基于海冰密集度的南极威德尔冰间湖监测与评价

邝慧妍 华健聪 叶玉芳 程晓 惠凤鸣 陈卓奇

(1 中山大学测绘科学与技术学院, 广东 珠海 519082;2 南方海洋科学与工程广东省实验室(珠海), 广东 珠海 519082)

0 引言

冰间湖(polynya)是极区冬季一种特有的中尺度物理海洋现象, 是指在达到海水结冰的天气条件下仍较长时间保持无冰或仅被薄冰覆盖的冰间开阔水域[1]。作为大气、海洋和海冰共同作用下的产物, 冰间湖在气候系统中扮演着重要角色,与大气环流及海冰、海水中的动力和热力过程关系密切。根据形成原因的不同, 冰间湖可以分为两类[1]: 一类是在风和洋流的作用下形成的冰间湖, 即“潜热冰间湖”; 另一类是由相对温暖的垂直海流上升而形成的冰间湖, 即“感热冰间湖”。然而这两类冰间湖的形成和维持机制并非绝对孤立, 通常会出现互相交叉的情况[2], 且大部分冰间湖的形成过程受到多种机理的影响。

冰间湖区域内通常存在较强的海-气相互作用。在冬季,冰间湖中的开阔水域与周围低温空气间巨大的温度差造成的南极冰间湖区域海-气交换热通量密度可达每平方米数百瓦[3]。此外,沿岸冰间湖还存在结冰析盐过程, 被称为“海冰加工厂”, 产生大量新冰[4]。尽管沿岸冰间湖面积仅占南大洋海冰面积的1%, 其产生的海冰量能占到全南极的10%[5], 产冰过程析出的盐分则与南极底层水的形成密切相关[6]。冰间湖还为海洋哺乳动物和迁徙禽类提供了良好的栖息地, 冰间湖区域也是初级和次级生产力相对较高的地区[7]。综上, 冰间湖对于深入理解全球气候变化、能量交换和极地生态系统等方面均具有重要的研究意义。

目前, 用于冰间湖研究的卫星遥感数据主要包括可见光、红外和微波三类[8]。两极地区冬季存在极夜现象且冰间湖区域通常有云雾覆盖, 可见光和红外遥感受其干扰无法保证观测的连续性;而微波遥感具有全天时全天候且不受云雾影响的优势, 已成为监测冰间湖的主要手段。基于微波遥感数据反演的海冰密集度产品被广泛应用于冰间湖的时空变化研究。付红丽等[4]利用先进微波扫描辐射计(Advanced Microwave Scanning Radiometer for EOS, AMSR-E)海冰密集度数据获取长时间序列的冰间湖变化信息, 研究了北极冰间湖内的净水面积、净水表面的净热通量、产冰量和产盐量的季节和年际变化; Heuzé 等[9]基于扫描多通道微波辐射计(Scanning Multi-channel Microwave Radiometer, SMMR)、专用传感器微波成像仪(Special Sensor Microwave/Imager, SSM/I)和卫星专用传感器微波成像仪/探测仪(Special Sensor Microwave Imager Sounder, SSMIS)的海冰密集度数据并结合先进甚高分辨率辐射仪(Advanced Very High Resolution Radiometer, AVHRR)热红外数据监测南极威德尔冰间湖(Weddell Polynya); Campbell 等[6]综合基于AMSR-E/AMSR2 的海冰密集度数据、海洋浮标观测数据、再分析资料等数据对2016年和2017 年威德尔冰间湖的成因进行了分析。

利用微波遥感海冰密集度数据监测冰间湖时,常采用阈值法。Kern 等[10]认为开阔水域的海冰密集度在5%～40%之间, 而薄冰区域在65%～80%之间; Smedsrud 等[11]利用高分辨率海冰耦合模型对南极 Storfjorden 冰间湖进行了模拟, 发现冰间湖边缘的海冰密集度通常分布在60%～70%之间;Massom 等[12]在文章中给出了判定冰间湖的依据, 即海冰密集度在 0%～75%之间为冰间湖,75%～100%之间则为海冰; Parmiggiani[13]认为区分开阔水域与海冰的海冰密集度界限为70%, 而Campbell 等[6]将该阈值设为60%, Gloersen[14]则将阈值设为15%。利用微波遥感海冰密集度数据监测冰间湖, 其结果一方面受阈值的影响, 另一方面与所使用的海冰密集度产品息息相关。

目前基于微波遥感数据的冰间湖研究大多集中在冰间湖的变化监测、产冰量估算以及成因分析等方面, 对于监测冰间湖所使用的数据源和算法之间的差异有待进一步探究。冰间湖面积和范围是提取冰间湖产冰量、热通量等信息的关键基础参数, 而基于不同数据和反演算法计算的冰间湖面积和范围有所不同。本文使用8 种基于微波辐射计数据反演的海冰密集度产品, 设置5 种判断阈值监测南极威德尔冰间湖, 分析和比较不同数据产品与阈值得到的冰间湖面积、范围以及空间分布等方面的差异。

1 研究区与数据

1.1 研究区

本文研究区域为威德尔海部分海域(6°W—12°E, 68°S—60°S)(图1 黑色多边形所示)。威德尔冰间湖最早于1974—1976 年被发现, 是面积可达3×105m2的大型离岸冰间湖[15]。威德尔冰间湖为“感热冰间湖”, 在开放期间形成了大量冷而咸的底层水[16], 对局地乃至全球的洋流、大气系统产生了重要影响。而在其后的近40 年间, 威德尔海再未出现冰间湖。直到2016 年, 威德尔冰间湖时隔多年后突然开放, 且于2017 年9 月出现了1 个持续时间更长、面积更大的冰间湖(图1), 引起了学界的广泛关注[17-20]。

图1 研究区示意图(黑色多边形范围内即为研究区)Fig.1. Region of interests (represented by the black polygon)

1.2 数据

基于微波遥感数据反演的海冰密集度产品种类繁多, 不同科研机构使用不同的卫星传感器和反演算法, 得到不同空间分辨率的海冰密集度产品[21]。本文使用2012—2021 年南极冬季(7 月1日—10 月31 日)的8 种微波遥感海冰密集度数据监测威德尔冰间湖, 文中各产品均以“发布机构-反演算法-空间分辨率”命名, 产品介绍如下(详见表1)。

表1 海冰密集度数据产品简介Table 1. Sea ice concentration products used in this paper

1. NSIDC-BT-25km: 该产品来自美国国家冰雪数据中心(National Snow and Ice Data Center,NSIDC)。主要使用Nimbus-7 卫星搭载的扫描式多通道微波辐射计SMMR、DMSP 系列卫星上的专用传感器微波成像仪SSM/I 以及搭载在DMSPF17 上的专用传感器微波成像探测仪SSMIS 数据,并运用Bootstrap(BT)算法[22]获取空间分辨率为25 km, 时间分辨率为1 d 的海冰密集度产品[23]。

2. NSIDC-NT2-25km: 该产品来自美国国家冰雪数据中心, 其通过均值法将AMSR2 微波辐射计的条带数据(微波辐射亮温)重采样到25 km的极方位立体投影网格后, 利用 NASA Team 2(NT2)算法[24]反演得到海冰密集度。该产品的空间分辨率为25 km, 时间分辨率为1 d[25]。

3. NSIDC-NT2-12.5km: 该产品的数据源、反演算法以及重采样方法跟NSIDC-NT2-25km 产品一致, 但处理过程略有差异。其先将NT2 算法应用于AMSR2 微波辐射计的条带数据, 然后再将反演结果(即海冰密集度)重采样至12.5 km 的网格。该海冰密集度产品与海冰漂移、海冰表面积雪厚度等数据一起发布, 其空间分辨率为12.5 km,时间分辨率为1 d[26]。由于海冰密集度与微波辐射亮温在NT2 算法中并非简单的线性关系, 重采样与反演的顺序将对结果带来一定影响, 该产品的降采样结果(如重采样至 25 km)与 NSIDCNT2-25km 产品存在一些差异。

4. NSIDC-NTBT-25km: 该产品同样来自美国国家冰雪数据中心。使用了被动微波辐射计SMMR, SSM/I 以及SSMIS 数据, 该数据集融合了NT 算法[27]和BT 算法的海冰密集度反演结果,为每个像元选择较高的海冰密集度。由于两种算法都存在低估海冰密集度的问题, 且NT 算法的低估更为明显, 因此最终的融合结果总体上与BT 算法的结果更为接近, 而与NT 算法的结果存在较大差异[28]。该数据集的空间分辨率为25 km,时间分辨率为1 d[29]。

5. EUMETSAT-BTBR-25km: 该产品是欧洲气象卫星应用组织(European Organisation for the Exploitation of Meteorological Satellites, EUMETSAT)下的海洋和海冰卫星应用设施(Ocean and Sea Ice Satellite Application Facility, OSISAF)发布的全球海冰密集度数据。该产品使用SMMR、SSM/I 和SSMIS 数据并融合BT 算法与Bristol(BR)算法[30](两种算法的线性组合), 在低海冰密集度(＜70%)的情况下BR 算法权重小, BT 算法权重大, 反之则相反。该数据集先将BT 与BR 的融合算法应用于微波辐射计的条带数据上, 再使用均值法将反演结果重采样到极方位立体投影网格中。在重采样过程中, 其将距离每个网格中心12.5 km 范围内的海冰密集度取等权平均, 最后得到空间分辨率为25 km,时间分辨为1 d 的海冰密集度产品[31-32]。

6. EUMETSAT-BTBR-10km: 该产品是欧洲气象卫星应用组织发布的准实时海冰密集度数据。该数据集先将BT 与BR 的融合算法应用于SSMIS 的条带数据上, 再使用均值法将海冰密集度反演结果重采样到兰勃特方位等积投影网格中。与EUMETSAT-BTBR-25km 产品不同的是,该产品在重采样过程中将搜索半径设置为75 km并使用高斯加权平均法, 最后获得空间分辨率为10 km, 时间分辨率为1 d 的海冰密集度产品[33]。

7. UH-ASI-12.5km: 该产品来自德国汉堡大学(University of Hamburg, UH)。其将ARTIST Sea Ice(ASI)算法[34-35]应用于SSM/I 和SSMIS 数据,获取空间分辨率为12.5 km, 时间分辨率为1 d 的海冰密集度产品[36]。

8. UB-ASI-6.25km: 该产品来自德国不莱梅大学(University of Bremen, UB)。其将ASI 算法应用于AMSR-E 和AMSR2 数据, 获取空间分辨率为6.25 km, 时间分辨率为1 d 的海冰密集度产品[37]。

2 研究方法

本研究使用阈值法监测冰间湖的开放状况。设定阈值X, 当像元海冰密集度(SIC)小于或等于X时, 认为该像元是海水, 属于冰间湖区域; 当海冰密集度大于X时, 则判定为海冰。此种方法只适用于完全被海冰包围的海域, 不适用于与开阔水域连接的情况。

本文分别采用15%、40%、50%、60%和70%这5 种常见的冰间湖判断阈值, 分析其对威德尔冰间湖面积、范围计算的影响。若直接将低于一定海冰密集度阈值的像元归为冰间湖区域, 可能会导致部分散点分布的细碎水体被误分为冰间湖。因此本文在设置一定阈值获得初步的监测结果后, 还使用形态学操作对结果进行优化(图2), 具体过程如下。

图2 后处理过程示例。a)海冰密集度空间分布图; b)二值化结果(圆圈内为误分为冰间湖的细碎水体); c)最大八连通域的结果; d)形态学开操作的结果Fig.2. Morphological post-processing operations. a) spatial distribution of sea ice concentration; b) result of binarization(fragmented misclassified water pixels marked in the circles); c) result of eight connected components; d) result of morphological opening

1. 对冰间湖监测结果进行二值化处理, 即高于海冰密集度阈值的像元值置为0(认为是海冰),低于阈值的像元值置为1(认为是海水);

2. 取二值化图像的最大八连通域, 去除不满足八连通的像元;

3. 在上一步的基础上进行形态学开操作(以3×3的滑动窗口先腐蚀后膨胀), 得到最终的监测结果。

以威德尔海2016 年8 月5 日的UB-ASI-6.25km 产品的海冰密集度分布为例(图2a), 当阈值为60%时, 阈值法获得的冰间湖区域存在细碎散点状的低海冰密集度像元(图2b), 经过八连通域的处理后, 远离冰间湖中央区域的散点状像元被成功去除(图2c)。在此基础上, 利用形态学开操作来平滑连通域的连接和轮廓(图2d), 以确保冰间湖内部完全连通且保留冰间湖的基本形状,从而得到更为有效的冰间湖面积和范围。

冰间湖的面积(A)和范围(E)计算公式如下:

其中,n为经过后处理操作被判断为属于冰间湖区域的像元个数,C为各像元的海冰密集度,s为海冰密集度数据单个网格的面积。

3 结果与讨论

本文对2012—2021 年威德尔海的海冰密集度进行时空变化分析, 发现2016—2017 年威德尔海出现了大范围、较为明显的冰间湖, 这与Swart等[17]的结论一致。因此本文主要研究2016 年和2017 年出现的冰间湖, 分别以15%、40%、50%、60%和70%这5 种常见的海冰密集度阈值监测冰间湖的变化, 并探究阈值对监测结果的影响。本文分别从海冰密集度反演算法和空间分辨率两方面分析8 种海冰密集度产品(NSIDC-BT-25km、NSIDC-NT2-25km、NSIDC-NT2-12.5km、NSIDCNTBT-25km、EUMETSAT-BTBR-25km、EUMETSATBTBR-10km、UH-ASI-12.5km 和UB-ASI-6.25km)在冰间湖监测面积、范围以及空间分布等方面的差异, 并探讨形态学后处理操作对监测结果的影响。

3.1 不同阈值的监测结果对比

本文分别设置15%、40%、50%、60%和70%的海冰密集度阈值, 对比在使用各种海冰密集度产品时, 设置不同阈值条件对监测结果的影响(图3)。

图3 不同阈值条件下8 种海冰密集度产品监测的威德尔冰间湖面积。a)NSIDC-BT-25km; b)NSIDC-NT2-25km; c)NSIDCNTBT-25km; d)EUMETSAT-BTBR-25km; e)NSIDC-NT2-12.5km; f)UH-ASI-12.5km; g)EUMETSAT-BTBR-10km;h)UB-ASI-6.25kmFig.3. Area of Weddell Polynya detected from the eight sea ice concentration products using different thresholds. a) NSIDCBT-25km; b) NSIDC-NT2-25km; c) NSIDC-NTBT-25km; d) EUMETSAT-BTBR-25km; e) NSIDC-NT2-12.5km; f)UH-ASI-12.5km; g) EUMETSAT-BTBR-10km; h) UB-ASI-6.25km

在不同阈值条件下, 8 种海冰密集度产品均于每年7 月初监测到研究区存在较多低于阈值的像元。然而, 通过观察这些像元的空间分布, 发现研究区在对应时段内未被海冰完全包围, 并不是本文所要研究的冰间湖。因此, 为了得到更具代表性的结论, 本文仅对7 月15 日后出现的较为典型的冰间湖进行研究。

以2017 年的冰间湖面积变化为例(图3), 对于本文使用的8 种海冰密集度产品, 不同阈值条件下均监测到9—10 月出现冰间湖。不同阈值条件下冰间湖面积的时间序列曲线形状大致相同,均表现为9 月初迅速增大并于9 月18 日达到峰值, 此后略有减小并出现较为稳定的波动, 于10 月24 日出现明显谷值的趋势。冰间湖范围随阈值变化的情况与面积变化情况一致。由此表明,设置不同的判断阈值只会对其绝对面积或范围值产生影响, 而不会影响其监测结果的时间变化趋势。

总体上, 海冰密集度的阈值越高, 监测到的冰间湖面积和范围就越大。当阈值为70%时, 8 种海冰密集度数据的监测结果均取得最大值; 当阈值为15%时, 均取得最小值, 这与钱江潮等[20]的结果有较好的一致性。阈值反映了区分冰和水的海冰密集度判断标准, 由于冰间湖出现在冬季被海冰覆盖的海域, 其附近区域海冰密集度一般较高, 阈值设置得越高意味着将像元判断为海水的标准越低, 则会有更多像元被认为是属于冰间湖区域, 因此冰间湖面积和范围也更大。

对于每种海冰密集度产品, 本文进一步分析了冰间湖面积和范围的计算结果对于阈值变化的敏感性。敏感性由每种产品得到的冰间湖面积和范围变化量与阈值变化量之比来衡量(即阈值每增加10%时面积和范围的增加量, 其中15%和40%阈值间的计算结果归一化到阈值变化10%的结果)。敏感性越高表明该种海冰密集度产品的监测结果越容易受到阈值变化的影响。图4 展示了8 种海冰密集度产品监测到的2017 年9—10 月冰间湖面积随阈值变化的平均敏感性。

图4 冰间湖面积变化量与阈值变化之比Fig.4. The ratio of the change in the area of the polynya to the change in the thresholds

图4 表明, 8 种海冰密集度产品的敏感性均自9月12 日起显著变大, 数天后略有减小并趋于稳定。结合图4 和表2 可知, NSIDC-NTBT-25km 的敏感性最高且随时间呈不规则波动; NSIDC-NT2-25km 和NSIDC-NT2-12.5km 的敏感性最低并且随时间变化不明显; UH-ASI-12.5km 和UB-ASI- 6.25km 这两种海冰密集度产品在9 月10 日—10 月5 日期间敏感性浮动较大, 而随后其敏感性趋于稳定; NSIDCBT-25km、EUMETSAT-BTBR-25km 和EUMETSATBTBR-10km 的敏感性在数值大小和变化趋势上都表现得比较相似, 均随时间变化不明显。由此可知,由相同或相似算法产品得到的冰间湖面积和范围随阈值变化的敏感性较为相近, 而不同算法产品监测结果的敏感性存在一定的差异。

表2 不同海冰密集度产品监测的冰间湖面积和范围变化量与阈值变化量之比Table 2. The ratio of the change in the area and extent of the polynya to the change in the thresholds for different sea ice concentration products

3.2 不同海冰密集度产品的监测结果对比

3.2.1 反演算法对监测结果的影响

由3.1 节中不同海冰密集度产品对阈值变化的敏感性可知, 监测结果会受到反演算法的影响。因此本节将讨论不同算法反演的海冰密集度产品所监测的冰间湖面积和范围的差异。图5 展示了空间分辨率分别为25 km(图5a)和12.5 km(图5b)情况下, 不同算法反演的海冰密集度产品在2017 年9 月25 日所监测的冰间湖空间分布的差异。与3.1 节结论一致的是, 海冰密集度阈值设置得越高, 冰间湖的面积和范围越大。

如1.2 节中所述, NSIDC-NTBT-25km 海冰密集度产品融合了NT 算法与BT 算法, 最终的融合结果整体上更接近于BT 算法的结果。而EUMETSATBTBR-25km 融合了BT 算法与BR 算法, 在低海冰密集度的情况下主要使用BT 算法, 根据冰间湖的判别条件可以推测, 该产品的融合结果也与BT 算法的结果更为接近。从空间分布上看, 使用由相似算法反演的海冰密集度产品监测到的冰间湖形状和大小相近(NSIDC-BT-25km、NSIDCNTBT-25km 和EUMETSAT-BTBR-25km, 图5a);若反演算法差异较大, 则由其获得的海冰密集度产品监测到的冰间湖差异也较为明显(如NSIDCNT2-25km 和NSIDC-BT-25km, NSIDC-NT2-12.5km和UH-ASI-12.5km)。

对于NSIDC-NT2-25km 和NSIDC-BT-25km这两种空间分辨率相同的产品, 其在相同阈值条件下的冰间湖监测结果存在较大的差异(图5a)。阈值为15%时, NSIDC-NT2-25km 得到的冰间湖面积/范围是2.6×104km2/2.7×104km2, 而NSIDC-BT-25km 得到的面积/范围是1.7×104km2/1.8×104km2;阈值为70%时, NSIDC-NT2-25km 得到的面积/范围是4.0×104km2/5.4×104km2, 而NSIDC-BT-25km得到的面积/范围为4.9×104km2/7.9×104km2。冰间湖区域海冰密集度低、海冰厚度小, 且冰间湖区域常产生大量新冰, 而这两种数据产品的反演算法在这种区域的表现存在较大差异。NT2 算法应用了极化比和频率梯度比, 通过前向辐射传输模型来减小大气对高频通道的影响[38]。黄琳等[39]通过对比高分辨率雷达数据与海冰密集度遥感产品的监测结果发现, NT2 算法中的大气校正方法存在不足, 将低海冰密集度区判别为高海冰密集度区从而导致海冰密集度出现高估的情况, 因此也就更不容易满足本研究中阈值法判定为冰间湖的条件, 使得NSIDC-NT2-25km 监测到的冰间湖面积整体偏小(图5a)。而BT 算法是根据19 GHz和37 GHz 垂直极化亮温数据发展出来的算法, 其在海冰边缘区、薄冰及融池区域反演精度较低[40]。Xiu 等[41]通过对比基于被动微波的海冰密集度产品与船基现场实测数据, 发现BT 算法在海冰密集度低于15%或浮冰尺寸小于20 m 的情况下无法对海冰进行有效识别。这就很好地解释了NSIDC-BT-25km 海冰密集度产品(包括与之相近的NSIDC-NTBT-25km 和 EUMETSAT-BTBR-25km,图5a)在阈值为 15%时监测到的冰间湖面积比NT2 算法的监测结果还要小(甚至无法监测到冰间湖的开放, 例如2016 年8 月5 日)。

而对于NSIDC-NT2-12.5km 和UH-ASI-12.5km这两种均基于高频算法反演且空间分辨率一致的海冰密集度产品, 其在同一天相同阈值条件下的冰间湖监测结果也存在较为明显的差异(图5b)。在阈值为15%时, NSIDC-NT2-12.5km 得到的冰间湖面积/范围是2.6×104km2/2.7×104km2, 而UH-ASI-12.5km 得到的面积/范围是2.8×104km2/2.8×104km2; 在阈值为70%时, NSIDC-NT2-12.5km得到的面积/范围是4.1×104km2/5.5×104km2, 而UH-ASI-12.5km 得到的面积/范围是6.0×104km2/9.6×104km2。ASI 算法利用近90 GHz 下海冰与海水极化差的巨大差异来反演海冰密集度, 但其容易受到大气的影响而反演出虚假的海冰, 通常采用天气滤波器去除误反演的海冰[42-43]。然而,该滤波器会错误地去除海冰边缘区较低密集度的海冰, 从而导致海冰密集度出现低估的情况[39,44],这使得基于ASI 算法的海冰密集度产品监测的冰间湖面积大于NT2 算法的监测结果。同时, 如前所述, NT2 算法倾向于高估海冰密集度, 因此从整体来看, NSIDC-NT2-12.5km 也比 UH-ASI-12.5km 监测到的冰间湖面积更小(图5b)。

3.2.2 空间分辨率对监测结果的影响

在阈值和反演算法相同的条件下, 不同空间分辨率的海冰密集度产品监测到的冰间湖面积和范围有着明显的差异, 图6 展示了2017 年9—10月冰间湖面积的时间序列对比。

根据图6 可知, 阈值为15%时, 不同空间分辨率的海冰密集度产品监测的冰间湖面积差异最大, NT2、BTBR 和ASI 算法产品间的平均差异分别为0.1×104km2、1.1×104km2和1.4×104km2。而当阈值为40%～70%时, 各算法产品间的平均差异分别为0.01×104km2、0.8×104km2和0.7×104km2。这说明在低海冰密集度的情况下, 不同算法反演的海冰密集度产品更容易受到空间分辨率的影响,其中NT2 算法的影响最小, ASI 算法的影响最大。通过对比反演算法相同的海冰密集度产品NSIDCNT2-25km 和NSIDC-NT2-12.5km、EUMETSATBTBR-25km 和EUMETSAT-BTBR-10km 以及UH-ASI-12.5km 和UB-ASI-6.25km 的监测结果可以发现, 空间分辨率越高(NSIDC-NT2-12.5km、EUMETSAT-BTBR-10km 以及UB-ASI-6.25km),监测到的冰间湖面积也越大(图6)。图7 展示了阈值为60%时, 不同空间分辨率的海冰密集度产品在2017 年9 月25 日监测到的冰间湖空间分布情况。当使用较高空间分辨率的海冰密集度产品时,研究区范围内出现了较多的细碎水体(文中展示的图为细碎水体被形态学操作剔除后的结果)。较低空间分辨率的海冰密集度产品(NSIDC-NT2-25km、EUMETSAT-BTBR-25km 以及UH-ASI-12.5km)只能监测到少量属于冰间湖的像元, 而较高空间分辨率的海冰密集度产品(NSIDC-NT2-12.5km、EUMETSAT-BTBR-10km 以及UB-ASI-6.25km)能监测到更多低海冰密集度的像元, 从而使得冰间湖的整体面积和范围更大。这是因为低分辨率的数据所捕捉的海冰信息比较模糊、精度较低, 通常会低估一些小冰间湖的出现频次;而高空间分辨率的数据可以区分较小的海冰现象、能够更精细地刻画海冰细节以及分辨出更多低海冰密集度的像元, 从而得到更大的冰间湖面积和范围[45]。此外, 本文利用高分辨率产品进行重采样以对比不同传感器的影响, 得到与上述情况类似的结果, 即基于高分辨率传感器数据反演的海冰密集度产品所监测的冰间湖面积和范围更大。

图7 不同空间分辨率的海冰密集度产品监测的冰间湖空间分布对比。a)NSIDC-NT2-25km; b)EUMETSAT-BTBR-25km;c)UH-ASI-12.5km; d)NSIDC-NT2-12.5km; e)EUMETSAT-BTBR-10km; f)UB-ASI-6.25kmFig.7. The spatial distributions of polynya detected by sea ice concentration products with different spatial resolutions.a) NSIDC-NT2-25km; b) EUMETSAT-BTBR-25km; c) UH-ASI-12.5km; d) NSIDC-NT2-12.5km; e) EUMETSATBTBR-10km; f) UB-ASI-6.25km

当冰间湖范围内所有像元的海冰密集度连续多天低于设置的阈值时, 定义为1 个“冰间湖事件”。对于2016 年和2017 年出现的两个“冰间湖事件”, 本研究在海冰密集度阈值为60%条件下,比较不同海冰密集度产品的监测结果(表3)。结果表明, 相较于NSIDC-NT2-25km、EUMETSATBTBR-25km 以及UH-ASI-12.5km, 更高空间分辨率的海冰密集度产品(NSIDC-NT2-12.5km、EUMETSAT-BTBR-10km 以及UB-ASI-6.25km)能更早地监测到冰间湖的开放, 且其监测到的冰间湖开放持续时间也更长, 其中UB-ASI-6.25km 监测到的2017 年“冰间湖事件”一直持续到融冰期结束, 这与钱江潮等[20]的结果有较好的一致性。

表3 2016 和2017 年的两个“冰间湖事件”监测结果Table 3. The detected results of two “polynya events” in 2016 and 2017

3.3 形态学后处理操作对监测结果的影响分析

对于不同反演算法和不同空间分辨率的海冰密集度产品, 形态学后处理操作对监测到的冰间湖面积和范围影响不同。本文以形态学操作前后冰间湖面积/范围的变化率和变化量来分析形态学操作对监测结果带来的影响。图8 展示了不同海冰密集度产品监测的冰间湖面积在形态学操作前后的差异。

图8 形态学操作前后不同海冰密集度产品监测到的冰间湖面积变化Fig.8. The detected polynya area changes due to the morphological operations on different sea ice concentration products

如图8 所示, 形态学操作对高频算法(ASI 和NT2)反演的海冰密集度产品影响更为显著。其中UB-ASI-6.25km 和UH-ASI-12.5km 所监测的冰间湖在形态学操作前后的平均面积变化率/变化量分别为13.1%/2.1×103km2和5.7%/0.8×103km2;而NSIDC-NT2-12.5km 和NSIDC-NT2-25km 的监测结果在形态学操作前后的平均面积变化率/变化量分别为3.7%/0.5×103km2和3.3%/0.5×103km2。通过进一步的对比可以发现, 空间分辨率更高以及由ASI 算法反演的海冰密集度产品受形态学操作的影响更大。这是因为形态学操作的目的之一是剔除细碎水体对冰间湖面积和范围计算结果的影响, 而高空间分辨率的产品相较于低空间分辨率产品能监测到更多低海冰密集度的像元, 导致其在形态学操作后的面积和范围变化更大。如3.2.1 节中所述, ASI 算法所使用的基于阈值的天气滤波器可能会错误地去除海冰边缘区反演的海冰(将其置为海水), 即会产生更多海冰边缘区的细碎水体, 因此基于ASI 算法反演的海冰密集度产品的监测结果在形态学操作前后变化较大。形态学后处理操作对BT 算法(以及与之相近的NTBT 和BTBR算法)反演的海冰密集度产品影响较为微弱, 其平均面积变化率/变化量均在2%/0.5×103km2以内。

需要说明的是, 形态学后处理操作对不同海冰密集度产品监测结果的影响要小于(甚至远小于)反演算法和空间分辨率所带来的影响。其中,形态学操作/反演算法在 NSIDC-NT2-25km 和NSIDC-BT-25km 两种产品间造成的平均差异(即两种产品的差)为 0.3×103km2/1.6×103km2, 在NSIDC-NT2-12.5km 和UH-ASI-12.5km 产品间造成的平均差异为0.3×103km2/2.1×103km2; 而形态学操作/空间分辨率在 NSIDC-NT2-25km 和NSIDC-NT2-12.5km 两种产品间造成的平均差异为 0.05×103km2/0.3×103km2, 在 EUMETSATBTBR-25km 和EUMETSAT-BTBR-10km 产品间造成的平均差异为0.1×103km2/6.5×103km2, 在UH-ASI-12.5km 和UB-ASI-6.25km 产品间造成的平均差异为1.3×103km2/5.8×103km2。由此可知, 形态学后处理操作不足以改变反演算法和空间分辨率本身对监测结果带来的影响, 即3.2.1 节与3.2.2 节中分析不同反演算法与空间分辨率对冰间湖面积/范围监测结果的差异基本可以排除形态学操作的影响, 证明了前文结论的可靠性, 同时也说明了本研究采用该后处理流程的合理性。

4 结论

本文使用8 种海冰密集度产品监测2016 年和2017 年出现的南极威德尔冰间湖, 从冰间湖的面积、范围和空间分布形状等方面定量和定性地对比分析了不同阈值条件、不同海冰密集度反演算法和不同空间分辨率对于冰间湖监测结果的影响,同时还讨论了形态学后处理操作对监测结果的影响, 具体结果如下(详见表4)。

表4 8 种海冰密集度产品监测冰间湖的特点总结Table 4. Summary of characteristics of the eight sea ice concentration products for detecting the polynya

1. 海冰密集度阈值设置得越高, 监测的冰间湖面积和范围越大。本文以冰间湖面积/范围变化量与阈值变化量之比的平均值定量评价了不同海冰密集度产品对于阈值的敏感性。结果表明, NSIDCNTBT-25km 对阈值的敏感性最高, NSIDC-NT2-25km 和NSIDC-NT2-12.5km 的敏感性最低; UHASI-12.5km 和UB-ASI-6.25km 对阈值的敏感性较为相近, NSIDC-BT-25km、EUMETSAT-BTBR-25km和EUMETSAT-BTBR-10km 的敏感性较为一致。

2. 不同反演算法在低海冰密集度、薄冰、新冰区域的反演精度差异造成了冰间湖监测结果的差异。使用相同或相似算法反演的海冰密集度产品(NSIDC-BT-25km、NSIDC-NTBT-25km 和EUMETSAT-BTBR-25km)监测到的冰间湖形状在空间分布上具有一定的相似性。NT2 算法存在高估海冰密集度的问题, 因此基于该算法的海冰密集度产品所监测到的冰间湖面积和范围相较于BT 算法与ASI 算法产品的监测结果整体偏小。但由于BT 算法在海冰密集度低于15%时无法对海冰进行有效识别, 因此BT 算法产品在阈值为15%时监测的冰间湖面积/范围要小于NT2 的监测结果。

3. 海冰密集度产品的空间分辨率对冰间湖的监测结果影响显著, 分辨率越高, 监测到的冰间湖面积和范围越大。较高空间分辨率的海冰密集度产品能更早地监测到冰间湖的开放, 且监测到的冰间湖开放持续时间更长。在低海冰密集度的条件下(15%阈值), 不同产品的监测结果更容易受到空间分辨率的影响, 其中NT2 算法产品影响最小, ASI 算法产品影响最大。

4. 本文在阈值法的基础上, 利用形态学操作对监测结果进行优化。通过定量计算冰间湖的面积变化率和变化量发现, 高频算法(ASI 和NT2)反演的海冰密集度产品受形态学操作的影响更显著。进一步对比发现空间分辨率更高的产品以及ASI算法反演的产品的监测结果在形态学操作前后变化更大, 其中UB-ASI-6.25km 的平均面积变化率/变化量为13.1%/2.1×103km2。该后处理流程对低空间分辨率以及由其他算法(BT、NTBT 和BTBR)反演的海冰密集度产品影响较小, 其平均面积变化率/变化量均在2%/0.5×103km2以内。

本文对于利用海冰密集度产品监测冰间湖的具体操作具有重要意义。采用不同阈值时, 需要考虑不同产品监测结果对阈值的敏感性; 使用由不同算法反演的海冰密集度产品时, 需要注意不同海冰条件下算法的反演精度; 使用高空间分辨率的产品时, 需要注意细碎水体识别对最终监测结果的影响; 使用形态学后处理操作时, 需要考虑其对高空间分辨率及高频算法产品的影响。此外, 本文对采用数值模式来研究冰间湖的形成机制也具有重要参考价值, 在考虑不同的外界强迫和初始条件时需要关注各参量的敏感性、精度及其独立性, 从而更准确地刻画冰间湖形成时海冰、海洋及大气的热力学与动力学过程。

本文仅以南极威德尔冰间湖为例进行分析,未来可考虑其他时间、其他区域出现的冰间湖,结合高分辨率遥感数据与现场实测数据, 对海冰密集度数据监测冰间湖的准确性进行更加全面的评估。