北极这片曾经对于我们遥远而神秘的区域，逐渐引起越来越多的关注。

一方面，北极海冰的持续减退是全球气候变化最显著、最直观的表现之一。全球变暖导致高反照率的白色冰、雪融化，北极陆地和海洋从而吸收更多的太阳辐射，导致近地表气温上升，致使海冰进一步融化。受到这种反馈机制的影响，北极变暖速度是全球变暖平均速度的两倍（称之为“北极放大”效应）。

另一方面，北极海冰的融化正在改变着世界航运格局。与经南海、过马六甲海峡，穿苏伊士运河的传统航线相比，北极东北航道航线可减少三分之一的航程。2021年3月的苏伊士运河航线的“世纪大堵”更凸显了替代航线的重要性。

图1 冰海一色（中国极地研究中心雷瑞波研究员北极科考拍摄）

可以说，北极的气候变化、环境、科研、航道利用、资源勘探与开发、安全、国际治理等问题，关系到世界各国和人类的共同生存与发展。我国倡导构建人类命运共同体，是北极事务的积极参与者、建设者和贡献者，应努力为北极发展贡献中国智慧和中国力量。

而空间观测已经在北极探索和认知中体现出巨大的优势，无论是参与北极事务，还是实施“冰上丝绸之路”倡议，都不离开空间观测科学的支撑。卫星遥感以其快速、客观、动态、全面的突出优势，在北极观测中扮演了至关重要的角色。我们对于北极海冰继续消退的认知就是来源于超过50年的微波辐射计海冰密集度数据。合成孔径雷达（Synthetic Aperture Radar, SAR）是遥感卫星家族中“皇冠上的明珠”。全天候、全天时、高空间分辨率、宽刈幅的二维成像能力，使其成为陆地、海洋、极地遥感观测中的一个“多面手”。

图2 哨兵一号SAR北极边缘海遥感图像显示了东北航道楚科奇海域复杂的海冰-海洋动力环境。（多极化数据的假彩色合成图像。图中具有明显纹理特征的大片区域为海冰覆盖，夹杂于海冰中的深蓝 *** 域为海水）

中国科学院空天信息创新研究院李晓明研究员团队长期从事SAR海洋动力学研究。三年来，面向北极海冰-海洋动力相互作用研究的国际科学前沿，面向北极航道安全通航保障的国家重大需求，在国家重点研发计划海洋环境安全保障专项和国家杰出青年科学基金等项目支持下，该研究团队突破了SAR北极海冰-海洋动力关键参数反演的系列关键技术，开发了集成应用软件，研制了多类数据产品，支撑了科学研究，服务了北极航道安全通航，形成了“算法-软件-产品-应用”完整的科学研究链条。

星载SAR北极海冰与海洋动力研究进展

该研究团队采用深度学习 *** 结构和集成模型策略，开发了星载SAR海冰覆盖提取算法，研制并发布了2019、2020年全年总计约60,000 景哨兵1号SAR数据的高分辨率（400米）海冰遥感产品。

图3 哨兵一号SAR北极边缘区遥感影像（左）和所提取的海冰覆盖结果（右）。

研究团队还利用机器学习算法强大的非线性映射能力，建立了北极边缘区SAR海浪波高和海面风速反演模型。形成了自动化处理流程，提出了针对北极海域特点的质量控制标识，设计了SAR遥感数据产品的格式，研制并发布了2017年至2020年共47,415景SAR北极海域海浪有效波高和海面风场数据产品。

图4 哨兵一号SAR在北极喀拉海获取的一景数据反演得到的海面风场（左）与海浪有效波高（右）结果。

空间观测支撑中国商船北极航道安全通航

自2013年夏季成功试水北极东北航道，我国商船已经连续八年常态化开展东北航道的航行。尽管在夏季北极东北航道上冰况较好，但仍可能存在较为严重的冰情，威胁船只通航安全。

该研究团队与航天五院503所、中远海运特运、国家气候中心、中山大学等团队联合攻关，建立了空间观测保障商船北极东北航道安全通航的应用服务流程。在2019、2020连续两年为7个航次的商船提供了262次数据服务。

图5 2019年夏季北极东北航道航行现场拍摄照片（朱大云 摄）

图6 高分三号星载SAR海冰观测为“天恩轮”东北航道航线规划提供了重要的预警信息。

图7 2020年8月9日哨兵一号SAR在东西伯利亚海域拍摄到沿东北航道西行的“天恩轮”和东行的“天佑轮”相遇（上图）及反演得到的海面风场（下图）。图中的黑框、白框区域分别标记了“天佑轮”和“天恩轮”的位置。

1. 郑敏薇，李晓明*，任永政（2018），高分3号星载合成孔径雷达极地海冰自动检测 *** 研究，海洋学报，40（9）, pp.113-124.

2. Li, XiaoMing and Huang, BingQing (2020), A global sea state dataset from spaceborne synthetic aperture radar wave mode data, Scientific Data, 7, 261, doi: https://doi.org/10.1038/s41597-020-00601-3

3. Li, XiaoMing, Qin, Tingting and Wu, Ke (2020), Retrieval of sea surface wind speed from spaceborne SAR over the Arctic marginal ice zone with a neural network，Remote Sensing, 12(20), 3291.

4. Sun, Yan and Li, XiaoMing*(2021), Denoising Sentinel-1 Extra-Wide Mode Cross-polarization Images over Sea Ice, IEEE Transactions on Geoscience and Remote Sensing， 59(3), pp. 2116-2131.

5. Li, XiaoMing, Sun, Yan and Zhang, Qiang (2021), Extraction of sea ice cover by Sentinel-1 SAR based on support vector machine with unsupervised generation of training Data, IEEE Transactions on Geoscience and Remote Sensing, 59(4), pp.3040-3053.

6. Wu, Ke, Li, XiaoMing* and Huang, BingQing (2021), Retrieval of Ocean Wave Heights from Spaceborne SAR in the Arctic Ocean with a Neural Network. Journal of Geophysical Research: Oceans, 126(3), e2020JC016946

7. Wang, Yi-Ran and Li, XiaoMing* (2021), Arctic Sea Ice Cover Data in High Spatial Resolution from Spaceborne Synthetic Aperture Radar by Deep Learning, Earth System Science Data, 13, 2723–2742, https://doi.org/10.5194/essd-13-2723-2021.

8. Wang, Yi-Ran and Li, XiaoMing(2021), Arctic sea ice cover product based on spaceborne synthetic aperture radar. V2. Science Data Bank. http://www.dx.doi.org/10.11922/sciencedb.00273.

9. Wu, Ke and Li, XiaoMing (2021), Spaceborne SAR ocean wave and ocean wind data in the Arctic. V1. Science Data Bank. http://www.dx.doi.org/10.11922/sciencedb.00834

10. Sun, Yan and Li, XiaoMing (2021), The codes of Sentinel-1 EW mode HV-polarized SAR image denoising. Zenodo. http://doi.org/10.5281/zenodo.4558740

作者：李晓明，王怡然，黄冰清，武可

来源：中国科学院空天信息创新研究院