DOI: https://doi.org/10.1038/s41597-026-06683-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41651884
تاريخ النشر: 2026-02-07
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: ديناميات الجليد في القطب الشمالي والقطب الجنوبي
نظرة عامة
يقدم هذا القسم مجموعة بيانات رؤية الكمبيوتر لزحف الجليد البحري (SID-CV)، وهو منتج جديد شامل للقطب الشمالي مشتق من بيانات رادار الفتحة الاصطناعية (SAR) من Sentinel-1A&B التي تم جمعها بين عامي 2017 و2021. تتميز مجموعة بيانات SID-CV بدقة مكانية عالية تبلغ 400 متر، مما يعزز بشكل كبير التفاصيل المتاحة لتحليل زحف الجليد البحري (SID)، وهو أمر حاسم لفهم توازن الطاقة والكتلة لجليد البحر في القطب الشمالي. تم تطوير مجموعة بيانات SID-CV باستخدام إطار عمل رؤية الكمبيوتر الذي يدمج تتبع الميزات ومطابقة الأنماط، مما أسفر عن أكثر من 350,000 منتج مشتق من أزواج صور SAR المتتابعة بفواصل زمنية تتراوح بين 0-36 ساعة.
تشير التحقق من خلال العوامات العائمة إلى أن مجموعة بيانات SID-CV تحقق دقة عالية في قياس سرعة الزحف والمسافة والاتجاه عبر مواسم وأنظمة جليدية مختلفة، مع معدلات خطأ منخفضة. لا تتجاوز هذه المجموعة المنتجات الحالية لزحف الجليد متعددة العقود، التي تتميز بدقة أقل، فحسب، بل توفر أيضًا تفاصيل مكانية محسنة وموثوقية. وبالتالي، فإنها تسهل تحليلات أكثر دقة لصادرات الجليد البحري، والتشوه، والتحقق من النماذج، مما يسهم في تقديم رؤى قيمة حول ديناميات جليد البحر في القطب الشمالي.
الطرق
تشمل الطرق المستخدمة في توليد مجموعة بيانات SID-CV خط أنابيب معالجة بيانات من ثلاث مراحل، كما هو موضح في الشكل 2(أ). تتكون المرحلة الأولية من معالجة أزواج صور رادار الفتحة الاصطناعية (SAR) المتتابعة. بعد ذلك، يتم تحليل أزواج الصور المعالجة باستخدام خوارزمية استرجاع SID المعتمدة على رؤية الكمبيوتر (CV)، والتي تحسب مكونات الانزلاق نحو الشرق والشمال. تتضمن المرحلة النهائية مراقبة الجودة، حيث يتم تعيين علامات جودة لكل بكسل لضمان سلامة البيانات.
تستند مجموعة بيانات SID-CV بشكل أساسي إلى صور SAR من Sentinel-1A/B، مع استخدام بيانات مساعدة لأغراض قناع اليابسة والمياه فقط. تشمل مجموعات البيانات الرئيسية المدخلة لعملية استرجاع SID قاعدة بيانات الجغرافيا العالمية المتسقة ذاتيًا، الهرمية، عالية الدقة (GSHHG) كمدخل أساسي وموارد إضافية لقناع مناطق اليابسة والمياه المفتوحة. يتم تلخيص هذه المجموعات في الجدول 1، مع تسليط الضوء على أهميتها في المنهجية العامة.
المناقشة
في هذا القسم، يناقش المؤلفون معالجة بيانات رادار الفتحة الاصطناعية (SAR) لمراقبة ديناميات الجليد البحري، مع التأكيد على أهمية الفواصل الزمنية لالتقاط التغيرات السريعة. يوصون بفواصل يومية في الشتاء وفواصل دون يومية في الصيف، مع تحديد حد معالجة يبلغ 36 ساعة. تستخدم الدراسة بيانات من كوكبة ESA S1A/B من 2017 إلى 2021، مع استخدام وضع المسح العريض الإضافي واستقطاب HV لزيادة الحساسية لميزات الجليد البحري. يتم تقديم خوارزمية SID-CV جديدة، والتي تقوم بتحسين تطابق الميزات على مستوى البكسل من خلال نهج مطابقة هرمية متعددة المقاييس، مما يؤدي إلى حقل متجه كثيف لاسترجاع زحف الجليد البحري.
تقييم جودة البيانات المسترجعة قوي، حيث يتم تصنيف السجلات إلى “جيدة”، “مشتبه بها”، و”سيئة” بناءً على موثوقية المعالجة. تشير النتائج إلى أن 94.64% من السجلات مصنفة على أنها جيدة، مع إظهار الخوارزمية دقة عالية في مسافة الزحف والسرعة والاتجاه عبر ظروف موسمية مختلفة. من الجدير بالذكر أن مقاييس الدقة تكشف عن تباين موسمي، مع زيادة الأخطاء خلال موسم ذوبان الصيف بسبب التغيرات في آليات التشتت. كما يبرز المؤلفون قابلية تطبيق مجموعة البيانات عبر أنظمة ديناميات الجليد البحري المختلفة وأدائها المتفوق مقارنة بالمنتجات الحالية، مما يبرز إمكانياتها في تعزيز البحث حول ديناميات جليد البحر في القطب الشمالي.
DOI: https://doi.org/10.1038/s41597-026-06683-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41651884
Publication Date: 2026-02-07
Author(s): Zhenyun Du et al.
Primary Topic: Arctic and Antarctic ice dynamics
Overview
The section presents the Sea Ice Drift Computer Vision (SID-CV) dataset, a novel pan-Arctic product derived from Sentinel-1A&B synthetic aperture radar (SAR) data collected between 2017 and 2021. This dataset features a high spatial resolution of 400 meters, significantly enhancing the detail available for analyzing sea ice drift (SID), which is crucial for understanding the energy and mass balance of Arctic sea ice. The SID-CV dataset was developed using a computer vision framework that integrates feature tracking and pattern matching, resulting in over 350,000 products derived from sequential SAR image pairs with intervals of 0-36 hours.
Validation against drifting buoys indicates that the SID-CV dataset achieves high accuracy in measuring drift speed, distance, and direction across various seasons and ice regimes, with low error rates. This dataset not only surpasses existing multi-decadal SID products, which have coarser resolutions, but also provides enhanced spatial detail and reliability. Consequently, it facilitates more refined analyses of sea ice export, deformation, and model validation, thereby contributing valuable insights into the dynamics of Arctic sea ice.
Methods
The methods employed in generating the SID-CV dataset involve a three-stage data processing pipeline, as depicted in Figure 2(a). The initial stage consists of preprocessing sequential Synthetic Aperture Radar (SAR) image pairs. Following this, the processed image pairs are analyzed using a computer vision (CV)-based SID retrieval algorithm, which calculates the eastward and northward components of drift displacement. The final stage involves quality control, where quality flags are assigned to each pixel to ensure data integrity.
The SID-CV dataset is primarily derived from Sentinel-1A/B SAR imagery, with auxiliary data utilized solely for land and water masking purposes. Key input datasets for the SID retrieval process include the Global Self-consistent, Hierarchical, High-resolution Geography Database (GSHHG) for core input and additional resources for masking land and open water regions. These datasets are summarized in Table 1, highlighting their relevance to the overall methodology.
Discussion
In this section, the authors discuss the processing of Synthetic Aperture Radar (SAR) data for monitoring sea ice dynamics, emphasizing the importance of temporal intervals for capturing rapid changes. They recommend daily intervals in winter and sub-daily intervals in summer, while setting a processing limit of 36 hours. The study utilizes data from the ESA S1A/B constellation from 2017 to 2021, specifically employing Extra Wide swath mode and HV polarization for enhanced sensitivity to sea ice features. A novel SID-CV algorithm is introduced, which refines pixel-level feature correspondences through a multi-scale pyramid matching approach, resulting in a dense vector field for sea ice drift retrieval.
The quality assessment of the retrieved data is robust, categorizing records into “good,” “suspect,” and “bad” based on processing reliability. The results indicate that 94.64% of records are classified as good, with the algorithm demonstrating high accuracy in drift distance, speed, and direction across various seasonal conditions. Notably, the accuracy metrics reveal seasonal variability, with increased errors during the summer melt season due to changes in scattering mechanisms. The authors also highlight the dataset’s applicability across different sea ice dynamic regimes and its superior performance compared to existing products, underscoring its potential for advancing research on Arctic sea ice dynamics.