共查询到18条相似文献，搜索用时 140 毫秒
1.
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
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.
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
4.
海冰运动是影响北极海冰平流输运和物质平衡空间重新分布的重要因素。本研究基于2018年9月至2019年8月期间北冰洋66个冰基浮标位置记录数据，结合大气再分析数据，计算得到了海冰运动速度、冰速与风速的比值和海冰运动惯性强度，以刻画北极海冰运动学特征参数在一个冰季的时空变化，并讨论了不同区域冰速与风速比与海冰密集度的关联性。海冰漂移速度在波弗特–楚科奇海、东北极中央区和西北极中央区呈秋冬降低春夏升高的季节变化特征。格陵兰海月均海冰漂移速度（（0.32±0.06）m/s）最大，其次是弗拉姆海峡（（0.17±0.07）m/s）和波弗特–楚科奇海（（0.14±0.05）m/s），而东北极中央区（（0.09±0.02）m/s）和西北极中央区（（0.07±0.03）m/s）较低。在月尺度上，冰漂移速度与风速的比值主要受海冰漂移速度支配。弗拉姆海峡和格陵兰海受较强的表层海流影响，冰速与风速比值较大，西北极中央区、东北极中央区和波弗特–楚科奇海的冰速与风速比值随着海冰密集度的增加趋近，并分布在0～0.02之间。所有浮标的月平均惯性运动指数为0.158±0.144，秋冬季过渡期间，海冰对风的响应以及海冰运... 相似文献
5.
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
6.
北极中央区海冰低密集度现象研究 总被引：3，自引：3，他引：0
近年，北极中央密集冰区出现海冰低密集度的异常现象。为了探讨这一现象的成因，本文使用ERA-Interim再分析资料，定义了北极中央区海冰低密集度（LCCA）指数，研究了2009-2016年的6-9月北极中央区发生的海冰低密集度现象。分析表明，研究时段内在北极中央区发生了6次明显的海冰低密集度（LCCA峰值）过程。在这些过程中，局地气温异常并不是导致海冰低密集度现象发生最主要的因素；海冰低密集度区域的形态及冰速场分布均与大气环流场相对应；在LCCA指数峰值发生前均有气旋中心出现在北冰洋70°N以北并伴随向北移动，气旋引起海冰辐散，同时所携带的较低纬度的热量导致海冰迅速融化。在6次过程中，有3次为气旋影响配合北极偶极子（DA）型环流。LCCA指数与84°N平均向北温度平流和北极中央区海冰速度散度呈正相关。在LCCA指数峰值前，温度平流对海冰低密集度区域形成的影响大于海冰辐散的影响。 相似文献
7.
卫星遥感获取的海冰密集度观测资料中包含着空间多尺度信息。然而，多数传统的数据同化方法难以在海冰密集度变化较为复杂的海冰边缘区有效提取这些多尺度信息。为解决上述问题，本文设计了一种基于变分优化的逐步订正分析方法—空间多尺度递归滤波，该方法是逐步订正分析与最小化算法的结合，它能够从长波到短波依次提取观测中的各种空间尺度信息。与传统的客观分析相比，这种基于变分的多尺度分析方法不仅能够在最小化过程中一次性的提取出观测中的多尺度信息，而且能够方便合理的进行参数配置。单观测点同化试验的分析结果表明，空间多尺度递归滤波方法具有良好的观测信息空间传播能力。随后在二维海冰密集度的分析试验中，该方法能够较好的提取SSMI海冰密集度观测资料中的空间多尺度信息，进而获得高精度的海冰密集度分析结果。 相似文献
8.
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
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.
国际气候研究计划（WCRP）最近计划在南极和北极地区组织实施国际冰厚监测项目,该项目由世界气象组织（WMO）和国际科联（ICSU）组织实施。 海冰在气候变化中对控制高纬度地区大气和海洋中的热交换,驱动海洋中的温盐环流起着重要作用。海冰作为巨大的冷源对全球气候变化的影响已引起全球海洋学界和气候学界的极大关注。对海冰范围,密集度和厚度的长期观测是发展和试验全球大气-海洋-海冰耦合模式的重要基础。 海冰范围和密集度的观测,自1972年美国NOAA系列卫星和Nimbus系列卫星装载了甚高分辨率辐射仪（AVHRR）和微波辐射仪以来,比较成功地解决了海冰密集度和海冰外缘线的监测问题。但冰厚观测必须现场进行。冰厚也是确定热量收支和流变学重要的参数。所以是当今关于研究海冰自身变化及全球气候变化中的重要难题之一。目前仅有一些分散的零星海冰厚度观测资料,不能满足在全球冰-气-海耦合模式中的所需要求。 相似文献
11.
Sea ice concentration (SIC) is one of the most important indicators when monitoring climate changes in the polar region. With the development of the Chinese satellite technology, the FengYun (FY) series has been applied to retrieve the sea ice parameters in the polar region. In this paper, to improve the SIC retrieval accuracy from the passive microwave (PM) data of the Microwave Radiation Imager (MWRI) aboard on the FengYun-3B (FY-3B) Satellite, the dynamic tie-point (DT) Arctic Radiation and Turbulence Interaction Study (ARTIST) Sea Ice (ASI) (DT-ASI) SIC retrieval algorithm is applied and obtained Arctic SIC data for nearly 10 a (from November 18, 2010 to August 19, 2019). Also, by applying a land spillover correction scheme, the erroneous sea ice along coastlines in melt season is removed. The results of FY-3B/DT-ASI are obviously improved compared to that of FY-3B/NT2 (NASA-Team2) in both SIC and sea ice extent (SIE), and are highly consistent with the results of similar products of AMSR2 (Advanced Microwave Scanning Radiometer 2)/ASI and AMSR2/DT-ASI. Compared with the annual average SIC of FY-3B/NT2, our result is reduced by 2.31％. The annual average SIE difference between the two FY- 3Bs is 1.65×106 km2, of which the DT-ASI algorithm contributes 87.9％ and the land spillover method contributes 12.1％. We further select 58 MODIS (Moderate-resolution Imaging Spectroradiometer) cloud-free samples in the Arctic region and use the tie-point method to retrieve SIC to verify the accuracy of these SIC products. The root mean square difference (RMSD) and mean absolute difference (MAD) of the FY-3B/DT-ASI and MODIS results are 17.2％ and 12.7％, which is close to those of two AMSR2 products with 6.25 km resolution and decreased 8％ and 7.2％ compared with FY-3B/NT2. Further, FY-3B/DT-ASI has the most significant improvement where the SIC is lower than 60％. A high-quality SIC product can be obtained by using the DT-ASI algorithm and our work will be beneficial to promote the application of FengYun Satellite. 相似文献
12.
《海洋学报(英文版)》2020,(9)
In order to apply satellite data to guiding navigation in the Arctic more effectively, the sea ice concentrations(SIC)derived from passive microwave(PM) products were compared with ship-based visual observations(OBS)collected during the Chinese National Arctic Research Expeditions(CHINARE). A total of 3 667 observations were collected in the Arctic summers of 2010, 2012, 2014, 2016, and 2018. PM SIC were derived from the NASA-Team(NT), Bootstrap(BT) and Climate Data Record(CDR) algorithms based on the SSMIS sensor, as well as the BT,enhanced NASA-Team(NT2) and ARTIST Sea Ice(ASI) algorithms based on AMSR-E/AMSR-2 sensors. The daily arithmetic average of PM SIC values and the daily weighted average of OBS SIC values were used for the comparisons. The correlation coefficients(CC), biases and root mean square deviations(RMSD) between PM SIC and OBS SIC were compared in terms of the overall trend, and under mild/normal/severe ice conditions. Using the OBS data, the influences of floe size and ice thickness on the SIC retrieval of different PM products were evaluated by calculating the daily weighted average of floe size code and ice thickness. Our results show that CC values range from 0.89(AMSR-E/AMSR-2 NT2) to 0.95(SSMIS NT), biases range from-3.96%(SSMIS NT) to 12.05%(AMSR-E/AMSR-2 NT2), and RMSD values range from 10.81%(SSMIS NT) to 20.15%(AMSR-E/AMSR-2 NT2). Floe size has a significant influence on the SIC retrievals of the PM products, and most of the PM products tend to underestimate SIC under smaller floe size conditions and overestimate SIC under larger floe size conditions. Ice thickness thicker than 30 cm does not have a significant influence on the SIC retrieval of PM products. Overall, the best(worst) agreement occurs between OBS SIC and SSMIS NT(AMSR-E/AMSR-2 NT2) SIC in the Arctic summer. 相似文献
13.
This paper is focused on the seasonality change of Arctic sea ice extent(SIE) from 1979 to 2100 using newly available simulations from the Coupled Model Intercomparison Project Phase 5(CMIP5).A new approach to compare the simulation metric of Arctic SIE between observation and 31 CMIP5 models was established.The approach is based on four factors including the climatological average,linear trend of SIE,span of melting season and annual range of SIE.It is more objective and can be popularized to other comparison of models.Six good models(GFDL-CM3,CESM1-BGC,MPI-ESM-LR,ACCESS-1.0,Had GEM2-CC,and Had GEM2-AO in turn) are found which meet the criterion closely based on above approach.Based on ensemble mean of the six models,we found that the Arctic sea ice will continue declining in each season and firstly drop below 1 million km~2(defined as the ice-free state) in September 2065 under RCP4.5 scenario and in September 2053 under RCP8.5 scenario.We also study the seasonal cycle of the Arctic SIE and find out the duration of Arctic summer(melting season) will increase by about 100 days under RCP4.5 scenario and about 200 days under RCP8.5 scenario relative to current circumstance by the end of the 21 st century.Asymmetry of the Arctic SIE seasonal cycle with later freezing in fall and early melting in spring,would be more apparent in the future when the Arctic climate approaches to "tipping point",or when the ice-free Arctic Ocean appears.Annual range of SIE(seasonal melting ice extent) will increase almost linearly in the near future 30–40 years before the Arctic appears ice-free ocean,indicating the more ice melting in summer,the more ice freezing in winter,which may cause more extreme weather events in both winter and summer in the future years. 相似文献
14.
A 41-year Antarctic sea ice concentration(SIC) dataset derived from satellite passive microwave radiometers during the period of 1979–2019 has been used to analyze sea ice changes in recent decades. The trends of SIC and sea ice extent(SIE) are calculated during the periods of 1979–2019, 1979–2013, and 2014–2019. The trends show regionally dependent features. The SIC shows an increasing trend in most of the regions except the Bellingshausen Sea and Amundsen Sea(BA) during 1979–2019 and 1979–2013. The SIE trend shows a decreasing or decelerating trend in the period of 1979–2019((6 835±2 210) km2/a) compared with the 1979–2013 period((18 600±2 203) km~2/a). In recent years(2014–2019), the SIC and SIE have exhibited decreasing trends(–(34 567±3 521) km~2/month), especially in the Weddell Sea(WS) and Ross Sea(RS) during summer and autumn. The trends are related to regionally dependent causes. The analyses show that the SIC and SIE decreased in response to the warming trend of 2 m air temperature(T_(a-2m)) and have exhibited a good relationship with T_(a-2m) in summer and autumn in recent years. The sea ice decrease in the Antarctic is mainly caused by increases in absorbed energy and southward energy transportation in recent years, such as the increase in gained solar radiation and moist static energy from the south, which demonstrate notable regional characteristics. In the WS region, the local positive feedback from the additional absorbed solar radiation, resulting in warmer air and reduced sea ice, is the main reason for the sea ice decrease in recent years. The increase in southward energy transport has also favored a decrease in sea ice. In the RS region, the increase in southward-transported moist static energy has contributed to the decrease in sea ice, and the increases in cloud cover and longwave radiation have prevented sea ice growth. 相似文献
15.
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
16.
大气环流优势模态对北极海冰变化的响应Ⅰ.北极涛动 总被引：1，自引：0，他引：1
利用美国冰雪中心海冰密集度数据,分析了1979-2012年北极海冰面积的时间变化特征,发现北极海冰具有显著的年代际变化特征,分别在1997和2007年前后存在两次年代际转型突变点,相应的大气环流优势模态——北极涛动(AO)也存在显著的时空变化。1979-1996年阶段海冰下降趋势较弱并以较强的年际振荡为主,AO模态较强且显示出低频振荡特征;1997-2006年阶段北极海冰快速减退趋势占优,同时伴随着较弱的年际振荡,AO模态减弱且振荡周期缩短;2007-2012年阶段海冰范围较快下降同时具有极强的年际振荡,方差变化是前两个阶段的2~3倍,AO不仅强度加强,空间结构也发生了变化,极涡中心分别向格陵兰岛和白令海峡一侧延伸,这种结构有利于极地冷空气入侵欧洲和北美。利用ECHAM5大气模式进行的数值试验结果也证实了较强振荡的海冰强迫对AO模态的改变具有决定作用。 相似文献
17.
渤海冬季海冰反照率变化 总被引：1，自引：1，他引：0
渤海海冰对于大尺度气候变化比较敏感,基于CLARA-A1-SAL数据分析了1992~2008年冬季（12、1、2月）渤海海冰区域反照率的时空变化,同时分析了海冰密集度、海冰外延线面积和海水表面温度的变化与海冰反照率的相互关系。渤海海冰区域反照率随时间波动变化且变化趋势不明显,趋势线斜率仅为0.0388%。年际变化在9.93%~14.5%之间,平均值为11.79%。海冰反照率在1999,2000和2005等重冰年的值明显高于其他年份,在1994,1998,2001和2006等轻冰年的值较低。从单个月份反照率来看,12月海冰反照率的增加趋势（趋势线斜率0.0988%）明显高于1月和2月,1月的海冰反照率平均值（12.9%）高于另外两个月份。海冰反照率和海冰密集度呈明显的正相关关系;和海表面温度呈负相关关系（显著性水平90%）。 相似文献
18.
V. A. Semenov 《Izvestiya Atmospheric and Oceanic Physics》2014,50(4):343-349
Numerical experiments with the ECHAM5 atmospheric general circulation model (AGCM) using the empirical HadISST1.1 data on sea surface temperature (SST) and sea ice concentration (SIC) in the 20th century as boundary conditions are analyzed. The experiments show that the model correctly reproduces the wintertime Arctic warming in the last 30 years of the 20th century but is unable to reproduce mid-20th century warming. Because the wintertime Arctic surface air temperature changes are closely related to SIC anomalies, it is assumed that one reason for this discrepancy is the lack of a negative SIC anomaly in the prescribed boundary conditions during a mid-20th century warm period. It is also shown that the model with-out prescribed ice cover changes does not reproduce a temperature trend in the Arctic in recent 30 years of the 20th century. The experimental results indicate that the mid-20th century warming was accompanied by a significant negative anomaly of the wintertime Arctic sea ice extent comparable to current trends and also point to a considerable contribution of natural variability to modern climate changes. 相似文献