武汉大学中国南极测绘研究中心艾松涛课题组创新研发出一款兼具可解释性、轻量化与高精度的南极海冰密集度预测模型ASICast，可实现单初始化条件下，对未来数年、每日、6.25km分辨率的南极海冰密集度的全季节预测。该模型为南极海冰演变规律研究、极地气候模拟及航线规划提供了一种可靠的技术手段。相关研究成果发表于国际学术期刊 《International Journal of Digital Earth》（影响因子：4.9），博士研究生胡昌宏为论文第一作者，艾松涛教授为通讯作者。合作者包括中心博士后Shoukat Ali Shah，博士生蔡祎、褚馨徳、袁寒箫、崔濛，保加利亚南极中心Christo Pimpirev教授以及武汉大学生命科学学院彭方教授。

海冰密集度是表征极地海冰变化的核心参数，也是全球气候系统、海洋环流与极地航运的关键基础数据。当前，南极海冰观测数据普遍存在滞后性，难以满足实时预测需求；已有主流海冰预测方案中，深度学习模型虽精度可观，但内部机理“黑箱化”、可解释性不足，海冰物理驱动模型则依赖复杂物理过程模拟，算力消耗大、中长期预测稳定性不足，二者均难以兼顾科学机理与工程实用性。针对上述痛点，研究团队创新提出了ASICast预测模型。该模型通过解析南极海冰时间序列的频谱特征，提取核心变化周期，并结合最小二乘拟合与自回归等经典统计方法构建预测框架。此设计不仅大幅降低了计算复杂度，更在保障模型可解释性的前提下，实现了长周期的稳定预测。

图1 ASICast预测流程图

模型评测结果显示，ASICast性能表现优异且稳定性突出：全年大部分时段预测准确率保持在80%以上，超半数月份对海冰边缘的预测准确率突破90%；在中长期预测区间（第 5–15 周）中的表现优于现有主流数据驱动模型。同时，该模型可在普通计算环境下高效运行，具备业务化应用潜力。

图2 ASICast模型与深度学习模型比较结果

ASICast模型的研发，不仅提升了南极海冰动态预测能力，也为完善极地气候模式、优化极地科考与航运决策提供了关键技术支撑。该研究得到了国家重点研发计划和中央高校自主科研等项目资助。

论文信息：