近日，国际合作项目《南极海冰预测网络（SIPN South）》发布了最新的夏季海冰预测评估报告，由李晓峰研究员团队开发的基于AI的海洋所IOCAS-SIPNet模型，在15个参赛模型中脱颖而出，名列第三，超越了美国、英国、加拿大和意大利等多国的海冰预测模型。

SIPN South 项目2017年开始举办，已成功举办7次，旨在评估当前国际上各类型模型对南极夏季海冰的预测能力，为海冰预测的发展和应用提供科学依据和技术支持，今年吸引了来自不同国家的15个单位或个人参加，海洋所首次参赛。模型包括动力模式、AI模型和传统统计模型，以2023年11月30日前的数据进行训练，对2023年12月1日至2024年2月28日（未来90天）每日海冰密集度和面积进行预测。模型评价以美国NSIDC-0081和欧洲气象卫星组织OSI-401-b海冰密集度卫星观测数据为真值。

图1 各模型2023年12月至2024年2月南极海冰面积每日预测结果

图1为各模型2023年12月至2024年2月每天的南极海冰面积预测结果，模型之间的预测差异显著，尤其在预测期的起始阶段。IOCAS-SIPNet模型与OSI-401-b卫星数据吻合度最高，且在12月15日后与NSIDC-0081数据也高度契合，表明其在时间维度上的预测能力较强。此外，IOCAS-SIPNet在空间维上表现同样出色，被官方评为与卫星观测数据最一致的模型之一。

SIPN South项目进一步采用了连续等级概率评分（CRPS）作为评价指标，对所有模型的偏差进行评价。该指标会惩罚有偏差或过度分散的预测，CRPS值越小表明模型预测技巧越高。海洋所的IOCAS-SIPNet模型在CRPS评分中排名第三（图2），且与前两名分数相近，超过了普林斯顿大学、哥伦比亚大学、美国国家冰雪数据中心、NOAA、英国气象局、伦敦大学学院、加拿大环境与气候变化部和意大利气候变化研究中心的海冰预测模型。

图2 2024年2月各模型海冰面积的连续等级概率评分（值越小，模型技巧越高）

此次参赛由中国科学院海洋研究所王云鹤副研究员、任沂斌副研究员和李晓峰研究员负责，项目得到了中国科学院战略先导科技专项和国家自然科学基金的资助。

相关报告和文章：

1. SIPN South 2023-2024 Postseason Report（链接：https://fmassonn.github.io/sipn-south.github.io/doc/2023-2024/SIPNSouth_2023-2024_postseason.pdf）

2. Yunhe Wang, Xiaojun Yuan, Yibin Ren, Mitchell Bushuk, Qi Shu, Cuihua Li, Xiaofeng Li. Subseasonal Prediction of Regional Antarctic Sea Ice by a Deep Learning Model. Geophysical Research Letters, 2023, 50(17), e2023GL104347. https://doi.org/10.1029/2023GL104347