【华体会最新】海洋学院博士生周意提出新一代北极海冰积雪遥感算法

近日，上海交通大学海洋学院博士生周意在国际权威地球科学和遥感期刊IEEE Transactions on Geoscience and Remote Sensing上发表了题为“AdaSA-SD (v1.0): An Adaptive Seasonal Algorithm for Snow Depth Retrieval Over Arctic Sea Ice”的研究论文，海洋学院王显威副教授和中国极地研究中心雷瑞波研究员为通讯作者，论文的合作者还包括上海海洋大学张瑜副教授和上海交通大学海洋学院本科生张晨童。上海交通大学海洋学院和极地生态与气候变化教育部重点实验室为第一单位。

积雪，作为地球上反射率最高且绝缘性最强的天然材料，扮演着调节地球气候的关键角色。若没有积雪的存在，地球的大气、陆地与海洋系统将通过正反馈机制不断积累能量，导致全球气温加速上升。准确估算海冰表面的积雪深度对于监测海冰质量平衡以及量化大气与海冰之间的热交换具有至关重要的作用。然而，由于观测技术的局限性，关于整个北极冻结季节期间（10月至次年4月）积雪深度的季节性变化仍然缺乏系统性认知。

本研究开发了一种适用于星载先进微波扫描辐射仪2（AMSR2）的季节性自适应积雪深度反演算法（AdaSA-SD），其中首次引入了随时间变化及冰年龄依赖的参数化系数（图1-2）。

图3. 2012-2023年北极冰冻季多年月平均积雪深度分布（10月至次年4月）

本研究生成了2012年至2023年全冻结季节的每日泛北极积雪深度数据集，空间分辨率为25 km × 25 km。总体而言，卫星观测到整个北冰洋积雪深度存在显著的空间分布模态和季节性积累特征（图3）。

天平均网格化泛北极海冰积雪深度数据集（2012-2013年）第一版：

https://doi.org/10.5281/zenodo.15695141

（作为实验室/课题组业务化产品持续运营）

从太空持续监测北极积雪（AdaSA-SD模型 + AMSR2 传感器）

通过与机载雷达、浮标及横断面测量的全面验证，AdaSA-SD (v1.0)算法准确再现了观测到的积雪深度空间分布模式及其季节性和年际变化，均方偏差介于0.5至3.0厘米之间，均值绝对百分误差在10%至30%之间（图4）。

本研究得到国家重点研发计划（2019YFA0607001）、国家自然科学基金（42276237、42325604、42376231）、上海市自然科学基金（22ZR1427400）、以及上海交通大学深蓝计划项目（SL2022PT205、SL2022ZD107）的资助。衷心感谢Thorsten Markus教授（美国国家航空航天局）、何连副教授（中山大学测绘科学与技术学院）和周朦教授（上海交通大学海洋学院）对本研究提出的宝贵意见。

论文链接：

https://ieeexplore.ieee.org/document/11098804 

这里“阅读原文”，查看论文