近日，中国科学院海洋研究所李晓峰研究团队与美国哥伦比亚大学研究团队合作，发展了一款Markov海冰厚度季节预测模型。该模型能够超前预测北极海冰厚度场12个月，显著高于异常持续性预测技巧，填补了北极海冰厚度预测的空白，对于北极航道评估和高空间分辨率模式的开发都具有重要意义。相关研究成果在国际学术期刊Journal of Climate (Top 期刊)上发表。
随着“北极放大”效应进一步增强，北极海冰范围快速减小，海冰厚度迅速减薄，全球面临着巨大的生态气候挑战，同时也给北极航道开发带来了巨大机遇。因此，科学研究和社会经济两方面对海冰预测的需求都在不断增强。然而，目前国际上北极海冰厚度预测仍处于空白。
基于以上背景，研究团队考虑了9个气候变量，包括海冰厚度、海冰密集度、上层海洋热含量、海表温、海表气温、表面辐射通量、表面湍流热通量、位势高度场和风场，基于多变量经验正交分解函数MEOF，分季节地构建了Markov模型，并通过一系列敏感性实验测试了不同气候变量和不同主要模态数量对海冰厚度预测技巧的贡献；利用交叉验证的方法，对模型预测技巧在不同季节和海域进行了评估。
研究结果显示，海冰厚度对于模型预测技巧贡献最大，其他气候变量中，上层海洋热含量对模型技巧贡献最大。另外，海冰厚度可预测性具有与海冰密集度相反的时空特征，冷季的可预测性高于暖季，北极中央海盆的海冰厚度可预测性高于边缘海和外海（Wang et al. 2022, 2023）。模型可对北极中央海盆海冰厚度超前预测12个月，评价指标-异常相关性系数在0.7到0.8之间。Markov海冰厚度季节预测模型基于MEOF构建，可滤除不可预测的小尺度特征，捕捉海-冰-气耦合系统的主要协变信号；该模型由四个季节模块组成，采用不同的预测因子和主要模态数量适应不同季节的海冰驱动物理过程，这些原因共同贡献了海冰厚度的高预测技巧。
论文第一作者为中国科学院海洋研究所王云鹤助理研究员、通讯作者为李晓峰研究员和美国哥伦比亚大学Xiaojun Yuan教授，合作作者包括毕海波副研究员、任沂斌助理研究员等。研究得到了国家自然科学基金青年项目、山东省自然科学基金青年项目、博士后特别资助（站前）的资助。
论文信息：
Yunhe Wang, Xiaojun Yuan*, Haibo Bi, Yibin Ren, Yu Liang, Cuihua Li, and Xiaofeng Li*. Understanding Arctic Sea Ice Thickness Predictability by a Markov Model. Journal of Climate, 2023, 36(15): 4879–4897. https://doi.org/10.1175/JCLI-D-22-0525.1
Yunhe Wang, Xiaojun Yuan*, Haibo Bi, Mitchell Bushuk, Yu Liang, Cuihua Li, Haijun Huang. Reassessing seasonal sea ice predictability of the Pacific-Arctic sector using a Markov model. The Cryosphere, 2022, 16(3): 1141-1156. https://doi.org/10.5194/tc-16-1141-2022
