基于北极多源卫星数据的海冰厚度时空变化对比与评估.pdf

海冰厚度作为海冰的重要变量之一,相较于海冰密集度、海冰漂移速度、海冰范围等,数据时空完整性仍然不足。当前获取北极海冰厚度的主要手段为卫星遥感,除之前的 CryoSat-2、SMOS 等卫星,2018 年11 月又新增了 ICESat-2 卫星。目前,针对北极多源卫星海冰厚度的时空变化差异性对比以及数据精度评估的工作较少,因此,本研究通过选取最近的完整两年(20192020 年)内的 ICESat-2、CryoSat-2 以及CS2SMOS(CryoSat-2 和 SMOS 融合产品)海冰厚度数据进行对比分析,量化其时空差异。结果显示,整体上CryoSat-2 卫星数据的平均海冰厚度最大,ICESat-2 其次,CS2SMOS 最小。三种卫星数据间的差异具有明显的时空变化特征,在海冰厚度高值区 ICESat-2数据的厚度最大,CryoSat-2与 CS2SMOS数据的厚度相近,而在海冰边缘区 CryoSat-2 数据的厚度最大,CS2SMOS 最小。从区域来看,不同卫星数据反演的海冰厚度在东西伯利亚海和波弗特海区域差异较小,在巴伦支海区域差异较大。在此基础上,利用研究时段内的“冰桥行动”实地观测数据对多源卫星数据进行评估,结果表明,2019 年 4 月 CS2SMOS 数据整体上与实地观测数据更接近,而 ICESat-2 数据与实地观测数据相差较大。关键词 北极 海冰厚度 卫星遥感 冰桥行动 doi:10.13679/j.jdyj.20220301 0 引言 海冰是气候变化最敏感的因素之一,也是极地气候系统的重要组成部分,海冰分布的范围、厚度以及海冰的结构、物质组成与气候变化有着密切的关系1。北极海冰的覆盖不仅能够反射来自太阳的短波辐射,也调节了海洋和大气之间的能量交换2-3,海冰的生长、输运和融化会影响季节性的淡水收支,从而影响全球淡水循环和热盐环流4。虽然海冰面积及密集度是讨论较为广泛 的变量,但海冰厚度测量同样重要。鉴于海冰厚度对海-气相互作用的敏感性,海冰厚度的测量有助于研究海-气之间物质和能量的交换速率5;另外,海冰厚度作为海冰体积估算的重要参数对研究全球气候和冰盖变化具有重要意义6-7;获取准确的海冰厚度也可为北极航道开通8及航线规划9相关分析提供有力的数据支持。由于海冰复杂的环境因素和物理过程,相较于海冰密集度、海冰漂移速度、海冰范围等,海冰厚度是较难测量的参数10。早期海冰厚度的数据多依靠实地钻孔、水下声呐、船测、电磁感应获 第 2 期 靳娅琪等:基于北极多源卫星数据的海冰厚度时空变化对比与评估 239 取。其中,钻孔可直接获得准确的海冰厚度数据,但由于海冰样本的代表性问题,多用于对其他方法观测结果的标定和验证10。水下声呐探测原理为传感器向上发射信号,测得仪器到海冰底部和水面的距离,从而计算海冰吃水深度11,再根据流体静力平衡原理转换得海冰厚度12。自 1958 年以来,仰视声呐(upward looking sonar,ULS)获得的冰层吃水数据集已经能够评估北冰洋各个区域的冰厚度变化13。走航观测是利用人眼或摄影技术直接观测海冰厚度;电磁感应探测方法利用传感器向海冰发射电磁波计算传感器到冰面和水面的距离,从而获取干舷高度推算海冰厚度。然而这些探测方法均难以实现对北极海冰的大范围长期连续观测。而如今卫星测高技术因其测量范围大、精度高、时间序列长及空间分辨率高等特性,被广泛应用于海冰厚度的反演研究11。自2003年以来,激光测高卫星的发射在雷达测高卫星观测的基础上,进一步提供了北极海冰厚度持续大范围观测数据,但各类卫星数据与实地观测数据相比,仍存在不同程度的差异。Xiao等12使用“冰桥行动”(Operation IceBridge,OIB)和 ULS 数据对 CryoSat-2 海冰厚度数据进行验证,发现2015年3月CryoSat-2和OIB数据之间的平均差值约为 0.165 m,2010 年 11 月2018 年 3 月Cryosat-2 海冰厚度与 BGEP 三个锚碇点的 ULS 所测厚度相差 0.110.12 m 不等。马雪沂等14基于2015 年 10 月至 11 月初船测海冰厚度数据,分别对德国汉堡大学和不莱梅大学反演的 SMOS 卫星薄冰数据产品进行评估,结果发现不莱梅大学的SMOS 产品与船测数据差值(0.03 m)略低于汉堡大学的 SMOS 产品(0.04 m),前者精度略高。Kwok和 Cunningham15基于 BGEP 的 ULS 数据、潜艇测量的冰层吃水深度数据、飞行器电磁探测数据和OIB 海冰厚度实地观测数据,对 CryoSat-2 在 20102014年冬季的海冰厚度观测数据进行评估,结果显示 CryoSat-2 与上述现场观测差异分别为 0.06 m、0.07 m、0.12 m 和0.16 m。相比于前 3 种现场观测数据,CryoSat-2 与 OIB 的差异更加显著。Li 等16利用OIB 海冰厚度数据,对分别来自阿尔弗雷德魏格纳研究所(Alfred Wegener Institute,AWI)、美国国家冰雪数据中心(National Snow and Ice Data Center,NSIDC)和欧洲航天局(European Space Agency,ESA)的3种采用不同方法反演的20102018年CryoSat-2海冰厚度产品进行评估,发现来自 NSIDC 的产品与 OIB 海冰厚度数据的平均差值最小(0.01 m),且正差值和负差值分布均匀,与 OIB具有良好的一致性;来自 ESA 的产品与 OIB 的平均差值最大(0.31 m),与 OIB 一致性最低,且对于一年冰和多年冰厚度均存在高估现象。除了利用实地观测数据对卫星海冰厚度数据进行评估之外,也进行了不同卫星产品之间海冰厚度的差异性分析。Li 等16将 AWI、NSIDC 和ESA 的 3 套产品反演的 CryoSat-2 海冰厚度数据进行对比,发现在海冰生长季节,3 种产品的海冰厚度具有相似的年际和季节变化,总体上 ESA 海冰厚度最大,AWI 最小。但在一年冰和多年冰的厚度上,三者有较大区别,ESA 与 NSIDC 产品相比,一年冰和多年冰的厚度差异分别为 0.36 0.94 m 和0.140.47 m;而 AWI 与 NSIDC 产品相比,一年冰和多年冰的差异分别为0.700.06 m和0.340.05 m。Sallila 等17使用基于 CryoSat-2搭载传感器数据的极地观测与模拟中心(Centre for Polar Observation and Modeling,CPOM)、AWI、喷气推进实验室(Jet Propulsion Laboratory,JPL)、戈达德太空飞行中心(Goddard Space Flight Centre,GSFC)的反演产品和基于 AVHRR 搭载传感器数据的极地探路者(Polar Pathfinder,APP-x)反 演 产 品 以 及CS2SMOS数 据 产 品,对20102018 年卫星数据所反演的春季和秋季北极海冰厚度进行了对比,以 CPOM 产品为参考对象,发现 AWI、JPL 产品与 CPOM 产品相近程度最高,均具有较高相关性(春季分别为 0.91、0.92,秋季分别为 0.88、0.88)和较小的差值范围(0.03 0.08 m);与其他产品相比,虽然 GSFC 与 CPOM产品在春秋两季均具有高相关性(0.85),但 GSFC产品的平均海冰厚度在春秋两季均高于CPOM产品,数据相差最大;CS2SMOS 产品也与 CPOM 产品保持较好相关性(春季:0.88,秋季:0.86),但CS2SMOS 产品可观测到更薄的海冰,与 CPOM产品的差值范围为 0.080.36 m,且在海冰边缘区域呈现更大差异;APP-x 产品与 CPOM 产品的相关性(春季:0.49,秋季:0.53)较差。综上所述,不同卫星数据之间存在着不同程度的差异,卫星数据的验证也依赖实地观测数据 240 极地研究 第 35 卷 支持。然而,目前对于多源卫星数据的对比和评估工作较少,尤其是2018年ICESat-2卫星发射以来,最近几年的不同卫星海冰厚度数据的对比以及不同卫星与实地观测数据之间的精度评估存在严重不足,在深刻理解近些年海冰厚度变化及其敏感性方面缺乏理论支撑。本研究选取了近几年广泛应用的 ICESat-2、CryoSat-2、SMOS 等卫星,对数据进行了量化对比分析。由于 SMOS 卫星在厚冰区域观测能力不足,并且 ICESat-2 卫星数据起始于 2018 年 11 月,至本研究进行时还未发布2021 年完整数据,因此为保证研究区域和时间序列的完整性,本研究所使用的海冰厚度产品包括ICESat-2、CryoSat-2 以及 CryoSat-2 和 SMOS 融合后的产品 CS2SMOS,选取时间段为最近的两个完整年份(20192020 年)。在此基础上,基于该时间段内高分辨率 OIB 实地观测数据,对ICESat-2、CryoSat-2 和 CS2SMOS 卫星海冰厚度数据进行精度量化评估,从而为将来海冰厚度卫星数据的选择和应用提供参考。1 数据与方法 1.1 海冰厚度数据产品 1.1.1 ICESat-2 海冰厚度 ICESat-2 是由美国国家航空航天局(National Aeronautics and Space Administration,NASA)发射的第二代激光测高卫星。ICESat-2 搭载了先进的地形激光测高仪系统,能够在全球范围内提供高分辨率的地面高程数据。海冰厚度由测得的ICESat-2 干舷(海平面以上海冰的延伸)与海冰模型结合并应用流体静力平衡原理计算得出2。ICESat-2 海冰厚度数据产品起始于 2018 年 11 月,仅限于每年的 14 月和 912 月。本研究使用其20192020 年的四级海冰厚度产品,该数据集空间覆盖范围北至88N,空间分辨率为25 km(表1)。数 据 可 由https:/nsidc.org/data/IS2SITMOGR4/versions/2 获取。1.1.2 CryoSat-2 海冰厚度 CryoSat-2 卫星搭载了新型合成孔径/干涉雷达高度计(synthetic aperture radar interferometric radar altimeter,SIRAL)。由于冰雪融化、开放水域和融池造成的信号干扰,CryoSat-2 卫星在夏季无法获得海冰厚度数据18,因此该数据时间段集中在每年的 10 月至次年 4 月,空间分辨率为25 km(表 1)。本研究所用 CryoSat-2 卫星数据来源于 AWI,数据可由 ftp:/ftp.awi.de/sea_ice/product/cryosat2 获取。1.1.3 CS2SMOS 海冰厚度 CS2SMOS 是由 AWI 和德国汉堡大学开发的对 CryoSat-2 和 SMOS 海冰厚度进行融合所得的数据产品。CryoSat-2 海冰厚度产品依赖于对海平面以上海冰表面高度的精确测量,因此在薄冰(1 m)区域灵敏度会降低19。因此,将两种数据进行融合互补,可获得更加准确的海冰厚度。CS2SMOS 提供分辨率为25 km 的周平均数据,时间集中在每年的 10 月至次年 4 月(表 1)。CS2SMOS 数据可由 ftp:/ftp.awi.de/sea_ice/product/cryosat2_smos 获取。表 1 本研究使用数据集介绍 Table 1.An introduction to the data sets used in this study 数据集 本研究使用时间段 时间 分辨率 空间 分辨率 数据 来源 产品 级别 纬度覆盖 范围 ICESat-2 20192020年(每年14月及1012月)月 25 km NSIDC L4 31.1N88.0N CryoSat-2 20192020年(每年14月及1012月)月 25 km AWI L3c 16.6N89.8N CS2SMOS 20192020年(每年14月及1012月)周 25 km AWI 16.6N89.8N OIB 2019年(4月)40 m NSIDC L4 79.3N88.0N 1.1.4“冰桥行动”海冰厚度 美国 NASA 于 2009 年启动的“冰桥”科学计划利用航空平台搭载的多源遥感传感器已在极区获取了连续的、高质量的观测资料,其航空平台搭载的遥感传感器大致可以分为数字相机、激光雷达、雷达、重力以及辅助设备 5 类20。“冰桥行动”的观测活动集中在每年的 3 月或 4 月,与本研究时间段相匹配的数据仅有2019年4月海冰 第 2 期 靳娅琪等:基于北极多源卫星数据的海冰厚度时空变化对比与评估 241 观测数据,该月份观测活动分别在 4 月 6 日、8日、12 日、19 日、20 日和 22 日进行,共有观测数据点126486个,主要分布在格陵兰岛北部和加拿大北极群岛北部的沿岸以及北极中央海区海冰厚度高值区(图 1)。数据可从 https:/nsidc.org/data/NSIDC-0708/versions/1 获取。图 1 本研究中北冰洋区域划分及 2019 年 4 月冰桥行动海冰厚度数据的地理分布 Fig.1.Regional division of Arctic Ocean in this study and geographic distribution of sea ice thickness data from OIB in April 2019 1.2 数据处理方法 1.2.1 卫星海冰厚度再分布 为实现各类卫星数据对比的一致性,需要将不同时空分辨率和位置点的卫星数据进行统一,本研究在 65N90N 的范围内设置水平分辨率为12.5 km的等间距网格,先将CS2SMOS原始周平 均 海 冰 厚 度 数 据 处 理 为 与 CryoSat-2 和ICESat-2 时间分辨率一致的月平均数据,然后将ICESat-2、CryoSat-2 和 CS2SMOS 数据利用反距离权重插值法进行处理,并形成海冰厚度数据点的再分布。1.2.2“冰桥行动”海冰厚度数据处理 由于 OIB 海冰厚度观测数据与卫星数据相比分辨率更高,往往一个卫星数据点所控制的区域中会有多个不同的 OIB 数据点。为更好评估卫星海冰厚度产品,将每个卫星数据点所控制区域的多个 OIB 数据计算平均值,并作为该卫星数据点对应的月平均 OIB 观测值。1.2.3 卫星数据对比及验证方法 本研究从不同卫星数据间的时空差异等方面进 行 综 合 对 比,将 ICESat-2、CryoSat-2 和CS2SMOS 数据进行两两对比分析,对比选取时间段为 20192020 年 14 月及 1012 月,范围为 65N88N。此外,将 OIB 海冰厚度数据作为验证数据从线性拟合效果、差异值、相关性、均方根误差等方面对 3 种卫星海冰厚度数据的精确度进行评估。2 结果与分析 2.1 多源卫星海冰厚度数据对比 2.1.1 多源卫星海冰厚度数据时空分布特征对比 本研究将各卫星数据 20192020 年研究区域内各空间点的海冰厚度数据在时间尺度上进行平均,得到两年平均海冰厚度的空间分布(图 2),整体来看,3 种卫星产品在 20192020 年的平均海冰厚度均显示为厚度的高值区域分布在加拿大北极群岛北部,而在欧亚大陆和北美大陆近岸地区,CS2SMOS 的海冰厚度相对较小。为量化不同卫星数据在整个北极地区的差异,对图 2 中各卫星数据空间点上的海冰厚度数据在空间尺度上进行平均,得到 ICESat-2、CryoSat-2 和 CS2SMOS数据的海冰厚度平均值分别为 1.36 m、1.66 m 和1.13 m,说 明 从 整 个 北 极 地 区 来 看,相较于ICESat-2 数据,CryoSat-2 呈现高值,CS2SMOS 则呈现低值。虽然 3 种卫星数据的海冰厚度月平均变化特征相似,但CryoSat-2平均冰厚始终大于ICESat-2和 CS2SMOS(图 3)。同时 3 种卫星海冰厚度数据在季节性结冰过程中也显示出了明显的差异,在2019 年,CS2SMOS 数据显示为 10 月开始结冰,而 ICESat-2 和 CryoSat-2 数据显示的结冰月份均为 11 月;在 2020 年,CS2SMOS 和 ICESat-2 结果仍然分别保持着 10 月和 11 月的开始结冰,但CryoSat-2 数据显示的结冰月份相较于 2019 年提前了 1 个月(10 月)。此外,CS2SMOS 数据显示研究时间段内,在融冰开始(4 月)和结冰开始(10 月)月份的海冰厚度差最大,2019 和 2020 年的 4 月和 242 极地研究 第 35 卷 图 2 20192020 年 ICESat-2、CryoSat-2 和 CS2SMOS 卫星平均海冰厚度分布 Fig.2.Distribution of mean sea ice thickness from ICESat-2,CryoSat-2 and CS2SMOS during 20192020 图 3 20192020 年 ICESat-2、CryoSat-2 和 CS2SMOS 卫星数据的海冰厚度月变化 Fig.3.Monthly variation of sea ice thickness from ICESat-2,CryoSat-2 and CS2SMOS during 20192020 10 月海冰厚度差分别为 0.75 m 和 0.85 m,而ICESat-2数据在该时间段内的厚度差分别为0.57 m和 0.61 m,CryoSat-2 则分别为 0.72 m 和 0.73 m。2.1.2 多源卫星海冰厚度数据差异分布 为更直观地对比 3 种卫星海冰厚度数据在不同月份的空间分布差异,本研究将不同卫星数据进行分组对比。图 4 显示了 CryoSat-2 与 ICESat-2卫星观测冰厚数据的差异。在加拿大北极群岛北部海冰厚度高值区,CryoSat-2 海冰厚度要小于ICESat-2,但从整体来看,CryoSat-2 海冰厚度普遍较大,差值主要呈现为正值。自结冰期(10 月)开始,正差值主要集中在北冰洋中央区域,随着海冰厚度的增大,其正差值区域逐渐延伸至格陵兰海、巴伦支海、喀拉海,负差值区域主要集中在波弗特海、楚科奇海、东西伯利亚海、拉普捷夫海等。整个研究区域不同月份的正差值占比均高于 50%,在 11 月正差值占比可达 77%(表 2)。CryoSat-2 与 ICESat-2 数据点差值超过一半集中于0.50.5 m 范围,10 月至 4 月在该范围的差值占比分别为 69%、71%、76%、75%、70%、64%和 59%(图 5)。在 10 月和 11 月,差值相对更集中于一定的范围内,其中仅 0.10.4 m 的正差值就均占总体的 34%。相反地,在 3 月和 4 月,不同差值的占比更为平均,以每 0.1 m 的差值范围为一组可以发现,没有任何一组的差值占比超过9%。图 6 展示了 CS2SMOS 和 ICESat-2 的差异情况。在加拿大北极群岛北部海冰厚度高值区,第 2 期 靳娅琪等:基于北极多源卫星数据的海冰厚度时空变化对比与评估 243 图 4 CryoSat-2 与 ICESat-2 卫星数据在 20192020 年不同月份海冰厚度平均差值 Fig.4.Mean difference of sea ice thickness between CryoSat-2 and ICESat-2 in different months from 2019 to 2020 图 5 CryoSat-2 与 ICESat-2 卫星数据在 20192020 年不同月份海冰厚度平均差值百分比分布 Fig.5.Percentage distribution of mean difference of sea ice thickness between CryoSat-2 and ICESat-2 in different months from 2019 to 2020 244 极地研究 第 35 卷 表 2 不同卫星数据在 20192020 年各月份海冰厚度正差值占比 Table 2.Percentage of positive difference of sea ice thickness between different satellite data from 2019 to 2020 10月 11月 12月 1月 2月 3月 4月 CryoSat-2ICESat-2 71%77%67%50%52%63%72%CS2SMOSICESat-2 61%48%52%38%36%45%48%CS2SMOSCryoSat-2 43%17%26%30%27%24%16%图 6 CS2SMOS 与 ICESat-2 卫星数据在 20192020 年不同月份海冰厚度平均差值 Fig.6.Mean difference of sea ice thickness between CS2SMOS and ICESat-2 in different months from 2019 to 2020 CS2SMOS 海冰厚度同样小于 ICESat-2。从整体来看,CS2SMOS与ICESat-2海冰厚度以负差值为主,主要分布在波弗特海、楚科奇海、东西伯利亚海、拉普捷夫海等海域的近岸地区以及巴芬湾,正差值区域仅在 10 月和 12 月大于 50%(表 2),正差值主要集中在北冰洋中央区域,随着海冰厚度的增大,其正差值区域逐渐延伸至格陵兰海冰边缘以及巴伦支海、喀拉海海域。CS2SMOS 与ICESat-2 的正差值分布和 CryoSat-2 与 ICESat-2正差值分布相似,主要是因为 CS2SMOS 为CryoSat-2 卫星数据与 SMOS 卫星数据的融合,CS2SMOS 保留了 CryoSat-2 的部分数据特征。CS2SMOS 与 ICESat-2 数据点差值整体小于 CryoSat-2 与 ICESat-2 的差值,10次年 4 月差值位于0.50.5 m 范围的空间点占比分别为 78%、82%、85%、83%、79%、78%和 75%。相较于CryoSat-2,CS2SMOS 与 ICESat-2 的差值分布更集中,以每 0.1 m 的差值范围为一组可以发现,每月均有多个单组差值占比超过 10%(图 7)。图 8 展示了 CS2SMOS与 CryoSat-2 海冰厚度之间的差异,从整体来看,融合 CryoSat-2 和SMOS 卫星数据之后的 CS2SMOS 海冰厚度低于CryoSat-2 数据,在 10次年 4 月,正差值区域均低于 50%(表 2),且在北极中央海区 CS2SMOS 与CryoSat-2数据差异不大,80N以北区域所有月份平均差值范围约为0.180.09 m,但在海冰 第 2 期 靳娅琪等:基于北极多源卫星数据的海冰厚度时空变化对比与评估 245 图 7 CS2SMOS 与 ICESat-2 卫星数据在 20192020 年不同月份海冰厚度平均差值百分比分布 Fig.7.Percentage distribution of mean difference of sea ice thickness between CS2SMOS and ICESat-2 in different months from 2019 to 2020 图 8 CS2SMOS 与 CryoSat-2 卫星数据在 20192020 年不同月份海冰厚度平均差值 Fig.8.Mean difference of sea ice thickness between CS2SMOS and CryoSat-2 in different months from 2019 to 2020 246 极地研究 第 35 卷 边缘区域,由于受到 SMOS 卫星在薄冰区域低海冰厚度的影响,CS2SMOS 数据明显低于 CryoSat-2卫星冰厚观测值,最大负差值可达2.0 m 以上,随着海冰结冰期的到来,海冰增厚,其负差值区域在格陵兰海、巴伦支海海冰边缘区不断扩大。CS2SMOS 与 CryoSat-2 数据差异分布呈现明显左偏特点,10次年 4 月海冰厚度差值位于0.5 0 m 的空间点占比分别为 33%、60%、56%、53%、50%、49%和 49%(图 9)。2.1.3 多源卫星海冰厚度数据区域化对比 为具体比较卫星数据在北极各地区的差异,本研究将北冰洋划分为楚科奇海、东西伯利亚海、拉普捷夫海、喀拉海、巴伦支海、格陵兰海、加拿大北极群岛和波弗特海 8 个区域(图 1)。由表 3可知,在各地区中,CryoSat-2 与 ICESat-2 数据在楚科奇海、东西伯利亚海、拉普捷夫海、格陵兰海和加拿大北极群岛平均差值较小(0.3 m 以内),其中在楚科奇海地区平均差值最小(0.05 m),在巴伦支海数据差异最大(0.70 m)。CS2SMOS 与ICESat-2 数据在东西伯利亚海、拉普捷夫海、喀拉海以及波弗特海的平均差值均呈现较小值(0.3 m 以内),在格陵兰海差值最大(0.96 m)。CS2SMOS 与 CryoSat-2 在东西伯利亚海、拉普捷夫海和波弗特海地区均呈现出低差值(0.45 m 以内)特点,在格陵兰海两者数据差值最大(1.20 m)。综合 3 套数据在不同海区的差值,发现 3 套数据均在东西伯利亚海和波弗特海域较为接近,在巴伦支海差异较大。2.2 多源卫星海冰厚度数据验证评估 以上对多源卫星海冰厚度的对比分析,仅可以量化不同卫星数据之间的差异程度,然而对于卫星海冰厚度误差的验证和评估,需要依靠与实地观测数据的比较。本研究获取“冰桥行动”(OIB)2019年4月的冰厚数据,通过处理后的共计765 个数据样本点与 3 种卫星数据对比,进行验证评估。图 10 结果显示,CS2SMOS 数据与 OIB数据的线性拟合效果最好(R2=0.48),而 ICESat-2、CryoSat-2 数据与 OIB 的数据点离散程度较高,与 OIB 数据拟合效果较差。此外,从 ICESat-2、CryoSat-2、CS2SMOS 数据与 OIB 数据的平均差值来看,分别为0.25 m、0.01 m 和0.05 m,CryoSat-2 与 OIB 数据平均差值最小且 CryoSat-2海冰厚度数据略大于 OIB 数据,而 ICESat-2 和CS2SMOS 海冰厚度数据均小于 OIB 数据。图 9 CS2SMOS 与 CryoSat-2 卫星数据在 20192020 年不同月份海冰厚度平均差值百分比分布 Fig.9.Percentage distribution of mean difference of sea ice thickness between CS2SMOS and CryoSat-2 in different months from 2019 to 2020 第 2 期 靳娅琪等:基于北极多源卫星数据的海冰厚度时空变化对比与评估 247 表 3 不同卫星数据在各区域的平均差值 Table 3.Mean difference between different satellite sea ice thickness in each region 单位:m 区域 CryoSat-2与ICESat-2 平均差值 CS2SMOS与ICESat-2 平均差值 CS2SMOS与CryoSat-2 平均差值 楚科奇海 0.05 0.37 0.48 东西伯利亚海 0.10 0.24 0.38 拉普捷夫海 0.30 0.12 0.45 喀拉海 0.52 0.00 0.66 巴伦支海 0.70 0.38 1.12 格陵兰海 0.26 0.96 1.20 加拿大北极群岛 0.27 0.41 0.78 波弗特海 0.31 0.08 0.41 图 10 2019 年 4 月 ICESat-2、CryoSat-2、CS2SMOS 海冰厚度与 OIB 观测数据的比较。上行为散点图,下行为差值百分比分布 Fig.10.Comparison of sea ice thickness from ICESat-2,CryoSat-2,CS2SMOS and OIB in April 2019 through scatterplots(upper panel)and percentage distribution of difference(lower panel)ICESat-2、CryoSat-2、CS2SMOS 数据与 OIB 数据在0.50.5 m的差值范围占比分别为 48%、60%和 68%,表明 CS2SMOS 数据与 OIB 数据点差值更集中于较小的误差范围内。图 11 为 2019 年 4 月 ICESat-2、CryoSat-2、CS2SMOS 海冰厚度与 OIB 海冰厚度的标准化泰勒图。从相关性来看,3 种卫星数据与 OIB 数据的相关系数均大于 0.5,CS2SMOS 数据与 OIB 数据 248 极地研究 第 35 卷 的相关系数最大(0.68),其次为 ICESat-2(0.62)和CryoSat-2(0.57)。从 均 方 根 误 差(RMSD)来 看,CS2SMOS与 OIB数据的均方根误差最小(0.74 m),其次为 CryoSat-2(0.82 m)和 ICESat-2(1.04 m)。通过对 3 种卫星数据与 OIB 实地观测数据在线性拟合效果、差值、相关性、均方根误差等方面综合验证,结果显示 CS2SMOS 海冰厚度在2019 年 4 月与 OIB 较为接近,而 ICESat-2 与 OIB数据相差较大。图 11 2019 年 4 月 ICESat-2、CryoSat-2、CS2SMOS 与OIB 海冰厚度的标准化泰勒图 Fig.11.Normalized Taylor diagram of sea ice thickness from ICESat-2,CryoSat-2,CS2SMOS and OIB in April 2019 3 结论 针对自2018年ICESat-2卫星发射以来,最近几年多源卫星海冰厚度数据量化对比和评估研究的缺乏,本研究对最新完整的 20192020 年ICESat-2、CryoSat-2 和 CS2SMOS 卫星海冰厚度产品开展时空变化和分布差异量化对比分析,并基于 2019 年 4 月 OIB 实地观测数据对各卫星产品进行验证,量化评估其准确性。多源卫星海冰厚度产品之间对比分析的主要结论如下。1.从整个北极区域来看,20192020 年平均海冰厚度呈现 CryoSat-2 数据最大、ICESat-2 数 据其次、CS2SMOS 数据最小的特点。3 种卫星海冰厚度在季节性结冰过程中也有明显的差异,2019 年和 2020 年 CS2SMOS 数据均显示为 10 月开始结冰,ICESat-2 数据均显示为 11 月,而CryoSat-2 数据在 2019 年表现为 11 月开始结冰,2020 年则为 10 月开始结冰。2.3 种卫星数据间的差异具有明显的时空变化特征,其中在海冰厚度高值区 ICESat-2 数据的厚度最大,CryoSat-2 与 CS2SMOS 数据的海冰厚度相近;在海冰边缘区 CryoSat-2 数据的厚度最大,其次为 ICESat-2,CS2SMOS 最小。整体上,CryoSat-2 与 CS2SMOS 数据厚度差异最小,这是由于 CS2SMOS 融合了 CryoSat-2 和 SMOS 卫星数据,其保留了 CryoSat-2 的部分数据特征,但在较薄的海冰边缘区,CryoSat-2 与 CS2SMOS 差异较大。此外,相较于 CryoSat-2 与 ICESat-2 的差异,CS2SMOS 与 ICESat-2 的差异更小。3.3 种卫星数据在不同海区呈现出不同的差异性特征,CS2SMOS在加拿大北极群岛和格陵兰海与 CryoSat-2、ICESat-2 数据差异均较大,3 种卫星数据均在东西伯利亚海和波弗特海区域差异较小,在巴伦支海区域差异较大。多源卫星海冰厚度产品与 OIB 实地观测数据验证评估主要结论如下:基于 2019 年 4 月的 OIB实地观测数据,从线性拟合效果来看,CS2SMOS与 OIB 数据的拟合效果最好,数据点离散程度较低;从差值角度来看,CryoSat-2 与 OIB 数据平均差值最小,而 CS2SMOS 与 OIB 数据点差值更集中于较小的误差范围;从相关性来看,CS2SMOS与OIB数据的相关系数最大;从均方根误差来看,CS2SMOS 与 OIB 数据的均方根误差最小。因此,综合分析评估认为 CS2SMOS 海冰产品整体精度与 OIB 数据较接近,而 ICESat-2 与 OIB 数据相差较大。由于 ICESat-2 自发射以来所发布的海冰厚度数据时间范围较短,未来多源卫星海冰厚度数据的对比分析工作仍需不断开展,以加深对不同卫星数据时空差异的了解。此外,由于近年来与多源卫星时间段重合的实测数据较少,未来对卫星海冰厚度精度的评估也亟需更多的实测数据支持。第 2 期 靳娅琪等:基于北极多源卫星数据的海冰厚度时空变化对比与评估 249 参考文献 1 薛彦广,关皓,董兆俊,等.近 40 年北极海冰范围变化特征分析J.海洋预报,2014,31(4):85-91.2 PETTY A A,KURTZ N T,KWOK R,et al.Winter Arctic sea ice thickness from ICESat-2 freeboardsJ.Journal of Geophysical Re-search:Oceans,2020,125(5):e2019JC015764.3 CHENG B,VIHMA T,PALO T,et al.Observation and modelling of snow and sea ice mass balance and its sensitivity to atmospheric forcing during spring and summer 2007 in the Central ArcticJ.Advances in Polar Science,2021,32(4):312-326.4 CARMACK E C,YAMAMOTO-KAWAI M,HAINE T W N,et al.Freshwater and its role in the Arctic Marine System:Sources,dispo-sition,storage,export,and physical and biogeoch