北極海冰密集度遙感數(shù)據(jù)產(chǎn)品對比及航道關(guān)鍵區(qū)驗證研究

王劍 邱玉寶 熊振華 袁希平 周靜恬 黃琳 石利娟

>(1 昆明理工大學(xué)國土資源工程學(xué)院,云南 昆明 650093;2 中國科學(xué)院空天信息創(chuàng)新研究院,數(shù)字地球?qū)嶒炇?北京100094;3 北極觀測聯(lián)合研究中心,中國科學(xué)院空天信息創(chuàng)新研究院和芬蘭氣象研究所,索丹屈萊,芬蘭 999018;4 大連海事大學(xué)航海學(xué)院,遼寧 大連 116026;5 中國地質(zhì)大學(xué)(武漢)地理與信息工程學(xué)院,湖北 武漢 430074)

提要為分析并評價海冰邊緣區(qū)海冰密集度數(shù)據(jù)產(chǎn)品,選取北冰洋區(qū)域8種公開發(fā)布的產(chǎn)品,基于平均偏差和標(biāo)準(zhǔn)差(Standard Deviation,SD)展開分析,結(jié)果表明:Bremen/ASI(ARCTIC Sea Ice)、Bremen/BT (Bootstrap)、NSIDC(National Snow and Ice Data Center)/BT和NSIDC/CDR(Climate Data Record)四種數(shù)據(jù)全年平均偏差整體高于平均值,在夏季偏差高于冬季;Hamburger/ASI 全年平均偏差低于平均值,冬春季偏差為負(fù),夏季梢高于均值;NSIDC/NT(NASA Team)、NOAA OI SIC(National Oceanic and Atmospheric Administration Optimum Interpolation Sea Ice Concentration)和OSISAF(The Ocean and Sea Ice Satellite Application Facility)三種數(shù)據(jù)全年平均偏差為負(fù),夏季負(fù)向增加;夏季和秋季標(biāo)準(zhǔn)差較大區(qū)域主要分布在東北航道薄冰區(qū),東西伯利亞、拉普捷夫海和喀拉海區(qū)域標(biāo)準(zhǔn)差變化較大,從 3%增加到10%～15%。圍繞航道區(qū),以MODIS(Moderate Resolution Imaging Spectroradiometer)影像作為參考,對8種數(shù)據(jù)的對比評估結(jié)果表明:在25 km 空間分辨率下,Bremen 發(fā)布的兩種數(shù)據(jù)相關(guān)性較高,均為0.80;NOAA OI SIC數(shù)據(jù)相關(guān)性最低,為0.63;Bremen/BT 平均偏差較小,為7.11%;基于ASI算法的Bremen/ASI 數(shù)據(jù)和Hamburger/ASI 數(shù)據(jù)平均偏差較大,分別為14.38%和14.99%,且在夏季和秋季偏差波動較大,對應(yīng)標(biāo)準(zhǔn)差分別為12.16%和11.01%。該項研究對于提升遙感數(shù)據(jù)產(chǎn)品在海冰邊緣或航道區(qū)的應(yīng)用及進(jìn)一步的算法研發(fā)具有指導(dǎo)意義。

0 引言

近年來,隨著全球氣候變暖,北極的海冰范圍、厚度和多年冰的比例呈現(xiàn)顯著減少趨勢[1],這加速了對極地航道區(qū)開發(fā)的利用,為海上航運帶來了新的機遇。特別是在我國,北方航線已成為“一帶一路”倡議的重要補充[2]。不斷增多和提升的空間觀測數(shù)據(jù),能夠在提高數(shù)據(jù)數(shù)量和質(zhì)量的同時,不斷提高北極地區(qū)海冰信息的預(yù)報和監(jiān)測能力,但也為航道區(qū)域開展數(shù)據(jù)產(chǎn)品的可靠性和適用性研究帶來了新的挑戰(zhàn)。極區(qū)航行中,航道安全除了受到降水、天氣和溫鹽等影響之外,還主要受到極地海冰的影響,而海冰密集度SIC(Sea Ice Concentration)是海冰的重要參數(shù)之一,對極地海冰變化監(jiān)測及預(yù)測具有重要作用。

海冰密集度是指單位空間內(nèi)海冰的密集程度,通常表示為一定范圍內(nèi)海冰所占的面積百分比[3]。遙感技術(shù)能夠用于大范圍海冰監(jiān)測和海冰參數(shù)獲取,主要有主動微波遙感、被動微波輻射計、可見光和紅外輻射計及成像光譜儀等,目前已獲取到大量的氣候態(tài)參數(shù)產(chǎn)品。其中微波遙感因不受極夜的影響,受云霧影響也比較小,因此具有較好的時空連續(xù)性[4],已經(jīng)成為極地變化監(jiān)測不可或缺的手段。微波遙感反演的海冰密集度產(chǎn)品種類繁多,不萊梅大學(xué)、美國國家雪冰數(shù)據(jù)中心(NSIDC),漢堡大學(xué)(University of Hamburger)、美國國家海洋大氣局(NOAA)及歐洲氣象衛(wèi)星開發(fā)組織(EUMETSAT,The European Organisation for the Exploitation of Meteorological Satellites)等機構(gòu)均發(fā)布了成熟的SIC產(chǎn)品,這些產(chǎn)品從氣候態(tài)的角度對北極的海冰研究具有較高的應(yīng)用價值。

為了評估SIC產(chǎn)品的表征能力,近年來,針對SIC 遙感數(shù)據(jù)產(chǎn)品,國內(nèi)外從不同的角度開展了多項工作。在SIC產(chǎn)品的整體分析中,Ivanova 等[5]對比分析了13種海冰密集度反演算法對不同影響因素的敏感性差異,發(fā)現(xiàn)Bristol 算法在密集冰區(qū)具有較好的反演結(jié)果,CalVal 算法在開闊水域和少冰區(qū)反演結(jié)果較好。但被動微波數(shù)據(jù)空間分辨率相對較粗,在海冰邊緣區(qū)域的薄冰區(qū)或夏季航道區(qū)破碎冰區(qū)對海冰的表征能力一般,致使相關(guān)產(chǎn)品在航道區(qū)海冰預(yù)測及預(yù)報服務(wù)方面能力較弱。在海冰遙感數(shù)據(jù)的走航觀測對比方面:Beitsch等[6]利用南極1991—2010年期間的21 600 余次船測數(shù)據(jù),對不萊梅大學(xué)發(fā)布的AMSRE [The Advanced Microwave Scanning Radiometer for EOS(Earth Observation System)]/BT和AMSRE/ ASI 產(chǎn)品進(jìn)行了分析,發(fā)現(xiàn)AMSRE/BT 數(shù)據(jù)與船測數(shù)據(jù)一致性較高;同樣的,Beitsch 等[7]通過對比2006—2009年南極海冰船測數(shù)據(jù)與AMSRE/ASI、AMSRE/BT和AMSRE/Enhance NASA Tean，NT2 三種產(chǎn)品,發(fā)現(xiàn)AMSRE/BT 產(chǎn)品與船測數(shù)據(jù)相關(guān)性較高;趙杰臣等[8]使用中國第5次北極科學(xué)考察（簡稱“五北”）走航觀測數(shù)據(jù)對7種基于被動微波傳感器的SIC數(shù)據(jù)的適用性進(jìn)行了綜合分析,發(fā)現(xiàn)AMSR2/BT和AMSR2/ASI 數(shù)據(jù)偏差較小;李釗等[9]基于“五北”走航觀測評估 AMSR2/ASI 及SSMIS(The Special Sensor Microwave Imager/Sounder)/ASI 數(shù)據(jù)產(chǎn)品在北極區(qū)高緯航道的適用性,發(fā)現(xiàn)AMSR2/ASI 與走航觀測一致性較高;季青與龐小平[10]對比分析了“五北”獲取的航測海冰密集度數(shù)據(jù)與AMSR2/ASI 數(shù)據(jù)、SSMIS/ASI 數(shù)據(jù),得出AMSR2/ASI 數(shù)據(jù)缺失較少,且與船測數(shù)據(jù)一致性較高;而郝光華等[11]使用“八北”船測數(shù)據(jù)對5種SIC產(chǎn)品進(jìn)行評估,發(fā)現(xiàn)AMSR2/BT 產(chǎn)品誤差最大,基于 OSISAF 傳感器的三種產(chǎn)品OSISAF、OSHD(OSISAF Hybrid Dynamic)、TUD(Technical University of Denmark)算法偏差均較小。這些研究表明:在航跡范圍內(nèi),BT算法和ASI算法的SIC表征方面具有優(yōu)勢,不同時間的航測數(shù)據(jù)由于航跡差異對分析結(jié)果存在影響。

此外,在高分辨率數(shù)據(jù)產(chǎn)品對比上,Andersen等[12]則使用合成孔徑雷達(dá)(SAR,Synthetic Aperture Radar)影像,對基于SSM/I(Special Sensor Microwave/Imager)傳感器的NT、NT2、TUD、N90(Near 90GHz Algorithm)、BT-P(Bootstrap-Polarization Algorithm)、BT-F(Bootstrap based frequency)和Bristol 算法在高海冰密集度區(qū)域(即SIC值接近100%)反演的SIC數(shù)據(jù)進(jìn)行對比研究,發(fā)現(xiàn)基于85GHz的算法反演的數(shù)據(jù)與SAR影像及船測數(shù)據(jù)具有較高的一致性,在中等海冰密集度范圍內(nèi),SAR影像和SSM/I 傳感器的相關(guān)系數(shù)為0.8～0.9。王曉雨等[4]對基于FY-3B 衛(wèi)星的MWRI (The Fengyun-3B/Microwave Radiation Imager)/NT2 數(shù)據(jù)及AMSRE/ASI 數(shù)據(jù)進(jìn)行了對比,并使用MODIS數(shù)據(jù)進(jìn)行驗證,發(fā)現(xiàn)密集度大于95%的高密集度區(qū)域MWRI/NT2 數(shù)據(jù)與MODIS 更接近;密集度低于95%的區(qū)域,AMSRE/ASI 產(chǎn)品更接近MODIS數(shù)據(jù)。上述研究表明研究區(qū)域差異和SIC 分布差異均會導(dǎo)致SIC數(shù)據(jù)與高分影像間的一致性發(fā)生變化。

從上述分析可以看出,目前針對海冰數(shù)據(jù)評估工作,多采用航測數(shù)據(jù),但在不同時段或空間范圍下的航測數(shù)據(jù),其對比結(jié)果存在差異,普遍認(rèn)為BT算法和ASI算法在采用AMSR2 傳感器數(shù)據(jù)的情況下,具有一定的空間分辨率和算法優(yōu)勢。針對遙感數(shù)據(jù)產(chǎn)品和走航觀測的對比方面存在差異的原因主要有:所采用的的船測數(shù)據(jù)由于航行軌跡的“趨向低密集度”特性[8],船測數(shù)據(jù)本身的稀疏性、航跡數(shù)據(jù)采集過程中視場的局限性等因素,導(dǎo)致基于航測海冰密集度數(shù)據(jù)的對比分析結(jié)果時空差異較大;另外,航跡數(shù)據(jù)無法對較大空間范圍內(nèi)的SIC數(shù)據(jù)進(jìn)行評估及驗證分析。

本文選擇目前主流的算法及其數(shù)據(jù)產(chǎn)品,針對整個北極地區(qū),開展8種數(shù)據(jù)在像元尺度的時空差異性分析,在航道關(guān)鍵區(qū)則選用晴空條件下MODIS可見光數(shù)據(jù)對8種SIC產(chǎn)品進(jìn)行驗證評估,對比MODIS數(shù)據(jù)與產(chǎn)品的平均偏差、標(biāo)準(zhǔn)差和相關(guān)系數(shù),并針對東北航道的精度開展研究。

1 SIC產(chǎn)品及MODIS數(shù)據(jù)

1.1 SIC產(chǎn)品及反演算法

對比驗證所使用的海冰密集度產(chǎn)品為國際上發(fā)布的8種SIC數(shù)據(jù),時間為2017年。不萊梅大學(xué)發(fā)布的數(shù)據(jù)來源于AMSR2 傳感器,NSIDC、OSISAF和漢堡大學(xué)發(fā)布的數(shù)據(jù)集來源于SSMIS傳感器,NOAA 發(fā)布的數(shù)據(jù)來源于AVHRR(The Advanced Very High Resolution Radiometer)傳感器。表1列出各產(chǎn)品的發(fā)布機構(gòu)、傳感器、反演算法和空間分辨率。

表1 8種SIC數(shù)據(jù)發(fā)布機構(gòu)、傳感器、算法及空間分辨率介紹Table1.Description of 8 SIC data publishing organization,sensors,algorithms and spatial resolution of 8 SIC products

上述8種SIC數(shù)據(jù)所使用的海冰密集度反演算法包含ASI、NT、BT、CDR和OSISAF?；谖⒉▊鞲衅鞯暮１芗确囱菟惴ǖ脑頌?利用不同海冰類型在不同微波通道和極化方式間的亮溫值之間的關(guān)系。而不同通道和極化方式下的海冰亮溫同時受多種因素影響,會造成不同算法和傳感器之間的反演精度存在差異[21]。以下分別對各數(shù)據(jù)使用的亮溫通道、總體精度、優(yōu)勢和劣勢對各算法進(jìn)行總結(jié)(表2):

表2 8種SIC產(chǎn)品算法通道、精度及優(yōu)劣總結(jié)Table2.Algorithm channels,precision,advantages and disadvantages summary

續(xù)表

1.2 MODIS數(shù)據(jù)

驗證數(shù)據(jù)選取東北航道海冰邊緣區(qū)晴空條件下的MODIS影像。選取的16 景MODIS影像時間覆蓋2017年6月28日、7月2日、7月10—12日。樣本所在區(qū)域如圖1所示,紅色區(qū)域為實驗所選東北航道研究區(qū)覆蓋范圍。

圖1 關(guān)鍵區(qū)(粉紅色區(qū)域)及MODIS 樣本區(qū)(藍(lán)色方框)分布圖Fig.1.Distribution of key research area(pink region) and MODIS image(blue boxes)

2 數(shù)據(jù)處理方法

2.1 SIC產(chǎn)品處理方法

實驗中為了將所有SIC產(chǎn)品投影在統(tǒng)一的坐標(biāo)格網(wǎng)下,使用最近鄰方法對8種SIC產(chǎn)品進(jìn)行空間插值處理,計算方法如式1所示:

上式中Alat為參考經(jīng)緯格網(wǎng)的緯度矩陣,Alon為參考經(jīng)緯格網(wǎng)的經(jīng)度矩陣,Mcplat為待映射點的緯度值,Mcplon為待映射點的經(jīng)度值,min()表示求取當(dāng)前距離矩陣中最小距離值。獲得待投影數(shù)據(jù)點在參考格網(wǎng)中的最近鄰格點,并將映射關(guān)系保存為映射表,之后,所有數(shù)據(jù)集按照各自的映射表進(jìn)行映射操作。在映射過程中,對每個格點的數(shù)據(jù)進(jìn)行求和后求均值,并將平均海冰密集度值作為格點的SIC值,公式如式2所示:

式中,SICavg表示映射后每個格點的SIC值,SICcp表示映射后當(dāng)前格點映射的原始數(shù)據(jù)所有格點各自的SIC值,sum()表示求取參考格網(wǎng)中映射格點的SIC值之和,SICnum表示映射到參考格網(wǎng)中對應(yīng)格點的像元總數(shù)。計算的均值作為參考格點映射后SIC數(shù)據(jù)值。上述映射操作完成后,所有SIC產(chǎn)品均統(tǒng)一投影到25 km 空間分辨率,極地立體等積投影的參考格網(wǎng)(EASE-Grid_2.0_North)中。

由于海冰密集度數(shù)據(jù)產(chǎn)品投影差異,部分產(chǎn)品映射后會出現(xiàn)數(shù)據(jù)缺失的格點,在近岸區(qū)域出現(xiàn)映射誤差,需進(jìn)一步對各數(shù)據(jù)進(jìn)行后處理和陸地掩膜處理,所用空間插值法為8 鄰域均值插值,即求取當(dāng)前中心像素8鄰域空間內(nèi)SIC平均值替代像元缺失值,進(jìn)一步的陸地掩膜使用EUMETSAT發(fā)布的OSISAF數(shù)據(jù)集對應(yīng)的陸地掩膜文件(http://osisaf.met.no/)。

2.2 MODIS影像處理

驗證數(shù)據(jù)選取Aqua-MODIS 傳感器1 km 分辨率第2通道的反射率數(shù)據(jù)。為了避免投影誤差,將 MODIS 與 SIC數(shù)據(jù)統(tǒng)一投影后進(jìn)行ROI(Region Of Interest)裁剪和冰水分割處理。冰水分割采用閾值分割法[29],其基本原理為海冰和海水在可見光波段反射率差異,即同一景海冰灰度圖像中,海冰與海水交界處灰度差異最大。通過統(tǒng)計海冰灰度圖中不同灰度級對應(yīng)像素數(shù)ε(k),計算各像元同相鄰像元的灰度差,統(tǒng)計差值大于閾值P的像元總數(shù),記為δ(k),k表示圖像灰度級,k∈[0,255],計算大于閾值的像元個數(shù)δ(k)與對應(yīng)灰度級的像元數(shù)ε(k)之比,記為?(k),計算公式如式3:

上式中?為強度比,強度比變化曲線峰值對應(yīng)灰度k為圖像中最大灰度反差對應(yīng)的灰度,該值最接近冰水分割閾值,故將峰值對應(yīng)的k設(shè)為冰水分割的閾值。由于云層在灰度圖中表現(xiàn)出與海冰一樣的亮白色,故該方法須在晴空無云條件下進(jìn)行冰水分割計算。結(jié)果如圖2所示。

通過對MODIS影像進(jìn)行閾值分割處理,并將產(chǎn)生的二值結(jié)果在各數(shù)據(jù)產(chǎn)品對應(yīng)格網(wǎng)中進(jìn)行平均,計算對應(yīng)SIC值。為了提高對比分析的有效性,僅對MODIS 映射后格點像元數(shù)超過理論值90%的格點作為有效數(shù)據(jù)進(jìn)行比對分析。

2.3 對比評估指標(biāo)

準(zhǔn)確度(用偏差表示)是測量平均值和真實值之間的差值。精度(以標(biāo)準(zhǔn)差,SD表示)是多次重復(fù)測量在平均值周圍的離散程度[5]。實驗結(jié)果基于平均偏差、標(biāo)準(zhǔn)差和相關(guān)系數(shù)三個指標(biāo)來評估微波海冰密集度產(chǎn)品精度并進(jìn)一步評估多種海冰數(shù)據(jù)在東北航道關(guān)鍵區(qū)與MODIS影像計算獲得SIC值的一致性。

平均偏差計算如式4所示:

上式中,SICi表示格點所對應(yīng)各產(chǎn)品的SIC值,M表示對應(yīng)格點SIC產(chǎn)品的平均值,N表示產(chǎn)品個數(shù)。

標(biāo)準(zhǔn)差(SD)如式5所示:

上式中,SICi表示格點所對應(yīng)各產(chǎn)品的SIC值,M表示對應(yīng)格點SIC產(chǎn)品的平均值,N表示產(chǎn)品個數(shù)。

使用平均偏差、標(biāo)準(zhǔn)差和相關(guān)系數(shù)對基于MODIS影像的驗證實驗結(jié)果進(jìn)行評估,相關(guān)系數(shù)r計算如式6所示:

式中,σ表示標(biāo)準(zhǔn)差,μX，μY分別表示樣本區(qū)的數(shù)據(jù)產(chǎn)品與MODIS 計算結(jié)果對應(yīng)像元的平均值,X表示對應(yīng)格點MODIS 計算值,Y表示對應(yīng)格點數(shù)據(jù)產(chǎn)品的SIC值。

3 結(jié)果與分析

3.1 SIC產(chǎn)品時空系列分析

3.1.1 北極區(qū)域平均偏差分析

通過計算8種產(chǎn)品像元尺度相對其平均值的偏差值大小可以分析北極區(qū)域多種數(shù)據(jù)整體偏差大小及季節(jié)性變化趨勢。

通過圖3可知,多種數(shù)據(jù)間偏差大小變化存在差異,在夏季和秋季不同數(shù)據(jù)偏差均增大,具體如下:NSIDC/BT、NSIDC/CDR和Bremen/BT數(shù)據(jù)偏差變化基本一致,Bremen/ASI和Hamburger/ASI 數(shù)據(jù)偏差在夏季波動較大,NOAA OI SIC和NSIDC/NT 數(shù)據(jù)變化趨勢相近。為進(jìn)一步統(tǒng)計偏差的季節(jié)性差異,按照季節(jié)計算2017年8種SIC產(chǎn)品平均偏差如圖4所示。其中季節(jié)劃分如下:春季為3—5月,夏季為6—8月,秋季為9—11月,冬季為12月到次年2月。

圖2 MODIS 裁剪影像及冰水分割圖Fig.2.MODIS cropping images and ice-water segmentation images

圖3 北極2017年海冰密集度產(chǎn)品日平均偏差變化圖Fig.3.Daily mean bias curve of SIC products in Arctic,2017

圖4 2017年8種SIC數(shù)據(jù)春、夏、秋、冬季平均偏差分布圖Fig.4 Mean bias distribution of 8 SIC products in spring,summer,autumn and winter in 2017

通過圖3和圖4可知,Bremen/ASI、Bremen/BT、NSIDC/BT和NSIDC/CDR 四種數(shù)據(jù)日平均偏差基本為正值,且日平均偏差值變化趨勢在夏季和秋季表現(xiàn)為先增加后逐漸減小,年平均偏差值分別為2.02%、4.04%、4.13%和4.26%;OSISAF 數(shù)據(jù)日平均偏差基本為負(fù),且夏季和秋季日平均偏差變化趨勢表現(xiàn)為先負(fù)向增加后逐漸減小,NSIDC/NT和NOAA OI SIC數(shù)據(jù)偏差在夏季和秋季上中旬負(fù)向增加,秋季下旬逐漸減小,多種數(shù)據(jù)間整體變化趨勢基本一致,但在時間上差異較大,三種數(shù)據(jù)的年平均偏差值分別為?4.94%、?4.05%和?2.94%。Hamburger/ASI 數(shù)據(jù)日平均偏差在夏季正向增大,秋季減少,年平均偏差值為負(fù)值,春季和冬季,日平均偏差值基本為負(fù)值,夏季和秋季,部分日期日平均偏差值為正值,季節(jié)性和年度平均偏差值為負(fù)。8種產(chǎn)品數(shù)據(jù)春季和冬季的平均偏差分布在?5%～4%,夏季和秋季的平均偏差分布在?10%～6%,夏季和秋季平均偏差相對春季和冬季較大。

通過上述定量分析可知,在四個季節(jié)中,不同產(chǎn)品偏差大小出現(xiàn)較大差異,為進(jìn)一步分析8種數(shù)據(jù)偏差的空間分布,按照季節(jié)性求取8種產(chǎn)品的標(biāo)準(zhǔn)差,2017年春(圖5a)、夏(圖5b)、秋(圖5c)、冬(圖5d)四個季節(jié)標(biāo)準(zhǔn)差分布圖如圖5所示。

由圖5可知:春季和冬季,高密集度區(qū)域標(biāo)準(zhǔn)差較小,約為3%,海冰邊緣區(qū)和近陸區(qū)域標(biāo)準(zhǔn)差較大,約為10%～20%,且越靠近邊緣區(qū)域標(biāo)準(zhǔn)差越大;夏季,整個北極大部分海冰覆蓋區(qū)域標(biāo)準(zhǔn)差增大至10%,加拿大群島和格陵蘭島北部標(biāo)準(zhǔn)差增大至5%,拉普捷夫、新西伯利亞和喀拉海標(biāo)準(zhǔn)差約為13%,部分區(qū)域標(biāo)準(zhǔn)差大于15%(如,新西伯利亞群島西部),邊緣區(qū)域標(biāo)準(zhǔn)差約為12%;秋季,海冰高密集度區(qū)域標(biāo)準(zhǔn)差降低,邊緣區(qū)域標(biāo)準(zhǔn)差較高,約為15%。

通過上述分析,8種數(shù)據(jù)平均偏差分布具有季節(jié)性時空差異。春季和秋季,北極偏差較大區(qū)域主要分布在海冰邊緣及近陸范圍;夏季,高密集度區(qū)標(biāo)準(zhǔn)差相對增大,加拿大群島和格林蘭島北部區(qū)域標(biāo)準(zhǔn)差較小,表明該區(qū)域多種數(shù)據(jù)間差異較小,航道區(qū)偏差變化相對較大,主要分布在東西伯利亞、拉普捷夫海和喀拉海區(qū)域;秋季,由于海冰開始快速凍結(jié),高密集度冰區(qū)標(biāo)準(zhǔn)差降低,多種產(chǎn)品在邊緣區(qū)域差異較大。

3.1.2 航道區(qū)標(biāo)準(zhǔn)差及平均偏差變化分析

通過北極區(qū)域標(biāo)準(zhǔn)差分布的季節(jié)性差異可以發(fā)現(xiàn)在夏季和秋季差異較大區(qū)域主要分布在航道區(qū)內(nèi),而東北航道作為連接歐亞海上運輸?shù)闹匾O航線,保證商船在航線上的航行安全并及時快速預(yù)測航道范圍內(nèi)海冰變化情況至關(guān)重要,通過對航道關(guān)鍵區(qū)域海冰反演數(shù)據(jù)的平均偏差和標(biāo)準(zhǔn)差分析,能夠在一定程度上提高遙感數(shù)據(jù)在科學(xué)研究與相關(guān)商業(yè)活動中的實用性。

以下對2017年夏季和秋季東北航道范圍內(nèi)部分區(qū)域的海冰變化情況進(jìn)行分析。圖6為東北航道區(qū),緯度范圍為70°N～80°N,經(jīng)度范圍覆蓋70°E～180°E 內(nèi)關(guān)鍵海域SIC與平均值日平均偏差變化圖,包含東西伯利亞海域(圖6a,135°E～180°E)、拉普捷夫海域(圖6b,90°E～135°E)和喀拉海海域(圖6c,70°E～90°E)內(nèi)2017年夏季和秋季(6月—11月)平均偏差變化曲線及2017年3個區(qū)域的日平均標(biāo)準(zhǔn)差變化曲線(圖6d)。

通過分析,3個區(qū)域海冰密集度數(shù)據(jù)從6月下旬開始到10月中旬出現(xiàn)較大波動,多種數(shù)據(jù)中基于不同傳感器、同一算法的數(shù)據(jù)在變化趨勢上表現(xiàn)出較高的一致性,而OSISAF、NOAA OI SIC和NSIDC/NT 由于算法不同,變化趨勢差異較大。三個區(qū)域的日平均標(biāo)準(zhǔn)差變化曲線在6月開始增加,東西伯利亞海域在9月底達(dá)到極大值,對應(yīng)產(chǎn)品平均偏差為極大值,拉普捷夫海域與喀拉海東北部區(qū)域在10月中旬達(dá)到極大值。10—11月3個區(qū)域標(biāo)準(zhǔn)差快速下降。6—10月,拉普捷夫海域與東西伯利亞海域變化趨勢基本一致,在10—11月拉普捷夫海域與喀拉海域變化趨勢基本一致,主要因素為海冰邊緣區(qū)域的季節(jié)性分布在小區(qū)域內(nèi)具有較高相似性。而導(dǎo)致偏差增大的原因主要有:各產(chǎn)品基于不同頻段下不同原理的反演算法差異,不同算法對積雪或冰面融化等導(dǎo)致冰面特性的改變具有較低辨識度,傳感器之間數(shù)據(jù)獲取的時間存在差異[26,28-29],空間分辨率較低導(dǎo)致對融池、冰間水道等無法準(zhǔn)確識別[28]。

3.2 基于MODIS估算的SIC產(chǎn)品對比評估

3.2.1 相關(guān)性分析

MODIS 樣本數(shù)據(jù)與各SIC數(shù)據(jù)的線性關(guān)系能夠表現(xiàn)出不同 SIC數(shù)據(jù)與更高分辨率的MODIS數(shù)據(jù)的相關(guān)性。表3為8種原始數(shù)據(jù)與對應(yīng)區(qū)域MODIS影像獲取的SIC值間的相關(guān)系數(shù)(r),其中,粗體表示該樣本中相關(guān)系數(shù)最大的數(shù)據(jù)。通過對相關(guān)系數(shù)分析,可以發(fā)現(xiàn),8種數(shù)據(jù)中,Bremen/BT 數(shù)據(jù)與MODIS 結(jié)果整體相關(guān)性較高,相關(guān)系數(shù)為0.831;Bremen/ASI 數(shù)據(jù)次之,相關(guān)系數(shù)為0.804;NSIDC 發(fā)布的3種數(shù)據(jù)相關(guān)系數(shù)相差較小,相關(guān)系數(shù)分別為0.791(NSIDC/BT 及NSIDC/CDR)、0.780(NSIDC/NT);OSISAF 數(shù)據(jù)相關(guān)系數(shù)為0.743,Hamburger/ASI 相關(guān)系數(shù)為0.716,NOAA OI SIC 相關(guān)性最低,相關(guān)系數(shù)為0.596。需要說明的是,上述相關(guān)系數(shù)均為產(chǎn)品發(fā)布時對應(yīng)空間分辨率下的計算結(jié)果。

3.2.2 平均偏差及標(biāo)準(zhǔn)差分析

分析產(chǎn)品間的相關(guān)系數(shù)能夠獲得北極區(qū)域各產(chǎn)品與MODIS影像間的線性相關(guān)程度,但不足以作為關(guān)鍵區(qū)各產(chǎn)品精度的評估參考。通過比較SIC數(shù)據(jù)與MODIS影像數(shù)據(jù)平均偏差及標(biāo)準(zhǔn)差,可以進(jìn)一步驗證分析航道關(guān)鍵區(qū)各SIC數(shù)據(jù)與較高光學(xué)遙感數(shù)據(jù)的一致性,相關(guān)評價指標(biāo)如表4、5所示。

表3 8種SIC產(chǎn)品與MODIS 驗證數(shù)據(jù)相關(guān)系數(shù)(r)Table3.Correlation coefficients between 8 SIC products and MODIS images

表4 8種數(shù)據(jù)原始空間分辨率下相關(guān)系數(shù)、標(biāo)準(zhǔn)差和平均偏差評價指標(biāo)Table4.The evaluation index r,SD and mean bias of 8 products under original spatial resolution

表5 25 km 空間分辨率下8種數(shù)據(jù)相關(guān)系數(shù)、標(biāo)準(zhǔn)差和平均偏差評價指標(biāo)Table5.The evaluation index r,SD and mean bias of 8 products under 25 km spatial resolution

表4為所選樣本與各數(shù)據(jù)原始空間分辨率下8種數(shù)據(jù)與MODIS 驗證樣本間的整體相關(guān)系數(shù)、標(biāo)準(zhǔn)差和偏差值的計算結(jié)果。由表3和表4可知,各數(shù)據(jù)在原始空間分辨率下,Bremen/BT 產(chǎn)品整體相關(guān)性較高,Bremen/ASI 產(chǎn)品次之,NSIDC/BT、NSIDC/CDR、NSIDC/NT、Hamburger/ASI和OSISAF 產(chǎn)品相關(guān)性較低,相關(guān)系數(shù)分布于0.70～0.85 之間,NOAA OI SIC 相關(guān)性最低,為0.596。Bremen/BT 數(shù)據(jù)的平均偏差較小,為6.61%,NSIDC/BT和NSIDC/CDR(7.90%)次之,Bremen/ ASI 數(shù)據(jù)平均偏差為12.82%,OSISAF 在所選樣本區(qū)偏差較大,為18.30%。通過分析標(biāo)準(zhǔn)差,Bremen/ASI 數(shù)據(jù)標(biāo)準(zhǔn)差最大,為13.14%,Hamburger/ ASI為10.57%,其余6種數(shù)據(jù)標(biāo)準(zhǔn)差分布在 7%～10%,OSISAF 標(biāo)準(zhǔn)差最小,為7.03%。表5為25 km 空間分辨率下相關(guān)系數(shù)、標(biāo)準(zhǔn)差和偏差值,其中Bremen 發(fā)布的兩種數(shù)據(jù)相關(guān)系數(shù)較高(0.80),NSIDC/BT、NSIDC/CDR數(shù)據(jù)次之,NOAA OI SIC 相關(guān)系數(shù)較小(0.63)。對比平均偏差值可知:Bremen/BT 數(shù)據(jù)偏差最小,為7.11%;NSIDC/BT和NSIDC/CDR次之,為7.90%;NOAA OI SIC數(shù)據(jù)偏差為10.01%;Bremen/ASI 數(shù)據(jù)偏差較大,為14.38%;Hamburger/ASI 數(shù)據(jù)偏差為14.99%,NSIDC/NT 偏差值最大,為20.88%;標(biāo)準(zhǔn)差分析中,Bremen/ASI 與Hamburger/ASI 均較大,分別為12.16%和11.01%,而Bremen/BT、NSIDC/BT、NSIDC/CDR、NSIDC/NT和OSISAF等均較低,分布于7.5%—9.0%之間。

對比表4和表5可知,8種數(shù)據(jù)中,Bremen/BT數(shù)據(jù)相關(guān)性較高且偏差值最小,與MODIS 驗證數(shù)據(jù)的一致性較高?；贏SI算法的兩種數(shù)據(jù)均具有較高的偏差值和標(biāo)準(zhǔn)差,表明該算法反演的數(shù)據(jù)易受其他因素影響。8種數(shù)據(jù)間的標(biāo)準(zhǔn)差和偏差之間存在較大差異,影響因素包含不同產(chǎn)品間獲取亮溫數(shù)據(jù)的傳感器差異、獲取數(shù)據(jù)時間差異、算法原理差異、后處理方法差異及對氣候環(huán)境等因素的敏感性差異等。

4 結(jié)論

通過對2017年8種SIC數(shù)據(jù)對比分析,并使用MODIS數(shù)據(jù)對東北航道區(qū)域中段范圍內(nèi)的產(chǎn)品進(jìn)行了驗證對比分析,總結(jié)如下。

對8種SIC數(shù)據(jù)基于其像元尺度平均值進(jìn)行了對比分析,平均偏差對比結(jié)果表明,在春季和冬季,8種數(shù)據(jù)平均偏差整體較小,平均偏差取值基本小于5%;夏季和秋季,8種產(chǎn)品間平均偏差出現(xiàn)較大差異,其中Bremen/BT、Bremen/ASI、NSIDC/BT和NSIDC/CDR 整體高估SIC值,偏差約為5%～10%。NSIDC/NT、Hamburger/ASI、NOAA OI SIC和OSISAF 整體相對低估SIC值,偏差變化相對較大,最大偏差值約低于平均值15%,偏差整體分布在?3%～?15%。同一算法的數(shù)據(jù)間平均偏差變化趨勢具有一定的相似性。季節(jié)性的標(biāo)準(zhǔn)差分析結(jié)果表明，8種數(shù)據(jù)空間分布具有明顯的季節(jié)性差異,具體表現(xiàn)為:春季和冬季差異較大區(qū)域主要集中在邊緣薄冰區(qū),夏季和秋季平均偏差增大,且主要集中在通航范圍內(nèi)部分關(guān)鍵海域,主要包括東西伯利亞海、拉普捷夫海和喀拉海域。

在8種SIC數(shù)據(jù)與MODIS數(shù)據(jù)航道關(guān)鍵區(qū)的一致性對比分析實驗中,25 km 空間分辨率格網(wǎng)下,Bremen 發(fā)布的數(shù)據(jù)與MODIS 計算結(jié)果具有較高的一致性,相關(guān)系數(shù)為0.80,而NOAA OI SIC 一致性最低,相關(guān)系數(shù)為0.63,其余數(shù)據(jù)產(chǎn)品相關(guān)性較高,相關(guān)系數(shù)分布在0.7～0.8 之間。平均偏差對比結(jié)果表明:Bremen/BT 平均偏差最小,為7.11%,NSIDC/NT和OSISAF 平均偏差較大,分別為20.88%和20.66%,均較大低估SIC值;基于 BT算法的產(chǎn)品平均偏差相對較小,分布于7%～ 8%;Bremen/ASI 產(chǎn)品平均偏差較大,為14.38%。標(biāo)準(zhǔn)差分析結(jié)果表明,8種數(shù)據(jù)中Bremen/ASI 數(shù)據(jù)受其他因素影響較大,具有較大標(biāo)準(zhǔn)差(12.16%)。驗證結(jié)果表明Bremen/BT 數(shù)據(jù)與MODIS影像計算結(jié)果一致性較高。導(dǎo)致多種SIC數(shù)據(jù)間差異的原因多樣,主要包括傳感器通道差異,數(shù)據(jù)采集時間不一致,空間分辨率差異及處理過程中相關(guān)輔助數(shù)據(jù)等因素。

東北航道關(guān)鍵區(qū)海冰的快速變化對通航窗口期內(nèi)的商船航行安全影響巨大,已有的多種SIC數(shù)據(jù)尚不能完全滿足航運安全的需求,相關(guān)實時且高精度海冰數(shù)據(jù)的需求依然存在。多種海冰數(shù)據(jù)由于影響因素的客觀存在,不同產(chǎn)品間差異較大。如何科學(xué)分析不同因素對產(chǎn)品精度影響,綜合多源融合數(shù)據(jù),提高遙感海冰服務(wù)的可靠性與實時性,提高相關(guān)模型反演結(jié)果是以后海冰研究的重要內(nèi)容。