胶州湾海冰及其防御对策研究

胶州湾资源丰富,区位条件优越,在经济上、国防上均具有重要战略地位。然而,胶州湾每年冬季都有不同程度的结冰现象,使其开发利用受到影响。文章利用近年来的卫星遥感、航空以及岸基监测所获取的冰情数据并结合历史资料,对胶州湾的海冰进行了综合分析,给出了胶州湾的冰情基本特征;在分析海冰防灾减灾形势的基础上,结合胶州湾海冰防灾减灾实际要求,提出了具体的海冰灾害防御对策。     

渤海的海冰

本文根据渤海海冰研究和来自卫星遥感、飞机和船舶航测、岸站观测、野外现场实验以及历史记载等,概述渤海冰形成、类型、物理力学性质和冰情、漂移等。     

基于大气海洋多变量与海冰时序特征的北极海冰范围预测研究

随着全球气候变暖加剧,北极地区的大气海洋环境剧烈变化,导致海冰变化更加不稳定,使得海冰预测的难度增大。本研究选择海表温度、2 m平均气温、二氧化碳浓度为大气海洋变量,海冰范围距平为时序特征参数,将上述参量作为北极海冰范围 （Sea Ice Extent,SIE） 的预测要素,建立了面向SIE的多变量长短期记忆 （Long Short Term Memory,LSTM） 神经网络模型,对比分析了2015－2021年不同时间序列预测模型的预测结果。结果显示：本研究所构建模型的RMSE、MAE、MAPE分别为0.353×106 km2、0.261×106 km2和3.191%。相比于其他预测模型,结合大气海洋变量和时序特征参数后的LSTM模型预测结果误差更小,拟合效果更好,可以消除夏季海冰剧烈变化对预测效果的影响,提高海冰范围的预测精度,对北极航道的通航安全保障工作具有重要的研究与应用价值。     

基于长短时记忆神经网络的辽东湾海冰延伸期预报方法研究

通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势、浮冰外缘线离岸距离的振荡变化及峰值发生时间等关键特征,1～15 d预报的平均绝对误差为4.1～5.7 n mile~①,均方根误差为5.4～7.5 n mile。LSTM模型的预报时效可达到15 d,较目前海冰数值预报(5～7 d)的时效延长一倍,且运算速度极快,能够节省大量的计算资源和时间成本。该模型的建立为利用深度学习方法开展海洋和气象预报提供了一种新思路。     

渤海海冰灾害和人类活动之间的关系

海冰灾害的产生不仅于海冰冰情严重程度,而且同人类活动及人类防范海冰的意识有关。通过归纳整理1950年以来渤海海冰冰情等级以及国家海洋局公报内的海冰灾害,并应用5年滑移平均,以反映中国"五年计划"的社会活动与海冰灾害之间的响应,定量分析海冰灾害发生率同海冰冰情等级的关系,发现工业活动的频繁程度同海冰灾害发生率成正比;人类重视程度同海冰灾害发生率成反比;海冰冰情等级与海冰灾害发生率成正比;当海冰冰情等级减轻时,海冰灾害发生率并不一定减少。因此在全球气候变暖的大环境下,针对目前渤海工业活动处于蓬勃发展阶段,加强海冰灾害的防范能力仍然必不可少。     

基于小波神经网络的电离层TEC短期预报

提出利用神经网络中的小波神经网络技术(WNN)对全球的电离层总电子含量进行预报,以国际全球定位系统服务(IGS)发布的电离层TEC数据资料为样本,并用发布的已知TEC进行检核,分析了全球预报精度及不同纬度的预报精度。试验结果表明,小波神经网络的短期预报结果能很好地符合已知数据,预报的精度较高,预报值和已知值之差小于3TECU的电离层格网点数占总格网点数的百分比都在90%以上,随着时间的推移,比值下降并不明显。     

渤、黄海海冰的变化和预报结果分析

利用1951—2000年的渤、黄海的海冰资料，用小波分析和最优气候均态法对渤、黄海的海冰冰级进行分析和预测。小波分析结果较好地反映了渤、黄海海冰的变化规律，使对海冰的研究更符合实际情况。这必将有助于研究海冰变化的机理和不同尺度变化的相互作用。最优气候均态法较好地实现了对渤、黄海海冰的预测。此方法在海冰预报中不失为一种可用的方法。     

渤、黄海海冰预报方法研究

利用现有的观测资料,对影响海冰的各种因子进行了细致的分析,筛选出对海冰影响较大的因子,通过多种常规统计方法的分析比较,并将一些新方法首次应用于海冰预报,取得了良好的预报效果,为今后的海冰预报工作提供了有效的依据。     

北极海冰密集度数值预报及验证评估研究

本文系统地评估了国家海洋环境预报中心于我国第七次北极科学考察期间开展的北极海冰密集度数值预报结果。该预报系统基于麻省理工大学通用环流模式,并采用牛顿松弛逼近（Nudging）资料同化方法,计算输出未来1~5 d的北极海冰密集度预报产品。本文将数值预报结果同卫星观测的海冰密集度、再分析资料和"雪龙"号第七次北极考察期间观测的海冰密集度数据进行了对比分析。结果表明,预报的北极海冰密集度小于卫星观测值,24 h、72 h和120 h预报结果的偏差分别为-2.7%、-3.1%和-3.2%;数值产品的预报技巧好于气候态结果和惯性预报,但是在海冰出现快速融化或冻结时,基于Nudging同化的数值预报技巧仍有不足。另外,相比船测数据,数值预报结果在海冰边缘区的偏差相对较大,24 h、72 h和120 h预报结果的偏差分别为8.8%、12.0%和14.5%。     

分形分析方法在海冰趋势预测中的应用

根据渤海北部1966——2001海冰冰级年际变化的实际资料，利用R／S分析的原理和方法计算了H指数，建立了R(i)/S(i)与i的关系式，对渤海北部海冰趋势进行了预测分析。结果表明，利用分形分析方法进行海冰趋势预测不仅方法简便，而且结论具有客观性，可以将其作为海冰趋势预测中较为有效的一种方法。     

新型海冰调查设备--冰样压缩机

介绍了海冰观测中冰样压缩机的重要作用;阐述了冰压机各组成部分的设计原理和操作步骤;列出了表征海冰单轴抗压强度性能的部分参数和计算方法;对整机标定的方法提出了设计方案。     

曹妃甸邻近海域的海冰状况与特征

曹妃甸邻近海域是渤海湾冰情严重海域之一.根据该海域的地理环境和大量的海冰卫星遥感、海冰航空监测、海冰船舶调查、岸站和海上平台等有关海冰监测资料及相邻海域的有关海冰监测资料,给出了该海域海冰的冰期、冰型和海冰时空分布变化等特征.另外,还给出了该海域一般年份和特殊年份的冰情状况.     

基于机器学习的SMAP卫星海表盐度反演

针对传统海表盐度的物理机制反演模型拟合过程复杂且反演精度不高等问题,借助大范围、全天时、L波段探测的SMAP卫星微波海洋遥感产品,以北太平洋(135°～165°E,15°～45°N)范围为研究海域,利用深层神经网络(Deep Neural Network, DNN)和支持向量机(Support Vector Machine, SVM)建立海表盐度(Sea Surface Salinity, SSS)遥感反演模型。验证结果表明:DNN与SVM模型测试集反演SSS与Argo(Array for Real-time Geostrophic Oceanography))实测SSS的均方根误差(Root Mean Square Error, RMSE)分别为0.179 0和0.257 0,平均绝对误差(Mean Absolute Error, MAE)为0.129 3和0.182 1,最小绝对误差为0.642 6和2.038 0,最大绝对误差为1.324 1和2.373 2,反演模型数据与实测Argo数据拟合后的的相关系数分别为0.89和0.84。总体来看,DNN模型比SVM模型的反演精度更高,...     

滨州市海域海冰的时空分布和冰级特征

文章根据2005—2017年滨州市海域冬季各类海冰监测数据资料,对冰日、冰期、冰型、冰厚、浮冰密集度和结冰范围等冰情要素进行分析,总结海冰的时空分布和冰级特征,为进一步开展相关海域的海冰灾害研究和防灾减灾工作提供必要的参考。研究表明,滨州市海域的总冰期一般为60~80d,其中严重冰期约为25d,河口和浅滩等近岸海域冰情较重;冰型、冰厚和结冰范围等在不同冰期和冰级具有不同特点,对海上设施和海上活动造成不同程度的影响。     

巴伦支海海冰多年变化及其影响因子研究

本文采用1900—2010年ECMWF海冰密集度、海面温度、风场和NCAR北极涛动等长序列资料,运用EOF分解、线性回归和相关分析等统计方法,分析了巴伦支海海冰年际变化特征及其与影响因子之间的关系。结果表明:巴伦支海海冰面积4月最大,9月最小,每年减少约1653km^2;面积距平正负位相交替出现,1969年后以负距平为主,冰情先重后轻;密集度逐月不同,明显降低的区域呈现“中部偏东—中部—东北部—西北部—中部偏东”转移特点,部分区域每年减少0.006以上;密集度变化的空间特征可由密集度EOF第一主模态表示,与温度的相关系数高于风场;海冰面积与AO呈负相关。我国以往单独针对巴伦支海海冰变化的研究较少,本文丰富了这方面的资料,对浮式平台开发冰区油气资源提供初步参考。     

北极海冰变化特征分析

本文利用NASA的海冰密集度资料(时间为1978年10月～2002年9月,分辨率为1.0×0.25),计算并分析了1978～2002年的北极海冰面积、范围的时间变化趋势以及变化的空间分布。     

海冰密集度卫星遥感反演研究进展

海冰密集度是海冰的重要参数之一,在冰区导航、海上作业、海冰模式验证和气候模型改进等方面具有重要意义。卫星遥感具有覆盖范围广、重访周期短、成本相对低等优势,已成为获取海冰密集度的主要观测手段。本文从主被动微波遥感和光学遥感的角度,回顾了现阶段海冰密集度卫星遥感反演研究进展情况,包括海冰监测传感器、海冰密集度反演算法和海冰密集度产品等。结果表明,被动微波遥感是目前获取海冰密集度的主要方式,已发展出许多成熟的业务化算法;主动微波遥感数据已成为制作冰情图的主要数据源,海冰密集度反演算法由合成孔径雷达SAR（Synthetic Aperture Radar）图像分类向深度学习算法发展;光学遥感海冰密集度算法较为成熟,但受限于云层和夜晚限制,其反演结果多用于其他海冰密集度产品的验证。受传感器硬件限制,3种观测手段各有其长处与不足。为获得高精度、高时空分辨率的海冰密集度数据,开展多源数据融合研究是解决传感器性能瓶颈的有效手段。大数据时代,基于深度学习的海冰密集度卫星遥感反演技术快速发展,需要深度融入海冰密集度卫星遥感领域知识。海冰密集度卫星遥感反演应着力于海冰预报服务,致力于提高我国的海冰预报能力。     

北极巴伦支海海冰多年变化特征研究

本文采用2003～2016年SSMI海冰密集度和NCEP气温、风场等数据,通过计算海冰覆盖率、增长期长度、冬季负积温和风拖曳力等参数,分析了巴伦支海海冰的变化特征及其与热力、动力影响因素之间的联系。结果显示,因西南部存在常年无冰区,巴伦支海14a平均的海冰覆盖率低于50%;覆盖率总体呈现下降趋势,冰情呈现"重—中等—轻"的变化过程,2012年后甚至出现夏季无冰的情况;增长期长度先增后减,起止时刻均有推迟;冬季负积温是影响巴伦支海冰情轻重的重要因素,与年平均海冰覆盖率距平和最大覆盖率的相关系数分别为-0.90和-0.89;风拖曳力的改变可在短期内引起海冰覆盖率急剧变化,是海冰边缘区产生流冰的主要原因,易对油气资源开发的海洋平台产生危害。