柯长青教授课题组在北极海冰及其表面积雪研究方面取得新进展

发布者:何华春发布时间:2024-04-16浏览次数:10


冰雪是冰冻圈中至关重要的物质,影响水循环、能量平衡以及气候变化。全球升温的背景下,北极冰雪的快速变化受到科学和社会的广泛关注。海冰表面积雪深度作为高度计估算海冰厚度的重要输入参数,近年来逐渐被大家所重视,尤其是未来积雪深度如何变化、为何变化等。当前,很多地球系统模型都支持了未来积雪深度的预估。然而,不同的数值模型对未来积雪深度的预测存在显著差异,模型之间得出的无雪年差异可达数10年。不仅如此,许多模型低估了积雪深度,亟需发展更准确的积雪深度预估模型。

前期,课题组首次评估了最新的ICESat-2激光测高数据在海冰观测上的精度(Shen et al., 2021),厘清了海冰厚度反演误差的主要来源和贡献,为积雪和海冰参数的精确获取提供了坚实的基础。其次,基于被动微波辐射计数据,使用线性回归分析(RA)和长短时记忆(LSTM)深度学习方法建立了冷季(10月至4月)积雪深度估算模型(RA-5VLSTM)(Li et al., 2022)。然后在RA-5VLSTM基础上又发展了能用于暖季(5月至9月)和冷季雪深的反演模型,并生成了近20年的北极海冰表面积雪深度记录。

基于生成的积雪深度遥感序列,该研究提出了一种基于多种深度学习方法的雪深预估模型(即Multi-DL模型)。首先,分别确定了与暖季和冷季积雪深度变化关系密切的影响因子。然后基于CMIP6影响因子历史数据和积雪深度遥感数据分别采用LSTM、多层神经网络(MNN)和时间卷积神经网络(TCN)构建了暖季和冷季积雪深度预估模型,最后采用Triple Collocation方法将三个模型输出进行融合,进而发展了Multi-DL模型。通过使用Multi-DL模型和CMIP6未来情景下的影响因子预测数据,生成了四种排放情景下2023年至2100年积雪深度记录。

结果表明,在高排放情景下(SSP3-370SSP5-585),积雪深度呈现加速下降趋势,而在低排放情景下(SSP1-126SSP2-245)积雪深度的降低保持稳定或有所缓解(图1)。不同排放情景下暖季积雪深度的空间分布差异很大,差异主要分布在格陵兰岛和加拿大北极群岛以北地区(图2a)。在SSP5-585情景下,北极一些地区的积雪深度以超过0.20 cm/yr的速度减少(图2b)。该研究发展的方法为冰雪预测提供新思路,生成的数据可为北极相关政策的制定提供数据支持。

1. 2023-2100年四种排放情景下(a)暖季和(b)冷季的北极平均积雪深度,以及(c)预测的第一个无雪和无冰年份

2. 暖季和冷季四种排放情景下(a)积雪深度和(b)积雪深度趋势的空间分布(2023–2100)。紫色方框表示在95%置信水平下,相应区域的趋势是显著的


研究成果以“An ensemble learning model reveals accelerated reductions in snow depth over Arctic sea ice under high‐emission scenarios”为题发表在《Journal of Geophysical Research: Atmospheres》上。南京大学地理与海洋科学学院李海丽博士为论文第一作者,柯长青教授为论文通讯作者。该项研究得到了国家自然科学基金、江苏省自然科学基金、南京大学AI & AI for Science专项联合资助。


论文信息:

1) Haili Li, Chang-Qing Ke, Xiaoyi Shen, Qinghui Zhu, Yu Cai. 2024. An ensemble learning model reveals accelerated reductions in snow depth over Arctic sea ice under high‐emission scenarios. Journal of Geophysical Research: Atmospheres, 129, e2023JD039910. https://doi.org/10.1029/2023JD039910.

2) Haili Li, Chang-Qing Ke, Qinghui Zhu, Mengmeng Li, Xiaoyi Shen. 2022. A deep learning approach to retrieve cold-season snow depth over Arctic sea ice from AMSR2 measurements. Remote Sensing of Environment, 269, 112840. https://doi.org/10.1016/j.rse.2021.112840.

3) Xiaoyi Shen, Chang-Qing Ke, Qimao Wang, Jie Zhang, Lijian Shi, Xi Zhang. 2021. Assessment of Arctic Sea Ice Thickness Estimates From ICESat-2 Using IceBird Airborne Measurements. IEEE Transactions on Geoscience and Remote Sensing, 59(5), 3764-3775. https://doi.org/10.1109/TGRS.2020.3022945.