Page 188 - 《武汉大学学报（信息科学版）》2025年第9期

1916 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 9 月

CRF 和 AW CRF）的月均值变化，对年际变化的 LWnet 和晴朗天空下 LWnet 的值； R AW CRF 为 AW
研究时段相对有限，且未能系统探讨辐射通量的 CRF 的值。本文定义下行方向的辐射通量为正
短 期 波 动 与 长 期 趋 势 之 间 的 关 系 。 本 文 利 用 值，上行方向为负值。当 CRF 值为正时，相对于
1981—2020 年 ERA5 辐射数据，获取北极海冰区 晴朗的天空，云对地表起保温作用；CRF 为负值
域云辐射通量的空间分布特征及其季节、年际和 时，云对地表起冷却作用。
年代际变化特征，并对其进行分析。 本研究采用多种统计方法对时间序列的变
化特征进行分析，包括 Mann-Kendall（MK）趋势
1 数据和方法 检验法、滑动平均法、最小二乘线性回归以及斜

率检测法。MK 趋势检验法作为一种非参数统计
1.1 数据
方 法 ，主 要 通 过 Z 值 评 估 时 间 序 列 趋 势 的 显 著
美 国 国 家 冰 雪 数 据 中 心 提 供 了 1978-11 − ［40］
性 。Z 值的具体计算式为：
2024-03 逐 日 和 逐 月 的 海 冰 密 集 度（sea ice con⁃
ì S - 1
ï ï
centration，SIC）产品。该产品基于多源卫星微波 ï n( n + 1 )( 2n + 5 ) 18 ,S > 0
ï
ï
ï ï
遥感亮温数据，采用 Bootstrap 算法反演生成，采 ï
Z = í 0,S = 0 （7）
用 极 方 位 立 体 投 影 ，空 间 分 辨 率 为 25 km×25 ï ï
ï S + 1
ï
ï
km ［35］ 。该数据集具有较高的可靠性，与北极东 ï ,S < 0
ï ï
北航道实测的 SIC 数据一致性较高，其偏差较低 î n( n + 1 )( 2n + 5 ) 18
n - 1 n
且均方根偏差控制在 12% 以内 ［36］ 。本文采用该 S = ∑ ∑ sgn ( X j - X i ) （8）
产品 1981—2020 年的月平均数据。 i = 1 j = i + 1
式中，n 为时间序列的长度；X i、X j 分别为时间序列
欧洲中期天气预报中心（European centre for
中第 i 个和第 j 个数据值，且 i<j；sgn 是符号函数，
medium-range weather forecasting， ECMWF）融
当 X i<X j 时，取值为 1；当 X i=X j 时，取值为 0；当
合多种观测与模型数据生成的第 5 代气候再分析
X i>X j 时，取值为−1。Z 为正值代表时间序列呈
数 据 集（ECMWF reanalysis v5， ERA5），提 供 了
上升趋势，Z 为负值代表呈下降趋势。在特定置
1979 年至今覆盖大气、陆地和海洋的全球气候变
信水平下，若统计量 Z 的绝对值超过临界值，则可
量，空间分辨率为 0.25°×0.25°，其提供的北极地区
判定该时间序列具有显著的变化趋势。本文采
辐射数据与实测数据具有较好的一致性 ［37-38］ ，与地
用 95% 置信水平，对应阈值为 1.96。
面站点实测辐射数据差异为−0.26±19.02 W/m 。
2
本文采用滑动平均法对时间序列数据进行
本文采用 1981—2020 年每月地表辐射数据，使用
平滑处理，以 5 年为固定步长逐步计算局部平均
了 实 际 天 空 下 地 表 SWnet、晴 朗 天 空 下 地 表
值，从而有效降低随机波动的影响，突显数据的
SWnet、实际天空下地表 LWnet 和晴朗天空下地
长期变化规律 ［41］ 。运用斜率检测法分析回归模
表 LWnet 共 4 种辐射产品 ［39］ 。
型系数的变化特征，设定 10 年为特定时间窗口进
1.2 方法
行连续斜率计算，依据相邻时段斜率符号的改变
SNR 与 CRF 的计算公式如下：
识别趋势突变位置 ［13，42］ 。基于上述方法，对北极
（1）
R SWnet = R DSW - R USW
地区近 40 年辐射通量数据进行趋势分析，探究其
（2）
R LWnet = R DLW - R ULW
变化过程中可能存在的显著转折特征。
（3）
R Rnet = R SWnet + R LWnet
为确保不同数据集间的空间一致性，采用重
（4）
采样方法将 SIC 和辐射数据统一转换至极方位立
R SW CRF = R SWnet all sky - R SWnet clear sky
（5）
体投影（25 km×25 km）。应用陆地掩膜和海冰掩
- R LWnet clear sky
R LW CRF = R LWnet all sky
（6）
R AW CRF = R SW CRF + R LW CRF 膜技术，剔除了海冰密集度低于 15% 的开阔水体
式 中 ， R SWnet、 R DSW、 R USW 分 别 为 SWnet、DSW、 的干扰，从而构建准确的海冰区域辐射数据集。
USW 的 值 ； R LWnet、 R DLW、 R ULW 分 别 为 LWnet、 在此基础上，对云辐射通量的数据进行时空平均
DLW、ULW 的 值 ； R Rnet 为 Rnet 的 值 ； R SW CRF、 处理，系统研究其季节、年际及年代际变化特征。
分 别 为 SW CRF、实 际 天 空 下 本文将 1981—2020 年观测数据划分为 4 个 10 年
R SWnet all sky
、 R SWnet clear sky
SWnet 和 晴 朗 天 空 下 SWnet 的 值 ； R LW CRF、 期进行分析，分别为 1981—1990 年、1991—2000
分 别 为 LW CRF、实 际 天 空 下 年、2001—2010 年以及 2011—2020 年。
R LWnet all sky 、 R LWnet clear sky