基于温度链浮标获取南极普里兹湾积雪和固定冰厚度的研究

赵杰臣，杨清华，程斌，汪宁，惠凤鸣，沈辉，韩晓鹏，张林, Timo Vihma

(1.国家海洋环境预报中心 国家海洋局海洋灾害预报技术研究重点实验室，北京 100081；2.中国海洋大学 海洋与大气学院，山东 青岛 266100；3.芬兰气象研究所，芬兰 赫尔辛基 00101；4.海军北海舰队 海洋水文气象中心，山东 青岛 266003；5.北京师范大学 全球变化与地球系统科学研究院，北京 100875)

基于温度链浮标获取南极普里兹湾积雪和固定冰厚度的研究

赵杰臣1,2,3，杨清华1，程斌3，汪宁4，惠凤鸣5，沈辉1，韩晓鹏1，张林1, Timo Vihma3

(1.国家海洋环境预报中心 国家海洋局海洋灾害预报技术研究重点实验室，北京 100081；2.中国海洋大学 海洋与大气学院，山东 青岛 266100；3.芬兰气象研究所，芬兰 赫尔辛基 00101；4.海军北海舰队 海洋水文气象中心，山东 青岛 266003；5.北京师范大学 全球变化与地球系统科学研究院，北京 100875)

极地积雪和海冰厚度是气候变化的重要指标，也是船舶在冰区航行需要掌握的主要参数。2014和2015年在南极普里兹湾中山站附近布放了一种新式的温度链浮标，该浮标每天进行4次常规温度观测和1次加热升温观测，用于实时获取积雪和海冰剖面温度及厚度数据的研究。通过分析剖面温度曲线和升温曲线反映出的大气、积雪、海冰和海水4种介质的热传导特性差异，可利用人工识别的方法(人工经验法)获得大气/积雪、积雪/海冰和海冰/海水界面的位置。根据统计不同介质在升温响应和垂直温度梯度等方面的特性，找到合理阈值，可通过编写程序自动判断各界面的位置(自动程序法)。本文利用这两种方法来判断不同物质界面位置从而计算得到积雪和海冰厚度。与现场人工观测的海冰厚度相比，人工经验法的平均偏差和均方根偏差分别为2.1 cm和6.4 cm(2014年)以及4.3 cm和6.5 cm(2015年)，自动程序法的平均偏差和均方根偏差分别为-6.8 cm和6.4 cm(2014年)以及4.5 cm和 6.6 cm(2015年)；对于积雪，人工经验法与现场人工观测的平均偏差和均方根偏差分别为0.5 cm和 8.5 cm，而自动程序法的平均偏差和均方根偏差分别为4.7 cm和10.8 cm。自动程序法误差较人工经验法偏大，但考虑到整体冰厚和现场观测的误差，两种方法的结果均是可信的，精度是可以接受的。利用新式的温度链浮标实时获取南极普里兹湾积雪和海冰厚度是可行的。

海冰质量浮标；积雪；海冰；温度；厚度；南极；普里兹湾

1 引言

极地是全球气候变化的敏感地区，海冰是气候变化的重要指标。在全球气候变化背景下，1979年以来夏季北极海冰面积显著减少(52×103km2/a)[1]，海冰厚度和多年冰的范围也在不断减小[2]。而南极海冰面积却呈现略微增加的趋势(17×103km2/a)[3]。海冰最重要的量化指标是覆盖范围、密集度和厚度。目前利用卫星遥感手段可以获取连续和高质量的海冰范围和密集度[4]，利用CryoSat和SMOS系列卫星反演海冰厚度的技术取得一定进展，但反演精度还有待验证[5]。

南极大陆被大洋环绕，自然环境恶劣，积雪和海冰厚度的现场观测数据稀少。关于南极海冰厚度的变化存在不同的观点，譬如基于ICESat卫星的反演结果表明，南极海冰厚度呈3.0 mm/a的减小趋势[6]，但数值模式研究却表明南极海冰厚度可能存在1.5 mm/a的增大趋势[7]。为提高卫星反演产品和数值模式结果的可靠性，需要大量的现场观测冰厚数据进行检验。持续的现场观测数据的积累，能帮助我们认识南极海冰厚度的变化趋势，理解气候变化背景下海冰的响应。对海冰钻孔利用冰尺直接测量是观则海冰厚度最准确和可靠的方式。但由于极地环境的特殊性，人工海冰观测效率低，危险性高，难以持续开展，因此自动海冰观测设备是主流的发展方向[8]。

加拿大METOCEAN公司与美国CRREL实验室合作研发的极地海冰质量浮标(The Ice Mass Balance Buoy，IMB)是进行自动海冰厚度观测的经典设备，包括温度链、俯视/仰视声呐、气温和气压传感器等。这种冰浮标在极地科学研究中发挥了重要作用[1]，但其成本高、重量大以及安装复杂等特征，不利于大面积使用。另外一种新式的观测设备是基于温度链的海冰物质平衡浮标(Snow and Ice Mass Balance Array, SIMBA)。该浮标采用一根软性温度链自动观测大气-积雪-海冰-海水垂直温度剖面。温度传感器间隔为2 cm，垂向分辨率高；其周期性的脉冲加热设计，可获取各传感器的升温响应，用于数据分析；造价低，设计轻巧，使用5 cm直径螺旋钻一人便可轻易安装，数据可实时回传，易于在极地地区大面积重复性使用，目前全球布放量约为200套[9-10]。

我国在南极拥有4座科学考察站，其中中山站沿岸每年至少10个月时间被固定冰覆盖。固定冰是指附着在海岸边的不随海流和潮汐移动的海冰。中山站沿岸固定冰在冬季可向北延伸50 km以上，厚度可达150 cm，是理想的南极海冰观测场地[11]。每年12月“雪龙”船都需要穿越数十千米的固定冰，将物资和人员送抵中山站。海冰厚度是“雪龙”船破冰和雪地车冰上卸货的重要参考数据，利用自动观测设备获取实时积雪和海冰厚度不仅有利于极地海冰的科学研究，也对我国南极科考保障意义重大。

2014和2015年在南极中山站近岸固定冰观测场各布放了一套SIMBA浮标，以开展积雪和海冰的自动连续观测。本文介绍了SIMBA浮标布放情况，分析了观测数据并发展了两种方法判断大气/积雪界面、积雪/海冰界面和海冰/海水界面，计算了积雪和海冰厚度，并与人工观测结果进行了对比验证。

2 SIMBA浮标简介

SIMBA浮标，是苏格兰海洋学会下属的SRSL公司(http://www.srsl.com/)研发的新一代海冰物质平衡浮标，由仪器箱和温度链组成。仪器箱中包括控制器、数据采集器、GPS天线和铱星模块等。温度链长480 cm，内置240个间距为2 cm的温度传感器(Maxim DS28EA00)，测量精度为0.062 5℃。温度链在海冰内垂直布放，记录大气-积雪-海冰-海水的垂直温度剖面，最短观测间隔为15 min。考虑到耗电量和数据传输成本，南极的SIMBA浮标观测间隔设为6 h。除环境温度观测外，SIMBA浮标还具备另一个重要功能——加热整条温度链并记录环境温度的响应，加热后温度传感器记录的升温，取决于周围介质的热传导特性。通常大气和积雪的升温大于海冰和海水的升温，因为前者的热传导能力较弱，这些差异将有助于界面的判断。SIMBA浮标通过GPS获取经纬度位置，得到漂移轨迹。铱星模块将观测数据定期传输给用户，以保证数据的安全和时效[12]。

3 浮标布放和界面判断

3.1 浮标布放

南极中山站位于南极普里兹湾(图1a)，69°22′S，76°22′E，是我国第二个南极常年科考站，也是目前唯一可进行冬季海冰厚度观测的中国考察站。中山站多年平均气温为-9.8℃，气候态月平均最低气温(-16.1℃，1989-2008年气候平均值)出现在7月；多年平均风速为7.1 m/s，风向以偏东风为主[13]。中山站海冰观测点P1位于考察站西北方向1 km的内拉峡湾口(图1b)。P1点每年3-12月被固定冰覆盖，厚度在冬季可达170 cm。

图1 中山站的位置和SIMBA浮标观测位置P1点卫星图像Fig.1 Map of the surroundings of the Zhongshan Station in the Antarctic and the location of the ice mass balance buoy SIMBA (P1)

2014和2015年秋季海冰冻结后，观测队员在P1点分别布放一套SIMBA浮标，冰面以上利用竹竿支撑，保证温度链在空气中垂直(图2a)；温度链末端加载一个重块，保证其在海冰和海水中保持垂直(图2b)。安装时记录各个界面的传感器编号，并测量积雪和海冰厚度(表1)。2015年6月对出现故障的温度链进行了更换。

表1 SIMBA浮标布放时的现场情况

注：*数值为传感器编号。

图2 中山站SIMBA浮标现场布放图(a)和垂直剖面示意图(b, c)Fig.2 Photo of the ice mass balance buoy (SIMBA) (a), and a schematic illustration of SIMBA and thermistor chain vertical distribution in the field (b,c)示意图中黑色直线代表温度链，数字代表各界面处的传感器编号The black lines in b and c represent the thermistor chain, and the numbers at the interfaces represent the sensor numbers during the deployment stage

3.2 界面判断

3.2.1 人工经验判断界面

图3a是SIMBA浮标观测到的温度剖面示例，空气温度(传感器20～97)在一天中的不同时刻变化明显，相邻时次的温差约2℃左右，日最大温差约6℃；海冰温度呈现较大梯度(传感器110～140)；海水温度(传感器140～240)保持在-1.7℃至-1.9℃之间，大气、海冰和海水的热传导率差异造成垂直温度梯度的明显差别。空气对加热的响应明显，升温约2.5℃，海冰和海水升温幅度接近，约0.5～1.0℃(图3b)。结合图3a和图3b，可以判断海冰上表面对应传感器110，下表面对应传感器140。利用同样的方法，每隔7 d绘制一组温度剖面图和升温剖面图，对比分析，凭借人工经验法判断积雪和海冰上、下表面的位置，从而得到积雪和海冰厚度的时间序列。

图3 SIMBA浮标观测到的温度剖面示例，a为一天四次的温度观测剖面，b为分别加热60 s后(蓝点)和120 s后(红点)的升温数据Fig.3 The SIMBA measured vertical temperature within the air-snow-ice-water system， a is 4 times daily measured tem-perature profiles; b is the heating temperature readings after heating periods of 60 s (blue dots) and 120 s (red dots)

3.2.2 自动程序判断界面

对于自动程序判断而言，人工经验判断的方法简单易行，但效率低且存在主观差异，寻找内在规律进行自动程序判断十分必要。图3b的升温剖面图显示，前60 s加热后各传感器升温明显，后60 s加热升温不大，因此对两个年份大气、积雪、海冰和海水4种介质前60 s加热的升温情况进行统计分析，结果如图4所示。大气的升温范围集中在2.0～4.0℃，积雪集中在2.5～5.0℃，海冰集中在0.8～1.0℃，海水集中在0.6～1.2℃(图4)。大气和积雪的升温范围接近，而海冰和海水的升温范围接近，因此积雪与海冰的升温幅度差异可以作为自动程序判断积雪/海冰界面的依据。

图4 空气(a)，海冰(b)，海水(c)，积雪(d)对60 s加热的升温响应，N指介质中的传感器个数Fig.4 The SIMBA heating temperature response of different media after 60 s heating for air(a), sea ice(b), sea (c) and snow(d)， N represents the total number of samples

图5 空气(a)，海冰(b)，海水(c)，积雪(d)的垂直温度梯度，N指介质中的传感器个数Fig.5 The SIMBA temperature gradient in different media for air(a), sea ice(b), sea (c) and snow(d)， N represents the total number of samples

P1点海冰在10月底以前处于生长状态，理论上海冰下表面应保持冰点温度，因此冰点温度可以作为自动程序判断海冰/海水界面的依据。

相较于大气，通常积雪具有较低的热传导率，积雪内的剖面温度会表现出较大的温度梯度。通过统计垂直温度梯度数据发现，空气和海水中的温度梯度基本为0，而积雪的温度梯度介于10～20℃/m，海冰的温度梯度介于二者之间(图5)。空气和积雪之间显著的温度梯度差异可以作为自动程序判断大气/积雪界面的依据。

基于以上的分析，确定了判断各个界面的依据和阈值，编写并运行自动程序。按照图6所示的流程，可以利用自动程序法判断大气/积雪界面、海冰/海水界面和积雪/海冰界面，进而得到积雪和海冰厚度。

图6 自动程序判断界面的流程图Fig.6 A schematic illustration of the interface-detecting algorithm

利用自动程序判断界面时，阈值的取值将影响界面的位置，因此需要研究不同取值对界面判断的影响。对3个界面的阈值均取两组数值进行敏感性试验，结果如图7所示。当大气/积雪界面的阈值as分别取为10℃/m和20℃/m时，二者的平均偏差为2.1 cm，均方根偏差为5.6 cm；积雪/海冰界面的阈值si分别取为1.5℃和2.0℃时，二者的平均偏差为3.8 cm，均方根偏差为3.4 cm；海冰/海洋界面的阈值iw取为-1.9℃和-2.0℃时，二者的平均偏差为2.2 cm，均方根偏差为3.4 cm。不同阈值对界面位置的影响不大，差异介于1～3个传感器之间。

4 数据分析

2014年的SIMBA浮标在极端低温环境下的工作状态不太稳定，导致该年未取得完整数据，共计获取110 d有效观测数据，极夜期间(5月底至7月底)和8月底至9月底无数据(图8)。图8中3条白线分别是自动程序判断的大气/积雪界面(阈值as取20℃/m)、积雪/海冰界面(阈值si取1.5℃)和海冰/海水界面(阈值iw取-1.9℃)；黑色的星号和十字分别是人工经验判断的大气/积雪界面和海冰/海水界面。越冬队员的定期现场观测记录表明，2014年P1点基本无积雪覆盖，降雪带来的积雪会在几小时内被大风刮走，因此大气/积雪界面和积雪/海冰界面基本重合。图8a是温度链观测到的空气、海冰和海水温度的时间序列，冬季7-8月海冰表面温度低至-30℃，海冰内部温度梯度明显；夏季11月之后，海冰表面温度升高，海冰内部处于恒温状态。浮标布放时的海冰上表面设定为0位置，如灰虚线所示，裸露在空气中的温度传感器具有较大的温度日变化，而海冰温度的日变化很小。P1点处于浅水峡湾，海水温度基本恒定，无明显垂直梯度；10月底以前气温较低，海冰的垂直温度梯度大；11月份以后气温升高，海冰垂直梯度接近0，海冰开始融化(图8b)。因为海冰的热传导率较空气大，因此前60 s加热后空气升温明显，图8c可以清楚的分辨大气/海冰的界面，并揭示在10月底之后出现了表面消融。

图8中冰点温度较好的区分了垂直梯度大的海冰和基本恒温的海水，并且与人工经验判断的海冰/海水界面基本一致。但是在11月，气温升高导致海冰内部甚至空气中可能出现-1.9℃，此阈值不再适用。因此，通过分析冰点温度的位置快速判断海冰/海水界面的方法，只适用于中山站的海冰生长期。

图7 自动程序利用不同阈值判断的界面位置Fig.7 The detection of various interfaces using different threshold temperature values in the automatic algorithm

图8 2014年SIMBA浮标的观测结果Fig.8 Results from SIMBA deployment in 2014a为自上而下的大气-海冰-海洋的温度剖面随时间的变化；b为垂直温度梯度(相邻传感器温度差值的绝对值)；c为前60 s加热的升温。0刻度对应的灰虚线是设备安装时的海冰上表面位置，3条白线是自动程序判断的界面，黑星号和十字是人工经验判断的界面a. Temperature evolution from air through ice down to water, b. the vertical temperature gradient between nearest sensors (the absolute value), c. temperature increments after 60 s heating. The grey lines along zero represent the initial sea ice surface. The white lines represent the interfaces based on automatic detection. The black stars and crosses represent the manually estimated interfaces

图9 2015年SIMBA浮标的观测结果Fig.9 Results from SIMBA deployment in 2015a为自上而下的大气-海冰-海洋的温度剖面随时间的变化；b为垂直温度梯度(相邻传感器温度差值的绝对值)；c为前60 s加热的升温。0刻度对应的灰虚线是设备安装时的海冰上表面位置，3条白线是自动程序判断的界面，黑星号和十字是人工经验判断的界面a. Temperature evolution from air through ice down to water, b. the vertical temperature gradient between nearest sensors (the absolute value), c. temperature increments after 60 s heating. The grey lines along zero represent the initial sea ice surface. The white lines represent the interfaces based on automatic detection. The black stars and crosses represent the manually estimated interfaces

图10 人工经验和自动程序结果与现场钻孔观测比较Fig.10 Comparison of ice thickness detected by manual estimation and automatic algorithm using borehole in situ observations as a reference

图11 分析得到的海冰生长率与观测的比较Fig.11 Comparison of ice growing rate calculated from detected ice thickness (manual method and automatic program) and in situ observations

2015年共计获取了184 d有效观测数据，因传感器故障5月底至6月中旬、7月中旬至8月初无数据，6月19日进行过新温度链更换。2015年4月安装SIMBA浮标时，P1点基本无积雪，但随后一直有较厚积雪覆盖，因此积雪对海冰温度的影响明显。冬季大气温度低至-30℃，海冰表面温度低至-20℃，海冰内部温度梯度明显，夏季11月之后，海冰表面温度升高，海冰内部处于恒温状态，与2014年情况一致(图9a)。自动程序利用-1.9℃作为阈值判断的海冰/海水界面，准确区别了恒温的海水和温度梯度大的海冰(图9b)，与人工经验判断的界面基本一致。自动程序判断的积雪/大气界面位置，与人工经验判断结果相比偏高，但变化趋势一致。图9c的升温剖面显示该年P1点的积雪/海冰界面几乎没有变化，大气、积雪与海冰、海水之间的升温差异非常明显。

5 结果验证

2014和2015年越冬观测队员在P1点附近开展了定期积雪和海冰厚度人工观测，持续时间为4-12月，频率为每周一次。利用现场观测对人工经验法和自动程序法进行对比验证，如图10所示。两种方法得到的海冰厚度在结冰期与观测结果基本一致，可以准确的反映海冰的生长趋势，但在2014年10月底以后的融冰期，自动程序法低估了海冰厚度，原因是利用冰点温度判断海冰/海水界面不再适用(图10a)。人工经验判断的海冰厚度与观测结果基本一致。因此自动程序判断海冰厚度在海冰生长期(气温较低时)结果可靠，但在海冰融化期(气温较高时)会出现错误判断，需要人工经验方法作为补充。

对于海冰厚度的判断，人工经验法与观测结果的平均偏差为2.1 cm(2014年)和4.3 cm(2015年)，均方根偏差为6.4 cm(2014年)和6.5 cm(2015年)；自动程序法与观测结果的平均偏差为-6.8 cm(2014年)和4.5 cm(2015年)，均方根偏差为6.4 cm(2014年)和6.6 cm(2015年)。自动程序法在2014年负的平均偏差主要源于融冰期的海冰/海水界面的严重低估。

2014年P1点基本无积雪，不进行分析和比较。对于2015年的积雪厚度的判断，人工经验法与观测结果的平均偏差为0.5 cm，均方根偏差为8.5 cm；自动程序法与观测结果的平均偏差为4.7 cm，均方根偏差为10.8 cm。

图11是利用图10的海冰厚度分别计算得到的海冰生长率。两种方法得到的海冰生长率和观测一致，在冻结初期海冰内温度梯度大，生长率处于高值，约0.8～1.0 cm/d，海冰增长至一定厚度后，生长率保持平稳，约0.5 cm/d，后期随着气温升高，海冰开始融化，生长率出现负值。

6 结论与讨论

本文介绍了温度链海冰质量浮标SIMBA在南极中山站近岸的成功应用，该浮标体积小、重量轻、操作简单以及易于安装，方便在野外特别是环境恶劣的两极地区布放。经过连续两年的布放和运行，获取了大量的实时大气-积雪-海冰-海水温度剖面数据和加热升温数据。布放时利用5 cm螺旋钻在海冰上钻孔，再垂直安装温度链。采用小口径钻孔有利于海冰的重新冻结，但需要注意的是这种方式导致孔内干舷部分通常被积雪掩埋，在数据分析时体现为积雪的特性；孔内干舷以下的海水冻结与初始冰厚密切相关，在初始冰厚为60 cm时通常需要1～2 d才能完全冻结，当冰厚大于200 cm时冻结有可能需要30 d[14]。未冻结的部分会表现出海水的特性。为避免造成积雪/海冰界面和海冰/海水界面的误判，安装时应该准确记录温度链在各个界面的传感器编号，以及当时的积雪和海冰厚度。

2014和2015年各获取了110 d和184 d观测数据。原始观测数据要经过严格的质量控制，剔除异常值。浮标每天进行4次温度观测和1次加热升温观测。对温度剖面数据的分析显示，一天之内空气温度在邻近时次变化最大，海水温度基本恒定；大气和海水的垂直温度梯度几乎为0，积雪为10～20℃/m，海冰为5～10℃/m。通过分析60 s加热后的升温数据发现，大气响应为2.0～4.0℃，积雪为2.5～5.0℃，海冰为0.8～1.0℃，海水为0.6～1.2℃，大气和积雪的热传导率较低，因此升温响应较明显。不同介质的热力学性质差异，为界面的判断提供了依据。

获取大气/积雪界面、积雪/海冰界面和海冰/海水界面是分析浮标数据的关键环节。本文依据上述不同介质的热力学特性，通过人工识别的方法得到了人工经验结果；同时通过对垂直温度梯度和加热升温响应的统计分析确定阈值，进而利用自动程序判断得到了自动程序结果。阈值的敏感性试验表明，在合理范围内取不同值对界面的判断影响不大。两种方法判断的各个界面基本一致。人工经验法较自动程序法有更高的精度。

与现场观测结果的对比表明，人工经验判断的海冰厚度与观测的平均偏差为2.1 cm(2014年)和4.3 cm(2015年)，自动程序的平均偏差为-6.8 cm(2014年)和4.5 cm(2015年)，前者比后者更接近观测。考虑到现场观测本身有误差，因此认为两种方法均可以准确反映海冰厚度的变化，结果是可信的，对海冰生长率的计算和对比也支持这一结论。

2014年P1点几乎全年无积雪覆盖，而2015年P1点积雪较厚，对海冰生长的影响十分明显。对2015年的数据分析表明，人工经验法与观测的平均偏差为0.5 cm，而自动程序法的平均偏差为4.7 cm。两种方法均准确反映了2015年8-12月积雪厚度“增大-减小-增大”的变化过程。

中山站SIMBA浮标数据判断的界面位置准确，得益于P1点在冬季极低的空气温度导致了积雪和海冰内部较大的温度梯度；而较浅的水深造成海水温度的恒定以及较弱的潮流影响，这些优势利于人工经验界面的判断。而前人在北极等地获取的SIMBA浮标数据由于积雪较厚或者气温较高等原因，其界面判断往往相对困难[9]。在使用自动程序方法时，冰点温度作为海冰/海水界面的阈值只适用于气温较低的海冰生长期。另外当处于浮标数据覆盖较长的融化期时，空气温度接近甚至高于0℃，人工经验法和自动程序法很难判断界面的位置，此时结合海冰热力学模式和SIMBA浮标数据得到再分析的冰雪信息是未来可尝试的方法[16]。

[1] Perovich D K, Richtermenge J A, Light B, et al. Thin and thinner: Sea ice mass balance measurements during SHEBA[J]. Journal of Geophysical Research, 2003, 108: C38050.

[2] Giles K, Laxon S W, Ridout A L. Circumpolar thinning of Arctic sea ice following the 2007 record ice extent minimum[J]. Geophysical Research Letters, 2008, 35(22): L22502.

[3] Parkinson C L, Cavalieri D J. Antarctic sea ice variability and trends, 1979-2010[J]. The Cryosphere, 2012, 6(4): 871-880.

[4] Spreen G, Kaleschke L. Sea ice remote sensing using AMSR-E 89-GHz channels[J]. Journal of Geophysical Research, 2008, 113(C2): C02S03.

[5] Laxon S W, Giles K, Ridout A L, et al. CryoSat-2 estimates of Arctic sea ice thickness and volume[J]. Geophysical Research Letters, 2013, 40(4): 732-737.

[6] Kurtz N T, Markus T. Satellite observations of Antarctic sea ice thickness and volume[J]. Journal of Geophysical Research, 2012, 117(C8): C08025.

[7] Holland P R, Bruneau N, Enright C, et al. Modeled trends in Antarctic sea ice thickness[J]. Journal of Climate, 2014, 27(10):3784-3801.

[8] 杨清华, 刘骥平, 张林, 等. 南极沿岸固定冰观测与研究述评[J]. 水科学进展, 2013, 24(5): 741-749.

Yang Qinghua, Liu Jiping, Zhang Lin, et al. Review of Antarctic landfast sea ice observations[J]. Advances in Water Science, 2013, 24(5): 741-749.

[9] Cheng B, Vihma T, Rontu L, et al. Evolution of snow and ice temperature, thickness and energy balance in Lake Orajärvi, northern Finland[J]. Tellus A, 2014, 66(1): 21564.

[10] Cheng B, Vihma T, Zhao J C. Analyses snow and ice thickness from high resolution thermistor temperature profiles[C]//Proceedings of the 1st Pan-Eurasian Experiment (PEEX) Conference, 2015.

[11] Lei R, Li Z, Zhang Z, et al. Annual cycle of landfast sea ice in Prydz Bay, east Antarctica[J]. Journal of Geophysical Research, 2010, 115: C02006.

[12] Jackson K, Wilkinson J P, Maksym T, et al. A novel and low-cost sea ice mass balance buoy[J]. Journal of Atmospheric and Oceanic Technology, 2013, 30(11): 2676-2688.

[13] 杨清华, 张林, 李春花, 等. 南极中山站气象要素变化特征分析[J]. 海洋通报, 2010, 29(6): 601-607.

Yang Qinghua, Zhang Lin, Li Chunhua, et al. Analysis on the variation tendencies of meteorological elements at Zhongshan Station, Antarctica[J]. Marine Science Bulletin, 2010, 29(6): 601-607.

[14] Hoppmann M, Nicolaus M, Hunkeler P, et al. Seasonal evolution of an ice-shelf influenced fast-ice regime, derived from an autonomous thermistor chain[J]. Journal of Geophysical Research: Oceans, 2015, 120(3): 1703-1724.

[16] Tian Z, Cheng B, Zhao J C, et al. Observed and modeled snow and ice thickness in the Arctic Ocean with CHINARE buoy data[J]. Acta Oceanologica Sinica, 2017, 36(7):1-10.

Snow and land-fast sea ice thickness derived from thermistor chain buoy in the Prydz Bay, Antarctic

Zhao Jiechen1,2,3, Yang Qinghua1, Cheng Bin3, Wang Ning4, Hui Fengming5, Shen Hui1, Han Xiaopeng1, Zhang Lin1, Timo Vihma3

(1.KeyLaboratoryofResearchonMarineHazardsForecastingofStateOceanicAdministration,NationalMarineEnvironmentalForecastingCenter,Beijing100081,China; 2.CollegeofOceanicandAtmosphericSciences,OceanUniversityofChina,Qingdao266100,China; 3.FinnishMeteorologicalInstitute,Helsinki00101,Finland；4.MarineHydrometeorologicalCenteroftheNorthChinaSeaFleat,Qingdao266003,China; 5.CollegeofGlobalChangeandEarthSystemSciences,BeijingNormalUniversity,Beijing100875,China)

Snow and sea ice in the polar regions react strongly to the climate change. Sea ice thickness is also a critical parameter for navigation in the polar oceans. In this paper, we present measurements taken using a high-resolution thermistor chain (SIMBA) to monitor snow and ice thickness in the land-fast ice zone in winters 2014 and 2015 in the Prydz Bay outside Zhongshan Station, Antarctic. SIMBA measures vertical temperature profiles 4 times a day as well as two daily sensor heating temperature profiles in 60 s and 120 s. Snow and ice thickness were derived (a) manually on the basis of different linear temperature gradients in air, snow, ice, and water, and (b) applying an automatic algorithm based on temporal variation of the temperature gradients associated with analyses of heating temperature response statistics. Compared with borehole in situ measurements, the manually estimated ice thickness had a mean bias and RMSE of 2.1 cm and 6.4 cm in 2014, 4.3 cm and 6.5 cm in 2015. The mean bias and RMSE of algorithm-based ice thickness was -6.8 cm and 6.4 cm in 2014, 4.5 cm and 6.6 cm in 2015. The snow thickness was estimated only for winter 2015, and the mean bias and RMSE of manual and algorithm methods were 0.5 cm and 8.5 cm, 4.7 cm and 10.8 cm, respectively. The manual estimation, in general, yielded better results. Our results reveal that SIMBA is capable to monitor snow and ice thickness in the Prydz Bay, Antarctic.

sea ice mass balance buoy; snow; ice; temperature; thickness; Antarctica; Prydz Bay

P412.3

A

0253-4193(2017)11-0115-13

赵杰臣，杨清华，程斌, 等. 基于温度链浮标获取南极普里兹湾积雪和固定冰厚度的研究[J]. 海洋学报, 2017, 39(11):115-127,

10.3969/j.issn.0253-4193.2017.11.011

Zhao Jiechen, Yang Qinghua, Cheng Bin, et al. Snow and land-fast sea ice thickness derived from thermistor chain buoy in the Prydz Bay, Antarctic[J]. Haiyang Xuebao, 2017, 39(11):115-127, doi:10.3969/j.issn.0253-4193.2017.11.011

2016-11-26；

2017-06-27。

国家自然科学基金(41406218，41428603，41376005)；国家外专局出国培训项目(2016-51688)；南北极环境综合考察与评估专项(CHINARE-01-01)。

赵杰臣(1984—)，男，山东省乳山市人，工程师，主要从事极地海冰观测和预报研究。E-mail：zhaojc@nmefc.gov.cn