ICESat-2线性冰分数揭示的南半球被动微波海冰浓度偏差

《Remote Sensing of Environment》：Passive microwave sea ice concentration biases in the Southern Hemisphere revealed by ICESat-2 linear ice fraction

　　

•被动微波产品在南极海冰面积上的差异高达 160 万平方公里。
•同一类产品中，边缘冰区范围的差异高达 440 万平方公里。
•ICESat-2 数据显示，基于 Bootstrap 算法的海冰浓度（SIC）产品系统性地低估了受波浪影响的薄冰覆盖。
•基于 AMSR2 的 NASATeam2 SIC 数据与 ICESat-2 在低估程度的量级上保持一致。
•这种偏差很简单，可以通过 Bootstrap SIC 的二次函数进行校正。

引言
被动微波（PM）辐射计是监测极地地区的关键工具，用于测量大气顶层向上的微波辐射亮度，表示为频率 ?? 和偏振 ?? 下的亮温 ????(??,??)。由于海冰和海洋在微波发射方面的差异，反演大气顶层亮温以获取海冰浓度（SIC）的算法提供了超过 45 年的每日 SIC 估计——这是地球上持续时间最长、几乎不间断的卫星测量之一（Cavalieri 等，1984；Comiso 和 Sullivan，1986；Meier 等，2007）。PM-SIC 数据揭示了北极海冰覆盖的急剧减少（Meier 等，2007），以及最近南极海冰大幅减少超过 200 万平方公里（Eayrs 等，2021；Purich 和 Doddridge，2023；Chan 等，2025）。

由于 SIC 无法直接观测，已开发出众多算法，通过利用不同频率的 ???? 组合、偏振差异以及经验定义的参考点来反演 ???? 获取 SIC，以减轻大气影响并考虑积雪覆盖、表面状态和冰型变异性。常见算法包括 Bootstrap（Comiso 和 Sullivan，1986）、NASATeam（Cavalieri 等，1984）和 Bristol（Smith，1996）算法。Bootstrap 和 NASATeam 算法最初是使用扫描多通道微波辐射计（SMMR）可用的数据开发的，而 Bristol 算法是使用特种传感器微波成像仪（SSM/I）数据开发的。这三种算法均应用于 SMMR、SSM/I 以及目前运行中的特种传感器微波成像仪/辐射计（SSMIS）数据。其他算法，包括 NASATeam2（NT2）算法（Markus 和 Cavalieri，2000），使用接近 90 GHz 的通道，包括先进微波扫描辐射计（AMSR）传感器上的 89.0 GHz 通道。NT2 开发于第一台 AMSR 传感器发射之前（Markus 和 Cavalieri，2000），此后已应用于 AMSR-E 和 AMSR2 数据（Markus 等，2018）。

算法之间性能差异推动了气候数据记录（CDR）的开发，这些记录组合或切换不同的反演以改善特定冰况下的性能（Lavergne 等，2019；Meier 等，2021）。例如，NSIDC-CDR 使用基于规则的组合 NASATeam 和 Bootstrap 算法，取两者的最大值。欧洲中期天气预报中心海洋和海冰卫星应用设施（OSI SAF）CDR（以下简称 OSI-CDR）（Lavergne 等，2019）是两种算法的混合组合，源自 Bootstrap 和 Bristol 算法，每天进行调优以最小化动态获取的开水域（对于 Bootstrap）或紧闭冰（对于 Bristol）参考点上的不确定性，并在 0.4 和 0.7 之间进行线性混合。两种 CDR 报告了不同的不确定度值：NSIDC-CDR 提供了跨九单元邻域以及 NASA Team 和 Bootstrap 输出之间的每单元标准差（Meier 等，2022），而 OSI-CDR 提供了结合算法不确定性和足迹/网格不匹配不确定性的总不确定度（Lavergne 等，2019）。

NT2 算法的开发旨在解决原始 NASATeam 算法中的浓度偏差，这是由于表面积雪效应造成的，这种效应在南极海冰浓度反演中尤为明显（Markus 和 Cavalieri，2000）。受这些偏差影响的像素在连接两种 NASA Team 冰型的连线外形成一个簇，标记为 C 型。高频通道对这些效应的敏感度较低，因此使用梯度比差异来隔离这些点（Matzler 等，1984；Markus 和 Cavalieri，2000）。这种冰也会产生类似的梯度比差异，NT2 在 AMSRE/AMSR2 数据中的实现对某些像素求解了单独的薄冰型（Cavalieri，1994；Meier 等，2017；Brucker 等，2014）。NT2 还具有使用前向大气辐射传输模型进行的校正（Markus 和 Cavalieri，2000）。

与传感器或算法变化相关的差异和偏差有可能影响长期记录（Eisenman 等，2014），PM-SIC 数据集的可靠性已通过互比研究和与船舶或卫星观测的验证进行了量化。直接验证研究表明，大多数已建立的算法在冬季、紧实冰条件下能实现高精度和精确度，但在该范围之外会系统性地退化。利用从 SAR 汇聚分析和基于船舶的观测中导出的接近 1 的 SIC 参考条件（0.8
算法互比研究通过量化算法设计选择产生的不确定性，补充了验证研究。Ivanova 等（2015）的系统互比使用协调框架评估了多达 30 种 PM-SIC 算法，揭示了跨季节、冰区和传感器配置的实质性、空间连贯的差异。这些研究表明，利用较低微波频率的算法通常对表面湿润度和大气效应更具鲁棒性，而高频通道对近表面条件更敏感，导致变异性增加和偏差，特别是在边缘冰区（MIZ）和融化期间。北极海冰面积的算法离散度可超过 1 ×10? 平方公里（Ivanova 等，2014）。在南极，互比研究发现了海冰面积（SIA）的巨大差异。一个误差来源是各种 PM 通道的空间足迹不匹配：对于 AMSR2，这在 19 GHz 处约为 25 公里到 89 GHz 处约为 5 公里（Imaoka 等，2010）之间变化，对于 SSMIS，这在 19 GHz 处约为 50 公里到 37 GHz 处约为 30 公里（Lavergne 等，2019）之间变化。这会导致涂抹效应，特别是在南极 MIZ 的外围（Kern 等，2019），那里的相关不确定性对于 OSI-CDR 产品估计高达 0.50（Lavergne 等，2019）。使用已知 0 和 1 海冰样本的 SIC 变异性估计的算法不确定度较小，小于 0.03（Lavergne 等，2019）。其他研究（Kern 等，2022）表明，与 Landsat 衍生的 SIC 相比，AMSR2-NT2 存在系统性正偏差，特别是在中等浓度范围。该研究还表明，Landsat 衍生的 SIC 存在正偏差，这表明 NT2 算法普遍高估了 SIC。

尽管存在 PM-SIC 反演中的这些不确定性，PM 衍生的 SIC 数据通常被直接用作模型验证、数据同化和状态估计的观测约束（Chassignet 等，2020；Notz 等，2016；Uotila 等，2019；Nakayama 等，2024）。这假设从观测到的大气顶层 ???? 到 SIC 的映射具有有限或定义明确的误差。以这种方式使用单一 PM-SIC 产品可能意味着巨大的算法不确定性与物理模型误差混淆在一起。因此，海洋 - 海冰再分析中看到的海冰、水文和动力学差异（例如，Uotila 等，2019；Nakayama 等，2024；Yao 等，2025）可能对 PM-SIC 数据的具体选择很敏感。

自 2018 年 10 月以来投入运行的 ICESat-2（IS2）激光测高仪为评估被动微波 SIC 反演中的系统性不确定性提供了独立的观测约束。通过对 MIZ 进行细尺度、全球性、重复观测，IS2 明确分辨了海冰冰块边界（Petty 等，2021；Brouwer 等，2022；Horvat 等，2025；Gupta 等，2024）和海冰冰缘（Buckley 等，2025；Horvat 等，2025），由于海洋表面波穿过冰层传播引起的表面高度变化（Horvat 等，2020；Brouwer 等，2022；Hell 和 Horvat，2024），以及新冰和薄冰特有的低露出水面高度（Kwow 等，2019；Petty 等，2021）。IS2 还被用于推导互补的海冰浓度产品，即线性冰分数（LIF）（Horvat 等，2022；Buckley 等，2025；Horvat 等，2025）。沿轨以及跨多条 IS2 轨道聚合的 LIF 数据在与北极光学数据评估时具有接近零的平均偏差，并对薄冰、破碎冰和受波浪影响的海冰具有高度敏感性，尽管 LIF 数据尚未针对南极海冰进行专门验证。IS2 不提供 PM 卫星那样的连续空间覆盖，但它每天大约穿越南极 MIZ 28 次，提供了用于诊断 PM 算法偏差的独立验证数据集。

在本研究中，我们量化了 2018–2024 年间南极海冰区内常用 PM-SIC 产品与同时期 LIF 数据之间的差异。第 2 节描述了使用的数据集和方法，包括 PM-SIC 和 LIF 数据，并比较了 PM-SIC 对海冰范围（SIE）、SIA 和边缘冰区范围（MIZE）的表示。第 3 节使用 ICESat-2 观测独立评估这些差异在广泛的冰况和空间域上的情况。在第 4 节中，我们评估 PM SIC 反演偏差的空间和算法来源，并讨论其对南极冰冻圈遥感的意义。

章节片段
被动微波衍生的南极海冰覆盖中的算法相关差异
为了评估来自 PM 卫星的南极海冰数据，我们使用了一系列不同的 SIC 产品组合，列于表 1 中，包括六个网格化 PM-SIC 数据集和三个沿轨 ICESat-2 数据衍生或提供的 SIC 数据产品。这些产品所使用的卫星（SSMIS、AMSR2 或 ICESat-2）和提供的网格均有所不同。我们将简要概述 PM-SIC 网格化数据产品并在此进行互比。我们讨论了数据分析

使用共址 ICESat-2 测高数据评估 PM-SIC 偏差
仅从 PM-SIC 数据来看，我们看到 NSIDC-CDR 与其他基于 Bootstrap 的 PM-SIC 算法以及 AMSR2-NT2 算法在整体开阔水域比例上存在广泛差异。需要更广泛的泛南极模式来理解或校正图 2 中多年来看到的参数差异。为此，我们利用 ICESat-2 激光测高仪测量的南极海冰区数百万条剖面数据，开发了一个独立的比较 SIC 数据集。

讨论
在这里，我们检查了两种常用被动微波（PM）海冰浓度（SIC）反演算法之间的一致偏差。这种偏差导致了对南极海冰总体覆盖和可变性的估计差异，特别是关于南极 MIZ 的大小。超过六年的同期 IS2 卫星测高数据揭示，AMSR2-NT2 的高频能力使得对传统 SSMIS 产品中认为是 MIZ 的区域描绘更为准确，区域

结论
我们的工作证明，常用 PM 基 SIC 产品之间的大尺度统计差异主要由算法差异驱动。使用同期测高数据，我们表明，基于 Bootstrap 的 SIC 产品，如广泛使用的 NSIDC-CDR，系统性地低估了 MIZ 中的 SIC，特别是在存在薄冰和受波浪影响的冰时。尽管 ICESat-2 衍生的 LIF 和基于 AMSR2-NT2 的 SIC 产品中的不确定性可能会影响对

代码和数据可用性
将 ICESat-2 数据处理为沿轨复合数据的代码可在 Horvat (2026) 处获取。后处理和复合的 ICESat-2 数据可在 Horvat and Tavri (2026) 处获取。NSIDC-CDR v4 可从 https://nsidc.org/data/g02202/versions/4 获取。AMSR-E/AMSR2 统一 L3 产品可从 https://nsidc.org/data/au_si25/versions/1 获取。ICESat-2 ATL07 v6 数据可从 https://nsidc.org/data/ATL07/versions/6 获取。Sentinel-1 EW 数据来自 Copernicus

OpenCRediT 作者贡献声明
Christopher Horvat：方法论、调查、资金获取、形式分析、数据管理、概念化。Aikaterini Tavri：方法论、调查、形式分析。

Kimia Mohammadnezhad：研究方法与调查。利益冲突声明：作者声明不存在已知的可能对本论文所报告工作产生影响的竞争性经济利益或个人关系。致谢：我们感谢Ann Windnagel在2024年提供额外的NSIDC-CDRv4海冰数据方面给予的帮助。本研究部分资金由美国国家科学基金会（NSF：#2146889）和美国国家航空航天局（NASA）拨款80NSSC25K0463支持。CH和AT部分通过尺度感知海冰项目（SASIP）获得支持。SASIP由Schmidt Futures资助，这是一个致力于通过开发新兴科学技术来改善社会成果的公益倡议。Christopher Horvat | Aikaterini Tavri | Kimia Mohammadnezhad