王子涵，劉婷婷，許蘇清，王苗姜*

(1.武漢大學 中國南極測繪研究中心，湖北 武漢 430079；2.自然資源部海洋大氣化學與全球變化重點實驗室，福建 廈門 361005)

1 引言

海冰運動是決定海冰分布和形變的主要因素，可能導致海冰的破碎、堆積成脊、形成冰間水道、輻散產(chǎn)生開闊水域等，進而影響海洋與大氣之間的熱力學過程[1-4]。海冰運動也使得各個地區(qū)之間的海冰發(fā)生了交換，促進了北冰洋淡水向低緯度海洋輸送[5]，因此，研究海冰運動對于量化海冰變化、了解海洋與大氣之間的能量和質量交換有著重要的價值[6]。海冰運動過程中主要受到風應力、海流應力、科氏力、冰內應力等的作用[7]。其中，風應力、海流應力的量級相對較大，是海冰運動最主要的影響因素[8]。

內爾斯海峽（Nares Strait）是北冰洋海冰和淡水輸出的重要通道之一[9]。內爾斯海峽位于加拿大埃爾斯米爾島與格陵蘭島之間，它北通林肯海，南連巴芬灣，由北向南包括羅伯遜海峽、霍爾海盆、肯尼迪海峽、凱恩海盆、史密斯海峽5 個海域（圖1）。內爾斯海峽整體較為狹長，長度約500 km，寬度一般在30～40 km之間，在凱恩海盆的最寬處可達140 km，海峽最深處超過700 m[10]。內爾斯海峽在1997-2009 年間的平均年海冰通量為42×103km2，約為弗拉姆海峽的5%[11]，在北冰洋海冰冰量的年度平衡中是一個減少項。通過內爾斯海峽流出的海水中淡水通量約為32×104～54×104m3/s，而海冰的輸出則會額外帶來8×104m3/s 的淡水通量[12]。海冰帶來的融水會對拉布拉多海的深層對流的形成及其強度產(chǎn)生影響[13]，從而進一步影響經(jīng)向翻轉環(huán)流[14]甚至全球尺度的溫鹽環(huán)流[15]，“大鹽度異常（Great Salinity Anomaly）”現(xiàn)象就是很好的例子[16]。因此，研究內爾斯海峽中的海冰運動情況及其影響因素，對深入理解淡水循環(huán)過程及全球氣候變化問題研究有著重要的價值。

圖1 內爾斯海峽區(qū)域示意圖（紅色虛線框為本文研究區(qū)域）Fig.1 Map of the Nares Strait (the red dotted box showing the study area)

內爾斯海峽海冰運動研究的數(shù)據(jù)源主要包括衛(wèi)星遙感數(shù)據(jù)（被動微波輻射計、合成孔徑雷達（Synthetic Aperture Radar，SAR）等）、飛機、船舶和現(xiàn)場觀測數(shù)據(jù)。Samelson 等[17]使用89 GHz 水平極化的AMSR-E（Advanced Microwave Scanning Radiometer -Earth Observing System）影像（空間分辨率為6.25 km）對該區(qū)域的海冰進行研究，發(fā)現(xiàn)海峽中冬季主要風向為沿海峽方向的北風，并結合海峽兩岸陡峭的地形，發(fā)現(xiàn)風向主要受到地形與氣壓梯度影響，風應力與海冰運動有較強的相關性。但受限于數(shù)據(jù)的分辨率，僅能通過海峽中固定的3～5 個地點來追蹤海冰的運動。Vincent 等[18]基于1998 年6 月16 日至17 日的10 幅AVHRR（Advanced Very High Resolution Radiometer）影像（空間分辨率為1.1 km），使用最大互相關算法來追蹤內爾斯海峽中的海冰運動，觀察到17 日的強風導致海冰發(fā)生了明顯的破碎，但也無法展示單個浮冰的運動過程。SAR 影像憑借其較高的空間分辨率及不受天氣影響的特性，成為了海冰運動研究的重要工具。Kwok[19]基于1996-2002 年間的RADARSAT 衛(wèi)星數(shù)據(jù)（空間分辨率為100 m），在5 km 的網(wǎng)格上使用影像匹配算法以3 d 為間隔對內爾斯海峽海冰進行追蹤，得到了海冰運動結果，并計算了內爾斯海峽的海冰通量。隨后，Kwok 等[11]增加了2004-2009 年的Envisat衛(wèi)星數(shù)據(jù)（空間分辨率為150 m），使用同樣方法提取了海冰運動數(shù)據(jù)，并發(fā)現(xiàn)在2007 年內爾斯海峽海冰通量達到了最大值87×103km2，約為同年弗拉姆海峽的10%，這一現(xiàn)象的產(chǎn)生是因為2007 年海峽中沒有形成任何冰橋（ice bridge）。冰橋是加拿大北極群島區(qū)域凍結期的常見現(xiàn)象，由海冰緊密結合形成穩(wěn)定的橫跨海峽兩岸的固定結構[20]，內爾斯海峽的北端（林肯海與羅伯遜海峽交界處）和南端（史密斯海峽與巴芬灣交界處）在冬季經(jīng)常會形成冰橋[21]，阻止來自北冰洋的海冰進入該海峽[22]。南端冰橋形成后在冰橋的南側將形成北水冰間湖，這也是北極地區(qū)最大、生物生產(chǎn)力最強的冰間湖之一[23]。

由歐洲航天局發(fā)射的哨兵1A 和1B 衛(wèi)星，可以為內爾斯海峽北部區(qū)域（圖1中紅框內的部分，包括羅伯遜海峽、霍爾海盆和肯尼迪海峽）提供高分辨率的每日SAR 影像，這為進一步探究海冰通過內爾斯海峽時的運動狀態(tài)提供了良好的數(shù)據(jù)基礎。本研究將基于內爾斯海峽北部區(qū)域的每日哨兵1 號數(shù)據(jù)，使用目視識別方法進行浮冰的追蹤與運動數(shù)據(jù)提取，并結合多源數(shù)據(jù)（風、海流、密集度等）對浮冰運動的影響因素進行綜合分析。

2 數(shù)據(jù)

2.1 哨兵1 號影像

哨兵1A 和1B 是歐洲航天局哥白尼計劃中的兩顆衛(wèi)星，分別發(fā)射于2014 年4 月3 日和2016 年4 月25 日。兩者均搭載中心頻率為5.405 GHz 的C 波段SAR 傳感器，組成了一個雙星系統(tǒng)[24]。本研究中使用的哨兵1 號影像包括干涉寬幅和超寬幅兩個模式下獲取的HH 極化的L1 級GRD 產(chǎn)品，兩種模式下的影像空間分辨率分別為5 m×20 m 和20 m×40 m。為了減少斑點噪聲的影響，在識別浮冰前預先將SAR 影像重新采樣至50 m×50 m 分辨率。2016 年9 月至2017年8 月間，交替通過的兩顆衛(wèi)星共同提供了內爾斯海峽北部區(qū)域幾乎每天的影像，在此期間本研究共獲取589 幅哨兵影像用于海峽中單個浮冰的運動追蹤與速度計算。相鄰兩天影像之間的時間間隔一般為16～33 h，平均24 h。

2.2 ERA5 10 m 風速

ERA5 是歐洲中期天氣預報中心推出的作為ERAInterim 替代者的第5 代全球氣候再分析資料[25]。ERA5 使用更為先進的數(shù)據(jù)同化系統(tǒng)以將大量歷史觀測數(shù)據(jù)同化到模型中，且具有更高的時間分辨率（1 h）和空間分辨率（0.25°×0.25°）。Shokr 等[26]的實驗表明，以位于埃爾斯米爾島上、靠近羅伯遜海峽入口處的Alert 氣象站實測風速數(shù)據(jù)為參考，ERA5 的10 m風速相較于ERA-Interim 等再分析資料精度更好。因此，本實驗中將采用ERA5 的3 h 間隔10 m 經(jīng)向與緯向風速數(shù)據(jù)，結合浮冰速度進行分析。

2.3 PSY4V3 海流速度

PSY4V3 是由哥白尼海洋環(huán)境監(jiān)測服務實施的一項全球海洋環(huán)境預報分析系統(tǒng)，其使用較高分辨率的網(wǎng)格對全球海洋進行模擬，目前該系統(tǒng)最新版本為PSY4V3R1[27]。PSY4V3 系統(tǒng)使用NEMO 3.1 海洋模式，耦合了LIM2 海冰模式，空間分辨率為（1/12）°（在內爾斯海峽北部區(qū)域約為9 km×1.5 km），數(shù)據(jù)集中包括日平均與月平均數(shù)據(jù)。PSY4V3 還同化了衛(wèi)星觀測、現(xiàn)場觀測等數(shù)據(jù)。由于PSY4V3 能較好地模擬表層海流的情況[28]，本研究中使用了PSY4V3 中日尺度的經(jīng)向和緯向表層海流速度數(shù)據(jù)用于海冰運動影響因素的分析。

2.4 AMSR2 海冰密集度

本研究使用的海冰密集度數(shù)據(jù)為不來梅大學環(huán)境物理研究所基于AMSR2（Advanced Microwave Scanning Radiometer 2）數(shù)據(jù)反演的每日海冰密集度數(shù)據(jù)[29]，在北極地區(qū)的精度已經(jīng)得到多個研究的驗證[30-31]。該海冰密集度產(chǎn)品使用美國國家冰雪數(shù)據(jù)中心的標準極方位立體投影網(wǎng)格，網(wǎng)格分辨率有6.25 km 和3.125 km 2 個版本，實驗中采用3.125 km 分辨率的產(chǎn)品。

此外，不來梅大學提供的12.5 km 分辨率的多年冰密集度也被用于后續(xù)分析。該產(chǎn)品使用ECICE（Environment Canada's Ice Concentration Extractor）算法[32-33]從AMSR2 與ASCAT（Advanced SCATterometer）數(shù)據(jù)中提取出初冰、一年冰與多年冰的密集度，并結合海表面溫度與海冰漂移數(shù)據(jù)進行校正，得到了較好的密集度結果[34-35]。產(chǎn)品每年的時間范圍從當年9 月22 日至翌年5 月8 日。

3 方法

3.1 浮冰運動數(shù)據(jù)獲取

為獲取海峽中的浮冰運動數(shù)據(jù)，本研究基于覆蓋內爾斯海峽北部區(qū)域的哨兵1 號每日影像，使用目視識別方法進行浮冰追蹤并計算浮冰的運動速度（圖2）。具體過程如下：

圖2 從哨兵1 號影像中獲取海冰運動數(shù)據(jù)方法示意Fig.2 Schematic diagram for obtaining sea ice motion data from Sentinel-1 images

（1）在完成哨兵1 號衛(wèi)星數(shù)據(jù)的預處理（包含精密軌道校正、熱噪聲去除、輻射定標、斑點濾波、地形校正、重采樣等步驟）后，使用目視識別的方法在連續(xù)的每日SAR 影像中選取出單個浮冰。在此過程中，為將浮冰形變對后續(xù)浮冰目視判別的影響減至最小，盡量選擇沒有發(fā)生明顯形變的浮冰。

（2）根據(jù)浮冰的邊緣大致確定浮冰的幾何中心點，并在后續(xù)的影像中追蹤該浮冰及中心的位置。

（3）根據(jù)浮冰中心在每幅影像中的地理坐標計算浮冰發(fā)生的位移，并結合前后兩張影像獲取的時間間隔計算出浮冰的運動速度。

利用此方法，在2016 年9 月1 日至2017 年8 月31 日期間共追蹤到119 個浮冰在內爾斯海峽北部區(qū)域的748 條運動記錄。

但是以上過程可能存在3 個方面的誤差：（1）在使用目視方法追蹤浮冰中心位置的過程時，由于人工選取可能會導致1～2 個像素級別的誤差；（2）將浮冰在兩個位置之間運動的路徑假定為直線：根據(jù)Haller等[36]的研究，這一假定將引起浮冰運動速度的低估（約10%）；（3）哨兵1 號影像本身的幾何精度引起的誤差：IW 模式產(chǎn)品的幾何精度為7 m，EW 模式的精度未明確指出。綜合以上3 方面因素，并假設這些誤差是獨立的并且是正態(tài)分布的，使用目視識別方法得到浮冰漂移速度的誤差約為0.2 km/d。

3.2 多元線性回歸分析

運用多元線性回歸分析方法可以得到一個因變量與多個自變量之間的線性相關關系，因此可以被用于探究浮冰速度及其影響因素之間的相關性。通過標準化回歸系數(shù)以及零階、偏、部分3 種相關系數(shù)的值，可以對自變量與因變量之間的關系進行判斷。標準化回歸系數(shù)絕對值的大小直接反映了自變量對因變量的影響程度；偏相關系數(shù)在消除其他變量影響的條件下，計算兩個變量之間的相關系數(shù)；部分相關系數(shù)為因變量與自變量回歸殘差間的相關系數(shù)，即因變量與其他變量不能解釋的部分之間的關系。在多元線性回歸中，偏相關系數(shù)是3 個相關系數(shù)中能較客觀地反映因變量與自變量之間相關性的指標[37]。

但在進行多元線性回歸時，需要注意多重共線性問題，即避免模型的自變量之間存在較強的相關關系而使模型估計失真或難以估計準確，但是可以通過共線性診斷來避免這一問題，以保障回歸模型的可靠性[30]。方差膨脹因子（Variance Inflation Factor，VIF）是一個常用的判斷指標：如果一個自變量的VIF≥10，說明該自變量與其余自變量之間有嚴重的多重共線性；VIF＜10 則就可以認為自變量之間沒有共線性問題存在，越接近于1 越好。使用共線性診斷方法找出與其他自變量共線性較嚴重的變量后，可以將其排除[37-38]。

4 結果

4.1 浮冰運動基本情況

在2016 年9 月至2017 年8 月間，基于哨兵1 號影像觀察到穿過內爾斯海峽北部區(qū)域的浮冰在不同日期存在不同的類型（圖3）。2016 年9 月至2017 年1 月中旬，SAR 影像中顯示，進入海峽的浮冰包括多年冰、一年冰等多種類型；2017 年1 月23 日，羅伯遜海峽與林肯海交界處的冰橋初步形成，阻擋了林肯海的海冰進入內爾斯海峽，冰橋以南形成了冰間湖，新冰在此生長，并在風和海流的共同作用下向南漂移；2017 年5 月11 日，該冰橋完全崩解，林肯海的海冰繼續(xù)通過內爾斯海峽輸出至巴芬灣。圖4展示了2016年9 月22 日至2017 年5 月8 日（冰橋即將崩解前）間內爾斯海峽北部每日的多年冰密集度變化情況，左右兩條虛線分別為冰橋初步形成的日期2017 年1 月23 日以及徹底穩(wěn)定的日期2 月2 日，可以看到冰橋形成后海峽內多年冰密集度顯著下降，一般低于15%。

圖3 不同日期內爾斯海峽北部區(qū)域冰況Fig.3 Ice regimes in the northern Nares Strait region on different days

圖4 2016 年9 月22 日至2017 年5 月8 日每日多年冰密集度Fig.4 Daily multi-year ice concentration from September 22,2016 to May 8,2017

考慮到盡管浮冰運動存在不同的方向，但在像內爾斯海峽這樣狹長的區(qū)域中漂移會受到海岸地形的影響，更有研究價值的是沿海峽軸線方向的浮冰速度。因此，為了便于分析，本研究將浮冰的速度正交分解到沿海峽軸線方向上，對風速、海流速度也進行同樣的處理，下文中的速度如無特別說明均是指沿海峽軸線方向的速度（向北為正，向南為負）。

圖5展示了119 個浮冰中的10 個在通過內爾斯海峽北部時的運動軌跡，反映了這些浮冰在這一運動過程中的基本模式：浮冰在大多數(shù)情況下向南運動，與海流方向一致，速度一般不超過-2.4 km/h，最大速度為38 號浮冰在2017 年2 月21 至22 日間達到的-4.09 km/h；少數(shù)情況下浮冰也會向北運動，速度一般在0～1.2 km/h 之間，速度最快的是2017 年1 月17 至18 日間的62 號浮冰（圖6），速度高達3.18 km/h。因此，針對海冰向北運動這一現(xiàn)象，本文將在下一節(jié)嘗試以案例分析的形式進行探究。

圖5 10 個通過內爾斯海峽北部的浮冰軌跡Fig.5 Trajectories of 10 ice floes drifting through the north Nares Strait

4.2 浮冰案例分析

本節(jié)以62 號浮冰為例進行分析，其運動軌跡如圖6所示。該浮冰于2017 年1 月13 日進入內爾斯海峽北部，正常向南漂移，1 月16-17 日間開始向北漂移，隨后達到向北速度最大值，1 月19 日漂移至林肯海與羅伯遜海峽交界處，此時冰橋已在逐漸形成，因此62 號浮冰在此之后保持靜止，沒有繼續(xù)漂移。

圖6 62 號浮冰運動軌跡Fig.6 The trajectory of No.62 ice floe

表1展示了這一時期內62 號浮冰在每一段運動過程中的速度與對應的風速、海流速度和海冰密集度。結合浮冰速度與其他3 個參數(shù)可以看出，海流速度與海冰密集度在這一時期內變化不大，海水較為穩(wěn)定地向南流動，而在1 月14-16 日期間風速變化較大且發(fā)生了方向改變，成為了影響浮冰運動速度和方向的主要因素。

表1 62 號浮冰每日運動速度與對應風速、海流速度和海冰密集度Table 1 Daily speed of No.62 ice floe and corresponding wind speed,current speed and sea ice concentration

在1 月13-16 日間，除了1 月14-15 日，風速幾乎為0，因此這一段時間62 號浮冰在海流的主導下正常向南運動。而1 月14-15 日間，向南的風速相對較大，海流速度達到這幾天中的最大值，直接使得浮冰速度相較于前一天顯著增加，也是浮冰向南運動過程中的速度最大值。隨后的1 月15-16 日，風速接近于0，但由于向南的流速仍然較大以及海冰密集度的下降導致的海冰內應力減小，浮冰可以相對更自由地漂移，因此浮冰速度大于1 月13-14 日的值。而1 月16-19 日間，開始出現(xiàn)很強的向北的風，62 號浮冰在風應力的推動下開始向北運動，尤其在1 月17-18 日間風速達到49.90 km/h，是全部748 條記錄中北向風速的最大值，導致海冰向北運動的速度達到3.18 km/h。1 月18-19 日，仍然有較強的向北的風，但此時冰橋正在形成，繼續(xù)向北漂移的62 號浮冰受到林肯海高密集海冰區(qū)域的影響停止運動，因此浮冰速度在這一天并沒有達到前一天的高值。這一案例較好地展示了風在浮冰漂移過程中的重要作用。在內爾斯海峽北部區(qū)域海水整體向南流動的背景下，向北的強風是海冰向北運動的主要因素[17]。

5 討論

進一步的影響研究利用SPSS 軟件對浮冰速度（因變量）及風速、海流速度、海冰密集度（3 個自變量）構建多元線性回歸模型，并進行共線性診斷。表2展示該多元回歸分析的系數(shù)結果。結果表明，以風速、海流速度和海冰密集度為自變量的模型通過了共線性診斷且具有較好的復決定系數(shù)（R2=0.727）。盡管風速與海流速度之間的相關系數(shù)R=0.536（p＜0.001），兩者存在一定程度的相關性，但其VIF 值都較小，模型通過了共線性診斷。通過表2中的零階、偏、部分相關系數(shù)可以看出，風速、海流速度與浮冰速度均呈現(xiàn)較強的相關性，海冰密集度與浮冰速度的相關性則較弱；而通過3 者的標準化回歸系數(shù)值（反映自變量對因變量的影響程度，0.530、0.399、0.127）也可以看出風速、海流速度和海冰密集度對浮冰速度的影響力依次下降。從多元回歸模型的結果可以得出，風速和海流速度是兩個核心影響因素，下文將對這兩個因素進行探討。

表2 浮冰速度與風速、海流速度和海冰密集度多元線性回歸系數(shù)表Table 2 Coefficients of multiple linear regression of ice floe speed and wind speed,current speed,and sea ice concentration

圖7以散點圖的形式展示了內爾斯海峽北部風速、海流速度與浮冰速度之間的關系。通過三維散點圖7a可以看出，這些散點大體上位于同一個平面及其附近的范圍內，由兩個自變量進行多元回歸的復決定系數(shù)R2也達到了0.713，表明以風速和海流速度作為自變量的模型能較好地解釋浮冰的運動速度。

圖7 風速、海流速度與浮冰速度散點圖Fig.7 Scatter plots of wind speed,current speed and ice floe speed

圖7b是風速與浮冰速度之間的散點圖及相應的回歸方程，相關系數(shù)（0.767）表明風速與浮冰速度具有較高的相關性，在浮冰運動過程中具有重要的控制作用。在4 個象限中，散點分布最多的是第3 象限，即浮冰和風均向南，這也是浮冰在海峽中最常見的運動特征。隨著風由向南轉為向北并持續(xù)增大，逆風運動的浮冰速度逐漸降為0，并在較強的北向風（大于10 km/h）的作用下向北運動。

圖7c是海流速度與浮冰速度之間的散點圖及相應的回歸方程。盡管相關系數(shù)（0.709）略低于風速與浮冰速度之間的相關系數(shù)，但圖形仍能展示良好的線性關系。與風速不同的是，回歸方程的常數(shù)項是正值，這表明在很多浮冰運動記錄中，在海流速度由負轉正之前，已經(jīng)有其他作用力使得浮冰開始出現(xiàn)向北運動情況，而結合風速數(shù)據(jù)可以發(fā)現(xiàn)，在111 次海流速度向南而浮冰向北運動的情況中，有91 次（82%）伴隨著10 km/h 以上的較強的北向風，平均為17.91 km/h。圖中最上方明顯的離群點即為62 號浮冰（4.2 節(jié)展示的較典型的示例）。

在一些案例中發(fā)現(xiàn)，盡管海冰密集度對浮冰速度的直接影響并不顯著，但風和海流在不同密集度下對浮冰運動的影響程度可能不同。如果剔除海冰密集度小于60%的記錄（在748 條記錄中僅47 條，且從0～60%跨度過大），而將海冰密集度按60%～80%、80%～90%、90%～100%分為3 類情況，分類進行統(tǒng)計，其結果如圖8和圖9所示。

從圖9中的相關系數(shù)和標準化回歸系數(shù)統(tǒng)計結果中可以看到，在密集度60%～80%的情況中，風速（0.705 km/h、0.655 km/h、0.511 km/h）和海流速度（0.695 km/h、0.643 km/h、0.496 km/h）兩者相關性相當，對浮冰速度的影響程度接近；而在密集度80%～90%、90%～100%這兩種情況下，風速的對浮冰速度的影響程度都要遠大于海流速度。有研究指出，在海冰受力平衡機制中，穩(wěn)定平均流的作用較小[8]。結合圖8中的海流速度的范圍分布和圖9中的速度標準差結果可見，隨著海冰密集度的上升，海流的速度標準差下降，即海流速度相對穩(wěn)定，海流速度的影響程度也逐漸減小。風呈現(xiàn)出類似的規(guī)律，風速標準差與風速對浮冰速度的影響力變化趨勢相近。

圖8 不同海冰密集度區(qū)間內風速、海流速度與浮冰速度的散點圖Fig.8 Scatter plots of wind speed,current speed and ice floe speed in different sea ice concentration ranges

圖9 不同海冰密集度區(qū)間內風速(a)和海流速度(b)的統(tǒng)計參數(shù)Fig.9 Statistical parameters of wind (a) and current speed (b) in different ice concentration ranges

一些學者通過在北極其他區(qū)域進行的研究發(fā)現(xiàn)，海冰運動也受到大尺度氣象與海洋過程的影響。Vihma 等[39]指出中央北極指數(shù)（Central Arctic Index，CAI）能很好地解釋年均冰流速。在Haller 等[36]的研究中發(fā)現(xiàn)，北極穿極流（TransPolar Drift，TPD）使得海冰在從北極中央到弗拉姆海峽的過程中速度增加了近2 倍。Lei 等[40]的研究表明海冰運動不僅受到TPD與風的重要影響，北極大氣偶極子異常（Dipole Anomaly，DA）也會通過加快經(jīng)向的冰速來影響海冰運動。

6 結論

基于每日哨兵1 號影像，使用目視識別的方法，提取了2016 年9 月至2017 年8 月間的748 條內爾斯海峽北部區(qū)域海冰運動記錄，展示了該區(qū)域內浮冰的運動過程，并結合風速、海流速度和海冰密集度數(shù)據(jù)，以案例分析和多元線性回歸分析的方式對海冰運動過程進行了詳細分析。

研究結果表明，風和海流在海冰的運動過程中起到了主導作用，風速、海流速度均與浮冰速度有較強的相關性，相關系數(shù)分別達到了0.767 和0.709。海冰密集度也影響著浮冰的運動，但影響程度相比風和海流較低（R=0.307）。由3 個自變量建立的多元線性回歸模型也具有較理想的復決定系數(shù)（R2=0.727），表明其對內爾斯海峽中浮冰的運動速度有較好的模擬效果。而作為兩個核心影響因素的風和海流，在一方較為穩(wěn)定的情況下，其對浮冰速度的影響會減小，另一方的影響則相對增大。本文關于風和海流等要素對海動過程影響研究的分析結果，可以進一步加深對海冰動力學的認識，為完善海冰-大氣動力學模型等方面提供參考[41]。

本研究中使用的哨兵1 號衛(wèi)星星座（1A 與1B）的遙感影像，為精確監(jiān)測海冰運動提供了數(shù)據(jù)基礎，展示了該衛(wèi)星星座高時間分辨率及高空間分辨率的優(yōu)勢。近年來，我國風云三號等多個系列衛(wèi)星成功發(fā)射，及多個國產(chǎn)衛(wèi)星在后續(xù)發(fā)射計劃中，這些衛(wèi)星星座可以提供長時序的影像序列，將較大地推動極地海冰變化的監(jiān)測與研究。