Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 6. С. 209-220

Ложная диагностика морского льда в Арктике спутниковыми микроволновыми радиометрами в экстремальных погодных условиях

М.А. Животовская 1 , Е.В. Заболотских 1 , Б. Шапрон 2, 1 
1 Российский государственный гидрометеорологический университет, Санкт-Петербург, Россия
2 Французский научно-исследовательский институт эксплуатации моря, Плузане, Франция
Одобрена к печати: 04.10.2019
DOI: 10.21046/2070-7401-2019-16-6-209-220
Работа посвящена исследованию закономерностей появления областей ложно идентифицированного морского льда (spurious sea ice concentration ― SSIC) в спутниковых продуктах по сплочённости, основанных на измерениях микроволнового радиометра Advanced Microwave Scanning Radiometer 2 (AMSR2) в экстремальных погодных условиях, связанных с развитием полярных циклонов (ПЦ) и внетропических циклонов (ВТЦ). Для проведения исследования была создана база ПЦ и ВТЦ в Арктике за период 2015–2018 гг. Для этой базы были собраны оптические и радиолокационные изображения поверхности океана, а также карты сплочённости морского льда Норвежского метеорологического института (НМИ) и Арктического и антарктического научно-исследовательского института (ААНИИ). Анализировались два спутниковых продукта по сплочённости морского льда (sea ice concentration ― SIC): среднесуточные значения SIC, рассчитанные с использованием алгоритма ARTIST Sea Ice (ASI), предоставляемые университетом Бремена, и значения SIC исходного временного разрешения, рассчитанные с помощью алгоритма Bootstrap, предоставляемые Японским агентством аэрокосмических исследований (Japan Aerospace Exploration Agency ― JAXA). Сопоставление полей SIC и карт НМИ и ААНИИ, а также оптических и радиолокационных снимков позволило выявить области SSIC, для которых по данным AMSR2 были рассчитаны значения влагозапаса атмосферы, водозапаса облаков и скорости приводного ветра. Влияние данных параметров на появление и характеристики областей SSIC было исследовано для обоих продуктов по сплочённости морского льда. Было установлено, что причиной SSIC в продукте университета Бремена являются в основном параметры влагосодержания атмосферы, тогда как в продукте JAXA ― сильные ветры. Наибольшее количество случаев ложной идентификации морского льда наблюдалось в районах наиболее частых ПЦ и ВТЦ. Были оценены площади ложно идентифицированного льда для обоих продуктов, которые оказались практически одинаковыми для зимних месяцев, но разными в летние месяцы.
Ключевые слова: морской лёд, Арктика, AMSR2, спутниковые продукты, экстремальные погодные явления
Полный текст

Список литературы:

  1. Васильева П. В., Заболотских Е. В., Шапрон Б. Сравнительный анализ характеристик внетропических циклонов в северной Атлантике и северной части Тихого океана по данным реанализа ERA-Interim и спутникового радиометра AMSR-E // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. C. 236–248.
  2. Заболотских Е. В. Обзор методов восстановления параметров ледяного покрова по данным спутниковых микроволновых радиометров // Изв. Российской академии наук. Физика атмосферы и океана. 2019. Т. 55. № 1. C. 128–151.
  3. Заболотских Е. В., Шапрон Б. Учет атмосферных эффектов при восстановлении сплоченности морского льда по данным спутниковых микроволновых радиометров // Метеорология и гидрология. 2019. № 2. С. 57–65.
  4. Смирнов В. Г., Бушуев А. В., Захваткина Н. Ю., Лощилов В. С. Спутниковый мониторинг морских льдов // Проблемы Арктики и Антарктики. 2010. Т. 85. № 2. C. 62–76.
  5. Andersen S., Tonboe R., Kern S., Schyberg H. Improved retrieval of sea ice total concentration from spaceborne passive microwave observations using numerical weather prediction model fields: An intercomparison of nine algorithms // Remote Sensing of Environment. 2006. V. 104. No. 4. P. 374–392.
  6. Cavalieri D. J., Gloersen P., Campbell W. J. Determination of sea ice parameters with the Nimbus 7 SMMR // J. Geophysical Research: Atmospheres. 1984. V. 89. P. 5355–5369.
  7. Cavalieri D. J., Germain K. M.S., Swift C. T. Reduction of weather effects in the calculation of sea-ice concentration with the DMSP SSM/I // J. Glaciology. 1995. V. 41. No. 139. P. 455–464.
  8. Comiso J. C. Sea ice effective microwave emissivities from satellite passive microwave and infrared observations // J. Geophysical Research: Oceans. 1983. V. 88. P. 7686–7704.
  9. Comiso J. C., Meier W. N., Gersten R. Variability and trends in the Arctic Sea ice cover: Results from different techniques // J. Geophysical Research: Oceans. 2017. V. 122. No. 8. P. 6883–6900.
  10. Gloersen P., Cavalieri D. J. Reduction of weather effects in the calculation of sea ice concentration from microwave radiances // J. Geophysical Research. 1986. V. 91. No. C3. P. 3913–3919.
  11. Harold J. M., Bigg G. R., Turner J. M. Mesocyclone activity over the North-East Atlantic. Part 1: Vortex distribution and variability // Intern. J. Climatology. 1999. V. 19. P. 1187–1204.
  12. Ivanova N., Pedersen L. T., Tonboe R. T., Kern S., Heygster G., Lavergne T., Sørensen A., Saldo R., Dybkjær G., Brucker L., Shokr M. Inter-comparison and evaluation of sea ice algorithms: towards further identification of challenges and optimal approach using passive microwave observations // The Cryosphere. 2015. V. 9. No. 5. P. 1797–1817.
  13. Kaleschke L., Lüpkes C., Vihma T., Haarpaintner J., Bochert A., Hartmann J., Heygster G. SSM/I sea ice remote sensing for mesoscale ocean-atmosphere interaction analysis // Canadian J. Remote Sensing. 2001. V. 27. No. 5. P. 526–537.
  14. Shokr M., Lambe A., Agnew T. A New Algorithm (ECICE) to Estimate Ice Concentration From Remote Sensing Observations: An Application to 85-GHz Passive Microwave Data // IEEE Trans. Geoscience and Remote Sensing. 2008. V. 46. No. 12. P. 4104–4121.
  15. Smirnova J. E., Golubkin P. A., Bobylev L. P., Zabolotskikh E. V., Chapron B. Polar low climatology over the Nordic and Barents seas based on satellite passive microwave data // Geophysical Research Letters. 2015. V. 42. No. 13. P. 5603–5609.
  16. Spreen G., Kaleschke L., Heygster G. Sea ice remote sensing using AMSR-E 89-GHz channels // J. Geophysical Research. 2008. V. 113. P. 1–14.
  17. Svendsen E., Kloster K., Farrelly K. B., Johannessen O. M., Johannessen J. A., Campbell W. J., Gloersen P., Cavalieri D. J., Matzler C. Norwegian Remote Sensing Experiment: Evaluation of the Nimbus 7 scanning multichannel microwave radiometer for sea ice research // J. Geophysical Research. 1983. V. 88. No. C5. P. 2781–2792.
  18. Svendsen E., Matzler C., Grenfell T. C. A model for retrieving total sea ice concentration from a spaceborne dual-polarized passive microwave instrument operating near 90 GHz // Intern. J. Remote Sensing. 1987. V. 8. P. 1479–1487.
  19. Zabolotskikh E. V., Chapron B. New Geophysical Model Function for Ocean Emissivity at 89 GHz Over Arctic Waters // IEEE Geoscience and Remote Sensing Letters. 2018. V. 16. No. 4. P. 573–577.
  20. Zabolotskikh E. V., Mitnik L. M., Chapron B. New approach for severe marine weather study using satellite passive microwave sensing // Geophysical Research Letters. 2013. V. 40. No. 13. P. 3347–3350.