地球大數據驅動的北極冰區航線智能規劃

郭華東 等 著

《地球大數據科學工程數據共享藍皮書（2022）》

郭華東 等 著

北京: 科學出版社, 2025.11

ISBN978-7-03-084047-9

《地球大數據科學工程數據共享藍皮書（2022）》 系統總結了中國科學院前瞻戰略性先導科技專項（A類）“地球大數據科學工程”的數據資源、數據技術平臺建設和應用服務成效。數據平臺系統以超融合 云服務 平臺為基礎的服務框架，為全球及區域可持續發展目標實現提供科學數據支撐，有效促進了地球科學多 源數據 交叉融合與知識發現。

基于數據庫– 模型庫– 方法庫的三極數據平臺

基于 CASEarth 地球大數據平臺和科學數據 云 建立 的三極數據平臺，利 用先進的大數據分析方法，包括深度學習和因果推理，可以從復雜的數據集中提取有價值的信息，揭示隱藏在數據中的潛在物理機制，從而對北極、南極和青藏高原的環境變化進行更深入的同步、 異步和 遠程關聯探索。地球大數據與大數據分析方法的融合開創了一種新的研究范式，促進 了三極對比科學發現。 本文分享“第六章 地球大數據驅動科學發現和典型應用”之“ 6.5.1 大數據驅動的北極冰區航線智能規劃”。

大數據驅動的

北極冰區航線智能規劃

01

案例背景

過去 40 年北極海冰范圍的大幅度下降為夏季北極航道的開通創造了條件（ Yu et al. ， 2021 ； Cao et al. ， 2022 ）。北極航道主要由東北航道、西北航道以及中央航道構成（ Ostreng et al. ， 2013 ）。與傳統蘇伊士運河路線相比，東北航道的開通將從東北亞到歐洲西部的路程縮短 40% ，航行時間減少 20 天左右（ Yumashev et al. ， 2017 ； Zhu et al. ， 2018 ）。北極地區呈現出的航道開發潛力引起了全球關注，開發利用“冰上絲綢之路”成為北極地區諸多國家的重要戰略。 2018 年，《中國的北極政策》白皮書發布，進一步闡明了中國與各方共建“冰上絲綢之路”的主張，將通過與泛北極國家的合作，深入開展北極科學研究與開發利用，參與北極治理，促進整個北極地區的繁榮與穩定，推動北極的可持續發展。在此背景下，開展北極航道前瞻性研究，加強北極航道智能化服務水平具有重要意義。同時，聚焦 SDG 13 ，規劃最優航行路線，動態評估每條航線的燃料成本、航程時間和成本，評估短期、中長期北極航線作為蘇伊士運河替代航線的可行性，可為船舶公司航線運輸選線提供決策依據。

02

數據需求

海冰密集度和厚度數據是決定北極東北航道通航能力的關鍵因素。在本節中，海冰數據用來計算北極地區通航分析，是北極東北航線分析的重要數據基礎。對于過去，現在及未來的海冰數據，目前沒有來源一致的數據源，因此在分析不同時間段航線時，使用的海冰數據各不相同。

1）過去10年海冰遙感數據

2012 年至 2020 年的海冰密集度數據使用美國國家冰雪數據中心（ The National Snow and Ice Data Center ， NSIDC ）發布的 MASIE-AMSR2 （ MASAM2 ）產品，它由 4km 分辨率的 MASIE 海冰密集度產品和 10km 分辨率的 AMSR2 密集 度產品 合成。 NSIDC 是由美國國家宇航局、美國國家海洋和大氣局、國家科學基金會等建立的數據中心，提供美國及全世界包括南北極冰川等地理信息方面的資料。

2012 年至 2020 年的海冰厚度來源于華盛頓大學研發的泛北極冰 – 海洋模擬和同化系統（ Pan-Arctic ice-ocean modelling and assimilation system ， PIOMAS ）。 PIOMAS 提供的海冰厚度數據能夠很好地擬合觀測場（平均偏差為 0.1 m ，相關系數超過 0.8 ），其空間分布、季節的周期性和趨勢變化都很好地再現觀測場的相應變化。

2）近期及短期海冰預報數據

2021 年 1 月至 2022 年 5 月的海冰密集度和厚度數據從中國科學院大氣物理研究所大氣科學與地球流體動力學數值模擬國家重點實驗室（ LASG ）的 FGOALS-f2 模型自動下載，該數據每日更新，可預報未來 60 天北半球海冰空間分布。 LASG 團隊于 2019 年 6 、 7 、 8月分 三次向海冰預測網絡（ sea ice prediction network ， SIPN ， https://www.arcus.org/sipn ）提交了 9 月北極海冰覆蓋面積的二維（ 2D ）網格預測數據，預測結果接近實際海冰覆蓋面積。全球共有 12 個 團隊向 SIPN 提交北極海冰的 2D 網格預測結果， LASG 三次預測的總成績（ BS 評分）排名第一，保證了本研究數據的可靠性。

3）未來100年海冰模式數據

已有的研究結果表明，第六次國際耦合模式比較計劃（ CMIP6 ）模擬的北極海冰范圍多模式集合平均值與觀測結果吻合較好（ Shen et al. ， 2021 ）。本研究選擇排名比較靠前的四個模式（日數據），通過計算四個模式的平均值獲取未來 100 年（ 5 月至 11 月）逐日海冰數據。

對于近期（ 2021 年以及 2022 年）航道通航風險的計算，不僅考慮了海冰和船舶類型的影響，也集成了氣象和水深要素。氣象數據包括溫度、風速，來源于中國科學院大氣物理研究所 FGOALS-f2 模型，分辨率為 100km 。水深數據來自美國海洋和大氣管理局（ NOAA ）的 ETOPO1 冰面模型。

03

數據支撐內容

基于地球大數據云平臺構建可用于在線信息實時提取的計算架構，在此基礎上集成風險量化評估、路徑智能規劃及海冰在線提取等方法，結合三維可視化、海量數據自動預處理、 存儲、分析等大數據技術，發展北極航道船舶航行智能規劃系統（ RouteView ），建立“數據– 信息– 決策”的信息提取體系。基于海量多源數據，RouteView可自動計算過去10年至未來100年北極東北航道不同船舶的最優航線分布，可根據不同約束條件實時計算未來60天船舶最優航線分布。同時，系統也提供了在線可交互的海冰圖像提取接口，不僅可基于FY-3D數據自動提取海冰真彩色圖像，而且能夠基于Sentinel-1數據實時獲取海冰–海水分類結果。相比已有北極信息服務系統， RouteView 能夠實時處理海量數據，根據不同條件約束規劃出時效性更高、更為安全經濟的航線，從信息提取方式和計算效率方面提高了北極航道信服服務的智能化水平。

04

數據支撐效果

本節主要介紹 RouteView 的兩個應用案例：基于 3D GIS 的商船最優航線分析（場景 1 ）和不同條件約束下的商船航線實時規劃（場景 2 ）。

1）基于3D GIS的商船最優航線分析

RouteView 集成了深度強化學習模型，可自動計算普通商船（無破冰能力）和 PC6 破冰船（可在海冰厚度大于 70cm 的冰區航行）過去 10 年及未來 80 年夏季通航期逐日的最優航線分布，也可按照不同的條件實時計算未來 60 天逐日的最優航線分布。航線規劃的時間分為三個階段：歷史航線（ 2012 年 7 月至 2020 年 10 月）、近期航線（ 2020 年 5 月至 2022 年 12 月，未來 60 天每天 更新數據）以及未來航線（ 2025 年 5 月至 2100 年 11 月）。

基于 3D GIS 實現北極東北航道最優路線分析

A 區域中的黃線是系統計算出的 2020 年 7 月 15 日商船在北極東北航道航行的最優航線，不同的顏色代表了商船航行的通航風險指數分布； B 區域顯示了商船可以安全航行的緩沖區域； C 區域 3D 曲線顯示了沿最優航線海冰密集度和厚度的變化情況； D 區域顯示了最優航線某區域未來 10~15 天的溫度變化趨勢

本節以普通商船為例（場景 1 ），說明系統的航線自動規劃服務。圖 中A 區域中，黃線為系統自動計算出的 2020 年 7 月 15 日商船在北極東北航道航行的最優航線。橙色和紅色區域表示商船在該區域通航風險較高（ RIO < 0 ），而商船能夠在綠色或藍色區域（ RIO > 0 ）安全航行。同時，系統可分析最優航線沿途的海冰及通航風險變化，并使用 3D 圖、表進行可視化分析，有助于指導船舶航行（圖 中C 區域）。此外，系統也提供了局部海域氣象條件分析和預測，如在 3D GIS 中點擊航線局部區域可獲取未來 10~15 天的溫度變化趨勢（圖 中D 區域）。

為了更方便地指導船舶航行，系統進一步將通航風險大于零的區域定義為緩沖區（圖 中B 區域中的紫色區域），船舶在該區域內可安全航行。

2）不同條件約束下的商船航線實時規劃

場景 1 的結果由系統自動生成并在三維球形系統中展示，在此基礎上，本節構建了更加智能的航線規劃服務：通過 RouteView 的 3D GIS 界面，可以靈活輸入航線的起點和終點位置、船舶類型和航行開始時間等計算參數。提交這些參數后，系統可以快速實現不同約束 條件下最優航線的在線提取，其結果自動顯示在系統界面中。

在線可交互的最優航道計算服務

中央黃線為實時計算得到的 2021 年 9 月 1 日商船航行路線。數據來源于中國科學院大氣科學研究所的 FGOALS-f2 北極海冰預報系統

場景 2 提供了一個針對商船的航線規劃計算案例，見上圖 。選擇 2021 年 9 月 1 日，商船，并定義起點和終點后，系統可計算航線最優空間分布、航程時長、油耗、沿線海冰時空變化和風險值以及未來一周局部海域溫度變化。此外，自動分析北極東北航道 2021 年通航窗口期（包含通航期開始和結束日期）。在線實時提取的這些航道通航關鍵信息，回答了北極航道到底哪些地方有通航能力、什么時候能通航、可通航多久等關鍵問題。

05

展望

構建的智能規劃系統 RouteView 雖然已經部署在中國科學院國家科學圖書館 2D 展廳進行業務化運行，但目前仍以功能展示為主，還未應用到的具體的決策服務場景，正在與中國極地中心、中國遠洋海運集團有限公司進行業務對接，期望為北極船舶航行提供決策服務。由于公開的北極船舶航行線路數據非常有限，本節研究基于中國遠洋運輸股份有限公司 2013 年“永盛”號商船航線進行結果對比分析。今后還需加強團隊合作，獲取更多的船舶航行數據用于驗證和改進本研究提出的強化學習模型，進一步提高航線規劃精度。

當前系統主要考慮海冰、氣象等因素，從安全角度分析獲得最優北極航線的途徑。下一步將重點分析北極航道價值的變化趨勢：隨著中國“碳達峰與碳中和”（“雙碳”）目標的實施，未來中國能源需求的變化將如何影響北極航線的使用價值；北極航線普通商船的航行成本是否隨著未來夏季北極海冰的進一步融化而降低，降低多少；對比分析北極航道和傳統航線航運價值變化，評估短期、中長期北極航線作為蘇伊士運河替代航線的可行性，為船舶公司航線運輸選線提供決策。

本文摘編自《地球大數據科學工程數據共享藍皮書（2022）》（郭華東等著. 北京:科學出版社, 2025.11）一書“第六章 地球大數據驅動科學發現和典型應用”，有刪減修改，標題為編者所加。

ISBN978-7-03-084047-9

責任編輯: 韋 沁

地球大數據科學專題

本書可供地球科學、環境、生物、生態等學科領域的科研人員、科學數據工程建設、科學數據中心的工作人員、教育工作者及研究生等使用參考。

（本文編輯：劉四旦）

專業品質 學術價值

原創好讀 科學品位

一起閱讀科學