武汉大学中国南极测绘研究中心成功研发了一个兼顾可解释性与计算效率的北极海冰预测模型，并应用该模型实现对未来多年、每日、6.25公里分辨率的北极海冰密集度预测。该预测模型的成功研制是探索极地海冰演变规律的一项创新成果，为进一步认识北极海冰周期性变化和长期趋势提供了重要的参考。相关研究成果已经发表在国际知名期刊《Environmental Modelling & Software》（影响因子4.6），博士研究生胡昌宏为论文第一作者，艾松涛教授为论文通讯作者。

海冰密集度是海冰的一个重要参数，然而现有海冰密集度观测数据的获取通常存在延迟，并且无法满足对未来海冰情况获取的需求，这一问题只能通过海冰预测来解决。目前海冰预测的主要手段包含深度学习模型和物理驱动模型。深度学习模型存在可解释性差的问题，物理驱动模型虽然有着较好的解释性，但其涉及大量复杂的物理过程，算力需求较大且中长期预测精度不高。针对这一瓶颈，研究团队创新性地提出了海冰时序预测模型，通过解析海冰时间序列的频谱特征，提取其主要的变化周期，并建立相应的数学统计模型进行拟合外推，进而实现对海冰未来一年甚至多年的预测。该模型能够对整个北冰洋长周期的海冰密集度实现有效地预测，其一年（2023年）的北极海冰预测误差低于6%，连续6年（2018-2023年）的海冰预测误差低于14%，为北极海冰长周期预测提供了兼具可靠性与实用性的新方案。

2023年各季节海冰观测与预测结果比较

此外，该海冰预测模型已经在“融合海冰预测与船舶航行能力的北极航线动态规划方案”中得到应用，支撑该方案斩获2025年度中国青年科技创新“揭榜挂帅”擂台赛全国特等奖。

相关论文《A Time Series-Based Hybrid Model for Daily Arctic Sea Ice Forecasting Years in Advance 》可通过网址（https://authors.elsevier.com/a/1m4FL4sKhEgw7n）阅读下载。

图文：胡昌宏；排版：王月云；审核：周春霞