全球多源海冰密集度融合資料研制試驗*

張 雷 徐 賓 廖志宏 師春香 徐 梅 孫玫玲

1.國家氣象信息中心，北京，100081

2.天津市氣象信息中心，天津，300074

3.天津市海洋氣象重點實驗室，天津，300074

4.天津市氣象服務(wù)中心，天津，300074

1 引言

極地是地球熱機冷源地，極地海冰的變化通過海洋和大氣影響全球能量和物質(zhì)的循環(huán)。隨著人們對海冰認識的不斷深入，極地海冰研究已成為氣候變化和可持續(xù)發(fā)展研究的熱點之一（IPCC，2013；秦大河等，2014）。北極和南極海冰的變化通過氣候系統(tǒng)成員間的相互作用，可以影響歐亞大陸特別是中國的天氣、氣候（卞林根等，2008；武炳義等，2011）。海冰密集度（Sea Ice Concentration，SIC）作為描述極地海洋表層熱狀況最為重要的參數(shù)之一，被廣泛地應(yīng)用于上層海洋過程、海氣熱量交換、海洋大氣數(shù)值模擬與預報等研究和業(yè)務(wù)工作中（國巧真等，2006；蔣興偉等，2008）。因此，研制高質(zhì)量的海冰密集度數(shù)據(jù)，對于研究極地環(huán)境和大氣環(huán)流等具有非常重要的意義（效存德，2008；馬麗娟等，2004；張雷等，2017；張琦等，2018；Hui，et al，2017）。

國際上針對科研、業(yè)務(wù)需要，研發(fā)了多種高質(zhì)量的海冰密集度產(chǎn)品，其中美國國家海洋和大氣管理 局（NOAA，National Oceanic and Atmospheric Administration）研制的OISST（Banzon，et al，2016；Reynolds，et al，2007）海冰密集度數(shù)據(jù)具有時間序列長、時效性高等特點，被廣泛使用。在海冰密集度數(shù)據(jù)的處理過程中，早期（1981—2004 年）數(shù)據(jù)源使用了美國國家航空航天局戈達德航天中心（NASA's Goddard Space Flight Center）的海冰密集度產(chǎn)品（Cavalieri，et al，1999），近期（2005 年至今）數(shù)據(jù)源使用NCEP Gridded Ses Ice Concentration 產(chǎn)品（Grumbine，1996）。采用中值濾波方法生成了全球0.25°逐日海冰密集度產(chǎn)品。英國氣象局（Met Office，National Meteorological Office）的OSTIA 數(shù)據(jù)（Donlon，et al，2012），使用了OSI SAF 被動微波海冰密集度衛(wèi)星產(chǎn)品（Tonboe，et al，2017），通過雙線性插值等方法，生成了全球0.05°逐日海冰密集度產(chǎn)品。英國Met Office Hadley Centre 為氣候變化研究研制了HadISST 資料（Titchner，et al，2014），其中海冰資料源包括數(shù)字化圖表和被動微波衛(wèi)星數(shù)據(jù)，為保證融合資料的均一性，利用同期的數(shù)字化圖表訂正微波遙感數(shù)據(jù)，使衛(wèi)星資料和圖表資料統(tǒng)一，在無觀測數(shù)據(jù)的網(wǎng)格上使用氣候態(tài)海冰資料進行插補。美國國家冰中心（NIC）為北半球海冰監(jiān)測研制的IMS（Helfrich，et al，2007）海冰覆蓋數(shù)據(jù)，主要通過人機交互的方式融合了多種衛(wèi)星資料（可見光、被動微波、主動微波）和冰雪數(shù)字化圖表等數(shù)據(jù)源資料。IMS 的海冰數(shù)據(jù)代表網(wǎng)格的地表類型而非該網(wǎng)格內(nèi)的海冰密集度數(shù)據(jù)。

從數(shù)據(jù)源看，在OISST 和OSTIA 資料中使用的海冰密集度數(shù)據(jù)均為被動微波衛(wèi)星遙感數(shù)據(jù)產(chǎn)品，在HadISST 和IMS 資料中使用了更多的數(shù)據(jù)源。數(shù)據(jù)處理方法上，對于單一數(shù)據(jù)源資料的處理相對簡單。目前，大尺度觀測海冰主要利用衛(wèi)星遙感手段，包括可見光、紅外、被動微波和主動微波遙感等?？梢姽膺b感分辨率高，但在夜晚、極夜不能對海冰進行監(jiān)測，另外云層對可見光和紅外遙感的影響非常大。微波遙感數(shù)據(jù)具有不受晝夜限制，受云霧影響較小以及較好的時、空連續(xù)性等特點，但被動微波遙感目前分辨率較低，主動微波分辨率高卻存在回訪周期長和成本較高等不足。因此，每種觀測方式都有其長處與不足，開展海冰密集度多源數(shù)據(jù)融合，可以吸收各種數(shù)據(jù)源的優(yōu)勢提高數(shù)據(jù)質(zhì)量，也可以增強數(shù)據(jù)的穩(wěn)定性（師春香等，2019；潘旸等，2018；Shen，et al，2014）。

為滿足海冰監(jiān)測、數(shù)值天氣預報等實時業(yè)務(wù)與科研的需要，開展了逐日全球多源海冰密集度資料的融合試驗。本研究發(fā)展了一套全球多源海冰密集度融合方案，采用包括風云氣象衛(wèi)星產(chǎn)品在內(nèi)的多種數(shù)據(jù)源，通過綜合考慮各數(shù)據(jù)源的優(yōu)勢和誤差特征，訂正各數(shù)據(jù)源資料的系統(tǒng)誤差并生成超級觀測場，利用多尺度變分技術(shù)將超級觀測場與模式背景場融合生成2016 年逐日0.25°×0.25°分辨率的融合試驗產(chǎn)品，并與國際上廣泛認可的海冰密集度數(shù)據(jù)產(chǎn)品對比評估。融合方案考慮了衛(wèi)星觀測數(shù)據(jù)的實時可獲取性，以滿足實時業(yè)務(wù)需要。

2 資料和預處理方法

根據(jù)海冰密集度融合試驗的目的，融合數(shù)據(jù)源需要考慮資料的實時性和可獲取性。全球海冰密集度融合數(shù)據(jù)源采用了歐洲氣象衛(wèi)星應(yīng)用組織海洋海冰應(yīng)用中心OSI SAF 的海冰密集度衛(wèi)星產(chǎn)品、美國國家冰雪數(shù)據(jù)中心（NSIDC）的NISE 海冰密集度資料、中國國家衛(wèi)星氣象中心（NSMC）的MWRI和VIRR 海冰密集度衛(wèi)星資料、美國國家冰中心（NIC）的IMS 海冰覆蓋資料以及ERA-Interim 的海冰密集度數(shù)據(jù)（表1）。

表1 數(shù)據(jù)源資料信息Table 1 Information of data sources

OSI SAF 海冰密集度產(chǎn)品（Tonboe，et al，2017）是基于DMSP（Defense Meteorological Satellite Program）系列衛(wèi)星上SSMIS（Special Sensor Microwave Imager Sounder）傳感器，采用OSHD（OSI SAF Hybrid Dynamic）算法，并使用ECMWF數(shù)值模式結(jié)果進行大氣校正，得到的空間分辨率為10 km 的海冰密集度數(shù)據(jù)產(chǎn)品，覆蓋范圍為南、北半球高緯度區(qū)域。NISE 數(shù)據(jù)（Brodzik，et al，2016）同樣是由搭載于美國DMSP 系列衛(wèi)星上SSMIS 傳感器的數(shù)據(jù)，采用NASA Team 算法生成的分辨率為25 km 的海冰密集度產(chǎn)品。MWRI 微波成像儀和VIRR 可見光紅外掃描輻射計兩個傳感器均搭載在FY-3 系列極軌氣象衛(wèi)星上（楊軍等，2011）。相應(yīng)海冰密集度數(shù)據(jù)產(chǎn)品由中國氣象局國家衛(wèi)星氣象中心提供，MWRI 極區(qū)海冰密集度產(chǎn)品為12.5 km分辨率通用橫球面投影極區(qū)日產(chǎn)品，VIRR 海冰密集度產(chǎn)品為0.1°分辨率等經(jīng)緯度日數(shù)據(jù)。IMS 高分辨率北半球海冰密集度融合資料前文已經(jīng)進行了詳細介紹，在該次試驗中其主要用于極點附近缺少衛(wèi)星觀測區(qū)域的數(shù)據(jù)補充。ERA-Interim 資料（Dee，et al，2011）中的海冰密集度數(shù)據(jù)作為融合背景場。

數(shù)據(jù)在融合前，首先要對各網(wǎng)格點資料進行質(zhì)量控制，包括（1）空間檢查：核對數(shù)據(jù)的經(jīng)緯度信息，并利用融合背景場海陸分布數(shù)據(jù)檢查觀測點是否在海洋上；（2）時間檢查：保證其時間在24 h 范圍內(nèi)；（3）閾值檢查：海冰密集度記錄應(yīng)該在0%至100%范圍內(nèi)。多種來源的資料存在資料類型、分辨率和投影方式等差異，需要進行統(tǒng)一。對不同來源不同分辨率的數(shù)據(jù)進行插值（錢輝等，2009），將等面積數(shù)據(jù)轉(zhuǎn)換為等經(jīng)緯度數(shù)據(jù)。在此過程中，利用網(wǎng)格面積加權(quán)平均的方法將判識值統(tǒng)一為范圍值，生成0.25°分辨率的單數(shù)據(jù)源觀測場。

3 融合試驗

3.1 海冰密集度衛(wèi)星資料的系統(tǒng)誤差訂正

海冰密集度衛(wèi)星資料的系統(tǒng)誤差表現(xiàn)為明顯的非獨立系統(tǒng)誤差特征。這種系統(tǒng)誤差隨觀測值的大小、空間區(qū)域和時間范圍而變化，通常的線性方法難以訂正，而概率密度函數(shù)（PDF）匹配法能夠較好地訂正此類系統(tǒng)誤差（宇婧婧等，2013；Li，et al，2015）。中外研究機構(gòu)對OSI SAF海冰密集度衛(wèi)星資料的評估表明，該資料的精度和空間分辨率均較 高（Tonboe，et al，2017；Lavelle，et al，2017；Lam，et al，2018；Blunden，et al，2020；郝光華等，2018；趙杰臣等，2017），且獲取途徑相對穩(wěn)定，OSI SAF 海冰密集度數(shù)據(jù)可作為參考，訂正其他衛(wèi)星資料的系統(tǒng)誤差。

利用概率密度函數(shù)匹配方法，以O(shè)SI SAF 資料為基準，通過調(diào)整非基準資料，使兩種資料的概率密度分布一致，從而實現(xiàn)對NISE、MWRI 和VIRR衛(wèi)星資料的系統(tǒng)誤差訂正。訂正方案中匹配樣本的時間滑動窗口采用的是當天并向前取29 d（共30 d）；匹配樣本的空間滑動窗口是以分析點為中心向外40 個網(wǎng)格內(nèi)所有有效格點；要求時、空窗口內(nèi)匹配樣本超過300 對才進行訂正。

從系統(tǒng)誤差訂正前、后觀測?參考的概率分布（圖1）可以看出，PDF 訂正后的曲線更傾向于正態(tài)分布，說明系統(tǒng)誤差訂正具有較好的效果。從訂正前、后定量統(tǒng)計結(jié)果（表2、表3）可以看出，系統(tǒng)誤差訂正后各數(shù)據(jù)源的偏差（Bias）和均方根誤差（RMSE）較訂正前明顯減小，說明PDF 訂正方法能夠有效地減小海冰密集度衛(wèi)星產(chǎn)品的系統(tǒng)性誤差。

圖1 2016年逐日衛(wèi)星數(shù)據(jù)（a.NISE，b.MWRI，c.VIRR）PDF訂正前、后觀測-參考的分布Fig.1 Distributions of observations?references of daily satellite data before and after PDF adjustment in 2016（a.NISE，b.MWRI，c.VIRR）

表2 2016 年逐日衛(wèi)星資料PDF 訂正前的誤差統(tǒng)計Table 2 Error statistics of daily satellite data before PDF adjustment in 2016

表3 2016 年逐日衛(wèi)星資料PDF 訂正后的誤差統(tǒng)計Table 3 Error statistics of daily satellite data after PDF adjustment in 2016

3.2 超級觀測場的生成

超級觀測場“Super Observation”（Reynolds，et al，2007）是將不同來源的多種觀測資料進行有效結(jié)合，生成統(tǒng)一的觀測場。由于海冰密集度觀測種類較多，且分布非常不均勻，融合時易產(chǎn)生求解的“不適定問題”，即緊鄰的觀測點的觀測值相差較大，求解通常為病態(tài)解，而超級觀測場方案可以有效解決這一問題。

根據(jù)系統(tǒng)誤差訂正后各數(shù)據(jù)源誤差的大小，生成超級觀測場。確定超級觀測每個網(wǎng)格海冰密集度值的策略如下：對于每個分析網(wǎng)格，如果觀測誤差相同，則超級觀測值是其平均觀測值；如果觀測誤差不同，則取誤差小的觀測值作為超級觀測值，誤差大的觀測值則丟棄。計算公式如下

式中，Sij表示第i行第j列網(wǎng)格的超級觀測場的值，K為觀測資料種類數(shù)，k、m、r為資料的種類，當?shù)趉類資料在該網(wǎng)格的誤差最小時，則此類資料的觀測值作為該網(wǎng)格的超級觀測值。當在同一網(wǎng)格存在P種資料的誤差相同時，則超級觀測值是P種資料的算術(shù)平均值。另外，由于衛(wèi)星軌道與地軸之間存在一定的夾角，常用的極軌衛(wèi)星觀測不到極點周圍的海冰密集度，利用IMS 數(shù)據(jù)填補極點附近的超級觀測場。

3.3 多尺度三維變分方法融合

利用多尺度三維變分（STMAS）方法（Xie，et al，2011）將超級觀測場和ERA-Interim 海冰密集度背景場進行融合，生成全球海冰密集度融合試驗產(chǎn)品。STMAS 方法通過依次對不同尺度的觀測信息進行分析，消除了長波信息與短波信息的混淆，能夠克服由背景場誤差協(xié)方差矩陣不準確引入的誤差。這相當于通過改變網(wǎng)格的粗、細來調(diào)整觀測信息的影響范圍，從而起到了調(diào)整背景場誤差協(xié)方差矩陣的作用，該方法將背景場誤差協(xié)方差矩陣設(shè)為簡單的單位矩陣，從而降低對運算資源的要求。STMAS 方法在粗網(wǎng)格的目標函數(shù)對誤差長波進行分析，細網(wǎng)格的目標函數(shù)對誤差短波進行分析，最終分析結(jié)果為各重網(wǎng)格分析結(jié)果的疊加。該方法在大尺度的計算上節(jié)約了時間，具有較高的計算效率，并能夠詳細提取小尺度的信息，具有較低的均方根誤差。該融合技術(shù)具有計算高效、運行穩(wěn)定等特 點（Xie，et al，2011；Li，et al，2008；徐賓等，2018；韓帥等，2018）。在每一重網(wǎng)格上的目標泛函采用如下形式

式中，J為目標函數(shù)，X=Xa?Xb，Y=Yobs?HXb，O是觀測誤差協(xié)方差矩陣，H是從模式網(wǎng)格到觀測點的雙線性插值算子，n表示第n重網(wǎng)格，N為網(wǎng)格重數(shù)，T 表示矩陣的轉(zhuǎn)置。其中，Xa是分析場，Xb為背景場，Yobs為觀測場，X為相對背景場的修正，它由變分同化系統(tǒng)計算而來，Y是觀測場與背景場的差值，不同尺度網(wǎng)格Y值的表達式如下：

多尺度變分STMAS 方法從最粗網(wǎng)格到細網(wǎng)格依次進行分析，當式（3）中n=1 時，H(0)表示從背景場到觀測點的雙線性插值算子，Y(1)為觀測和背景場到觀測位置映射的差值，代入式（2）中求得J(1)的極小化解X(1)；當n≥2 時，上一層J(n?1)的極小化解X(n?1)被插值到更細的第n層網(wǎng)格上，Y(n?1)可從上一層獲得，從而計算得到第n層網(wǎng)格的Y(n)，代入式（2）求得J(n)的極小化解（X(n)）。通過迭代計算，求得每重網(wǎng)格分析增量（X(n)）的值。由式（4）得到分析場（Xa），即為背景場（Xb）與各重網(wǎng)格分析增量疊加的和。

4 融合結(jié)果

4.1 全球范圍評估

將融合試驗產(chǎn)品與OISST 和OSTIA 海冰密集度資料進行對比，評估融合試驗產(chǎn)品的質(zhì)量。圖2給出了2016 年2 月1 日融合試驗產(chǎn)品與OISST和OSTIA 海冰密集度資料空間分布的對比。從圖中可以看出，融合試驗產(chǎn)品與OISST 和OSTIA 的海冰數(shù)據(jù)在空間分布上高度相似，在北半球和南半球高海冰密集度區(qū)域幾乎一致。但3 種海冰密集度資料在部分海冰邊緣的低海冰密集度海域存在一定的差異，該日在南極地區(qū)威德爾海海域OISST 海冰資料的低海冰密集度范圍明顯大于OSTIA 和融合試驗產(chǎn)品。在此海域，這種大范圍的低海冰密集度覆蓋在同日OSI SAF、NISE、MWRI和VIRR 海冰密集度數(shù)據(jù)中均未發(fā)現(xiàn)。對于低海冰密集度區(qū)域各種傳感器觀測數(shù)據(jù)的反演能力均較差，造成了海冰邊緣海域低海冰密集度區(qū)域衛(wèi)星資料的不確定性較大。因此，在該區(qū)域不同產(chǎn)品之間存在較大差異。

圖2 2016 年2 月1 日融合產(chǎn)品（a1、a2）、OISST（b1、b2）和OSTIA（c1、c2）海冰密集度空間分布（a1、b1、c1.北極，a2、b2、c2.南極）Fig.2 Spatial distributions of sea ice concentration for merged products（a1，a2），OISST（b1，b2），OSTIA（c1，c2）and on 1 February 2016（a1，b1，c1.Arctic；a2，b2，c2.Antarctic）

北半球3 月前后海冰范圍最大，9 月前后海冰范圍最小，因此選取了3 月15 日、9 月15 日海冰密集度融合試驗產(chǎn)品與同期OISST 和OSTIA 資料進行對比，分析融合試驗產(chǎn)品與兩種常用資料空間分布的差異。圖3 和4 分別為2016 年3 月15 日和9 月15 日北極、南極地區(qū)融合試驗產(chǎn)品與OISST、OSTIA 海冰密集度差值的空間分布。北極地區(qū)融合產(chǎn)品與OISST 和OSTIA 在3 月和9 月主要差別出現(xiàn)在海冰邊緣區(qū)域，在空間分布上融合試驗產(chǎn)品與OSTIA 資料更接近。南極（圖4）9 月融合產(chǎn)品與OISST 相比低海冰密集度區(qū)域有明顯的負偏差，但與同期的OSTIA 相比在邊緣區(qū)域還出現(xiàn)了正偏差，3 月融合產(chǎn)品與OISST 和OSTIA 資料差異的空間分布存在偏差相反的情況。整體看，融合產(chǎn)品與兩種資料的空間差異主要表現(xiàn)在海冰邊緣區(qū)域，空間差異也隨時間發(fā)生變化，融合產(chǎn)品與OSTIA 資料一致性更高，這與融合試驗產(chǎn)品使用的數(shù)據(jù)源及偏差訂正選取的標準有關(guān)。

圖3 2016 年3 月15 日（a1、a2）、9 月15 日（b1、b2）北極地區(qū)融合試驗產(chǎn)品與OISST（a1、b1）、OSTIA（a2、b2）海冰密集度的差異Fig.3 Differences in sea ice concentration between the fusion experiment product and OISST（a1，b1），OSTIA（a2，b2）on 15 March（a1，a2）and 15 September 2016（b1，b2）in the Arctic

圖4 同圖3，但為南半球Fig.4 Same as Fig.3 but for Antarctica

圖5 為融合產(chǎn)品與OISST、OSTIA 海冰密集度資料2016 年逐日的比較結(jié)果?？梢钥吹?，融合試驗產(chǎn)品與OSTIA 全年的偏差均在0 值附近，與OISST 相比6—8 月為負偏差，11 月—12 月中旬存在正偏差。在均方根誤差和相關(guān)系數(shù)方面，融合產(chǎn)品與OSTIA 海冰密集度資料相關(guān)要高于與OISST的相關(guān)，其主要差別出現(xiàn)在7—11 月。

圖5 2016 年融合產(chǎn)品與OISST、OSTIA 海冰密集度資料的逐日對比Fig.5 Daily comparison of merged product with sea ice concentration of OISST and OSTIA in 2016

續(xù)圖5Fig.5 Continued

定量評估顯示（表4），2016 年全年融合試驗產(chǎn)品與OISST 匹配的樣本量達到44321040 個，偏差為?1.170%，均方根誤差為9.835%，相關(guān)系數(shù)為0.985。與OSTIA 的偏差僅為0.276%，均方根誤差為7.427%，相關(guān)系數(shù)達到0.999。融合試驗產(chǎn)品較OSTIA 為正偏差，與OISST 為負偏差，試驗產(chǎn)品整體偏差介于二者之間。

表4 2016 年融合產(chǎn)品與OISST、OSTIA 海冰密集度資料的誤差統(tǒng)計Table 4 Error statistics of comparison merged product with sea ice concentration of OISST and OSTIA in 2016

4.2 關(guān)鍵區(qū)海冰密集度的評估

巴倫支?！！战莘蚝：１ㄟ^海冰、海水和大氣之間的相互作用，對中國的氣候產(chǎn)生明顯的影響，成為中國海冰監(jiān)測的關(guān)鍵區(qū)。關(guān)鍵區(qū)域覆蓋的范圍定義為（72°—83°N，30°—150°E）（Zuo，et al，2016），緊靠亞歐大陸北端。

3 和9 月前后分別是北極海冰覆蓋范圍最大和最小值時期。圖6 為2016 年巴倫支海—喀拉?！战莘蚝：１P(guān)鍵區(qū)融合試驗產(chǎn)品、OISST 和OSTIA 海冰密集度數(shù)據(jù)3、4、9 和10 月各月15 日的空間分布。從圖中可以看到，融合產(chǎn)品與OISST、OSTIA 資料都能反映出巴倫支?！！战莘蚝^(qū)域海冰密集度的變化，3 種資料均能很好地展現(xiàn)北極海冰的氣候特征。在巴倫支?！！战莘蚝^(qū)域，3 種海冰密集度資料的空間分布具有較高的一致性，但在部分陸地邊緣海域的低海冰密集度區(qū)域也存在差異。

圖6 2016 年3（a1—c1）、4（a2—c2）、9（a3—c3）和10 月（a4—c4）各月15 日融合產(chǎn)品（a1、a2、a3、a4）、OISST（b1、b2、b3、b4）和OSTIA（c1、c2、c3、c4）在巴倫支海—喀拉?！战莘蚝^(qū)域海冰密集度的空間分布Fig.6 Spatial distributions of sea ice concentration from the merged product（a1，a2，a3，a4），OISST（b1，b2，b3，b4）and OSTIA（c1，c2，c3，c4）in the Barents Sea—Kara Sea—Laptev Sea region on（a1—c1）15 March，（a2—c2）15 April，（a3—c3）15 September and（a4—c4）15 October 2016

在海冰關(guān)鍵區(qū)的年內(nèi)變化中（圖7），融合試驗產(chǎn)品與OSTIA 資料的偏差一直較小，與OISST 資料相比在5 月中旬至9 月中旬存在一定的負偏差，9 月下旬至11 月存在正偏差。試驗產(chǎn)品與OSTIA資料的RMSE 較 小，與OISST 資料相比，6 月至12 月的RMSE 值較大。海冰關(guān)鍵區(qū)，融合試驗產(chǎn)品與OSTIA 海冰密集度資料的相關(guān)整體也高于與OISST 資料的相關(guān)。

圖7 2016 年關(guān)鍵區(qū)融合產(chǎn)品與OISST、OSTIA 海冰密集度資料的逐日對比Fig.7 Daily comparison of merged product with sea ice concentration of OISST and OSTIA in key areas in 2016

表5 定量給出了關(guān)鍵區(qū)2016 年逐日融合試驗產(chǎn)品與OISST、OSTIA 海冰密集度資料的對比分析。與OISST 和OSTIA 的偏差分別為?2.155%和?0.475%，相應(yīng)的均方根誤差為11.560%和9.770%。試驗產(chǎn)品與OSTIA 海冰密集度資料的相關(guān)系數(shù)為0.924。

表5 2016 年關(guān)鍵區(qū)融合產(chǎn)品與OISST、OSTIA 海冰密集度資料比較的誤差統(tǒng)計Table 5 Error statistics of merged product compared with sea ice concentration of OISST and OSTIA in key areas in 2016

針對氣候關(guān)鍵區(qū)開展的評估分析表明，融合試驗產(chǎn)品在該區(qū)域與OISST 和OSTIA 的空間分布具有較高的一致性，與兩種資料的偏差較小，在年內(nèi)變化上試驗產(chǎn)品與OSTIA 的差異較小且具有很好的穩(wěn)定性。

5 結(jié)論

本研究設(shè)計了一套全球多源海冰密集度數(shù)據(jù)融合方案，即首先對各數(shù)據(jù)源資料進行質(zhì)量控制，利用概率密度函數(shù)法訂正數(shù)據(jù)源的系統(tǒng)誤差，根據(jù)訂正后各數(shù)據(jù)源誤差的大小生成超級觀測場，最后利用STMAS法將超級觀測場和背景場融合，生成融合試驗產(chǎn)品。基于此方案研制生成了2016 年全球逐日0.25°分辨率的海冰密集度融合試驗產(chǎn)品，將融合產(chǎn)品與國際廣泛使用的海冰密集度資料進行對比評估。得到以下結(jié)論：

融合方案中概率密度函數(shù)訂正法能夠有效地減小海冰密集度衛(wèi)星資料的系統(tǒng)誤差，是誤差訂正的一種有效方法。STMAS 融合方法，在大尺度網(wǎng)格上抓住海冰密集度空間分布的整體特征，在小尺度網(wǎng)格上提取細節(jié)信息，不但實現(xiàn)了超級觀測場與背景場的融合，還提升了計算效率。本方案考慮了各衛(wèi)星數(shù)據(jù)源的時效性、可獲取性，能夠保障實時產(chǎn)品穩(wěn)定生成。因此，上述方案的提出對于全球海冰密集度實時產(chǎn)品的研制具有較好的適用性。

融合試驗產(chǎn)品與OISST、OSTIA 海冰密集度資料的偏差分別為?1.170%和0.276%，試驗產(chǎn)品整體偏差介于兩種對比資料之間，產(chǎn)品相關(guān)系數(shù)均超過0.980。融合試驗產(chǎn)品整體偏差介于OISST 與OSTIA 之間，反映了試驗產(chǎn)品系統(tǒng)誤差較小的良好特性。試驗產(chǎn)品、OISST 和OSTIA 三種資料在南、北極海冰密集度空間分布上高度一致，表明融合試驗產(chǎn)品具有較高的精度。

文中探討了一種適用于多源海冰密集度數(shù)據(jù)的融合方案，基于該方案研制的全球逐日海冰密集度融合試驗產(chǎn)品與OISST 和OSTIA 資料高度一致，但在海冰邊緣區(qū)3 種資料之間均存在一定差異，對此問題還需要更長期的檢驗與改進工作。

根據(jù)文中所述融合方案，已研發(fā)了全球海冰密集度融合業(yè)務(wù)軟件（v1.0），由該軟件實時生成全球0.25°×0.25°逐日海冰密集度融合實況分析產(chǎn)品，上述產(chǎn)品可通過國家氣象業(yè)務(wù)內(nèi)網(wǎng)http://10.1.64.154/idata/獲取。

致 謝：感謝國家衛(wèi)星氣象中心武勝利正研級高級工程師、鄭照軍高級工程師和中山大學楊清華教授在海冰密集度資料處理方面給予的指導。