Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 5. С. 263-274
Классификация морского льда в Арктике по данным AMSR2
Е.В. Заболотских
1 , М.А. Животовская
1 , Е.В. Львова
1 , К.И. Ярусов
1 1 Российский государственный гидрометеорологический университет, Санкт-Петербург, Россия
Одобрена к печати: 18.09.2024
DOI: 10.21046/2070-7401-2024-21-5-263-274
Классификация морского льда по возрасту является одной из важнейших задач спутникового мониторинга морского льда Арктики, решение которой необходимо для обеспечения безопасности навигации во льдах. В работе представлен новый метод классификации морского льда в Арктике по возрасту по данным спутникового микроволнового радиометра Advanced Microwave Scanning Radiometer 2 (AMSR2), основанный на использовании выраженных различий в разности (D) коэффициентов вертикально поляризованного излучения льда разного возраста. Для изучения значений D создана база данных полигонов трёх типов льда с существенно различными радиофизическими свойствами — многолетнего, однолетнего и молодого льдов, характеризующихся 100 % частной сплочённостью льда. База данных создавалась с использованием Арктического портала на основе анализа снимков радиолокатора с синтезированной апертурой (РСА) Sentinel-1. Для полигонов отобраны измерения AMSR2, совмещённые с измерениями РСА Sentinel-1 в пространстве и во времени. Значения коэффициентов излучения разных типов льда рассчитаны с использованием измерений AMSR2 и разработанного ранее метода оценки параметров микроволнового излучения атмосферы, не требующего для своего применения дополнительных данных. Построенные функции распределения значений трёх разностей коэффициентов вертикально излучения на частотах 36,5, 23,8, 18,7, 10,65 и 6,9 ГГц оказались практически не пересекающимися, что позволило предложить метод классификации льда, основанный на использовании пороговых значений D. Применение метода возможно только для областей льда со 100%-й сплочённостью. Метод верифицирован на основе сопоставления с данными European Organization for the Exploitation of Meteorological Satellites (EUMETSAT) Ocean and Sea Ice Satellite Application Facility (OSI SAF).
Ключевые слова: Арктика, морской лёд, классификация, типы льда, AMSR2
Полный текстСписок литературы:
- Заболотских Е. В., Азаров С. М. Атмосферная коррекция при изучении морского льда по данным AMSR2 // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 3. С. 19–34. DOI: 10.21046/2070-7401-2023-20-3-19-34.
- 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.
- Заболотских Е. В. Хворостовский К. С., Балашова Е. А., Костылев А. И., Кудрявцев В. Н. О возможности идентификации крупномасштабных областей всторошенного льда в Арктике по данным скаттерометра ASCAT // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 3. С. 165–177. DOI: 10.21046/2070-7401-2020-17-3-165-177.
- Смирнов В. Г. Спутниковые методы определения характеристик ледяного покрова морей. СПб.: ААНИИ, 2011. 240 с.
- Aaboe S., Breivik L.-A., Sørensen A., Eastwood S., Lavergne T. Global sea ice edge and type product user’s manual. OSI-403-C EUMETSAT, 2016. 61 p.
- Belchansky G. I., Douglas D. C., Platonov N. G. Spatial and temporal variations in the age structure of Arctic sea ice // Geophysical Research Letters. 2005. V. 32. No. 18. Article 2005GL023976. DOI: 10.1029/2005GL023976.
- Carsey F. D. Microwave remote sensing of sea ice. Book ser. Geophysical Monograph 68. Washington D. C.: American Geophysical Union, 1992. 462 p.
- Cavalieri D. J., Gloersen P., Campbell W. J. Determination of sea ice parameters with the Nimbus-7 SMMR // J. Geophysical Research: Atmospheres 1984–2012. 1984. V. 89. No. D4. P. 5355–5369. DOI: 10.1029/JD089iD04p05355.
- Comiso J. C. Arctic multiyear ice classification and summer ice cover using passive microwave satellite data // J. Geophysical Research: Oceans. 1990. V. 95. No. C8. P. 13411–13422. DOI: 10.1029/JC095iC08p13411.
- Comiso J. C. Large decadal decline of the Arctic multiyear ice cover // J. Climate 2012. V. 25. No. 4. P. 1176–1193. DOI: 10.1175/JCLI-D-11-00113.1.
- 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.
- Dierking W. Sea ice classification on different spatial scales for operational and scientific use // ESA Living Planet Symp. 2013. Article 125. DOI: 10013/epic.44280.
- Gloersen P., Cavalieri D. J. Reduction of weather effects in the calculation of sea ice concentration from microwave radiances // J. Geophysical Research: Oceans. 1986. V. 91. No. C3. P. 3913–3919. DOI: 10.1029/jc091ic03p03913.
- Grenfell T. C., Hawkins R., Livingstone C. et al. Evolution of electromagnetic signatures of sea ice from initial formation to the establishment of thick first-year ice // IEEE Trans. Geoscience and Remote Sensing. 1998. V. 36. No. 5. P. 1642–1654. DOI: 10.1109/36.718636.
- Kwok R. Annual cycles of multiyear sea ice coverage of the Arctic Ocean: 1999–2003 // J. Geophysical Research: Oceans. 2004. V. 109. No. C11. Article C11004. DOI: 10.1029/2003JC002238.
- Kwok R., Rignot E., Holt B., Onstott R. Identification of sea ice types in spaceborne synthetic aperture radar data // J. Geophysical Research: Oceans. 1992. V. 97. No. C2. P. 2391–2402. DOI: 10.1029/2003JC002238.
- Lindell D. B., Long D. G. Multiyear Arctic sea ice classification using OSCAT and QuikSCAT // IEEE Trans. Geoscience and Remote Sensing. 2015. V. 54. No. 1. P. 167–175. DOI: 10.1109/TGRS.2015.2452215.
- Lindell D. B., Long D. G. Multiyear Arctic ice classification using ASCAT and SSMIS // Remote Sensing. 2016. V. 8. No. 4. Article 294. DOI: 10.3390/rs8040294.
- Lomax A. S., Lubin D., Whritner R. H. The potential for interpreting total and multiyear ice concentrations in SSM/I 85.5 GHz imagery // Remote Sensing Environment. 1995. V. 54. No. 1. P. 13–26. DOI: 10.1016/0034-4257(95)00082-C.
- Otosaka I., Rivas M. B., Stoffelen A. Bayesian sea ice detection with the ERS scatterometer and sea ice backscatter model at C-band // IEEE Trans. Geoscience Remote Sensing. 2017. V. 56. No. 4. P. 2248–2254. DOI: 10.1109/TGRS.2017.2777670.
- Rinne E., Similä M. Utilisation of CryoSat-2 SAR altimeter in operational ice charting // The Cryosphere. 2016. V. 10. No. 1. P. 121–131. DOI: 10.1109/TGRS.2017.2777670.
- Rivas M. B., Verspeek J., Verhoef A., Stoffelen A. Bayesian sea ice detection with the advanced scatterometer ASCAT // IEEE Trans. Geoscience Remote Sens. 2012. V. 50. No. 7. P. 2649–2657. DOI: 10.1109/TGRS.2011.2182356.
- 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 Sens. 2008. V. 46. No. 12. P. 4104–4121. DOI: 10.1109/TGRS.2008.2000624.
- Swan A. M., Long D. G. Multiyear Arctic sea ice classification using QuikSCAT // IEEE Trans. Geoscience and Remote Sensing. 2012. V. 50. No. 9. P. 3317–3326. DOI: 10.1109/TGRS.2012.2184123.
- Ye Y., Shokr M., Heygster G., Spreen G. Improving multiyear sea ice concentration estimates with sea ice drift // Remote Sensing. 2016. V. 8. No. 5. Article 397. DOI: 10.3390/rs8050397.
- Zabolotskikh E. V., Azarov S. M. Wintertime emissivities of the Arctic Sea ice types at the AMSR2 frequencies // Remote Sensing. 2022. V. 14. No. 23. Article 5927. DOI: 10.3390/rs14235927.
- Zabolotskikh E. V., Chapron B. Estimation of Atmospheric microwave radiation parameters over the Arctic sea ice from the AMSR2 Data // IEEE Trans. Geoscience and Remote Sensing. 2024. V. 62. P. 1–11. DOI: 10.1109/TGRS.2024.3392369.
- Zabolotskikh E. V., Khvorostovsky K. S., Chapron B. An advanced algorithm to retrieve total atmospheric water vapor content from the advanced microwave scanning radiometer data over sea ice and sea water surfaces in the Arctic // IEEE Trans. Geoscience and Remote Sensing. 2020. V. 58. No. 5. P. 3123–3135. DOI: 10.1109/TGRS.2019.2948289.