Современные проблемы дистанционного зондирования Земли из космоса. 2026. Т. 23. № 5. С. 69-87
Алгоритм VASIA2: оценка точности восстановления сплочённости морского льда на основе данных радиометра AMSR2
Ю.В. Соколова 1 , В.В. Тихонов 1, 2 1 Институт космических исследований РАН, Москва, Россия
2 Институт водных и экологических проблем СО РАН, Барнаул, Россия
Одобрена к печати: 28.07.2026
DOI: 10.21046/2070-7401-2026-23-5-69-87
Рассматривается возможность использования данных микроволнового радиометра AMSR2 (англ. Advanced Microwave Scanning Radiometer 2) для определения сплочённости морского льда (СМЛ) с помощью отечественного алгоритма VASIA2 (англ. Variation Arctic Sea Ice Algorithm 2). Он был разработан учёными Института космических исследований Российской академии наук (ИКИ РАН), Института физики атмосферы им. А. М. Обухова РАН (ИФА РАН) и Арктического и антарктического научно-исследовательского института (ААНИИ) первоначально для радиометров серии SSM/I (англ. Special Sensor Microwave Imager/Sounder). Оценка точности определения СМЛ по алгоритму VASIA2 выполнялась для четырёх районов Канадского сектора Арктики за период 2022–2024 гг. с использованием натурных ледовых и метеорологических данных полярных станций, а также ледовых карт Канадской ледовой службы (англ. Canadian Ice Service). Полученные результаты сопоставлялись с оценками, рассчитанными по алгоритму ASI (англ. Arctic Radiation and Turbulence Interaction STudy Sea Ice) для различных ледовых и метеорологических условий. Анализ погрешностей продемонстрировал наилучшую точность алгоритма VASIA2 в зимний период. Периоды таяния и замерзания в условиях неподвижного льда характеризуются высокими значениями ошибок, но сопоставимыми по величине с ошибками алгоритма ASI. В условиях очень сплочённых старых льдов в период таяния алгоритм VASIA2 показал меньшие средние ошибки по сравнению с однолетними льдами.
Ключевые слова: сплочённость морского льда, припай, спутниковая микроволновая радиометрия, VASIA2, ASI, AMSR2
Полный текстСписок литературы:
- Алексеева Т. А., Соколова Ю. В., Афанасьева Е. В. и др. Влияние загрязненности морского льда на ошибки в определении сплоченности в период таяния по данным спутниковой микроволновой радиометрии // Исслед. Земли из космоса. 2022. № 5. С. 30–46. DOI: 10.31857/S0205961422050037.
- Репина И. А., Тихонов В. В., Алексеева Т. А. и др. Электродинамическая модель излучения арктического ледяного покрова для решения задач спутниковой микроволновой радиометрии // Исслед. Земли из космоса. 2012. № 5. С. 29–36.
- Тихонов В. В., Репина И. А., Алексеева Т. А., Иванов В. В., Раев М. Д., Шарков Е. А., Боярский Д. А., Комарова Н. Ю. Восстановление сплоченности ледяного покрова Арктики по данным SSM/I // Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т. 10. № 2. С. 182–193.
- Тихонов В. В., Репина И. А., Раев М. Д. и др. 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.
- Тихонов В. В., Репина И. А., Раев М. Д. и др. Комплексный алгоритм определения ледовых условий в полярных регионах по данным спутниковой микроволновой радиометрии (VASIA2) // Исслед. Земли из космоса. 2015. № 2. С. 78–93. DOI: 10.7868/S0205961415020104.
- Тихонов В. В., Раев М. Д., Шарков Е. А. и др. Спутниковая микроволновая радиометрия морского льда полярных регионов. Обзор // Исслед. Земли из космоса. 2016. № 4. С. 65–84. DOI: 10.7868/S0205961416040072.
- Тихонов В. В., Алексеева Т. А., Соколова Ю. В. и др. Влияние загрязнённости морского льда на определение его сплочённости по данным спутниковой микроволновой радиометрии // Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 5. С. 274–292. DOI: 10.21046/2070-7401-2025-22-5-274-292.
- Шарков Е. А. Радиотепловое дистанционное зондирование Земли: физические основы. В 2 т. Т. 1. М.: ИКИ РАН, 2014. 544 с.
- Alekseeva T., Tikhonov V., Frolov S. et al. Comparison of Arctic sea ice concentrations from the NASA Team, ASI, and VASIA2 algorithms with summer and winter ship data // Remote Sensing. 2019. V. 11. No. 21. Article 2481. 31 p. DOI: 10.3390/rs11212481.
- Canadian Ice Service Digital Archive — regional charts: History, accuracy, and caveats. CIS Archive Documentation Series No. 1. Canadian Ice Service, 2006. 60 p.
- Ivanova N., Pedersen L. T., Tonboe R. T. et al. 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. DOI: 10.5194/tc-9-1797-2015.
- Kaleschke L., Lüpkes C., Vihma T. et al. 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.
- Kern S., Rösel A., Pedersen L. T. et al. The impact of melt ponds on summertime microwave brightness temperatures and sea-ice concentrations // The Cryosphere. 2016. V. 10. No. 5. P. 2217–2239. DOI: 10.5194/tc-10-2217-2016.
- Kern S., Lavergne T., Notz D. et al. Satellite passive microwave sea-ice concentration data set intercomparison: closed ice and ship-based observations // The Cryosphere. 2019. V. 13. No. 12. P. 3261–3307. DOI: 10.5194/tc-13-3261-2019.
- Kern S., Lavergne T., Notz D. et al. Satellite passive microwave sea-ice concentration data set inter-comparison for Arctic summer conditions // The Cryosphere. 2020. V. 14. No. 7. P. 2469–2493. DOI: 10.5194/tc-14-2469-2020.
- Matzler C., Ramseier R., Svendsen E. Polarization effects in sea ice signatures // IEEE J. Oceanic Engineering. 1984. V. 9. No. 5. P. 333–338. DOI: 10.1109/JOE.1984.1145646.
- Rückert J. E., Rostosky P., Huntemann M. et al. Sea ice concentration satellite retrievals influenced by surface changes due to warm air intrusions: A case study from the MOSAiC expedition // Elementa: Science of the Anthropocene. 2023. V. 11. No. 1. Article 00039. 22 p. DOI: 10.1525/elementa.2023.00039.
- Shokr M., Kaleschke L. Impact of surface conditions on thin sea ice concentration estimate from passive microwave observations // Remote Sensing of Environment. 2012. V. 121. P. 36–50. DOI: 10.1016/j.rse.2012.01.005.
- Shokr M., Sinha N. K. Ice aging // Sea ice: Physics and remote sensing. Hoboken, New Jersey: Wiley, 2015. P. 80–84.
- Shukurov K. A., Semenov V. A. Statistical characteristics of sea ice concentration in Vilkitsky Strait during summer-autumn navigation in 1996–2020 // 28th Intern. Symp. on Atmospheric and Ocean Optics: Proc. SPIE. 2021. V. 11916. Article 1191625. 5 p. DOI: 10.1117/12.2601737.
- SIGRID-3: a vector archive format for sea ice charts. WMO/TD-No. 1214. JCOMM Technical Report No. 23. Geneva: WMO, 2010. 26 p.
- Spreen G., Kaleschke L., Heygster G. Sea ice remote sensing using AMSR‐E 89‐GHz channels // J. Geophysical Research: Oceans. 2008. V. 113. No. C2. Article C02S03. 14 p. DOI: 10.1029/2005JC003384.
- Tikhonov V. V., Boyarskii D. A., Sharkov E. et al. Microwave model of radiation from the multilayer “ocean–atmosphere” system for remote sensing studies of the Polar Regions // Progress in Electromagnetics Research B. 2014. V. 59. P. 123–133. DOI: 10.2528/PIERB14021706.
- Tikhonov V. V., Repina I. A., Raev M. D. et al. A physical algorithm to measure sea ice concentration from passive microwave remote sensing data // Advances in Space Research. 2015. V. 56. No. 8. P. 1578–1589. DOI: 10.1016/j.asr.2015.07.009.
- WMO Sea-Ice Nomenclature. WMO-No. 259. Geneva: WMO, 2014. 121 p.