2011-2020年弗拉姆海峡夏季海冰漂移跟踪及变化分析.pdf

第6 6 卷第7 期2023年7 月方岩，王雪，陈卓奇等.2 0 2 3.2 0 11一2 0 2 0 年弗拉姆海峡夏季海冰漂移跟踪及变化分析.地球物理学报，6 6（7）：2 7 2 6-2 7 40，doi:10.6038/cjg2022Q0025.Fang Y,Wang X,Chen Z Q,et al.2023.Summer sea ice drift tracking and variation analysis in Fram Strait from 201l to2020.Chinese J.Geophys.(in Chinese),66(7):2726-2740,doi:10.6038/cjg2022Q0025.地球物理学报CHINESE JOURNAL OF GEOPHYSICSVol.66,No.7Jul.,20232011一2 0 2 0 年弗拉姆海峡夏季海冰漂移跟踪及变化分析方岩1.2，王雪1.2*，陈卓奇1-2，李刚1-2，惠凤鸣1-2，程晓1.21中山大学测绘科学与技术学院，南方海洋科学与工程广东省实验室（珠海），广东珠海519 0 8 22极地环境立体观测与应用教育部重点实验室（中山大学），广东珠海519 0 8 2摘要准确的弗拉姆海峡海冰漂移监测对于量化弗拉姆海峡的海冰输出量，减少北极海冰流失量估计的不确定性具有十分重要的意义.由于数据源和算法的限制，现有的方法在夏季海冰漂移中应用效果不佳，难以监测到准确的海冰运动.本研究发展了一种基于MODIS时序数据和A-KAZE算法的夏季逐日海冰漂移跟踪方法，并基于该方法开展了2 0 11一2 0 2 0 年弗拉姆海峡夏季（49 月）逐日的海冰漂移监测研究，分析了近10 年弗拉姆海峡海冰流速的变化规律.研究选取2 0 2 0 年4月2 9 日到5月5日弗拉姆海峡局部区域作为实验区对研究提出的方法进行了验证.实验结果表明，本研究提出的方法相比于经典的MCC模式匹配算法在跟踪精度上有很大提高，其中速度的均方根误差减少了2.13kmd-1（7 3%），角度的均方根误差减少了10（38%）.相比于常用的SIFT、SU RF特征跟踪算法，本方法提取到的海冰漂移矢量在数量上更多，空间分布更广.同时，相比于使用MODIS每日合成数据，本方法使用的时序MODIS影像在实验区获取了更大的海冰漂移跟踪范围，平均每日的跟踪面积提升了8 6 2.6 2 km（近16倍），有效减少了云覆盖对光学数据跟踪效果的影响.此外，研究发现近10 年弗拉姆海峡区域夏季海冰流速的空间分布比较一致，呈现出海峡南部流速高于北部，远离海岸流速高于近岸流速的规律.弗拉姆海峡夏季平均海冰流速在年际上不存在明显的增加或减少的趋势，但是在月尺度上总体呈现出4一7 月下降，7 一9 月回升的趋势.本研究提出的海冰漂移跟踪方法可为夏季的海冰漂移研究提供新的思路，针对近10 年弗拉姆海峡夏季海冰流速的分析结果也可应用于北极海冰快速变化等相关研究中。关键词海冰漂移；弗拉姆海峡；夏季；时序MODIS；A-K A ZE算法doi:10.6038/cjg2022Q0025中图分类号P229收稿日期2 0 2 2-0 1-11，2 0 2 3-0 5-0 4收修定稿Summer sea ice drift tracking and variation analysis in Fram Strait from 2011 to 2020FANG Yan*2,WANG Xuel*,CHEN ZhuoQil-,LI Gang2,HUI FengMing*-,CHENG Xiaol-1 School of Geospatial Engineering and Science,SunYatsen University,and Southern Marine Science and Engineering GuangdongLaboratory（Zh u h a i)，Zh u h a iG u a n g d o n g 519 0 8 2,C h in a2 Key Laboratory of Comprehensive Observation of Polar Environment(Sun Yat-sen University),Ministry of Education,ZhuhaiGuangdong519082,ChinaAbstract Accurate sea ice drift information in Fram Strait plays important roles in quantifyingthe sea ice export through Fram Strait and reducing the uncertainty of the Arctic sea ice loss基金项目国家自然科学基金青年科学基金项目（42 2 0 6 2 47），国家重点研发计划课题（2 0 19 YFC1509104，2 0 19 YFC150 9 10 5)及广东省基础与应用基础研究基金项目（2 0 2 1A1515110779）联合资助。第一作者简介方岩，男，19 9 8 年生，博士研究生，从事海冰漂移方面的研究工作.E-mail：f a n g y 59 m a il2.s y s u.e d u.c n*通讯作者王雪，女，19 9 0 年生，博士，助理教授，主要从事极地遥感，海冰漂移研究E-mail：w a n g x u e 2 5 ma i l.s y s u.e d u.c n7期estimation.Due to the limitations of data sources and algorithms,the existing methods showpoor performance in summer sea ice drift retrieval.In this study,a summer daily sea ice driftmonitoring method based on time series MODIS data and A-KAZE algorithm was proposed.Furthermore,daily sea ice motions in Fram Strait for 20112020 summers(April to September)were retrieved based on the proposed method and the characteristics of sea ice motion in FramStrait for these ten years were analyzed based on the tracking results.The proposed method wasevaluated over a portion of Fram Strait from April 29 to May 5,2020.The results showed thatthe proposed method outperformed the classic MCC algorithm in sea ice drift retrieval,with velocity anddirection RMSE decreases of 2.13 km d-1(73%)and 10(38%),respectively.Furthermore,theproposed method retrieved more sea ice drift vectors with larger spatial coverage compared withthe displacements SIFT and SURF algorithms retrieved.Meanwhile,compared with the daily seaice motion vectors generated with daily synthetic data,the motion vectors obtained by theproposed method using time series MODIS images covered more areas,with an average increaseof 862.62 km(nearly 16 times),which demonstrated that the proposed method greatly reducedthe cloud effect on optical data.Furthermore,it was found that the spatial distribution of sea icevelocity in Fram Strait for the last ten years is relatively consistent,showing that the ice velocityin the south of the Strait is higher than that in the north,and the velocity away from the coast ishigher than that in the near shore.The annual average summer sea ice velocity in Fram Straitdoes not show a significant increase or decrease trend,but it shows a downward trend from Aprilto July and an upward trend from August to September.The proposed method provides new ideafor daily sea ice drift monitoring in summer and the analysis on summer sea ice velocity in FramStrait for the last ten years is applicable to the researches such as rapid change of Arctic sea ice.Keywords Sea ice drift;Fram Strait;Summer;Time series MODIS data;A-KAZE algorithm0引言在全球变暖和“北极放大”效应的背景下，北极海冰快速变化，给全球气候带来重要影响（曹云锋和梁顺林，2 0 18）.海冰变化包含两种表现形式：热力作用引发的海冰冻结和融化以及动力作用引发的海冰运动（Kwoketal.，2 0 13).随着风、洋流和海冰条件的变化而产生的海冰漂移运动，导致海冰空间位置的变化和再分布，是影响北冰洋质量平衡的重要动力机制.弗拉姆海峡（FramStrait）是北冰洋海冰流速最快的区域之一，也是北极海冰输出的重要通道，全北极每年大约有10%的海冰从此处流向格陵兰海和北大西洋（毕海波等，2 0 18；李瑜洁等，2 0 19；施骞和苏洁，2 0 2 0).因此弗拉姆海峡区域海冰漂移跟踪对于研究北极海冰输出和质量平衡有重要的价值（Minetal.，2 0 19).然而，弗拉姆海峡区域海冰流速复杂（Hanetal.，2 0 2 0），同时夏季还伴随着海冰融化等现象，导致海冰漂移的监测难度较大目前，由于数据源和算法的限制，针对弗拉姆海峡夏季方岩等：2 0 11一2 0 2 0 年弗拉姆海峡夏季海冰漂移跟踪及变化分析2727海冰漂移的长期监测研究较少（Krumpen et al.，2016).在海冰漂移监测数据源的选取上，由于北极特殊的地理位置和恶劣的自然条件，海冰漂移的现场观测主要是利用船只、浮标和观测站完成，这些方式提供的数据空间分布稀疏，难以实现海冰漂移的时空连续监测（Wuet al.，2 0 0 6;L e i e t a l.，2 0 16).空间遥感技术因为其连续广域观测的优势，在近年来的极地海冰漂移跟踪中应用广泛.微波传感器有全天时全天候工作的优势，是当前基于遥感技术跟踪海冰漂移的主要数据源，包括被动微波辐射计（如SSM/I和AMSR-2）和主动微波传感器（如散射计和SAR).微波辐射计和散射计重访周期短，空间分辨率较低（几公里到几十公里），一般用于大范围的海冰漂移监测（Girard-Ardhuin and Ezraty，2 0 12;王利亚等，2 0 17)当前，NSIDC、I FREM ER、O SI-SAF等国际研究机构发布的极区海冰漂移遥感监测产品的数据源都是微波散/辐射计数据，但是较低的分辨率使得微波散/辐射计难以在精细尺度上监测到局部区域复杂的海冰运动情况.SAR数据空间2728分辨率高（几米到几百米），但一般幅宽较窄且重访周期长，多用于部分时段或长周期的海冰漂移监测中（Hollands and Dierking，2 0 1l;王军凯等，2 0 19)，无法进行短周期（如每日)的监测.此外，微波数据的海冰漂移跟踪依赖于海冰辐射亮温或后向散射信号，夏季海冰融化导致亮温和后向散射系数发生变化，限制了微波数据在夏季海冰漂移跟踪中的可用性（Karvonen，2 0 12).光学数据受制于云雾的影响，在海冰监测领域的研究中使用较少.但光学数据提供的海冰光谱信息和空间纹理信息受夏季融化的影响较小.此外，某些光学传感器（如MODIS)具有幅宽范围大，空间分辨率较高，重访周期短的优势（Pe t r o u a n d T i a n，2 0 17），利用每日多景重叠影像联合观测能够减少云的影响，是进行局部区域（如弗拉姆海峡)夏季逐日海冰漂移监测的较佳数据源.基于遥感数据的海冰漂移跟踪的主流算法是模式匹配法，目前发布的海冰漂移产品都是基于该算法(Hwang，2 0 13；G u i e t a l.，2 0 2 0；G ir a r d-A r d h u inandEzraty，2 0 12;T s c h u d i e t a l.，2 0 19).模式匹配法主要是通过在两幅遥感影像上建立滑动模板，基于模板间的相关性进行匹配来提取海冰运动信息.当前最常用于海冰漂移跟踪的模式匹配法是最大互相关法(MCC)(Lv et al.，2 0 17;L e h tira n ta e t a l.，2015），该算法也多用在光学数据的海冰漂移跟踪中（孙鹤泉等，2 0 15；HyunandKim，2 0 17）.模式匹配法采用图像遍历的匹配方式，对于精细尺度的图像匹配效率比较低，不适合用于大数据量下的海冰漂移跟踪，并且在光学图像有云覆盖的区域容易产生较多的错误匹配，导致海冰漂移跟踪精度的下降.近年来，为了解决模式匹配法效率较低的问题，一些研究提出了基于特征跟踪的海冰漂移算法（Korosovand Rampal,2017;Muckenhuber and Sandven,2017;Zhangetal.，2 0 2 0）.特征跟踪法仅根据两幅遥感影像中提取到的特征点之间的匹配来实现海冰漂移跟踪，因此跟踪效率有较大提高.目前特征跟踪法普遍应用于SAR数据的海冰漂移提取，在光学影像中使用较少，主要原因是云雾覆盖影响了算法提取特征点的数量.尽管如此，特征跟踪法的匹配是基于影像对中的特征点，相比于模式匹配法能够有效减少云和冰上的错误匹配.当前用于海冰漂移的特征跟踪算法主要包括SIFT、SU RF、O RB、A-K A ZE(W a n get al.,2020;Muckenhuber et al.,2016;Demchev etal.，2 0 17 a），其中，A-KAZE算法在海冰漂移矢量提取的数量，准确度及跟踪效率上都要优于其他算法地球物理学报(Chinese J.Geophys.）66卷（D e m c h e v e t a l.，2 0 17 b），是从光学影像中提取海冰漂移的较佳算法.综上，受数据源和算法的限制，针对夏季海冰漂移遥感监测的研究较少.经分析发现，光谱特征受海冰融化影响小，光学数据是夏季海冰漂移监测的较佳数据源.为降低云对光学数据的影响，本研究提出一种利用MODIS时序数据，结合A-KAZE算法的夏季逐日海冰漂移监测方法.并且通过设计三组对照实验，分别从跟踪精度，海冰漂移矢量跟踪数量和海冰漂移跟踪范围等方面来验证本研究提出方法的有效性.此外，研究基于该方法对弗拉姆海峡区域2011一2 0 2 0 年近10 年夏季（4一9 月）进行海冰漂移跟踪，并分析其海冰流速在月度、年度和空间分布上的变化情况.1类数据描述与预处理本研究使用的数据包括MOD09和MYD-09数据集，MOD09GQ和MYD09GQ数据集，陆地矢量数据及 IABP(International Arctic Buoy Programme)浮标数据，其中MOD09和MYD09数据集用于提取2011一2 0 2 0 年弗拉姆夏季海冰漂移信息，MOD09GQ和MYD09GQ数据集用于提取对照实验的海冰漂移信息，陆地矢量数据用于MODIS数据的预处理，IABP浮标数据用于验证海冰漂移的提取精度.MOD09(Terra MODIS)和 MYD09(Aqua MODIS)数据集是MODISL2级表观反射率轨道数据产品，每5min提供一景影像集，包括12 波段2 50 m空间分辨率的影像，17 波段50 0 m的影像和116波段1km的影像.研究选用MOD09和MYD09产品每日弗拉姆海峡区域内（如图1红色框内)所有轨道数据中2 50 m分辨率的波段1（6 2 0 6 7 0 nm）影像按照过境时间排序构成MODIS时序影像用于海冰漂移的提取监测.其中，参考IABP浮标时空分布选取了弗拉姆海峡局部区域（如图1黄色框内)2 0 2 0 年4月2 9 日到2 0 2 0 年5月5日共112景影像用于研究提出海冰漂移监测方法的验证，并利用2 0 112 0 2 0 年49 月共2 12 40 景影像用于弗拉姆海峡逐日海冰漂移监测结果提取，表1展示了在弗拉姆海峡区域每年用到的MOD09和MYDO9影像的数量.MODIS单星在赤道地区每日过境2 次，同时MODIS较大的扫描带宽（约2 330km)使得高纬度卫星轨道重叠度显著增加，极区重访频率要远超过每日2 次，研究使用每日不同时刻7期年份MODO9影像数量MYDO9影像数量北冰洋80N-75N-的所有轨道数据可以减少云对MODIS数据覆盖范围的影响.以2 0 2 0 年夏季为例，全球每日合成的MODIS影像（即MOD09GQ&MYD09GQ数据）在弗拉姆海峡的平均云覆盖率为7 0.2%，而使用所有时刻过境的MOD09&MYD09数据构成的MODIS时序影像的平均云覆盖率减少至43.7%.本研究仅选取了2 50 m的波段1（6 2 0 6 7 0 nm）影像进行海冰漂移提取，其原因包括以下两点：（1)高分辨率影像能够提供更详细的空间纹理信息，可用以提取更多且更准确的特征点，增加海冰漂移特征跟踪的数量和准确度.（2)可见光波段在夏季融化时获取的特征点数量明显多于红外波段（Dybkjaer，2018).MOD09GQ和MYD09GQ数据集是MODISL2级别表观反射率每日合成产品，由NASA选取观测质量较高的轨道数据合成得到.每天Terra和Aqua各提供一组仅包含12 波段2 50 m空间分辨MODIS L2投影转换级数据强度转换HEG批处理图2 MODIS数据预处理流程Fig.2The pre-processing workflow of MODIS data方岩等：2 0 11一2 0 2 0 年弗拉姆海峡夏季海冰漂移跟踪及变化分析表12 0 11一2 0 2 0 年弗拉姆海峡夏季MODIS时序影像使用情况Table 1The number of time series MODIS images used in 2011-2020 summer Fram Strait20112012106610571065105575E55E斯瓦尔巴群岛格陵兰岛格陵兰海研究区域验证区域IABP浮标图1本文研究区域Fig.1 Location map of the study area地理编码2729201320141065106110631070150km反射率201510661065率的影像.研究选取弗拉姆海峡局部区域（如图1黄色框内）2 0 2 0 年4月2 9 日到2 0 2 0 年5月5日共14景影像的波段1（红光波段）提取海冰漂移，并与研究提出的方法进行海冰漂移提取范围的比较.陆地矢量数据采用NatureEarth（h ttp s：/w w w.n a tu- 0 0 万数据.基于该数据将MODIS影像进行陆地区域腌膜以避免干扰海冰漂移的提取.IABP浮标数据是国际北极浮标计划提供的一项包括时间、温度、位置等信息的多源浮标数据.这些浮标每年部署在北冰洋及其周围海域，通过Argos和GPS系统传输现场观测数据，是目前北极研究中常用的实际观测数据之一（施骞和苏洁，2020；Yu e t a l.，2 0 2 1).研究选取了弗拉姆海峡局部区域110 个浮标（如图1黄色框内绿色点）用于验证提取到的海冰漂移精度.研究用到的MODIS四个数据产品（即MOD09，MYD09,MOD09GQ和MYD09GQ)的预处理流程如图2 所示.MODIS数据的地理编码，投影转换均在NASA 提供的 HEG(HDF-EOS To GeoTIFF ConversionTool)工具的批处理模块中实现.考虑到后续的图像匹配过程，需要将图像中的表观反射率转换为强度I，该步骤的转换公式如下：I=L P二PminPmax一pmin其中L是处理后图像的最大强度值，为方便后续处理一般将其设定为2 55（8 bit图像），Pmax和pmin是处理前图像中表观反射率的最大值和最小值.直方图均衡化可以增强图像的对比度，以帮助后续特征跟踪算法找到更多特征点用以匹配.以上反射率强度转换和直方图均衡化的步骤是在PythonOpenCV模块下进行的.随后进行陆地掩膜得到待匹配的影像.Python+OpenCv直方图均衡201610581060201710501054陆地掩膜201810561062待匹配的影像201910731073202010701051(1)27302方法基于光谱特征受夏季融化小且某些光学数据（如MODIS)极地高重访率的特性，以及特征跟踪法在效率和精度上具有的优势，研究提出了一套利用MODIS每日时序数据和A-KAZE特征跟踪算法的夏季逐日海冰漂移监测方法（如图3所示）.为了减少云对于光学数据海冰漂移监测范围和精度的影响，该方法基于MODIS单日时序数据构建多组不同时刻的影像对，通过合并多组监测结果减少云对光学数据监测海冰范围的影响，并基于A-KAZE特征跟踪法和一套错误矢量滤除法，进一步减少云冰的错误匹配，提高海冰漂移提取精度.该方法主要包含如下四个步骤：（1）基于空间重叠度及时间差构建影像对.在预处理后的连续两日MODIS时序影像（由两日内所有时刻过境的MOD09&MYD09影像按照过境时间先后排序生成)中利用空间重叠度及时间差判断构建影像匹配对.对于连续两日中的任意两幅影像，通过MODIS文件名信息读取过境时间信息，通过PythonGDAL模块获取其空间覆盖范围.若两幅影像在相邻日期获取，过境时间差在18 30 h且空间重叠度大于6 0%，则构成一对用于后续特征跟踪的影像对.本步骤的设计能够充分发挥MODIS数据每日在北极区域多次过境、覆盖良好的优势，利地球物理学报(Chinese J.Geophys.）66卷用每日多时刻过境影像间的相互配对，获得更大范围的海冰跟踪范围，减少光学影像中云雾覆盖带来的干扰。（2）使用A-KAZE特征跟踪算法在步骤（1)构建的影像对中提取海冰漂移矢量.通过影像对两幅影像中分别提取到的A-KAZE特征点间的匹配，确定海冰的实际漂移量，实际漂移量除以影像对的时间差，即得到当前时刻的海冰漂移速度矢量.特征跟踪方法的使用能够有效减少光学影像匹配中，云雾干扰带来的错误匹配，并且A-KAZE算法相比于其他特征跟踪算法具有更强的特征点提取能力，能够在纹理匮乏的光学影像中提取到更多的海冰运动信息.（3）利用本研究提出的一套错误漂移矢量滤除方法，对A-KAZE算法在每对影像中跟踪到的海冰漂移速度矢量进行滤错，以提高最终跟踪结果的精确度.（4）合并两日内所有影像对中提取到的海冰漂移速度矢量得到当日的海冰漂移跟踪结果.具体做法是在一日内的海冰流速变化较小的假设下，将提取结果中具有相同起点位置、不同速度值的重复海冰运动矢量进行合并.合并后矢量的起点位置保持不变，速度值取各重复矢量的平均值作为当日这一位置的实际海冰漂移速度（Pedersenetal.，2 0 15），以保证每日同一地理位置上海冰漂移速度的唯一性.MODIS时序影像日期一时刻一空间重叠度及时间差判断A-KAZE算法时刻二时刻一时刻三日期二异常漂移量滤除重复漂移矢量合并完整的海冰漂移矢量跟踪结果时刻二Fig.3 Summer daily sea ice drift monitoring method proposed in this paper时刻三图3本文提出的夏季逐日海冰漂移监测方法7期随后，本研究通过设计三组对照实验以验证提出方法的有效性.此外，基于上述方法计算了2 0 11一2020年弗拉姆海峡夏季（4一9 月）逐日海冰漂移速度矢量.同时，选择提取到海冰漂移速度矢量较多，空间分布较均匀的日期，对矢量进行克里金插值生成当日2 50 m的海冰漂移矢量场，最后利用10 年矢量场数据分别计算了年均和月均流速并且对于不同时间和空间维度上弗拉姆海峡的海冰流速进行了对比与分析.2.1基于A-KAZE算法提取海冰漂移矢量基于A-KAZE算法提取海冰漂移矢量总共包括4个步骤：（1)通过非线性扩散滤波和快速显示扩散在图像上建立非线性特征空间.（2)通过特征空间中的差分和求导查找特征点位置.（3)使用M-LDB（M o d i f i e d-L o c a l D i f f e r-e n c e Bi n a r y）描述子描述特征点的特征信息，构建对应的特征向量.（4)在BF(Brute Force)匹配器中基于Hamming距离对这些特征点进行配对.以下是对这四个步骤的详细描述.基于影像对中两景影像的灰度空间分别构建非线性扩散空间.常用的特征跟踪算法如SIFT和SURF算法是从灰度空间转换到高斯空间来寻找特征点.A-KAZE算法构建的非线性扩散空间具有和高斯空间一致的尺度旋转不变性，同时可以保证不同尺度层的分辨率一致性，从而相比于高斯空间能够更好的保留图像的细节信息（Alcantarillaetal.，2 0 13).经典的非线性扩散空间的转换公式如下：L=div(c(xr,y,t).VL),at其中L为图像的强度矩阵，div和分别代表散度和梯度的求解函数.（，y,t)是一个传导函数，其受到像元位置（，y）和扩散时间t的影响.使用公式（2)对图像进行逐级滤波，在非线性扩散空间形成多层金字塔结构.图像金字塔每一个层之间进行差分构成差分金字塔，通过二阶导数的计算来确定特征点亚像素级别的精确定位.特征点的描述是通过M-LDB描述子实现的，LDB(Local Difference Binary)是一种在计算和匹配上都很高效的二进制描述子,M-LDB在LDB的基础上加入了旋转测试，因此能更好地保持匹配的旋转不变性（Gafour andBerrabah，2 0 2 0）.最后利用BF匹配器进行特征点匹配，通过逐一计算各个描述子之间的Hamming距离来查找最佳的配对结果.方岩等：2 0 11一2 0 2 0 年弗拉姆海峡夏季海冰漂移跟踪及变化分析W;=21/d.ni-1其中d；是周围其他向量到。的距离，w是距离倒数求取的权重.2731为提高特征点匹配的正确性，使用NNDR（Ne a r e s tNeighborDistanceRatio，最邻近距离比）测试来进行特征点的配对与筛选，测试公式如下：dism10 kmdl510 kmd-1图7 对照实验三和研究提出方法提取的海冰漂移跟踪结果（A）对照实验三结果；（B）研究提出方法结果.5月4日2.55 kmd-l加和减少；而在2 0 142 0 16 年，海峡南北部海冰流速的变化呈现出截然相反的趋势.因此，弗拉姆海峡南北部海冰流速在年际上的变化还是存在一定差异的.但是总体上来说，不论是海峡的南部还是北部，海冰流速在2 0 11一2 0 2 0 年这十年内都不存在明显增加或减少的趋势.由于弗拉姆海峡属于穿极流区域，海冰流速的大小受北向风速影响较大.因此，研究利用ERA5再分析数据集（http：/d x.d o i.o r g/-10.24381/cds.adbb2d47）中的风场数据计算了49月弗拉姆海峡区域的平均经向风速.以2 0 11年和2012年为例，2 0 12 年弗拉姆海峡南部和北部的海冰流速都要明显的高于2 0 11年.从这两年的经向风速15kmd-11015 kmd-1图8 弗拉姆海峡夏季部分日期海冰漂移跟踪结果呈现出4一7 月降低，7 一9 月回升的趋势，但是海峡南北部区域在具体的流速月度变化上存在差异：海峡南部区域的海冰流速在4一6 月呈现出迅速的下降趋势，而6 月以后的海冰流速变化幅度较小；而海峡北部的海冰流速的变化幅度在整个夏季4一9 月的差异不大，呈现出较为稳定的变化趋势.此外，在4月和5月，弗拉姆海峡南部区域的流速显著的高于北部，而在6 月以后，北部的海冰流速超过南部，这一现象主要是进入6 月以后，弗拉姆海峡南部区域很多高速运动的海冰快速融化所造成的.本研究得到的海冰流速在月度上的变化规律与近年一些弗拉姆海峡海冰运输研究得到的结果相吻合（Spreenetal.，2 0 2 0），说明了本研究跟踪的海冰漂移结果应用于弗拉姆海峡海冰输出研究的可行性.4结论夏季弗拉姆海峡的海冰漂移信息对于量化弗拉2017-09-21510 km-d-l5 kmd-17期20E方岩等：2 0 11一2 0 2 0 年弗拉姆海峡夏季海冰漂移跟踪及变化分析84N81N273784N81N84N81N84N81N84N81N20W201184N81N20E201284N201381N84N201481N84N201581N84N81N2016Fig.9Spatial distribution of summer sea ice velocity in Fram Strait from 2011 to 202012(a)1110.22(-p.w)/单1087.26762011201220132014201520162017201820192020Fig.10Southern region(a)and Northern region(b)annual variations of average summer sea ice velocity姆海峡海冰输出等相关研究十分重要.基于目前夏季海冰漂移研究存在的数据源和算法问题，本研究20170图9弗拉姆海峡2 0 112 0 2 0 年夏季海冰流速空间分布-0.99 kmd-1夏季平均海冰流速10.839.038.728.858.40年图10弗拉姆海峡2 0 11一2 0 2 0 年夏季海冰平均流速年度变化（a）南部区域；（b）北部区域.in Fram Strait from 2011 to 2020发展了一种利用MODIS时序数据和A-KAZE特征跟踪算法的逐日海冰漂移提取方法，并选取2 0 2 02018714(-P.w)/率88.588.257.9220192110(b)98.117.227620112012201320142015201620172018201920202020海冰流速/(kmdi)28o-0.54 kmd-l8.568.367.446.67年夏季平均海冰流速7.947.777.217.632738Fig.12 Southern region(a)and Northern region(b)monthly variations of average summer sea ice velocity年4月2 9 日到5月5日弗拉姆海峡的局部区域对这一方法进行了评估和验证，最后利用该方法提取了2 0 112 0 2 0 年夏季（49 月）弗拉姆海峡2 50 m逐日海冰漂移矢量场，对其空间分布、月度变化、年际变化进行了分析.本研究的主要结论为（1）本方法在实验区域提取的海冰漂移结果相比于MCC模式匹配算法具有更好的精度，漂移速度和方向的上的RMSE分别减少了2.13kmd-1（7 3%）和10（38%）.同时，相比于SIFT和SURF等特征跟踪算法，本方法提取到的海冰漂移矢量在数目和分布上更有优势.（2）本研究在跟踪数据源上使用了时序的MODIS数据，能够有效地减少云雾覆盖的影响，获取更大范围内的海冰运动，相比于使用MODIS每日合成数据，本研究获得的每日海冰漂移跟踪面积平均提升了8 6 2.6 2 km（近16 倍）.地球物理学报(Chinese J.Geophys.)180120E80N120W700N口研究区域60W2011图112011和2 0 12 年4一9 月北极经向平均风速图（正值为南向风，负值为北向风）Fig.11Arctic meridional average wind speed from April to September in 2011 and 2012(Positive value denotes south wind;negative value denotes north wind)(a)15.0(p.w)/单收12.510.07.55.02.566卷180120E60E80N120W700N0060W2012日均流速(b)15.0一月均流速12.510.09.637.55.02.55746月份图12弗拉姆海峡2 0 11一2 0 2 0 年夏季平均海冰流速月度变化（a）南部区域；（b)北部区域.in Fram Strait from 2011 to 2020在空间上呈现比较统一的趋势：海峡北部流速慢，海峡南部流速快；近岸流速慢，远离海岸流速快。（4）近10 年来，弗拉姆海峡北部夏季年度平均流速在6 9 kmd-1,南部的年度平均流速在 7 11kmd-1,南部区域的年际流速变化要显著高于北部区域，并且海峡南北部流速在年际上存在一定的变化差异.但是总体上弗拉姆海峡夏季海冰流速在近10 年内不存在明显增加或减少的趋势。（5）弗拉姆海峡夏季海冰流速在月度上总体呈现出4一7 月逐渐降低，7 一9 月有所回升的趋势.但是海峡南北流速在月度上的变化幅度有所差异：海峡南部在4一7 月下降迅速，7 一9 月回升缓慢；海峡北部则在整个4一9 月间的变化幅度不大.总体来讲，本研究提出的夏季逐日海冰漂移跟踪方法采用的是光学数据源，相比常用的微波数据，ms-19660E-30-3-6-90一日均流速一月均流速934075189104（3）2 0 11一2 0 2 0 年弗拉姆海峡夏季平均流速6月份89107期受融化影响小.并且该方法能够减少云对光学数据提取海冰漂移范围和精度的影响，相比于其他方法在夏季弗拉姆海峡的海冰跟踪上具有一定的优势，未来经过进一步优化，有望应用于全北极范围的夏季海冰漂移跟踪研究.同时，本研究获取的2 0 11一2020年弗拉姆海峡海冰漂移结果和时空变化规律，可为北极海冰快速变化等相关研究提供数据支撑和科学依据.ReferencesAlcantarilla PF,Nuevo J,Bartoli A