天眼帶你看北極海冰與海洋動力丨觀天測地_風聞
中科院之声-中国科学院官方账号-2021-06-16 07:37
北極這片曾經對於我們遙遠而神秘的區域,逐漸引起越來越多的關注。
一方面,北極海冰的持續減退是全球氣候變化最顯著、最直觀的表現之一。全球變暖導致高反照率的白色冰、雪融化,北極陸地和海洋從而吸收更多的太陽輻射,導致近地表氣温上升,致使海冰進一步融化。受到這種反饋機制的影響,北極變暖速度是全球變暖平均速度的兩倍(稱之為“北極放大”效應)。
另一方面,北極海冰的融化正在改變着世界航運格局。與經南海、過馬六甲海峽,穿蘇伊士運河的傳統航線相比,北極東北航道航線可減少三分之一的航程。2021年3月的蘇伊士運河航線的“世紀大堵”更凸顯了替代航線的重要性。

圖1 冰海一色(中國極地研究中心雷瑞波研究員北極科考拍攝)
可以説,北極的氣候變化、環境、科研、航道利用、資源勘探與開發、安全、國際治理等問題,關係到世界各國和人類的共同生存與發展。我國倡導構建人類命運共同體,是北極事務的積極參與者、建設者和貢獻者,應努力為北極發展貢獻中國智慧和中國力量。
而空間觀測已經在北極探索和認知中體現出巨大的優勢,無論是參與北極事務,還是實施“冰上絲綢之路”倡議,都不離開空間觀測科學的支撐。衞星遙感以其快速、客觀、動態、全面的突出優勢,在北極觀測中扮演了至關重要的角色。我們對於北極海冰繼續消退的認知就是來源於超過50年的微波輻射計海冰密集度數據。合成孔徑雷達(Synthetic Aperture Radar, SAR)是遙感衞星家族中“皇冠上的明珠”。全天候、全天時、高空間分辨率、寬刈幅的二維成像能力,使其成為陸地、海洋、極地遙感觀測中的一個“多面手”。

圖2 哨兵一號SAR北極邊緣海遙感圖像顯示了東北航道楚科奇海域複雜的海冰-海洋動力環境。(多極化數據的假彩色合成圖像。圖中具有明顯紋理特徵的大片區域為海冰覆蓋,夾雜於海冰中的深藍色區域為海水)
中國科學院空天信息創新研究院李曉明研究員團隊長期從事SAR海洋動力學研究。三年來,面向北極海冰-海洋動力相互作用研究的國際科學前沿,面向北極航道安全通航保障的國家重大需求,在國家重點研發計劃海洋環境安全保障專項和國家傑出青年科學基金等項目支持下,該研究團隊突破了SAR北極海冰-海洋動力關鍵參數反演的系列關鍵技術,開發了集成應用軟件,研製了多類數據產品,支撐了科學研究,服務了北極航道安全通航,形成了“算法-軟件-產品-應用”完整的科學研究鏈條。
星載SAR北極海冰與海洋動力研究進展
該研究團隊採用深度學習網絡結構和集成模型策略,開發了星載SAR海冰覆蓋提取算法,研製併發布了2019、2020年全年總計約60,000 景哨兵1號SAR數據的高分辨率(400米)海冰遙感產品。

圖3 哨兵一號SAR北極邊緣區遙感影像(左)和所提取的海冰覆蓋結果(右)。
研究團隊還利用機器學習算法強大的非線性映射能力,建立了北極邊緣區SAR海浪波高和海面風速反演模型。形成了自動化處理流程,提出了針對北極海域特點的質量控制標識,設計了SAR遙感數據產品的格式,研製併發布了2017年至2020年共47,415景SAR北極海域海浪有效波高和海面風場數據產品。

圖4 哨兵一號SAR在北極喀拉海獲取的一景數據反演得到的海面風場(左)與海浪有效波高(右)結果。
空間觀測支撐中國商船北極航道安全通航
自2013年夏季成功試水北極東北航道,我國商船已經連續八年常態化開展東北航道的航行。儘管在夏季北極東北航道上冰況較好,但仍可能存在較為嚴重的冰情,威脅船隻通航安全。
該研究團隊與航天五院503所、中遠海運特運、國家氣候中心、中山大學等團隊聯合攻關,建立了空間觀測保障商船北極東北航道安全通航的應用服務流程。在2019、2020連續兩年為7個航次的商船提供了262次數據服務。

圖5 2019年夏季北極東北航道航行現場拍攝照片(朱大雲 攝)

圖6 高分三號星載SAR海冰觀測為“天恩輪”東北航道航線規劃提供了重要的預警信息。


圖7 2020年8月9日哨兵一號SAR在東西伯利亞海域拍攝到沿東北航道西行的“天恩輪”和東行的“天佑輪”相遇(上圖)及反演得到的海面風場(下圖)。圖中的黑框、白框區域分別標記了“天佑輪”和“天恩輪”的位置。
相關文章、數據集和軟件:
1. 鄭敏薇,李曉明*,任永政(2018),高分3號星載合成孔徑雷達極地海冰自動檢測方法研究,海洋學報,40(9), pp.113-124.
2. Li, XiaoMing and Huang, BingQing (2020), A global sea state dataset from spaceborne synthetic aperture radar wave mode data, Scientific Data, 7, 261, doi: https://doi.org/10.1038/s41597-020-00601-3
3. Li, XiaoMing, Qin, Tingting and Wu, Ke (2020), Retrieval of sea surface wind speed from spaceborne SAR over the Arctic marginal ice zone with a neural network,Remote Sensing, 12(20), 3291.
4. Sun, Yan and Li, XiaoMing*(2021), Denoising Sentinel-1 Extra-Wide Mode Cross-polarization Images over Sea Ice, IEEE Transactions on Geoscience and Remote Sensing, 59(3), pp. 2116-2131.
5. Li, XiaoMing, Sun, Yan and Zhang, Qiang (2021), Extraction of sea ice cover by Sentinel-1 SAR based on support vector machine with unsupervised generation of training Data, IEEE Transactions on Geoscience and Remote Sensing, 59(4), pp.3040-3053.
6. Wu, Ke, Li, XiaoMing* and Huang, BingQing (2021), Retrieval of Ocean Wave Heights from Spaceborne SAR in the Arctic Ocean with a Neural Network. Journal of Geophysical Research: Oceans, 126(3), e2020JC016946
7. Wang, Yi-Ran and Li, XiaoMing* (2021), Arctic Sea Ice Cover Data in High Spatial Resolution from Spaceborne Synthetic Aperture Radar by Deep Learning, Earth System Science Data, 13, 2723–2742, https://doi.org/10.5194/essd-13-2723-2021.
8. Wang, Yi-Ran and Li, XiaoMing(2021), Arctic sea ice cover product based on spaceborne synthetic aperture radar. V2. Science Data Bank. http://www.dx.doi.org/10.11922/sciencedb.00273.
9. Wu, Ke and Li, XiaoMing (2021), Spaceborne SAR ocean wave and ocean wind data in the Arctic. V1. Science Data Bank. http://www.dx.doi.org/10.11922/sciencedb.00834
10. Sun, Yan and Li, XiaoMing (2021), The codes of Sentinel-1 EW mode HV-polarized SAR image denoising. Zenodo. http://doi.org/10.5281/zenodo.4558740
作者:李曉明,王怡然,黃冰清,武可
來源:中國科學院空天信息創新研究院