石立堅(jiān) 王其茂 鄒斌 施英妮 焦敏

（1國家衛(wèi)星海洋應(yīng)用中心，北京100081；2中國人民解放軍61741部隊(duì)，北京100094；3上海海洋大學(xué)，上海201306）

0 引言

全球海冰面積約占海面面積的5%—8%，并有強(qiáng)烈的季節(jié)性變化，對全球氣候變化產(chǎn)生直接影響。除了邊緣海域，北冰洋幾乎終年被海冰覆蓋，約占全球海冰的30%。它的反照率高達(dá)80%以上，能夠反射大部分的太陽輻射，從而使無冰海面區(qū)域和海冰覆蓋區(qū)域的海氣能量交換存在較大差異，所以影響海洋和大氣的循環(huán)［1］，其時(shí)空變化也構(gòu)成了北半球高緯度氣候干擾的一個(gè)重要誘發(fā)因子。另外，海冰的分布對船舶航行、近岸海洋工程等方面也有一定影響［2］。近30年來由于全球氣候變化，海冰覆蓋范圍呈下降趨勢，1979—1996年北極海冰的覆蓋范圍以每10年－2.2%的速度減少，過去10年，這一數(shù)據(jù)達(dá)到了 －10.1%［3］，2012年 9月 16日達(dá)到最小值（3.41×106km2），這一數(shù)值是 1979—2010年北極每年最小海冰范圍平均值的55.5%。

海冰密集度是描述極區(qū)海冰的主要參數(shù)，定義為單位面積內(nèi)海冰覆蓋所占的百分比。目前用于海冰密集度反演的數(shù)據(jù)主要來源于星載微波輻射計(jì)，該輻射計(jì)作為一種被動(dòng)微波傳感器，結(jié)合不同波段不同極化方式下的觀測亮溫，可以區(qū)分海冰和海水。美國冰雪數(shù)據(jù)中心提供自1978年以來利用星載微波輻射計(jì)獲取的空間分辨率為25 km的兩極海冰密集度數(shù)據(jù)，且多個(gè)微波輻射計(jì)的數(shù)據(jù)用于反演這一長時(shí)間序列的產(chǎn)品，如美國Nimbus-7和Seasat-A上的SMMR（Scanning Multi-frequency Microwave Radi-ometer）、美國 DMSP（Defense Meteorological Satellite Program）上的 SSMI（Special Sensor Microwave／Imager）、美國Aqua衛(wèi)星上的AMSR-E（Advanced Microwave Scanning Radiometer for EOS）等［4］?，F(xiàn)在在軌運(yùn)行的 DMSP-F17 SSMIS、DMSP-F18 SSMIS、GCOMW1 AMSR2都在繼續(xù)為這一產(chǎn)品提供數(shù)據(jù)源。

目前有多種利用星載微波輻射計(jì)亮溫?cái)?shù)據(jù)來反演海冰密集度的方法：NASA TEAM算法［5］和BOOTSTRAP算法［6］主要利用 19和 37.0 GHz兩個(gè)頻段的亮溫?cái)?shù)據(jù)來反演，可以得到空間分辨率為25 km的海冰密集度產(chǎn)品；近年來，89 GHz頻段在不同方法得到應(yīng)用，以獲取更高分辨率的密集度產(chǎn)品，如 NASA TEAM2算法［7］、ASI算法［8］、LOMAX算法［9］等。上述方法中，NASA TEAM算法、NASA TEAM2算法和LOMAX算法除了給出整體冰的密集度，還可以分別給出一年冰和多年冰的密集度。近年來，國內(nèi)諸多學(xué)者利用AMSR-E的亮溫?cái)?shù)據(jù)開展了海冰密集度方法的研究［10-11］。

HY-2衛(wèi)星于2011年8月16日發(fā)射升空，星上攜帶的微波掃描輻射計(jì)亦可用于極區(qū)海冰監(jiān)測。本文將對利用HY-2微波掃描輻射計(jì)亮溫?cái)?shù)據(jù)反演北極區(qū)域海冰密集度的方法開展研究，本文數(shù)據(jù)部分主要介紹本研究所用的HY-2微波掃描輻射計(jì)亮溫?cái)?shù)據(jù)和用于交叉驗(yàn)證的國際上公認(rèn)的兩種業(yè)務(wù)化海冰密集度產(chǎn)品；方法部分詳細(xì)介紹用于海冰密集度反演的NASA TEAM算法及其具體參數(shù)的選擇方法，并介紹了用于濾除大氣中水蒸氣、云中液態(tài)水、降雨等現(xiàn)象影響的天氣濾波器；驗(yàn)證部分則通過計(jì)算已知區(qū)域海冰密集度和交叉驗(yàn)證兩種方法說明本文方法的有效性，最后給出結(jié)論。

1 數(shù)據(jù)

HY-2衛(wèi)星搭載雷達(dá)高度計(jì)、微波散射計(jì)、微波掃描輻射計(jì)和校正微波輻射計(jì)等載荷，其中微波掃描輻射計(jì)工作頻率為6.6、10.7、18.7、23.8和37.0 GHz，除了 23.8 GHz只有垂直極化以外，其他4個(gè)頻段均具有水平和垂直兩種極化方式，傳感器掃描刈幅大于1 600 km，靈敏度在37.0 GHz頻段優(yōu)于 0.8 K，其余頻段優(yōu)于 0.5 K［12］。利用該傳感器數(shù)據(jù)，可以反演得到全球海面溫度、海面風(fēng)場、大氣水蒸氣含量、云中水含量、海冰和降雨量等參數(shù)。本研究主要是基于微波掃描輻射計(jì)Level3級(jí)亮溫產(chǎn)品進(jìn)行海冰密集度反演，該級(jí)別產(chǎn)品是在Level2A產(chǎn)品基礎(chǔ)上，經(jīng)過平均處理，獲得南北極網(wǎng)格化日平均亮溫?cái)?shù)據(jù)，其數(shù)據(jù)格式為 HDF，空間分辨率為25 km。本研究所用數(shù)據(jù)為2012年全年的HY-2微波掃描輻射計(jì)北極亮溫?cái)?shù)據(jù)，研究表明利用每軌數(shù)據(jù)（Level2A）和利用每天平均數(shù)據(jù)（Level3A）反演的海冰密集度結(jié)果平均偏差（mean difference）小于1%［13］，在誤差允許范圍之內(nèi)，所以本研究直接利用Level3A每天平均數(shù)據(jù)進(jìn)行反演，除去由于傳感器不穩(wěn)定等因素引起的數(shù)據(jù)缺失，共采用336天數(shù)據(jù)，占2012年總天數(shù)的91.8%。

為了驗(yàn)證本研究反演得到的海冰密集度產(chǎn)品的準(zhǔn)確性，從網(wǎng)上下載兩種業(yè)務(wù)化產(chǎn)品用于進(jìn)行交叉檢驗(yàn)。一種為美國冰雪數(shù)據(jù)中心提供利用NASA TEAM方法和DMSPF17衛(wèi)星SSMIS傳感器數(shù)據(jù)反演的海冰密集度產(chǎn)品［14］，該產(chǎn)品空間分辨率亦為25 km，每個(gè)柵格的地理位置與本研究反演得到的結(jié)果一致。另一種為德國不來梅大學(xué)提供的利用ASI方法和DMSPF18衛(wèi)星SSMIS傳感器數(shù)據(jù)反演的海冰密集度產(chǎn)品［15］，該產(chǎn)品空間分辨率為 6.25 km，經(jīng)過空間插值降分辨率到25 km后用于交叉驗(yàn)證。

2 方法

2.1 海冰密集度反演方法

由于HY-2微波掃描輻射計(jì)與SSMIS、AMSR-E等傳感器在頻率設(shè)置、亮溫精度等細(xì)節(jié)參數(shù)方面有差異，所以本文將主要參考NASA TEAM方法，對特征值選取、天氣濾波器閾值等參數(shù)進(jìn)行重新選取，利用不同頻段和不同極化方式的亮溫梯度來反演海冰的密集度，最終形成適用于HY-2微波掃描輻射計(jì)的NASA TEAM方法。

首先，根據(jù)18.7 GHz和37.0 GHz兩個(gè)頻段的亮溫?cái)?shù)據(jù)，得到兩個(gè)獨(dú)立變量：極化梯度率PR（Polarization Gradient Ratio）和光譜梯度率GR（Spectral Gradient Ratio），具體定義如下：

其中，Tb是指在特定頻率和極化方向觀測到的亮溫。V和H分別代表垂直極化和水平極化。

基于極化梯度率和光譜梯度率，計(jì)算出一年冰密集度CFY和多年冰密集度CMY，進(jìn)而得到整體海冰密集度CT：

其中，D＝D0＋D1·PR＋D2·GR＋D3·PR·GR，Mi、Fi和 Di（i＝0～3）這12個(gè)系數(shù)是關(guān)于9個(gè)亮溫?cái)?shù)值的函數(shù)。具體表達(dá)式如下：

其中

這9個(gè)亮溫是指在18.7 V，18.7 H和37 V下觀測到的無冰海面（Open water，OW）、一年冰（First year，F(xiàn)Y）和多年冰（Multi-year，MY）上的亮溫特征值（tie point）。為了得到亮溫特征值，選取3個(gè)典型海域［16］，計(jì)算每個(gè)海域每個(gè)月份的亮溫平均值。圖1為典型海域的具體地理位置，多年冰選取格陵蘭島以北海域，一年冰選取楚科奇海部分海域，無冰海面選取挪威海部分海域。圖2為上述三個(gè)區(qū)域極化梯度率和光譜梯度率2012年全年的變化，在北半球冬季和春季（11月至次年5月），海水的極化梯度率和光譜梯度率比一年冰和多年冰的相應(yīng)參數(shù)要高，而一年冰和多年冰的極化梯度率沒有明顯區(qū)別，一年冰的光譜梯度率要高于多年冰的光譜梯度率；在夏秋兩季，隨著一年冰的融化，它的極化梯度率和光譜梯度率逐漸升高，直到8—9月份，一年冰全部融化為海水，而多年冰的這兩個(gè)參數(shù)也由于海冰表面溫度升高和海冰融化呈現(xiàn)不同程度的增長。

圖1 用于特征值選取的三個(gè)典型海區(qū)的具體地理位置Fig.1.Locations of three typical sea surface for the tie point selection

針對三個(gè)海域，繪制每月月平均極化梯度率和光譜梯度的散點(diǎn)圖，如圖3所示。圖3b為3a的局部放大。從圖3a可以看出，海水的梯度率參數(shù)比較集中，所以選取月份為全年；一年冰從6月份開始，兩個(gè)梯度率參數(shù)均開始上升，到9月份達(dá)到最大值，然后開始降低，這主要是一年冰夏季融化導(dǎo)致梯度率參數(shù)發(fā)生相應(yīng)變化，所以一年冰的特征月份選取除6—10月以外的其余月份；從圖3b中可以看出6—8月多年冰的參數(shù)與一年冰的參數(shù)差異較小，與一年冰特征月份點(diǎn)“混雜”在一起，所以多年冰的特征月份選取除6—8月以外的其余月份。根據(jù)選取的特征月份，計(jì)算出18.7 V，18.7 H和37 V的亮溫平均值（即特征值），具體亮溫特征值和選取月份如表1。

圖2 三個(gè)典型海區(qū)極化梯度率（a）和光譜梯度率（b）2012年全年的變化Fig.2.Annual change of three typical sea’s polarization gradient ratio（a）and spectral gradient ratio（b）in 2012

圖3 2012年每個(gè)月月平均光譜梯度率和極化梯度率的散點(diǎn)圖，（b）為（a）的局部放大圖Fig.3.Monthly polarization gradient ratio versus spectral gradient ratio of 2012，（b）is partial enlarged drawing of（a）

表1 三種典型海面在18.7 V，18.7 H和37 V波段的亮溫特征值Table 1.Selected tie point of 18.7 V，18.7 H and 37 V for the three surface types

2.2 天氣濾波器

通過上述步驟獲取的海冰密集度初步結(jié)果中，常會(huì)出現(xiàn)錯(cuò)誤的計(jì)算結(jié)果，即在開闊海域會(huì)計(jì)算出低密集度的海冰，這主要是由于大氣中水蒸氣、云中液態(tài)水、降雨等現(xiàn)象引起的。Cavalieri等人［17］利用輻射傳輸模型模擬的271 K時(shí)（ice edge）不同大氣水汽含量、降雨、云中液態(tài)水等參數(shù)下極化梯度率和光譜梯度率的變化，僅用GR（37／19）可以將云中液態(tài)水含量較高情況引起的誤判去除；結(jié)合GR（22／19）可以將較高的大氣水汽含量、降雨去除。另外在陸地邊緣，受陸地比輻射率較高影響，亮溫較高，引起海冰密集度反演結(jié)果在陸地邊緣區(qū)域也有錯(cuò)誤的結(jié)果，利用GR（22／19）將該現(xiàn)象也濾除了。本研究沿用上述光譜梯度率來濾除天氣影響，主要包括以下兩步：

（1）利用37 GHz和18.7 GHz的光譜梯度率過濾掉云中液態(tài)水和云層中冰晶的影響，如果GR（37／18.7）≥0.13，則 CT＝0；

（2）利用23.8 GHz和18.7 GHz的光譜梯度率去除水面上大量的水蒸氣的影響，如果GR（23.8／18.7）≥0.085，則 CT＝0；其中 GR（23.8／18.7）定義類似 GR（37／18.7），利用23.8 GHz和 18.7 GHz的垂直極化方式的亮溫計(jì)算光譜梯度率。

圖4為利用2012年8月27日微波掃描輻射計(jì)亮溫?cái)?shù)據(jù)計(jì)算的北極區(qū)域海冰密集度初步結(jié)果、經(jīng)過GR（37／18.7）光譜梯度率濾除的結(jié)果和經(jīng)過兩個(gè)光譜梯度率濾除的結(jié)果。從圖4b中可以看出，GR（37／18.7）光譜梯度率可以將高緯度開闊海域的錯(cuò)誤結(jié)果濾除，同時(shí)可以將云中液態(tài)水含量值較高的區(qū)域?yàn)V除（如圖4a中冰島與英國之間的海域）。但是GR（37／18.7）光譜梯度率無法濾除中緯度區(qū)域的錯(cuò)誤結(jié)果，如圖4b中日本東部太平洋海域和加拿大東部大西洋海域存在較大區(qū)域的錯(cuò)誤結(jié)果，這主要是該海域的大氣中水蒸氣含量較高（20 mm左右），這一現(xiàn)象在夏季普遍存在。另外受陸地影響，在沿岸區(qū)域存在錯(cuò)誤結(jié)果，利用GR（37／18.7）光譜梯度率也無法剔除這一現(xiàn)象。利用 GR（23.8／18.7）光譜梯度率可以將上述兩種情況引起的錯(cuò)誤結(jié)果很好地濾除，如圖4c所示。

圖4 2012年8月27日計(jì)算的北極區(qū)域海冰密集度初步結(jié)果（a）、經(jīng)過GR（37／18.7）光譜梯度率濾除的結(jié)果（b）和經(jīng)過兩個(gè)光譜梯度率濾除的結(jié)果（c）Fig.4.Sea ice concentration result of north polar zone on Aug.27，2012.（a）Result without using weather filter；（b）Result with weather filter；（c）Resultwith two weather filter

3 驗(yàn)證

為了驗(yàn)證本文反演海冰密集度的準(zhǔn)確性，采用兩種方法進(jìn)行驗(yàn)證：利用圖1中進(jìn)行特征值選取時(shí)三個(gè)海冰類型已知區(qū)域計(jì)算整體海冰和多年冰的密集度，來說明本文方法的可行性；利用國際上常用的兩種業(yè)務(wù)化海冰密集度產(chǎn)品進(jìn)行交叉對比，來驗(yàn)證本文反演結(jié)果的準(zhǔn)確性。

3.1 三個(gè)特征值區(qū)域的驗(yàn)證

針對圖1中三個(gè)區(qū)域及計(jì)算亮溫特征值時(shí)選取的不同月份（如表1中選取月份），計(jì)算每個(gè)區(qū)域?qū)?yīng)的整體海冰和多年冰的密集度平均值，然后與不同海區(qū)的理論值進(jìn)行比較。需要說明的是，這里的整體海冰和多年冰的密集度沒有經(jīng)過天氣濾波器的處理。在格陵蘭島以北的多年冰區(qū)域，整體海冰和多年冰的密集度理論上應(yīng)該均為1，本文計(jì)算結(jié)果分別為98.9%和85.2%，與理論值比較吻合，但是6—8月份的多年冰的計(jì)算結(jié)果較差，這主要是夏季海冰表面溫度升高，部分冰面出現(xiàn)融化等現(xiàn)象造成的。在楚科奇海一年冰區(qū)域，整體海冰密集度的理論值為1，多年冰密集度理論值為0，本文計(jì)算結(jié)果分別為99%和9.6%。挪威海的無冰海面，整體海冰和多年冰密集度的理論值均為0，本文計(jì)算結(jié)果分別為14.9%和6.8%，這主要是由于大氣中水蒸氣、云中液態(tài)水等現(xiàn)象引起的，特別在夏季，這種錯(cuò)誤更為明顯?？傮w來說，本文反演的整體海冰密集度結(jié)果要優(yōu)于多年冰密集度結(jié)果。

3.2 交叉對比

分別利用美國冰雪數(shù)據(jù)中心和德國不來梅大學(xué)提供的海冰密集度業(yè)務(wù)化產(chǎn)品進(jìn)行交叉對比，驗(yàn)證本文反演的海冰密集度的準(zhǔn)確性。

圖5為2012年1月5日的海冰密集度差異圖，圖5a為本文結(jié)果與美國冰雪數(shù)據(jù)中心結(jié)果的差異，圖5b為本文結(jié)果與德國不來梅大學(xué)結(jié)果的差異，紅色代表本文計(jì)算結(jié)果高于業(yè)務(wù)化產(chǎn)品，藍(lán)色代表本文計(jì)算結(jié)果低于業(yè)務(wù)化產(chǎn)品。從圖中可以看出：本文計(jì)算的結(jié)果與另外兩種業(yè)務(wù)化產(chǎn)品在大部分區(qū)域結(jié)果都很接近，差別在±2%以內(nèi)；但在北極點(diǎn)附近區(qū)域，本文結(jié)果要低于另外兩種業(yè)務(wù)化產(chǎn)品；差距主要集中在冰水邊緣區(qū)域，差異在10%左右，本文結(jié)果與德國不來梅大學(xué)的結(jié)果更為接近。

圖5 2012年1月5日的海冰密集度差異圖.（a）本文結(jié)果與美國冰雪數(shù)據(jù)中心結(jié)果的差異；（b）本文結(jié)果與德國不來梅大學(xué)結(jié)果的差異Fig.5.Ice concentration difference on Jan.5，2012.（a）This paper-NSIDC；（b）This paper-Berman

圖6為2012年由3種海冰密集度數(shù)據(jù)得到的海冰覆蓋面積時(shí)間序列，在計(jì)算每天的海冰覆蓋面積時(shí)，只統(tǒng)計(jì)3種數(shù)據(jù)都有有效數(shù)據(jù)的點(diǎn)。與圖5一樣，本文結(jié)果高于另外兩種產(chǎn)品，與德國不來梅大學(xué)產(chǎn)品更接近。相對于冬季來講，夏季的結(jié)果差異稍大。表2給出了3種數(shù)據(jù)對比分析的統(tǒng)計(jì)結(jié)果，從各項(xiàng)數(shù)據(jù)可以看出，本文結(jié)果與德國不來梅大學(xué)產(chǎn)品更接近，2012年日平均偏差為0.111 7×106平方公里，遠(yuǎn)小于與美國冰雪數(shù)據(jù)中心的日平均差異0.432 4×106平方公里。

4 結(jié)論

本文參考NASA TEAM方法，研究了利用HY-2衛(wèi)星微波掃描輻射計(jì)亮溫?cái)?shù)據(jù)反演北極海冰密集度的方法，并對結(jié)果進(jìn)行了初步驗(yàn)證，主要結(jié)論如下。

圖6 2012年由3種海冰密集度數(shù)據(jù)得到的北極海冰覆蓋面積時(shí)間序列Fig.6.Daily averaged time series of total Arctic ice area for 2012，by three kinds of ice concentration data

表2 本文結(jié)果與另外兩種產(chǎn)品的2012年北極海冰覆蓋面積差異的統(tǒng)計(jì)分析Table 2.Statistical analysis of the total Arctic ice area difference for 2012

（1）利用NASA TEAM方法進(jìn)行海冰密集度反演的關(guān)鍵是選擇18.7 V，18.7 H和37 V下觀測到的無冰海面、一年冰和多年冰上的亮溫特征值。選擇格陵蘭島以北海域、楚科奇海部分海域和挪威海部分海域作為多年冰、一年冰和無冰海面的典型海域，對上述3個(gè)區(qū)域2012年的極化梯度率和光譜梯度率進(jìn)行統(tǒng)計(jì)分析，這兩個(gè)參數(shù)呈現(xiàn)明顯的季節(jié)變化。根據(jù)兩個(gè)梯度率參數(shù)的月平均散點(diǎn)圖，選擇了特征月份和亮溫特征值。

（2）利用 GR（37／18.7）和 GR（23.8／18.7）兩個(gè)天氣濾波器有效地去除了開闊海域由于大氣中水蒸氣、云中液態(tài)水、降雨等現(xiàn)象引起的海冰密集度錯(cuò)誤結(jié)果。

（3）在本文方法研究的基礎(chǔ)上，計(jì)算了2012年全年的北極海冰密集度產(chǎn)品，并通過計(jì)算三個(gè)海冰類型已知區(qū)域的海冰密集度和交叉驗(yàn)證兩種方法檢驗(yàn)產(chǎn)品精度。三個(gè)海冰類型已知區(qū)域的海冰密集度計(jì)算結(jié)果表明本文計(jì)算的整體海冰密集度結(jié)果和理想值非常接近，多年冰的精度需要進(jìn)一步提高。交叉驗(yàn)證結(jié)果表明，本文計(jì)算的結(jié)果與國際上常用的兩種業(yè)務(wù)化海冰密集度產(chǎn)品一致，其中與德國不來梅大學(xué)產(chǎn)品更接近，2012年日平均偏差為0.111 7×106km2，遠(yuǎn)小于與美國冰雪數(shù)據(jù)中心的日平均差異0.432 4×106km2。本研究中僅利用全年統(tǒng)計(jì)的差異參數(shù)說明了不同產(chǎn)品的差異，后續(xù)工作中，將對不同季節(jié)的偏差進(jìn)行比較，并在此基礎(chǔ)上進(jìn)一步改進(jìn)本算法。

通過本研究，實(shí)現(xiàn)了利用HY-2微波掃描輻射計(jì)亮溫?cái)?shù)據(jù)反演北極區(qū)域海冰密集度產(chǎn)品，為利用中國自主衛(wèi)星數(shù)據(jù)業(yè)務(wù)化監(jiān)測極區(qū)海冰密集度變化，發(fā)布準(zhǔn)實(shí)時(shí)產(chǎn)品奠定了基礎(chǔ)。下一步工作將集中在以下三方面：（1）利用高分辨率光學(xué)數(shù)據(jù)（如Landsat）或SAR數(shù)據(jù)反演的海冰范圍和2012年第五次北極科學(xué)考察的現(xiàn)場測量數(shù)據(jù)驗(yàn)證本文計(jì)算結(jié)果；（2）對選擇的亮溫特征值進(jìn)行敏感性實(shí)驗(yàn)，研究采用不同季節(jié)或者不同月份亮溫特征值的可能性；（3）對于南極區(qū)域，開展相應(yīng)研究，制作海冰密集度產(chǎn)品。

致謝 感謝芬蘭氣象研究所的程斌博士對文章的修改，感謝兩位審稿人提出的寶貴意見，感謝美國冰雪數(shù)據(jù)中心和德國不來梅大學(xué)提供海冰密集度數(shù)據(jù)。

1 Comiso JC.Large-scale characteristics and variability of the global sea ice cover／／Thomas D N，Dieckman GS.Sea Ice：An Introduction to its Physics，Chemistry，Biology，and Geology.Malden，USA：Blackwell Publishing，2003：112—140.

2 Spreen G，Kaleschke L，Heygster G.Sea ice remote sensing using AMSR-E 89-GHz channels.Journalof Geophysical Research：Oceans，2008，113（C2），C02S03，doi：10.1029／2005JC003384.

3 Comiso JC，Parkinson C L，Gersten R，et al.Accelerated decline in the Arctic sea ice cover.Geophysical Research Letters，2008，35（1），L01703，doi：10.1029／2007GL031972.

4 Sea Ice Concentrations from Nimbus-7 SMMR and DMSP SSM／I-SSMISPassive Microwave Data.2013-08-31.http：／／nsidc.org／data／nsidc-0051.html

5 Cavalieri D J，Crawford JP，Drinkwater M R，et al.Aircraft active and passivemicrowave validation of sea ice concentration from the DMSP SSM／I.Journal of Geophysical Research：Oceans，1991，96（C12）：21989—22008.

6 Comiso JC.SSM／Isea ice Concentrations Using the Bootstrap Algorithm.NASA Reference Publication 1380，1995：40.

7 Markus T，Cavalieri D J.An enhancement of the NASA Team sea ice algorithm.IEEE Transactions on Geoscience and Remote Sensing，2000，38（3）：1387—1398.

8 Svendsen E，Matzler C，Grenfell T C.A model for retrieving total sea ice concentration from a spaceborne dual-polarized passivemicrowave instrument operating near 90 GHz.International Journal on Remote Sensing，1987，8（10）：1479—1487.

9 Lomax A S，Lubin D，Whritner R H.The potential for interpreting total and multiyear ice concentrations in SSM／I 85.5 GHz imagery.Remote Sensing of Environment，1995，54（1）：13—26.

10 張樹剛.海冰密集度反演以及北極中央?yún)^(qū)海冰和融池變化物理過程研究.青島：中國海洋大學(xué)，2012.

11 王歡歡，Heygster G，韓樹宗，等.應(yīng)用AMSR-E 89 GHz遙感數(shù)據(jù)反演北極多年冰密集度.極地研究，2010，21（3）：186—196.

12 海洋二號(hào)衛(wèi)星介紹.2011-08-16.http：／／www.nsoas.gov.cn／HY2AZhuanti／HY2A／hy202.html

13 Spreen G，Kaleschke L，Heygster G.Sea ice remote sensing using AMSR-E 89-GHz channels.Journal of Geophysical Research：Oceans，2008，113（C2），C02S03，doi：10.1029／2005JC003384.

14 Cavalieri D J，Parkinson C L，Gloersen P，et al.Sea Ice Concentrations from Nimbus-7 SMMR and DMSPSSM／I-SSMISPassive Microwave Data.Boulder，Colorado USA：NASA DAAC at the National Snow and Ice Data Center，1996.

15 Daily Updated SSMISSea Ice Maps.2012-08-01.http：／／iup.physik.uni-bremen.de：8084／ssmis／index.html

16 Comiso JC，Cavalieri D J，Parkinson C L，et al.Passivemicrowave algorithms for sea ice concentration：A comparison of two techniques.Remote Sensing of Environment，1997，60（3）：357—384.

17 Cavalieri D J，St.Germain K M，Swift C T.Reduction ofweather effects in the calculation of sea ice concentration with the DMSPSSM／I.Journal of Glaciology，1995，41（139）：455—464.