商船线路及2014年"努那维克"号散货船线路对航线优选结果进行验证。研究表明,在海洋环境危险性和地理环境危险性子指标中,权重最大的指标分别为海冰密集度危险指数(C1)和航道宽度危险指数(C7)。从海洋环境危险性来看,始于兰开斯特海峡,经过摄政王湾、拜洛特海峡、维多利亚海峡、毛德皇后湾等地抵达阿蒙森湾的航线4危险性最小,欧洲中期天气预报中心提供的海冰数据显示2000—2016年该航线的海冰密集度总体呈下降趋势,17a中9月份的月平均海冰密集度最小;从地理环境危险性来看,航线4上所有海湾和海峡的平均危险性最小,能够满足通航要求。该航线与加拿大2008年"MV Camilla Desgagnés"号商船采用的线路较吻合。结果表明优选航线为航线4。 相似文献
18.
误差订正对2018年夏季次季节尺度海冰预测的作用 总被引：1，自引：1，他引：0
北极海冰次季节尺度预测在针对破冰船和商船的实际服务中十分重要，但常常受制于气候模拟的模拟能力。本研究提出了一种误差订正方法并分别应用到两个气候模式：海洋一所地球系统模式（FIOESM）和美国国家环境预报中心（NCEP）的气候预报系统（CFS），来改善北极海冰60天尺度的预测。本研究的预测工作是中国第9次北极科学考察和2018年夏季中远集团北极商业航行的业务化海冰服务保障的重要部分。模式起报时间分别是2018年7月1日、8月1日和9月1日，预报时效均是60天。结果显示，FIOESM整体上低估了海冰密集度的数值，平均偏差可达30%。误差订正对海冰密集度（SIC）的均方根偏差（RMSE）的改进比例可达27%，对海冰外缘线（SIE）的整体偏差（IIEE）的改进比例为10%。而对于CFS，SIE在边缘区域的过高估计是其主要特点。误差订正导致了SIC的RMSE改进了7%，而对SIE的IIEE改进了17%。在海冰范围预测方面，FIOESM预测的最小范围数值和时间点都和观测接近，而CFS的预测结果偏差较大。另外和其他S2S模式的结果比较发现，本研究提出的误差订正方法对存在较大偏差的预测结果改进更为有效。 相似文献
19.
基于2018年4种红外辐射计(MODIS-Aqua,MODIS-Terra,VIIRS和AVHRR)的SST数据和3种微波辐射计(GMI,WindSat和AMSR2)的SST数据,分析了7种星载辐射计SST数据的全球覆盖情况,利用Argo数据对7种辐射计SST数据进行了真实性检验,并开展了微波产品、红外产品和Argo的交叉比对分析。结果表明:VIIRS SST数据的覆盖率、有效覆盖天数均高于MODIS-Aqua、MODIS-Terra和AVHRR;AMSR2微波辐射计SST数据的覆盖率和有效覆盖天数均高于GMI和WindSat;4种红外辐射计SST数据与Argo浮标数据的平均偏差在-0.27~0℃,均方根误差小于0.76℃,其中VIIRS数据质量最好;3种微波辐射计SST数据与Argo浮标数据的平均偏差在-0.04~0.22℃,均方根误差小于0.88℃,其中AMSR2绝对偏差、标准偏差和均方根误差均小于其他2个微波辐射计数据。AMSR2和VIIRS的SST数据交叉对比发现,AMSR2与APDRC Argo、VIIRS与APDRC Argo的平均偏差分别小于0.15和-0.20℃,标准偏差分别小于0.52和0.60℃;AMSR2与VIIRS平均偏差在-0.23~-0.10℃,标准偏差小于0.41℃,两者具有较高的一致性。 相似文献
20.
本研究利用国际在轨SSMIS、WindSat、AMSR-E、ASMR2和国产HY-2A微波辐射计多源遥感大气柱水汽含量观测数据,基于最优插值算法,生成了2003－2015年的全球海洋每日0.25°高分辨率大气柱水汽含量多源遥感融合产品,以及2012－2015年未使用HY-2A微波辐射计数据的全球海洋每日0.25°遥感融合产品。利用无线电探空仪水汽含量观测数据,对生成的全部全球海洋大气柱水汽含量融合产品进行精度检验,结果表明,总体上,13年间均方根误差和标准差优于3 mm,平均偏差优于0.6 mm,平均绝对偏差优于2 mm,相关系数优于0.98;使用HY-2A微波辐射计数据产品会使融合结果的精度出现微小的降低;AMSR2和HY-2A微波辐射计数据的联合使用对于替代AMSR-E数据具有积极意义。 相似文献