最近和即将发生的崩解事件不会削弱埃默里冰架的稳定性

冰架崩解约占南极物质损耗总量的一半。借助卫星遥感本世纪已经观测到多次大型崩解事件,引发了公众对气候变化问题的广泛关注。然而作为冰架消涨的自然循环,某些崩解事件只是周期性重现而并非近年来南极升温导致。2019年9月-10月,我们通过“哨兵一号”雷达卫星和“京师一号”小卫星完整地记录到发生在埃默里冰架前端的一次大型崩解事件,并利用冰流数值模式模拟了本次以及未来两次即将发生的崩解事件对该冰架的动力学影响。遥感观测表明,埃默里冰架前端发育有两条纵向、两条横向和一条斜向共五条大型裂隙。它们沿尖端继续向上游延伸可以造成三次崩解事件,其中第一次发生于2019年9月末,D28冰山随普里兹湾涡流向西北方向旋转漂移。依据前人推测的崩解周期,我们在模型中设置五组试验,选择露出海面体积、接地面积、冰流通量三个参数估算冰架对三次崩解的响应。结果表明,通过设计合理的网格系统,我们的模型能够捕捉到每次崩解事件释放的物理信号。三次崩解总体响应趋于一致,仅表现出微弱的差异。在一个60年的崩解周期内,三次崩解引发冰流加速70 m/a,前端减薄2 m,接地线退缩60 km2,共约造成40亿吨额外的物质损耗。然而上述变化仍然处于最新卫星估算误差内部,所以我们认为这些崩解事件并不会显著削弱埃默里冰架整体的稳定结构。考虑到这还是首次明确观测到该冰架进入新一轮崩解周期,未来仍必要收集更长时间序列的遥感资料用以验证模式结果。     

基于"双冒泡法"的SAR影像冰山识别

利用威德尔海区域2016年的Sentinel-1ASAR影像数据,采用"双冒泡法"的sigma-on-mu探测器探测冰山边缘区域,并通过对边缘像元进行交换排序和凸显最大像元的方式识别冰山。以人工识别法为基础,通过与自动识别法的对比,定量地分析了"双冒泡法"的识别偏差。研究结果表明,"双冒泡法"识别的冰山线性尺寸和面积等信息中纵横向最大长度分别为24.52km和11.16km;面积为220.833 6km2;单体识别偏差率为2.87%,低于自动识别法(7.5%);平均偏差率为2.48%,亦低于自动识别法(7.27%)。同时,基于"双冒泡法",提出了较小冰山边界的手动分离法(像元≤100),与自动识别方法相比,该方法的手动分离以具体的像元边界为基准,提高了对较小冰山的识别精度。     

SAR图像分块CFAR迭代的极地冰山检测

通过迭代CFAR算法,本文发展了一种针对分块SAR图像的冰山检测方法。考虑到滑动窗口运算负担大、计算效率低,首先对SAR图像进行分块,以提取分块内的亮目标冰山。利用高斯模型表征后向散射系数的统计分布,冰山检测阈值可简单地表达为均值和方差的线性组合,将分块内像素逐个比对阈值以检测冰山。考虑到同一场景中尺寸变化大的冰山影响检测精度,以识别的冰山像素做种子执行区域生长,从而提取大尺寸的冰山。针对单个分块迭代上述处理,以降低高斯模型表征分块统计分布的误差,提高冰山检测精度。利用2013年11月22日和29日获取自极地海域的两景RADARSAT-2图像开展验证试验。结果表明,数量多、尺寸变化大并嵌入在海冰等极地常见情形下的冰山,能被文中方法有效识别,选取区域内正确率高达85%以上,且具有良好的运行效率。     

冰盖、风和海洋变化

1992年，Bond等人报道，在沉积物岩心中发现的令人困惑的碎屑碳酸盐层是冰山群从Laurenfide冰盖向北大西洋移动时造成的．在这方面有很多新材料．1992年9月，一个格陵兰钻探小组首次证实了8000—40000a前冰盖处有多次以突然温度变化5-10℃的特征．1993年2月，     

南极冰山是潜在的淡水资源

洞庭湖自古以来闻名天下，然而，号称八百里洞庭的湖面本应有六千多平方公里，至今日，天然湖泊面积已减少到二千六百九十一平方公里，枯水水面只剩下六百四十五平方公里，洞庭湖被分割成东洞庭湖、南洞庭湖、目平湖、七里湖等几个小湖泊。     

冰川下的“沉睡资源”

受全球变暖的影响,融化的冰山和冰川正成为庞大诱人的“沉睡资源”而备受各国垂涎。空前激烈的能源争霸战正在悄然展开。     

基于Sentinel-1A数据的多种机器学习算法识别冰山的比较

冰山识别对于海洋环境监测和船只安全运行等具有重要的意义,是北极航道开通和北极开发过程中的重要内容。采用合成孔径雷达(SAR)影像进行冰山识别具有独特的优势,多种机器学习算法均可用于SAR影像的冰山识别中。为了最大限度地发挥机器学习算法的性能,有必要对不同机器学习算法及其搭配使用的特征与特征标准化方法进行评估,从而进行最优冰山识别方法的选择。因此,本文基于Sentinel-1A SAR影像,采用多种机器学习方法、多种特征组合及多种特征标准化方法进行冰山识别,并比较各流程方法的识别性能差异。采用的机器学习算法包括贝叶斯分类器(Bayes)、反向神经网络(BPNN)、线性判别分析(LDA)、随机森林(RF)以及支持向量机(SVM);特征标准化方法包括Min-max标准化、Z-score标准化及log函数标准化;数据集是含有12个SAR影像特征的969个冰山与非冰山样本,样本主要位于格陵兰岛东海岸。分类效果采用接收者操作特性(ROC)曲线下的面积(AUC)进行衡量。结果显示,最佳搭配下的RF的AUC值最高,达到了0.945,比最差的Bayes高出0.09。从识别率上来看,RF在冰山查全率为80%的情况下非冰山查全率达到92.6%,效果最好,比第2位的BPNN高出1.4%,比最差的Bayes高出2.6%;BPNN在冰山查全率为90%的情况下非冰山查全率达到87.4%,比第2位的RF高出0.8%,比最差的Bayes高出2.7%。上述结果表明,对冰山识别而言,选择最优的机器学习算法和最佳的特征与特征标准化方法都是十分重要的。     

大冰山给海洋生物找麻烦

据美国太空总署新闻中心(NASA NEWS)报道，NASA的卫星观察到有史以来最大冰山之一的C-19，正在给南极的海洋生命制造麻烦。C-19在去年5月份脱离南极罗斯地区冰帽，是过去26个月中这一地区的仅次于B-15的第二大冰山。C-19和冰帽分离后，漂移在罗斯海上，直接破坏     

格陵兰冰盖，未来10年可能消失

近期．一座大型岛状冰山从格陵兰岛冰川脱落。这座冰山的面积大约是纽约曼哈顿岛的4倍多,可能是历史上有记录以来从冰川上崩离的最大一座。     

“泰坦尼克号”冰山投影秀

1912年,当时世界上最大的邮轮"泰坦尼克"号首次下水航行即在北大西洋撞击冰山而沉没,这一事件在1997年被美国导演詹姆斯·卡梅隆搬上银幕,成为电影票房史上的奇迹。值此"泰坦尼克"号海难100周年之际,世界各地发起各种活动来悼念这场人类历史上空前的海难,除卡梅隆亲自操刀的3D版电影《泰坦尼克号》又一次