报告摘要：

自1998 年起，全球表面出现增暖减缓，全球气候处在深度调整中。我国近岸对此出现不同程度的响应，极端海洋灾害事件频发。2009-2010 年冬季，受北方持续寒潮的影响，渤海出现了历史罕见的严重海冰冰情，海冰成为2010 年中国海洋主要灾害之一。基于多时相、连续对地观测的多源卫星遥感数据协同研究冬季渤海冰情，利用高级遥感图像处理技术与定量遥感反演方法准确提取海冰分布范围、厚度及时空演变等关键要素信息，大范围定量分析冰情特征，开展冰情有效评估；利用灰度共生矩阵（GLCM）纹理特征分析、海表温度（SST）差异分析及融合多特征信息的支持向量机（SVM）分类方法提高了海冰可探测性与识别精度，为冰情实时有效监测提供技术支持；通过分析近几十年来冬季冰情演变特征，研究控制冰情差异的主要因素，及其对全球变暖与停滞的响应特征，为冰情预报提供重要参考。

全球增暖减缓期间中深层海洋（300-2000 m）变暖趋势明显，中深层海洋在全球增暖减缓过程中扮演着“储热器”的重要角色。全球增暖减缓的研究需要全球尺度的长时间序列的观测数据作为支撑，对海洋数据在时空连续性方面（特别是次表层到中深层的数据）提出了新的需求，急需发展深海遥感观测技术。在全球增暖减缓期间，我们突破性地采用支持向量机（Support Vector Machine，SVM）高级机器学习的方法，从表层多源卫星遥感观测（SST、SSH 与SSS）估算次表层温度异常（STA），利用Argo 现场观测数据做验证，与传统的统计回归方法对比，新方法提高了海洋内部温度结构的反演精度，为中深海热力参量遥感研究提供有力的技术手段，可用于构建可靠的中深海热力结构数据集，从而优化中深层海洋增暖分析。