地球大数据驱动的北极冰区航线智能规划

郭华东 等 著

《地球大数据科学工程数据共享蓝皮书（2022）》

郭华东 等 著

北京: 科学出版社, 2025.11

ISBN978-7-03-084047-9

《地球大数据科学工程数据共享蓝皮书（2022）》 系统总结了中国科学院前瞻战略性先导科技专项（A类）“地球大数据科学工程”的数据资源、数据技术平台建设和应用服务成效。数据平台系统以超融合 云服务 平台为基础的服务框架，为全球及区域可持续发展目标实现提供科学数据支撑，有效促进了地球科学多 源数据 交叉融合与知识发现。

基于数据库– 模型库– 方法库的三极数据平台

基于 CASEarth 地球大数据平台和科学数据 云 建立 的三极数据平台，利 用先进的大数据分析方法，包括深度学习和因果推理，可以从复杂的数据集中提取有价值的信息，揭示隐藏在数据中的潜在物理机制，从而对北极、南极和青藏高原的环境变化进行更深入的同步、 异步和 远程关联探索。地球大数据与大数据分析方法的融合开创了一种新的研究范式，促进 了三极对比科学发现。 本文分享“第六章 地球大数据驱动科学发现和典型应用”之“ 6.5.1 大数据驱动的北极冰区航线智能规划”。

大数据驱动的

北极冰区航线智能规划

01

案例背景

过去 40 年北极海冰范围的大幅度下降为夏季北极航道的开通创造了条件（ Yu et al. ， 2021 ； Cao et al. ， 2022 ）。北极航道主要由东北航道、西北航道以及中央航道构成（ Ostreng et al. ， 2013 ）。与传统苏伊士运河路线相比，东北航道的开通将从东北亚到欧洲西部的路程缩短 40% ，航行时间减少 20 天左右（ Yumashev et al. ， 2017 ； Zhu et al. ， 2018 ）。北极地区呈现出的航道开发潜力引起了全球关注，开发利用“冰上丝绸之路”成为北极地区诸多国家的重要战略。 2018 年，《中国的北极政策》白皮书发布，进一步阐明了中国与各方共建“冰上丝绸之路”的主张，将通过与泛北极国家的合作，深入开展北极科学研究与开发利用，参与北极治理，促进整个北极地区的繁荣与稳定，推动北极的可持续发展。在此背景下，开展北极航道前瞻性研究，加强北极航道智能化服务水平具有重要意义。同时，聚焦 SDG 13 ，规划最优航行路线，动态评估每条航线的燃料成本、航程时间和成本，评估短期、中长期北极航线作为苏伊士运河替代航线的可行性，可为船舶公司航线运输选线提供决策依据。

02

数据需求

海冰密集度和厚度数据是决定北极东北航道通航能力的关键因素。在本节中，海冰数据用来计算北极地区通航分析，是北极东北航线分析的重要数据基础。对于过去，现在及未来的海冰数据，目前没有来源一致的数据源，因此在分析不同时间段航线时，使用的海冰数据各不相同。

1）过去10年海冰遥感数据

2012 年至 2020 年的海冰密集度数据使用美国国家冰雪数据中心（ The National Snow and Ice Data Center ， NSIDC ）发布的 MASIE-AMSR2 （ MASAM2 ）产品，它由 4km 分辨率的 MASIE 海冰密集度产品和 10km 分辨率的 AMSR2 密集 度产品 合成。 NSIDC 是由美国国家宇航局、美国国家海洋和大气局、国家科学基金会等建立的数据中心，提供美国及全世界包括南北极冰川等地理信息方面的资料。

2012 年至 2020 年的海冰厚度来源于华盛顿大学研发的泛北极冰 – 海洋模拟和同化系统（ Pan-Arctic ice-ocean modelling and assimilation system ， PIOMAS ）。 PIOMAS 提供的海冰厚度数据能够很好地拟合观测场（平均偏差为 0.1 m ，相关系数超过 0.8 ），其空间分布、季节的周期性和趋势变化都很好地再现观测场的相应变化。

2）近期及短期海冰预报数据

2021 年 1 月至 2022 年 5 月的海冰密集度和厚度数据从中国科学院大气物理研究所大气科学与地球流体动力学数值模拟国家重点实验室（ LASG ）的 FGOALS-f2 模型自动下载，该数据每日更新，可预报未来 60 天北半球海冰空间分布。 LASG 团队于 2019 年 6 、 7 、 8月分 三次向海冰预测网络（ sea ice prediction network ， SIPN ， https://www.arcus.org/sipn ）提交了 9 月北极海冰覆盖面积的二维（ 2D ）网格预测数据，预测结果接近实际海冰覆盖面积。全球共有 12 个 团队向 SIPN 提交北极海冰的 2D 网格预测结果， LASG 三次预测的总成绩（ BS 评分）排名第一，保证了本研究数据的可靠性。

3）未来100年海冰模式数据

已有的研究结果表明，第六次国际耦合模式比较计划（ CMIP6 ）模拟的北极海冰范围多模式集合平均值与观测结果吻合较好（ Shen et al. ， 2021 ）。本研究选择排名比较靠前的四个模式（日数据），通过计算四个模式的平均值获取未来 100 年（ 5 月至 11 月）逐日海冰数据。

对于近期（ 2021 年以及 2022 年）航道通航风险的计算，不仅考虑了海冰和船舶类型的影响，也集成了气象和水深要素。气象数据包括温度、风速，来源于中国科学院大气物理研究所 FGOALS-f2 模型，分辨率为 100km 。水深数据来自美国海洋和大气管理局（ NOAA ）的 ETOPO1 冰面模型。

03

数据支撑内容

基于地球大数据云平台构建可用于在线信息实时提取的计算架构，在此基础上集成风险量化评估、路径智能规划及海冰在线提取等方法，结合三维可视化、海量数据自动预处理、 存储、分析等大数据技术，发展北极航道船舶航行智能规划系统（ RouteView ），建立“数据– 信息– 决策”的信息提取体系。基于海量多源数据，RouteView可自动计算过去10年至未来100年北极东北航道不同船舶的最优航线分布，可根据不同约束条件实时计算未来60天船舶最优航线分布。同时，系统也提供了在线可交互的海冰图像提取接口，不仅可基于FY-3D数据自动提取海冰真彩色图像，而且能够基于Sentinel-1数据实时获取海冰–海水分类结果。相比已有北极信息服务系统， RouteView 能够实时处理海量数据，根据不同条件约束规划出时效性更高、更为安全经济的航线，从信息提取方式和计算效率方面提高了北极航道信服服务的智能化水平。

04

数据支撑效果

本节主要介绍 RouteView 的两个应用案例：基于 3D GIS 的商船最优航线分析（场景 1 ）和不同条件约束下的商船航线实时规划（场景 2 ）。

1）基于3D GIS的商船最优航线分析

RouteView 集成了深度强化学习模型，可自动计算普通商船（无破冰能力）和 PC6 破冰船（可在海冰厚度大于 70cm 的冰区航行）过去 10 年及未来 80 年夏季通航期逐日的最优航线分布，也可按照不同的条件实时计算未来 60 天逐日的最优航线分布。航线规划的时间分为三个阶段：历史航线（ 2012 年 7 月至 2020 年 10 月）、近期航线（ 2020 年 5 月至 2022 年 12 月，未来 60 天每天 更新数据）以及未来航线（ 2025 年 5 月至 2100 年 11 月）。

基于 3D GIS 实现北极东北航道最优路线分析

A 区域中的黄线是系统计算出的 2020 年 7 月 15 日商船在北极东北航道航行的最优航线，不同的颜色代表了商船航行的通航风险指数分布； B 区域显示了商船可以安全航行的缓冲区域； C 区域 3D 曲线显示了沿最优航线海冰密集度和厚度的变化情况； D 区域显示了最优航线某区域未来 10~15 天的温度变化趋势

本节以普通商船为例（场景 1 ），说明系统的航线自动规划服务。图 中A 区域中，黄线为系统自动计算出的 2020 年 7 月 15 日商船在北极东北航道航行的最优航线。橙色和红色区域表示商船在该区域通航风险较高（ RIO < 0 ），而商船能够在绿色或蓝色区域（ RIO > 0 ）安全航行。同时，系统可分析最优航线沿途的海冰及通航风险变化，并使用 3D 图、表进行可视化分析，有助于指导船舶航行（图 中C 区域）。此外，系统也提供了局部海域气象条件分析和预测，如在 3D GIS 中点击航线局部区域可获取未来 10~15 天的温度变化趋势（图 中D 区域）。

为了更方便地指导船舶航行，系统进一步将通航风险大于零的区域定义为缓冲区（图 中B 区域中的紫色区域），船舶在该区域内可安全航行。

2）不同条件约束下的商船航线实时规划

场景 1 的结果由系统自动生成并在三维球形系统中展示，在此基础上，本节构建了更加智能的航线规划服务：通过 RouteView 的 3D GIS 界面，可以灵活输入航线的起点和终点位置、船舶类型和航行开始时间等计算参数。提交这些参数后，系统可以快速实现不同约束 条件下最优航线的在线提取，其结果自动显示在系统界面中。

在线可交互的最优航道计算服务

中央黄线为实时计算得到的 2021 年 9 月 1 日商船航行路线。数据来源于中国科学院大气科学研究所的 FGOALS-f2 北极海冰预报系统

场景 2 提供了一个针对商船的航线规划计算案例，见上图 。选择 2021 年 9 月 1 日，商船，并定义起点和终点后，系统可计算航线最优空间分布、航程时长、油耗、沿线海冰时空变化和风险值以及未来一周局部海域温度变化。此外，自动分析北极东北航道 2021 年通航窗口期（包含通航期开始和结束日期）。在线实时提取的这些航道通航关键信息，回答了北极航道到底哪些地方有通航能力、什么时候能通航、可通航多久等关键问题。

05

展望

构建的智能规划系统 RouteView 虽然已经部署在中国科学院国家科学图书馆 2D 展厅进行业务化运行，但目前仍以功能展示为主，还未应用到的具体的决策服务场景，正在与中国极地中心、中国远洋海运集团有限公司进行业务对接，期望为北极船舶航行提供决策服务。由于公开的北极船舶航行线路数据非常有限，本节研究基于中国远洋运输股份有限公司 2013 年“永盛”号商船航线进行结果对比分析。今后还需加强团队合作，获取更多的船舶航行数据用于验证和改进本研究提出的强化学习模型，进一步提高航线规划精度。

当前系统主要考虑海冰、气象等因素，从安全角度分析获得最优北极航线的途径。下一步将重点分析北极航道价值的变化趋势：随着中国“碳达峰与碳中和”（“双碳”）目标的实施，未来中国能源需求的变化将如何影响北极航线的使用价值；北极航线普通商船的航行成本是否随着未来夏季北极海冰的进一步融化而降低，降低多少；对比分析北极航道和传统航线航运价值变化，评估短期、中长期北极航线作为苏伊士运河替代航线的可行性，为船舶公司航线运输选线提供决策。

本文摘编自《地球大数据科学工程数据共享蓝皮书（2022）》（郭华东等著. 北京:科学出版社, 2025.11）一书“第六章 地球大数据驱动科学发现和典型应用”，有删减修改，标题为编者所加。

ISBN978-7-03-084047-9

责任编辑: 韦 沁

地球大数据科学专题

本书可供地球科学、环境、生物、生态等学科领域的科研人员、科学数据工程建设、科学数据中心的工作人员、教育工作者及研究生等使用参考。

（本文编辑：刘四旦）

专业品质 学术价值

原创好读 科学品位

一起阅读科学