Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 1. С. 27-38
Восстановление сплочённости морского льда по данным измерений МТВЗА ГЯ
Е.В. Заболотских
1 , Е.А. Балашова
1 , С.М. Азаров
1 1 Российский государственный гидрометеорологический университет, Санкт-Петербург, Россия
Одобрена к печати: 29.11.2021
DOI: 10.21046/2070-7401-2022-19-1-27-38
В работе обсуждается возможность восстановления сплочённости морского льда по данным измерений российского микроволнового сканера-зондировщика МТВЗА ГЯ (модуль температурно-влажностного зондирования атмосферы) на основе использования поляризационной разницы в измерениях микроволнового излучения системы «морской лёд – океан – атмосфера» на частотах 10,6 и 36,7 ГГц. Проведён совместный анализ измерений МТВЗА ГЯ и японского микроволнового радиометра AMSR2 (англ. Advanced Microwave Scanning Radiometer 2) на аналогичных частотах над морским льдом и над свободной ото льда морской поверхностью. При определении типа поверхности использован готовый спутниковый продукт по сплочённости, основанный на поляризационных измерениях AMSR2 на частоте 89 ГГц. Продемонстрирована возможность разделения поверхности на лёд и воду по значениям поляризационной разницы на частотах 10,6 и 36,7 ГГц. Получены формулы для восстановления сплочённости льда по данным МТВЗА ГЯ с использованием фиксированных значений поляризационной разницы на 10,6 и 36,7 ГГц над морской водой и над морским льдом (точек привязки). Определены экспериментальные значения градиентных соотношений в измерениях вертикально поляризованного излучения на частотах 18,7; 23,8 и 36,5 ГГц, позволяющие исключить области ложно идентифицируемого в результате погодных эффектов льда. Результаты использования формул для восстановления сплочённости по данным МТВЗА ГЯ сравнены с результатами применения алгоритма восстановления сплочённости по данным AMSR2 для региона Гренландского, Баренцева и Карского морей. Использование спутниковых снимков Sentinel-1 и ледовых карт ААНИИ для верификации алгоритма показало, что его применение позволяет избежать недооценки сплочённости традиционными алгоритмами, основанными на измерениях вблизи 90 ГГц.
Ключевые слова: сплочённость морского льда, алгоритмы, Арктика, спутниковые микроволновые радиометры, МТВЗА ГЯ, AMSR2
Полный текстСписок литературы:
- Болдырев В. В., Горобец Н. Н., Ильгасов П. А., Никитин О. В., Панцов В. Ю., Прохоров Ю. Н., Стрельников Н. И., Стрельцов А. М., Черный И. В., Чернявский Г. М., Яковлев В. В. Спутниковый микроволновый сканер/зондировщик МТВЗА ГЯ // Современные проблемы дистанционного зондирования Земли из космоса. 2008. Т. 5. № 1. С. 243–248.
- Ермаков Д. М. Кузьмин А. В., Мазуров А. А., Пашинов Е. В., Садовский И. Н., Сазонов Д. С., Стерлядкин В. В., Чернушич А. П., Черный И. В., Стрельцов А. М. Концепция потоковой обработки данных российских спутниковых СВЧ-радиометров серии МТВЗА на базе ЦКП «ИКИ-Мониторинг» // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 4. С. 298–303. DOI: 10.21046/2070-7401-2021-18-4-298-303.
- Заболотских Е. В. Обзор методов восстановления параметров ледяного покрова по данным спутниковых микроволновых радиометров // Изв. РАН. Физика атмосферы и океана. 2019. Т. 55. № 1. С. 128–151. DOI: 10.31857/S0002-3515551128-151.
- Заболотских Е. В., Балашова Е. А. Внешняя калибровка измерений МТВЗА ГЯ в каналах сканера с использованием измерений AMSR2. Часть 2: эксперимент // Метеорология и гидрология. 2021. № 11. С. 50–57.
- 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.
- Заболотских Е. В., Балашова Е. А., Шапрон Б. Усовершенствованный метод восстановления сплочённости морского льда по данным спутниковых микроволновых измерений вблизи 90 ГГц // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 4. С. 233–246. DOI: 10.21046/2070-7401-2019-16-4-233-243.
- Океанография и морской лед / ред. Фролов И. Е., Ашик И. М., Тимохов Л. А., Юлин А. В. М.: Paulsen, 2011. 432 с.
- Тихонов В. В., Репина И. А., Раев М. Д., Шарков Е. А., Боярский Д. А., Комарова Н. Ю. Новый алгоритм восстановления сплоченности морского ледяного покрова по данным пассивного микроволнового зондирования // Исслед. Земли из космоса. 2014. № 2. С. 35–43. DOI: 10.7868/S0205961414020110.
- Успенский А. Б., Асмус В. В., Козлов А. А., Крамчанинова Е. К., Стрельцов А. М., Чернявский Г. М., Черный И. В. Абсолютная калибровка каналов атмосферного зондирования спутникового микроволнового радиометра МТВЗА ГЯ // Исслед. Земли из космоса. 2016. № 5. С. 57–70. DOI: 10.7868/S0205961416050079.
- Breivik L., Eastwood S., Lavergne T. Use of C-band scatterometer for sea ice edge identification // IEEE Trans. Geoscience and Remote Sensing. 2012. V. 50. No. 7. P. 2669–2677. DOI: 10.1109/TGRS.2012.2188898.
- Comiso J. C. Enhanced sea ice concentrations and ice extents from AMSR-E data // J. Remote Sensing Society of Japan. 2009. V. 29. No. 1. P. 199–215.
- Comiso J. C., Cavalieri D. J., Markus T. Sea ice concentration, ice temperature, and snow depth using AMSR-E data // IEEE Trans. Geoscience and Remote Sensing. 2003. V. 41. No. 2. P. 243–252. DOI: 10.1109/TGRS.2002.808317.
- 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. DOI: 10.1002/2017JC012768.
- Ivanova N., Pedersen L. T., Tonboe R. T., Kern S., Heygster G., Lavergne T., Sørensen A., Saldo R., Dybkjær G., Brucker L., Shokr M. Satellite passive microwave measurements of sea ice concentration: An optimal algorithm and challenges // Cryosphere. 2015. V. 9. P. 1797–1817. DOI: 10.5194/tcd-9-1269-2015.
- 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. DOI: 10.1080/07038992.2001.10854892.
- Markus T., Cavalieri D. J. An enhancement of the NASA Team sea ice algorithm // IEEE Trans. Geoscience and Remote Sensing. 2000. V. 38. No. 3. P. 1387–1398. DOI: 10.1109/36.843033.
- Rivas M. B., Otosaka I., Stoffelen A., Verhoef A. A. Scatterometer record of sea ice extents and backscatter: 1992–2016 // The Cryosphere. 2018. V. 12. No. 9. P. 2941–2953. DOI: 10.5194/tc-12-2941-2018.
- 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. DOI: 10.1109/TGRS.2008.2000624.
- Spreen G., Kaleschke L., Heygster G. Sea ice remote sensing using AMSR-E 89-GHz channels // J. Geophysics Research. 2008. V. 113. No. C2. DOI: 10.1029/2005JC003384.
- 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. No. 10. P. 1479–1487. DOI: 10.1080/01431168708954790.
- Wentz F. J. A model function for ocean microwave brightness temperatures // J. Geophysical Research. 1983. V. 88. No. C3. P. 1892–1908.
- Zakhvatkina N., Smirnov V., Bychkova I. Satellite SAR data-based sea ice classification: an overview // Geosciences. 2019. V. 9. No. 4. P. 152. 15 p. DOI: 10.3390/geosciences9040152.