一、Spatial-temporal characters of Antarctic sea ice variation（论文文献综述）
梁爽[1]（2021）在《极地海冰密集度和厚度遥感反演方法研究》文中研究说明海冰不仅是冰冻圈重要的组成要素,同时也是极区气候系统的重要调节器和全球气候变化的敏感因子。诸多研究表明,海冰对大气、生态、环境、海洋以及人类活动等各个方面都具有重要影响。因此,监测极区海冰参数并获取其时空分布信息具有重要的科学价值和实际意义。海冰密集度和海冰厚度是分别表征海冰在“水平方向”和“垂直方向”变化特征的两个重要海冰参量。相比传统海冰密集度和海冰厚度测量方法,遥感覆盖范围广,可实现大范围的持续观测,是进行海冰密集度和海冰厚度时空监测的有效手段。因此,开展海冰密集度和海冰厚遥感反演方法研究对于获取和理解极区海冰时空分布特征及变化趋势具有重要意义。本论文以南北极为研究区域,针对目前被动微波遥感海冰密集度反演方法的不足以及最新发射的ICESat-2激光高度计,分别开展海冰密集度和海冰厚度遥感反演方法研究工作,并应用其进行极地区域海冰密集度及海冰范围的时空变化研究。论文的主要研究内容和结论包括以下四个方面:（1）对国际上主流的被动微波海冰密集度产品进行了全面的精度评价和一致性评估。首先利用高分辨率遥感影像（MODIS）对主流的被动微波海冰密集度算法（NT2、BT、ASI算法）生产的海冰密集度产品（SSMIS/ASI、AMSR2/BT及我国的FY3B/NT2和FY3C/NT2产品）进行了精度评价。其次,选择与被动微波海冰密集度时空分辨率相近的ERA-Interim再分析海冰密集度数据集,对不同算法的海冰密集度产品进行了长时序、全极区的一致性评估。最后,总结了各种主流的海冰密集度产品（算法）在极区的表现与误差时空分布特征,并提出相应的解决方案,为后续新发展的海冰密集度融合算法打下了基础。（2）针对不同被动微波海冰密集度算法的误差特征,提出了被动微波海冰密集度融合新方法。通过对目前国际主流的被动微波海冰密集度产品在南北极地区的一致性评估发现,现有海冰密集度产品在南北极海冰边缘区和夏季时期误差较大,其中ASI算法和BT算法整体表现最优且分别在北极与南极地区表现最好。因此选择以ASI算法与BT算法为基准算法,针对两者在南北极海冰边缘区和夏季时期具有相反的低高估偏差特征,对两者进行有效融合,消除偏差的影响,形成新的海冰密集度融合算法。利用2012-2014年中国雪龙号南北极科考的船基观测数据验证表明新算法反演的海冰密集度精度优于ASI和BT算法,在北极的均方根误差（RMSE）为9.55%,南极的RMSE为11.37%,同时新算法反演的海冰密集度能够很好的捕捉海冰密集度的动态变化趋势,在南北极的决定系数R2值均在0.8以上,可实现高精度、长时序的极区海冰密集度产品生产。（3）系统分析了近20年南北极地区海冰密集度、海冰面积和范围的时空变化。基于本论文发展的新的海冰密集度融合算法,结合AMSR-E和AMSR2多通道辐射计亮温数据,生成了2002-2020年的长时序日尺度海冰密集度产品。在此基础上从不同的时间尺度（年、季、月）分析了南北极及其子区域海冰密集度、海冰面积和范围的时空分布及变化趋势。结果表明整体上南北极地区年均海冰密集度在21世纪均表现出减少趋势。其中北极海冰减少趋势较南极更为明显,尤其以巴伦支海和卡拉海海冰减少最为显着。研究结果进一步揭示了极地区域海冰变化的特征,有助于进一步理解全球变暖大背景下,极地海冰的变化规律以及南极和北极海冰变化的异同。（4）探讨了不同参数组合方案对基于ICESat-2激光高度计的北极地区海冰厚度反演结果的影响。现有基于高度计的海冰厚度获取方法主要基于静力平衡方程,在估算过程中,不同的积雪厚度、积雪密度及海冰密度输入方案对海冰厚度反演结果的不确定性具有较大影响。论文首先分析了ICESat-2激光高度计2018-2019年及2019-2020年两个冬季获取的北极地区海冰干舷空间分布及月均海冰干舷的时间变化。然后,开展了不同积雪厚度、积雪密度和海冰密度总计18种参数组合方案对ICESat-2激光高度计海冰厚度反演结果的比较工作,分析了一年冰和多年冰区域的参数化方案反演结果的差异。最后,基于ICEBird航空观测数据对不同方案的ICESat-2轨道海冰厚度反演结果进行了对比,采取优选方案,绘制了2020年冬季北极地区ICESat-2海冰厚度空间分布,并与三种公开发布的Cryo Sat-2海冰厚度（AWI、CMOP和GSFC）进行了对比分析,结果表明ICESat-2反演的海冰厚度与AWI、CMOP和GSFC海冰厚度的平均偏差分别为-0.15 m、-0.26 m和-0.13 m。
徐晓庆[2]（2021）在《南极海冰变化的地脉动响应研究》文中指出南极海冰的时空分布及变化对地脉动的激发与信号特征具有显着影响,为通过地震学方法研究海冰提供了可能。本文针对近年来新兴的极地地震学重要分支—基于地震背景噪声的海冰研究,利用南极地震台站地脉动信号对南极地脉动信号的时空特征及其与南极海冰变化之间的关系进行了综合分析,并利用南极地震台阵地脉动信号,对南极沿岸短周期倍频地脉动进行了定位分析。本文以南极沿岸台站PMSA、KOLR、BEAR、南极洲外海岛台站EFI连续地脉动数据,以及南极海冰密集度数据,分析南极地脉动信号特征。为了定位南极沿岸地脉动源区,我们使用频率波束分析法对南极沿岸XH地震台阵倍频地脉动（0.18-0.22Hz）进行定位分析。研究结果表明:（1）西南极地区地脉动信号受到南极沿岸海冰季节性增长的抑制影响显着,特别是短周期倍频地脉动频段地脉动信号,短周期倍频地脉动能量在每年2-3月前后最强,9-10月前后相对最弱,与海冰变化对应的最好;（2）通过对短周期倍频地脉动能量与沿岸海冰密集度进行互相关发现,短周期倍频地脉动能量与BEAR台站沿岸海冰密集度数据存在长期的反相关关系;（3）通过对短周期倍频地脉动能量与台站距海冰边界距离进行相关性分析发现,短周期倍频地脉动能量与BEAR台站距海冰边界距离存在反相关关系,相关系数约为-0.7905;（4）位于南极不同区域的台站接收到的地脉动能量并不完全一致,相对而言,南极半岛上的PMSA台站地脉动能量要更强;（5）西南极地脉动信号存在明显的季节性变化,即夏季较强,而冬季海冰逐渐扩展的时候则相对较弱,尽管每年地脉动能量都存在着一定的差异,但其与海冰变化的依赖关系长期存在并且较为稳定;（6）频率波束分析法能够监测到位于南极罗斯冰架XH地震台阵沿岸海域的地脉动噪声信号,并且在2016年2月在台阵西南方位观测到了较强的瑞利面波信号。本文的研究表明,通过南极地脉动研究、观测南极海冰是可行的,并具有良好的发展潜力。
张艺博,秦听,魏立新[3]（2020）在《南极海冰运动速度的变化特征及其影响因子分析》文中研究说明利用NSIDC提供的每日和月平均极区海冰运动矢量数据,统计分析了南极地区1979—2016年海冰运动速度的年、月尺度的时空变化特征以及近几十年南极海冰范围增加与海冰运动速度之间的关系,并讨论了影响南极海冰运动速度的主要因子。结果表明:1979—2016年南大洋全区和各扇区海冰运动速度均呈现增加趋势,春、冬季海冰运动速度增加趋势大于夏、秋季,季节差异明显;海冰运动速度与海冰范围有显着的正相关关系;海冰运动与海表面气压场密切相关,主要受低压风场的影响,威德尔海、罗斯海海冰的快速流出和顺时针旋转的特征与低压区的位置有密切关联,自由漂流区的海冰整体表现为自西向东运动。
王星东,代文浩[4]（2020）在《基于1997—2017年遥感数据的南极海冰时空变化分析》文中提出基于1997—2017年美国国防气象卫星DMSP的SSM/I数据和NASA TEAM算法反演出南极整体海冰、多年冰和一年冰密集度,进而对南极海冰进行时空变化分析。从时间上看:南极整体海冰面积呈小幅增长趋势,增长率约为1.11%/a;海冰面积为周期性变化,最小值出现在每年2月,最大值出现在每年9月,年均海冰面积约为12.65×106km2;多年冰呈减少趋势,下降率约为1.15%/a,平均每年减少约0.015×106km2;一年冰处于增长趋势,增长率约为2.61%/a;整体海冰、多年冰和一年冰面积在2015—2017年大幅度减少。从空间上看:多年冰主要分布在威德尔海域和大陆边缘,稳定存在多年冰的区域约占多年冰总面积的28%;南极海冰约80%为一年冰,一年冰呈环状分布在多年冰外围,稳定存在区域约占一年冰总面积的75%。
王云鹤[5]（2020）在《南极冬季云量异常对海冰变化调控研究》文中提出与以往不同,南极海冰自2014年以来波动增大,多次降至历史低点。海冰的快速变化,可引起气-海间的热量和水汽交换异常,进而造成云、大气及海洋环境的异常。而云辐射对地表的能量收支起重要作用,将加深或减弱大气与海洋环境异常。在极地环境剧烈变化的背景下,极地海冰和气候预报成为了当今环境保护、社会安全和经济发展的需要。然而,因人们对云在极地大气系统中的角色及过程认识不清,导致模型的模拟结果与观测值间存在明显误差。针对该问题,本文探究了南极冬季云对海冰的短期和长期调控机制。冬季云对海冰的短期强迫研究,主要以探究2011年冬季南极云对海冰的强迫,及对2012年夏季海冰范围的贡献量为例。结果表明,冬季云量异常与大尺度大气环流相关的垂向运动及径向平流吻合较好,说明2011年冬季云负异常可能是由气压系统异常造成的。南极上空少云,地表长波辐射则会大量穿过云层释放到太空,使地表因热量流失而降温、结冰,使得海冰厚度增加、面积增大。这些面积大且厚的海冰抵抗融化的能力增强,尽管后面经历一系列的海冰漂流,但到次年夏季仍有大量海冰存留下来,使夏季海冰呈现正异常。在云对海冰季节尺度上的调控机理研究基础上,本文进一步探究了南极冬季云对海冰长期耦合机制。结果证明了大气强迫海冰有两个途径:一是在对流层低层,大气可以通过大尺度大气环流,对海冰直接进行动力和热力强迫。大尺度大气环流以风的形式对海冰进行动力驱动,也可以通过携带冷暖空气,使海冰生消。二是通过云辐射对海冰强迫。南极冬季,影响海冰的大尺度大气环流主要受Wave-3和SAM控制。随着高度的增加,大气环流受Wave-3控制越强。在对流层低层,受Wave-3和SAM共同控制的大尺度大气环流,决定着风向和携带气体的暖湿属性,与南极和安第斯山地形的共同影响下,形成了与海冰变化相位相同的低层云异常场。此低层云异常场对地表的辐射影响,会在一定程度上减弱大尺度大气环流对海冰的直接影响。对流层中高层,云的形成主要受Wave-3控制的大气环流调控,径向输送和垂向运动的共同作用,产生中云异常。而云模态对地表的辐射影响,促进了低层大尺度大气环流对海冰的直接强迫。这项研究首次揭示了对流层不同高度层的云量,在影响海冰分布中所起的不同作用。基于云对海冰的调控机理探究,发现云对海冰有着显着的辐射影响,且海冰对这种辐射影响具有较好的记录,在南极多个海域都有体现。另外,强的云异常对海冰的强迫痕迹可保留季节尺度的时间。说明,云具有较好的预报海冰潜能。因此,本文最后尝试设计了线性马尔科夫海冰预报模型。以不同高度的云量和气候因子（包括位势高度、径向风、纬向风和气温）及海冰自身,定义南极气候的状态,并以这些变量的多元经验正交函数,作为模型的组成部分。以交叉验证的方式评价模型的预测能力,并进行一系列敏感性实验,最终确定最佳模型。虽然这种统计模型不能像热动力耦合模型那样对自然进行仿真,这种线性统计模型具有较好的实用价值和应用空间。在极地气候剧变的背景下。我们理解和定量模拟云-气-海冰耦合过程及反馈的能力,对于极地地区海冰、天气及气候模拟及预报具有极高的参考价值。
王华曌[6]（2020）在《全球海冰模拟误差变化与归因研究》文中研究表明本文首先利用三个版本CICE进行了长期历史模拟,并从绝对误差、累计误差和多年冰季节冰误差等多个角度定量分析了它们的误差的特征。之后利用最新版本的CICE6.0从冰-气界面参数、海冰内部温盐参数和冰-海界面参数三个方面研究了CICE6.0的误差成因,并利用蒙特卡洛取样对CICE6.0的模拟结果进行了优化。最后,分析了CMIP6中各模式对全球海冰密集度的模拟能力,并定量研究了CMIP6中各模式模拟误差的时空分布特征。其结论如下:首先,定量分析了三个版本CICE模拟误差的特征,结果表明:全球海冰密集度的模拟误差与海冰密集度存在一定的线性关系,且南北极的海陆分布差异明显影响了不同海底深度及离岸距离处的海冰模拟误差。总的来说,模拟误差呈现出明显的增加趋势,且北极的增加趋势明显快于南极。就累计误差而言,全球海冰总面积的季节变化存在两个峰值,其中CICE4.0和CICE5.0上半年累计误差的峰值出现在2～3月,同时下半年在8～9月间,且它们上半年的峰值在向3月移动,而下半年的峰值在向8月移动;而CICE6.0在北极的峰值与另外两个版本较一致,但其在南极的波动较大。我们着重关注了多年冰和季节冰的模拟误差,三个版本CICE模拟出的北极季节冰和多年冰的误差都在增加,而南极季节冰和多年冰的误差却在减少,且CICE5.0对全球多年冰的模拟明显优于其他版本。同时三个版本CICE模拟出的全球季节冰和多年冰误差都在海冰密集度较大的区域为正值,而在密集度较小的区域为负值。其次,利用CICE6.0海冰模式进行敏感性试验从而研究海冰模拟模拟误差的来源并对CICE6.0进行多参数优化,研究结果表面:冰-气界面参数主要影响夏季的模拟误差,且其在北极的巴伦支海、中央海区的大西洋扇区和南极的威德尔海、太平洋扇区等海域的影响较大。海冰内部盐度参数的影响也主要出现在夏季,空间上主要影响北极中央海区的大西洋扇区,而其在南极的影响主要位于大西洋扇区和印度洋扇区;同时海冰内部温度参数对北极海冰总面的影响在全年都有体现,而在南极其影响主要在8月至次年3月,同时热传导参数在空间上的影响主要位于北极的中央海区的大西洋扇区、楚科奇海、波弗特海和南极的威德尔海和罗斯海等海域。冰-海界面参数基本上对全年海冰总面积的模拟误差都存在影响,同时在空间上主要影响北极的东格陵兰海、巴芬湾、巴伦支海、白令海和鄂霍茨克海等海域,而对南极洲周围的海域内的模拟误差都存在影响,且没有明显的大值中心。最后,通过评估25个CMIP6气候系统模式对北极海冰的模拟能力,发现Had GEMS-GC31-MM和MPI-ESM-1-2-HAM两个模式对北极的模拟结果最好,而ACCESS-ESM1-5对南极的模拟是最优的。CMIP6中各模式模拟出的北极海冰的误差存在明显的空间不均匀性,且其与极地的海冰密集度和离岸距离存在明显的关系。其中在东格陵兰海、巴伦支海、白令海和鄂霍茨克海存在明显的正值中心,而其他边缘海和中央海区主要为负误差;就南极而言,主要存在模拟偏少的情况。通过对误差的趋势分析,我们发现,各模式模拟出的北极过多的情况得到了缓解,但是模拟出的南极偏少的情况却越来越严重。
姜顺雨[7]（2020）在《采用Liang-Kleeman信息流方法和CAM4.0模式对多源强迫气候效应的研究》文中研究表明气候的变化与人类的生产生活息息相关,而以二氧化碳为代表的大气温室气体的浓度、海面温度、冰覆盖率、土地覆盖类型等因子的变化均可能对全球的气候产生影响。直接的观测中包含着所有这些强迫因子所产生的不确定气候效应,无法将每个强迫因子的气候效应区分开。本文采用Liang-Kleeman信息流方法给出了观测中以上各强迫因子与全球各区域内气温之间的因果关系,证明了其它强迫因子对于气温的影响具有和二氧化碳浓度变化同等重要的作用,同时研究结果指出欧亚和北美大陆是气温对于所有强迫因子响应最显着的区域,并利用CAM4.0模式设计了一系列数值试验对这一结论进行了模拟验证。研究结果表明,东亚和北美地区的2米气温场同时受净短波辐射变化的直接影响和大气动力过程的间接作用。其中,2浓度的升高导致冬季亚洲部分地区的净短波辐射增加,而北美地区减少;以森林减少和农田大量增加为特征的土地覆盖变化导致地表反照率增加,从而辐射减少;冰覆盖面积的减少使反照率降低,因此在高纬度地区净短波辐射增加;海温变化产生的辐射变化较为复杂,冬季北美中部地区增加,亚洲中部增加南部减少,欧洲则在冬季和夏季均呈下降趋势。除了辐射变化所带来的直接影响外,大气动力过程对温度的调整作用也不可忽视。在冬季,土地覆盖类型、二氧化碳浓度、海温以及冰覆盖率的变化都会导致太平洋-北美型遥相关（PNA）出现正位相型的高度场异常,带来北美地区的显着降温;而2浓度和冰覆盖率的变化则由于引起北大西洋涛动（NAO）负位相型高度场异常的出现,导致了欧洲地区的冷冬现象。在夏季,土地覆盖类型、二氧化碳浓度、海温以及冰覆盖率的变化所引起的北极涛动（AO）正位相型高度场异常的出现,导致了北半球整体偏暖。由于以上大气动力过程的存在,数值试验中土地覆盖类型、二氧化碳浓度、海温以及冰覆盖率的变化均使得从海洋吹向东亚大陆的海风增强,东亚区域内大气水汽含量增多,可降水量增加,从而导致了东亚夏季降水的增加。但是,2浓度的单独变化却使得东亚区域30°N附近产生明显的下沉气流,并导致该区域降水减少。以上研究揭示了各个强迫因子气候影响的“电容器效应”,并证明了两极的冰覆盖率变化会导致欧洲和北美地区出现冷冬现象,但正如已有观测证明北极南极冰覆盖情况存在不同的时空变化特征,而有关两极地区的冰覆盖变化所导致的气候效应对比却没有明确的结论。因此,本文进一步计算了南、北极冰覆盖率各自与气温的信息流,发现南极冰覆盖率的变化对北半球（特别是东亚与北美地区）气温存在重要影响,并揭示了南极冰覆盖对东亚和北美地区气温影响的动力机制。具体研究结果表明,南北极冰覆盖变化首先会改变低层大气的温度梯度,产生大气的斜压不稳定性异常,导致大气斜压波动异常的产生和上传,这一冰覆盖率的异常信号通过斜压波作用通量与高空大气急流产生波流相互作用并进一步放大,产生经向波动传递,甚至跨赤道的Rossby波传输,从而对另一半球的气温变化产生影响。进一步的CAM4.0数值试验结果表明,由于南极冰覆盖率变化位置位于南半球强西风急流的下方,产生了相对北极冰覆盖对上空急流更加显着的影响,使得南极冰覆盖变化带来了更大的波通量变化响应,并迅速传播至北半球,并引起了东亚以及北美气温的显着变化。
舒苏[8]（2019）在《2011-2018年南极海冰变化分析》文中进行了进一步梳理海冰作为大气和海洋的交界面,阻碍着大气与海洋之间的水汽和热量传输,维持着海洋在辐射和能量交换上的平衡,是反应极地气候变化的重要指标之一。南极海冰是全球海冰的重要组成部分,深刻影响着全球气候的变化。但是,近十年来南极海冰面积和厚度的变化依然未知。为了定量评估近十年来南极海冰的变化,亟需发展南极海冰面积和厚度数据集,并分析其时空变化。文中采用2011-2018年美国雪冰中心发布的海冰密集度数据进行海冰面积的反演;并采用CryoSat-2卫星高度计数据进行海冰厚度的反演。据此分析了南极海冰面积和厚度的时空变化。此外,采用NOAA地球系统研究实验室提供的海洋表面温度数据和欧洲中尺度气候预报中心发布的ERA-Interim表面净太阳辐射数据,分析了气候要素和海冰变化（面积、厚度）的相关关系。结果表明:2011-2018年南极海冰面积和厚度均呈现减少的趋势。其中,海冰面积变化趋势约为-0.1517×l06km2/a;海冰厚度的变化趋势约为-0.021m/a。在季节变化中,四个季节的海冰面积均呈现降低趋势,其中春季降低趋势最大,夏季降低趋势最小,分别为-0.251×106km2/a和-0.107×106km2/a。海冰厚度在四个季节均呈现下降的趋势,其中夏季降低趋势最大,冬季降低趋势最小,降低趋势分别为-0.03m/a和-0.009m/a。区域上,西太平洋、罗斯海和别林斯高晋海/阿蒙森海的海冰面积呈现降低趋势,而罗斯海和印度洋的海冰面积呈现增加趋势。除了印度洋的海冰厚度呈现增加的趋势外,其余海域的海冰均呈现降低趋势,其中罗斯海（-0.053m/a）的减少趋势最大,别林斯高晋海/阿蒙森海（-0.0008m/a）的减少趋势最小。2011-2018年海表面温度和表面净太阳辐射呈现波动增加的趋势。其中,海表面温度的增加趋势为0.0138℃/a,表面净太阳辐射的增加趋势为0.0643W/m2。由于海冰厚度受到一年冰的影响,为了更好地分析海冰厚度和气候要素的关系,使用多年冰来分析气候要素对海冰厚度的影响。海表面温度与海冰面积和多年冰厚度均呈现出较好的负相关性。其中,海表面温度与南极海冰面积的相关系数达到-0.979,5个海域中罗斯海的海冰面积与海表面温度的相关系数最高,别林斯高晋海/阿蒙森海最低,相关系数分别为-0.974和-0.907。南极多年冰与海表面温度的相关系数为-0.867,5个海域中威德尔海的多年冰厚度与海表面温度的相关系数最高,西太平洋最低,相关系数分别为-0.838和-0.753。
聂思程[9]（2018）在《全球海冰模拟不确定性及参数优化与应用》文中研究说明本文利用单海冰模式CICE和海洋-海冰耦合模式MOM的长期历史模拟结果,以及观测和再分析数据,分析了两种模式中的海冰误差特征。同时根据MERRA2的冰面再分析资料,从界面通量的角度研究了 CICE中海冰模拟误差的主要来源,并讨论了海冰外强迫对海冰误差的影响。在此基础上进一步研究了.海冰界面及海冰内部物理过程在海冰模拟过程中所起到的作用,以及海冰模式CICE中主要参数的敏感性和重要性,以此讨论了模式的不确定性。另一方面,评估了 S2S计划中四个模式在次季节到季节尺度上的海冰预测能力,并研究了海冰同化在单海冰模式及海洋-海冰耦合模式中对海冰模拟的影响。其结论如下:首先,CICE与MOM模拟的全球海冰季节变化整体较为合理。但两者模拟的南北极海冰面积在夏季偏少而冬季偏多,海冰密集度误差则主要表现为海冰边缘区域的偏差与海冰范围的异常。对于海冰体积,CICE在北极偏多且南极偏少,MOM在南北极均偏少。在误差特征的基础上,分析了冰-气通量与冰-海通量两种误差来源在不同时间及不同区域对海冰误差的贡献。其中冰-气通量的主要影响南北极冬季及夏季北极点附近的海冰,冰-海通量则可以解释夏季东西伯利亚海以及夏季南极海冰的误差。另一方面也考虑了外强迫变化对海冰模拟误差的影响,其影响既体现在海冰整体覆盖范围上,也体现在区域性特征上。冰面和冰底融化速率对外强迫变化的响应在整个融化过程中都比较明显,积雪融化速率的变化主要体现在其融化过程的后半段。冰-气湍流通量方案中的稳定性函数和粗糙度长度的改进会使冰面湍流交换过程变弱,导致边缘海冰的向上感热增加与大范围的潜热减少,以及风应力整体上的减弱。最终冰面总湍流热量通量的减小使得南北极海冰面积和体积减少了,而东西伯利亚海及波佛特海的海冰厚度误差也因此得到了改进。海洋混合层厚度对海冰融化和凝结的具体影响根据不同时间及不同区域而有所差异,混合层厚度增加会引起南北极海冰面积的减小,以及海冰体积在北极增多而在南极减少。海冰内盐度的变化通过影响其垂直热力结构来改变海冰融化速率,冰内盐度增加时,冰面和冰底的融化速率会加快,使得夏季海冰总量减少以及冰面融池增多。在CICE的主要海冰参数之中,雪面反照率调整因子、融池深宽比、融雪温度变化、新冰液相率和成脊时间系数的作用相对较大。最后,S2S计划中四个模式的海冰预测评估结果表明,UKMO和KMA的海冰预测能力较强,其次为NCEP和CNR。各模式对北极海冰密集度的预测误差在空间上具有相似性,3月的误差在大西洋一侧较明显,9月的误差在波佛特海与楚科奇海为负而在其他区域为正。在单海冰模式及海洋-海冰耦合模式中,最优插值方法对海冰密集度的同化效果显着,但其持续时间在两种模式中均较短。循环同化可以持续影响海冰的模拟,其在MOM中的表现要优于CICE,它可以很好地控制MOM中海冰误差的积累。
沈校熠,柯长青,张杰[10]（2017）在《2002—2011年南极海冰变化的遥感分析》文中研究表明基于2002—2011年南极地区AMSR-E逐日海冰密集度数据,计算相应时间段内的海冰外缘线和海冰面积,分析了南极地区这10年来各时间尺度上的海冰变化,揭示了海冰变化的时空特征。结果表明:2002—2011年南极海冰外缘线、海冰面积分别增加了3.64%、3.8%,总体上呈现增加的趋势,其中2008年海冰面积最大。罗斯海、西太平洋和威德尔海的海冰面积呈现增加趋势,而印度洋和别林斯高晋海/阿蒙森海的海冰面积则趋于减小。南极海冰面积一般夏季最小、冬季最大,相同季节海冰面积变化波动较小,不同海区只是变化范围不同。南极一年冰增长速度较低,平均每年增加约0.1×106 km2,且大范围地分布在南极大陆（除威德尔海外）周围。多年冰平均每年减少0.05×106 km2,且多处于威德尔海。海冰面积变化与气温有负相关关系。
二、Spatial-temporal characters of Antarctic sea ice variation（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Spatial-temporal characters of Antarctic sea ice variation（论文提纲范文）
（1）极地海冰密集度和厚度遥感反演方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 被动微波海冰密集度研究现状 |
| 1.2.2 基于高度计的海冰厚度研究现状 |
| 1.2.3 极区海冰密集度时空变化研究现状 |
| 1.3 研究内容与技术路线 |
| 1.4 论文结构 |
| 第2章 海冰密集度和厚度遥感反演的理论基础与方法 |
| 2.1 微波辐射传输模型 |
| 2.2 海冰的微波辐射特性 |
| 2.3 被动微波海冰密集度反演方法 |
| 2.3.1 低频算法 |
| 2.3.2 高频算法 |
| 2.3.3 系点亮温 |
| 2.3.4 天气滤波 |
| 2.4 被动微波辐射计及海冰密集度产品 |
| 2.5 基于高度计的海冰厚度估算方法 |
| 2.5.1 卫星高度计工作原理 |
| 2.5.2 基于静力平衡方程的海冰厚度估算方法 |
| 2.6 ICESat系列星载激光高度计及ICESat-2 海冰干舷产品 |
| 2.7 本章小结 |
| 第3章 被动微波海冰密集度产品对比及评价 |
| 3.1 待评估被动微波海冰密集度产品及辅助数据 |
| 3.2 评估方法及误差指标 |
| 3.3 基于高分辨率影像的海冰密集度产品精度评估 |
| 3.4 被动微波海冰密集度产品一致性对比 |
| 3.4.1 日均海冰密集度对比 |
| 3.4.2 月均海冰密集度对比 |
| 3.4.3 年均海冰密集度对比 |
| 3.4.4 海冰范围和面积对比 |
| 3.5 算法偏差来源分析与讨论 |
| 3.6 本章小结 |
| 第4章 基于融合算法的海冰密集度反演 |
| 4.1 算法融合方案 |
| 4.2 系点亮温和天气滤波处理 |
| 4.3 基于融合算法的海冰密集度反演及精度验证 |
| 4.4 本章小结 |
| 第5章 被动微波海冰密集度产品的应用分析 |
| 5.1 研究区及数据情况介绍 |
| 5.2 北极地区海冰密集度时空分析 |
| 5.2.1 海冰密集度年均空间分布格局 |
| 5.2.2 海冰密集度季均空间分布格局 |
| 5.2.3 海冰密集度月均空间分布格局 |
| 5.2.4 海冰密集度年际变化趋势分析 |
| 5.3 南极地区海冰密集度时空分析 |
| 5.3.1 海冰密集度年均空间分布格局 |
| 5.3.2 海冰密集度季均空间分布格局 |
| 5.3.3 海冰密集度月均空间分布格局 |
| 5.3.4 海冰密集度年际变化趋势分析 |
| 5.4 极区海冰面积和范围变化分析 |
| 5.4.1 北极海冰面积和范围变化分析 |
| 5.4.2 南极海冰面积和范围变化分析 |
| 5.5 本章小结 |
| 第6章 基于ICESat-2 激光高度计的海冰厚度反演研究 |
| 6.1 海冰厚度反演参数方案和数据介绍 |
| 6.2 ICESat-2 海冰干舷的时空变化分析 |
| 6.3 基于不同参数方案的海冰厚度反演 |
| 6.4 海冰厚度精度评价及敏感性分析 |
| 6.5 ICESat-2与CryoSat-2 海冰厚度对比 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文的主要研究工作与结论 |
| 7.2 主要创新点 |
| 7.3 存在问题与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）南极海冰变化的地脉动响应研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 第二章 地脉动激发机理 |
| 2.1 地脉动激发机理与源区 |
| 2.1.1 地脉动构成及源区 |
| 2.1.2 地脉动源区研究方法 |
| 2.2 本章小结 |
| 第三章 南极地脉动信号特征分析 |
| 3.1 数据与方法 |
| 3.1.1 数据 |
| 3.1.2 时频分析方法 |
| 3.1.2.1 傅里叶变换 |
| 3.1.2.2 短时傅里叶变换(Short Time Fourier Transfrom,STFT) |
| 3.1.3 南极地脉动信号时频分析 |
| 3.2 结果分析 |
| 3.3 本章小结 |
| 第四章 南极地脉动源区定位 |
| 4.1 数据与方法 |
| 4.1.1 数据 |
| 4.1.2 台阵技术相关定义 |
| 4.1.2.1 台阵几何参数 |
| 4.1.2.2 慢度(slowness) |
| 4.1.3 频率-波数(frequency wavenumber,f-k)分析法 |
| 4.1.3.1 f-k分析法原理 |
| 4.2 利用朝鲜核爆验证f-k分析法 |
| 4.3 XH台阵及其台阵响应 |
| 4.3.1 XH台阵 |
| 4.3.2 XH台阵台阵响应 |
| 4.4 南极地脉动源区定位 |
| 4.5 结果分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文及研究成果 |
（3）南极海冰运动速度的变化特征及其影响因子分析（论文提纲范文）
| 1 引言 |
| 2 研究数据及研究方法 |
| 3 南极海冰运动特征 |
| 4 南极海冰运动速度对海冰范围的影响 |
| 5 影响南极海冰运动速度的部分因子分析 |
| 5.1 海表面风速 |
| 5.2 海表面气压 |
| 6 结论与讨论 |
（4）基于1997—2017年遥感数据的南极海冰时空变化分析（论文提纲范文）
| 1 引言 |
| 2 数据与方法 |
| 2.1 数据 |
| 2.2 NASA TEAM算法 |
| 2.3 结果比较 |
| 3 结果与分析 |
| 3.1 时间变化 |
| 3.1.1 整体海冰年变化 |
| 3.1.2 海冰月变化 |
| 3.1.3 多年冰变化 |
| 3.1.4 一年冰变化 |
| 3.2 空间变化 |
| 3.2.1 多年冰空间变化 |
| 3.2.2 一年冰空间变化 |
| 3.3 影响因素 |
| 4 结论与讨论 |
| 4.1 结论 |
| 4.2 问题与展望 |
（5）南极冬季云量异常对海冰变化调控研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 背景、目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 南极云观测现状 |
| 1.2.2 南大洋云量数据的研究现状 |
| 1.2.3 极地云与海冰相互作用的研究现状 |
| 1.3 本文的主要内容及章节安排 |
| 第二章 云、海冰数据及处理方法 |
| 2.1 云量数据 |
| 2.1.1 云量再分析数据 |
| 2.1.2 云量卫星数据 |
| 2.2 海冰数据 |
| 2.3 云模态的提取方法 |
| 2.4 极地矢量的可视化方法 |
| 2.5 研究区介绍及分区方法 |
| 第三章 南极冬季海冰与云的时空分布 |
| 3.1 南极海冰变化的空间特征 |
| 3.2 南极海冰变化的时间特征 |
| 3.3 南极云空间特征 |
| 3.4 南极云变化趋势 |
| 3.5 小结 |
| 第四章 南极冬季云对海冰的短期强迫 |
| 4.1 2011-2012年冬季海冰反弹量 |
| 4.2 2011年冬季云异常量统计 |
| 4.3 云异常对地表辐射的影响量 |
| 4.4 冬季云强迫对海冰影响 |
| 4.5 冬季云对次年夏季海冰的强迫 |
| 4.6 小结 |
| 第五章 南极冬季云对海冰的长期耦合 |
| 5.1 南极云-大气-海冰的耦合模态探究的必要性 |
| 5.2 低层云对海冰的强迫 |
| 5.3 中层云-海冰的耦合模态 |
| 5.4 高层云-海冰的耦合模态 |
| 5.5 对流层各层云模态的代表性 |
| 5.6 小结 |
| 第六章 基于云-海冰耦合的海冰预报设想 |
| 6.1 海冰预报背景 |
| 6.2 预测模型的建立 |
| 6.3 确定最优预报模型 |
| 6.4 小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 不足 |
| 7.4 展望 |
| 参考文献 |
| 致谢 |
| 简历及研究成果 |
（6）全球海冰模拟误差变化与归因研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 全球海冰变化 |
| 1.2 全球海冰模拟状况 |
| 1.3 全球海冰模拟误差及归因研究进展 |
| 1.4 本文研究意义及内容 |
| 第二章 数据、方法及数值模式简介 |
| 2.1 模式介绍 |
| 2.2 数据介绍 |
| 2.3 模拟误差量化分析方法 |
| 第三章 全球海冰模拟误差量化分析 |
| 3.1 引言 |
| 3.2 全球海冰模拟绝对误差 |
| 3.3 全球海冰模拟累计误差 |
| 3.4 全球多年冰和季节冰模拟误差对比 |
| 3.5 全球海冰模拟误差评估 |
| 3.6 小结 |
| 第四章 全球海冰模拟误差归因及参数优化研究 |
| 4.1 引言 |
| 4.2 冰-气界面反照率对全球海冰模拟误差的影响 |
| 4.3 海冰内部温盐变化对全球海冰模拟误差的影响 |
| 4.4 冰-海界面能量通量对全球海冰模拟误差的影响 |
| 4.5 全球海冰模式关键参数优化 |
| 4.6 小结 |
| 第五章 地球系统模式(CMIP6)对全球海冰模拟误差分析 |
| 5.1 引言 |
| 5.2 地球系统模式对全球海冰模拟能力的评估 |
| 5.3 地球系统模式对全球海冰模拟误差定量分析 |
| 5.4 小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 问题与展望 |
| 参考文献 |
| 硕士期间发表的论文 |
| 致谢 |
（7）采用Liang-Kleeman信息流方法和CAM4.0模式对多源强迫气候效应的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 二氧化碳浓度变化影响气候的已有研究介绍 |
| 1.2 土地覆盖变化影响气候的已有研究介绍 |
| 1.3 海冰覆盖变化影响气候的已有研究介绍 |
| 1.4 海温异常分布影响气候的已有研究介绍 |
| 1.5 已有研究中可能存在的不足和本文拟解决关键科学问题 |
| 第二章 数据及方法 |
| 2.1 数据来源 |
| 2.2 方法与模式介绍 |
| 2.2.1 Liang-Kleeman信息流方法介绍 |
| 2.2.2 T-N波作用通量计算 |
| 2.2.3 CAM4.0模式介绍及试验设置 |
| 第三章 Liang-Kleeman信息流的可行性讨论与其分析结果 |
| 3.1 Liang-KLeeman信息流方法的可行性探讨 |
| 3.2 二氧化碳浓度变化、土地覆盖类型变化、冰覆盖变化、海温异常与气温之间的因果信息流结果 |
| 3.3 本章小结 |
| 第四章 多源强迫的气候效应数值模拟及机制探讨 |
| 4.1 二氧化碳浓度变化的气候效应及作用机制 |
| 4.2 土地覆盖变化的气候效应及作用机制 |
| 4.3 冰覆盖变化的气候效应及作用机制 |
| 4.4 海温异常的气候效应及作用机制 |
| 4.5 所有强迫因子同时改变时的数值模拟结果及各因子的强迫机制 |
| 4.6 本章小结 |
| 第五章 南北极地区冰覆盖的气候效应对比 |
| 5.1 观测与模拟中两极冰覆盖变化对气温的影响对比 |
| 5.2 南极冰覆盖率变化对北半球气温影响的机制分析 |
| 5.3 本章小结 |
| 第六章 总结与讨论 |
| 6.1 主要结论 |
| 6.2 本文的特色和创新点 |
| 6.3 问题与展望 |
| 参考文献 |
| 相关的科研成果目录 |
| 致谢 |
（8）2011-2018年南极海冰变化分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国内研究进展 |
| 1.2.2 国外研究进展 |
| 1.3 研究中存在的问题 |
| 1.4 研究思路与篇章结构 |
| 第二章 数据与方法 |
| 2.1 数据 |
| 2.1.1 被动微波数据和海冰密集度数据 |
| 2.1.2 CryoSat-2高度计数据 |
| 2.1.3 NASA Operation IceBridge数据 |
| 2.1.4 海表面温度数据 |
| 2.1.5 表面净太阳辐射数据 |
| 2.2 方法 |
| 2.2.1 海冰厚度反演 |
| 2.2.2 数据计算与统计 |
| 第三章 南极海冰面积变化分析 |
| 3.1 海冰面积年际变化 |
| 3.2 海冰面积月变化 |
| 3.3 海冰面积季节变化 |
| 3.4 海冰面积的最值变化 |
| 3.5 不同类型海冰的面积变化 |
| 3.5.1 一年冰面积变化分析 |
| 3.5.2 多年冰面积变化分析 |
| 3.6 小结 |
| 第四章 南极海冰厚度变化分析 |
| 4.1 海冰厚度年际变化 |
| 4.2 海冰厚度月变化 |
| 4.3 海冰厚度季节变化 |
| 4.4 不同类型海冰的厚度变化 |
| 4.4.1 一年冰厚度变化分析 |
| 4.4.2 多年冰厚度变化分析 |
| 4.5 小结 |
| 第五章 海冰变化与气候要素的相关关系 |
| 5.1 海表面温度与海冰变化的相关关系 |
| 5.1.1 海表面温度变化分析 |
| 5.1.2 海冰面积与海表面温度的相关关系 |
| 5.1.3 海冰厚度与海表面温度的相关关系 |
| 5.2 表面净太阳辐射与海冰变化的相关关系 |
| 5.2.1 表面净太阳辐射变化分析 |
| 5.2.2 海冰面积与表面净太阳辐射的相关关系 |
| 5.2.3 海冰厚度与表面净太阳辐射的相关关系 |
| 5.3 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 问题与展望 |
| 参考文献 |
| 攻读硕士期间科研成果 |
| 致谢 |
（9）全球海冰模拟不确定性及参数优化与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 海冰变化及其气候效应 |
| 1.2 海冰模式及物理过程研究进展 |
| 1.3 海冰模拟误差及不确定性 |
| 1.4 本文研究目的及内容 |
| 第二章 模式、数据与方法介绍 |
| 2.1 模式介绍 |
| 2.1.1 海冰模式CICE |
| 2.1.2 海洋-海冰耦合模式MOM |
| 2.2 数据介绍 |
| 2.3 方法介绍 |
| 第三章 全球海冰模拟及其误差分析 |
| 3.1 引言 |
| 3.2 模拟及观测的全球海冰变化 |
| 3.3 冰-气界面通量时空变化特征分析 |
| 3.4 海冰模拟误差来源的界面通量分析 |
| 3.5 大气和海洋强迫对海冰模拟的影响 |
| 3.6 小结 |
| 第四章 海冰模式物理过程研究及其参数优化 |
| 4.1 引言 |
| 4.2 冰-气湍流交换过程的影响 |
| 4.3 海洋混合层厚度的作用 |
| 4.4 海冰热力学过程的影响 |
| 4.5 海冰参数敏感性及参数优化 |
| 4.6 小结 |
| 第五章 海冰次季节季节预测误差分析及海冰同化 |
| 5.1 引言 |
| 5.2 北极海冰次季节-季节预测误差分析 |
| 5.3 不同海冰模式同化效果分析 |
| 5.3.1 单海冰模式中的海冰同化 |
| 5.3.2 海洋-海冰耦合模式中的海冰同化 |
| 5.4 小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 问题和展望 |
| 参考文献 |
| 致谢 |
（10）2002—2011年南极海冰变化的遥感分析（论文提纲范文）
| 0 引言 |
| 1 数据与方法 |
| 2 结果与分析 |
| 2.1 海冰外缘线、海冰面积年际变化和月变化 |
| 2.2 海冰外缘线、海冰面积季节变化 |
| 2.3 海冰外缘线、海冰面积极值变化 |
| 2.4 一年冰和多年冰的变化 |
| 2.5 海冰变化与气温的关系 |
| 3 结论 |
四、Spatial-temporal characters of Antarctic sea ice variation（论文参考文献）
- [1]极地海冰密集度和厚度遥感反演方法研究[D]. 梁爽. 中国科学院大学(中国科学院空天信息创新研究院), 2021(01)
- [2]南极海冰变化的地脉动响应研究[D]. 徐晓庆. 浙江海洋大学, 2021
- [3]南极海冰运动速度的变化特征及其影响因子分析[J]. 张艺博,秦听,魏立新. 海洋预报, 2020(05)
- [4]基于1997—2017年遥感数据的南极海冰时空变化分析[J]. 王星东,代文浩. 海洋预报, 2020(03)
- [5]南极冬季云量异常对海冰变化调控研究[D]. 王云鹤. 中国科学院大学(中国科学院海洋研究所), 2020(01)
- [6]全球海冰模拟误差变化与归因研究[D]. 王华曌. 南京大学, 2020
- [7]采用Liang-Kleeman信息流方法和CAM4.0模式对多源强迫气候效应的研究[D]. 姜顺雨. 南京大学, 2020(04)
- [8]2011-2018年南极海冰变化分析[D]. 舒苏. 南京大学, 2019(07)
- [9]全球海冰模拟不确定性及参数优化与应用[D]. 聂思程. 南京大学, 2018
- [10]2002—2011年南极海冰变化的遥感分析[J]. 沈校熠,柯长青,张杰. 极地研究, 2017(01)