基于HY-1C/D COCTS数据的北极海冰密集度遥感反演模型构建与时空变化分析

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Satellite Observation of Sea Ice Concentration Based on Chinese HY-1C/D Data

本刊推荐：针对全球变暖背景下北极海冰加速消融的生态问题，研究人员利用中国自主海洋水色卫星HY-1C/D的COCTS（海洋水色水温扫描仪）数据，开发了适用于北极的海冰密集度（SIC）反演模型。通过混淆矩阵和实测数据验证，模型提取精度达89%，其平均绝对百分比误差（MAPE）低于同类产品。该研究揭示了2020-2021年北极各子区域海冰浓度的月际分布规律，为北极气候研究和生态环境监测提供了高时效性的国产卫星数据支持。

　　

随着全球变暖效应日益显著，北极地区作为地球最重要的冷源之一，正经历着前所未有的生态变化。海冰作为北极生态系统的核心组成部分，不仅通过高反照率和低导热性调节海气能量交换，更是全球热力循环的关键环节。然而令人担忧的是，自21世纪初以来，北极升温速率已达到全球平均值的四倍，这种"北极放大效应"导致海冰消融加速、覆盖范围持续萎缩，引发一系列连锁生态危机。传统观测手段受限于极区恶劣环境，难以实现大范围连续监测，而现有遥感数据又存在分辨率低、重访周期长等瓶颈。这一背景下，如何利用新型遥感技术精准捕捉海冰动态变化，成为极地研究的重要课题。

本研究创新性地运用中国自主研制的HY-1C/D卫星搭载的COCTS（海洋水色水温扫描仪）数据，通过构建专属算法模型，实现了对北极海冰密集度的高精度反演。该传感器具备可见光至红外波段的宽光谱覆盖能力，空间分辨率达1100米，每日多次成像特性使其特别适合极区海冰动态监测。研究团队首先建立了基于光谱特征与亮度温度协同分析的海冰识别体系，通过F1函数（公式1）有效分离海水目标，利用F2函数（公式2）结合动态阈值法克服云层干扰，最终采用改进型海冰浓度计算公式（公式3）实现定量反演。为验证模型可靠性，研究综合运用船测数据（ASSIST系统）和三种主流产品（NOAA OISST、NSIDC海冰浓度数据、NSIDC海冰指数）进行交叉验证。

海冰提取算法与精度验证

通过分析海冰、海水和云层的光谱曲线特征（图4a），发现云目标在可见光-近红外波段反射最强，海冰次之，海水最弱。F1函数有效放大海水与海冰/云的区别（图4b），设定3000K为海水识别阈值。针对海冰与云光谱形状相似难题，采用归一化TOA（大气顶层）反射率数据，计算565nm-670nm与565nm-750nm波段斜率之和（图4c），确定38为云识别阈值。结合亮度温度差异构建的F2函数呈现双峰分布（图4d），通过波谷值动态分离海冰与云。混淆矩阵验证显示海水提取准确率达99.8%，海冰提取准确率为89%（图4e），证明算法可靠性。

北极海冰密集度遥感估算与精度验证

与NOAA、NSIDC等产品对比验证表明（图5），本研究反演结果与实测数据吻合良好，RMSE（均方根误差）为2.9%，MAPE（平均绝对百分比误差）优于NSIDC产品II和III，但略低于NOAA产品I。值得注意的是，三种对比产品均低估北极SIC，而本研究结果呈现高估趋势，这可能与算法特性及空间尺度差异有关。总体而言，HY-1C/D反演数据集展现出与现有产品良好的一致性。

海冰密集度的时空变化

2020-2021年月平均SIC空间分布显示（图6），北极海冰浓度自中心向低纬度递减，楚科奇海、哈德逊湾等边缘海域消融显著。中央北极区全年保持95%以上高浓度，季节性变化呈现春季（4-6月）分布广、浓度高，夏季（7-9月）急剧减少的特征（图7）。分区统计发现（图8），楚科奇海、巴芬湾和拉普捷夫海SIC下降趋势明显，而格陵兰海、巴伦支海和喀拉海变化不显著，这种区域差异性反映了北极海冰对气候响应的复杂性。

与海冰浓度产品的对比

与三种产品均值对比显示（图9），本研究结果在低浓度区存在高估，夏季误差尤为突出。这主要源于夏季融池形成改变海冰反射特性，以及云层干扰增加识别难度。尽管如此，光学遥感与微波产品在刻画北极海冰时序变化方面表现出显著一致性。

研究结论表明，基于HY-1C/D COCTS数据构建的海冰反演模型成功实现了对北极海冰的高精度监测，89%的提取精度证明国产卫星在极地遥感领域的应用潜力。讨论部分指出，夏季融池和云干扰是光学遥感的主要误差源，未来可通过光学-微波数据融合提升反演精度。该研究不仅为北极海冰变化机制研究提供重要数据支撑，更标志着我国自主海洋卫星在极地监测能力上的重大突破，对全球气候变化研究和北极航道开发具有深远意义。