ИССЛЕДОВАНИЕ ЗЕМЛИ ИЗ КОСМОСА, 2015, № 2, с. 78-93
МОНИТОРИНГ СОСТОЯНИЯ ЛЕДОВОГО ПОКРОВА
КОМПЛЕКСНЫЙ АЛГОРИТМ ОПРЕДЕЛЕНИЯ ЛЕДОВЫХ УСЛОВИЙ В ПОЛЯРНЫХ РЕГИОНАХ ПО ДАННЫМ СПУТНИКОВОЙ МИКРОВОЛНОВОЙ РАДИОМЕТРИИ (Л^!Л2)
© 2015 г. В. В. Тихонов1, *, И. А. Репина1,2,3, М. Д. Раев1, Е. А. Шарков1, Д. А. Боярский1, Н. Ю. Комарова1
Институт космических исследований РАН, Москва 2Институт физики атмосферы им. А.М. Обухова РАН, Москва 3Российский государственный гидрометеорологический университет, Санкт-Петербург
*Е-таП: vtikhonov@asp.iki.rssi.ru Поступила в редакцию 05.05.2014 г.
В данной работе рассмотрен новый алгоритм определения сплоченности ледового покрова полярных регионов по данным спутниковой микроволновой радиометрии. Подробно описывается методика его построения, которая коренным образом отличается от методики создания современных алгоритмов. Новый алгоритм показывает хорошие результаты в определении сплоченности ледового покрова полярных регионов. Алгоритм позволяет получать не только карты сплоченности льда, но и определять площади снежниц, покрывающих поверхность ледового покрова в летние месяцы. Алгоритм прост в использовании, не требует привлечения дополнительных параметров и подгоночных коэффициентов. В конце работы обсуждаются достоинства и недостатки нового алгоритма.
Ключевые слова: микроволновая радиометрия, излучательная способность, яркостная температура, электродинамическая модель, алгоритм, морской лед, сплоченность ледового покрова, снежницы
DOI: 10.7868/S0205961415020104
ВВЕДЕНИЕ
Анализ и прогноз глобальных климатических изменений требует оперативной и достоверной информации о процессах, происходящих в крио-сфере Земли. Полярный морской лед играет ключевую роль в климатической системе Земли, являясь чувствительным индикатором ее изменений. Морской ледовый покров оказывает значительное влияние на региональный климат, состояние экосистем и хозяйственную деятельность человека (Бузин, Алексеев, 2006; Лихоманов, Степанов, 2006; Миронов, 2004; Миронов, Фролов, 2010; Фролов и др., 2007; Хромов, Петросянц, 2006; Юлин, 2010; Иванов и др., 2013; Gloersen et al., 1992; Fichefet et al. 2003; Przybylak, 2003; Vavrus, Harrison, 2003).
Исследования пространственно-временных особенностей распределения ледового покрова Арктики позволяют контролировать глобальные изменения окружающей среды, влияющие на нее природные и антропогенные факторы, а также прогнозировать климатические изменения в регионе. Это особенно актуально в настоящее время — в период интенсивного освоения северных территорий. Мониторинг ледового покрова полярных регионов может выполняться только с использованием
средств дистанционного зондирования (ДЗ), расположенных на современных искусственных спутниках Земли. Наиболее перспективными методами мониторинга являются пассивные дистанционные методы исследования ледового покрова в микроволновом диапазоне (Йоханнессен и др., 2007; Смирнов, 2011; Carsey, 1992; Comiso, 2009; Massom, Lubin, 2006; Rees, 2006).
Существует большое количество алгоритмов для оценки сплоченности морского льда по данным спутниковых микроволновых радиометров: NASA Team (Cavalieri 1, 1992; Cavalieri 2, 1992), NASA Team 2 (Cavalieri, Comiso, 2000; Markus, Cavalieri, 2009; Markus et al., 2011), Bootstrap (Comiso, 1995), ARTIST Sea Ice (Spreen et al., 2008), NORSEX (Svendsen et al., 1983; Александров и др., 2008), Bristol (Smith, 1996), TUD (Ped-ersen, 1998), Svendsen, Near 90GHz (Svendsen et al., 1987), SEA LION (Kern, Heygster, 2001; Kern, 2004), AES/York (Hollinger, 1991), CalVal (Meier et al., 2001), ECICE (Shokr et al., 2008), 2-Phasen-Algorith-mus (St. Germain, 1994), Lomax-MY (Lomax et al., 1995), Kongoli (Kongoli et al., 2010), и т.д. Есть ряд гибридных алгоритмов, которые применяют методику нескольких алгоритмов. Среди них: алгоритм OSI SAF (Eastwood et al., 2011; Eastwood,
2012), использующий различные комбинации алгоритмов Bristol + Bootstrap, Bristol + Bootstrap + TUD, Bristol + NASA Team; DMI-Hybrid (Garrity et al., 2002), который использует алгоритмы NASA Team и Bootstrap; и ряд других гибридных алгоритмов (Pedersen, 2013).
В настоящее время широкое применение получили следующие алгоритмы: NASA Team 2 (NT2), Bootstrap и ARTIST Sea Ice (ASI). Реже применяются алгоритмы: NASA Team (NT), NORSEX, Bristol, TUD, CalVal, SEA LION (SL), Svendsen. Остальные алгоритмы либо не используются по разным причинам (AES/York, 2-Phasen-Algorithmus, Lomax-MY, Kongoli), либо используются редко (ECICE). Гибридные алгоритмы, как правило, применяются только самими разработчиками (OSI SAF, DMI-Hybrid и др.).
В основе всех перечисленных выше алгоритмов лежат экспериментальные данные по излуча-тельной способности или яркостной температуре морских льдов и открытой воды, полученные в ходе различных экспериментов, как лабораторных (Grenfell, Comiso, 1986; Swift et al., 1992), так и натурных: в прол. Фрама, в Гренландском и Беринговом морях, в море Бофорта, в Чукотском море, в море Уэдделла в Антарктиде и т.д. (Onstott et al., 1987; Tucker et al., 1991; Grenfell, 1986; Fli-ickiger et al., 1994; Grenfell, 1992; Drinkwater et al., 1991; Comiso et al., 1989). Помимо этого, используются данные самолетных радиометрических наблюдений и спутниковые данные (Cavalieri et al., 1986).
По методике использования экспериментальных данных, алгоритмы можно условно разделить на два типа. Первый тип использует известные экспериментальные зависимости излучательной способности или яркостной температуры от частоты излучения многолетнего и однолетнего морского льда и открытой воды. Для спокойной морской поверхности величина излучательной способности быстро увеличивается с увеличением частоты. У однолетнего льда она практически не зависит от частоты и составляет приблизительно 0.9, тогда как у холодного многолетнего льда уменьшается с увеличением частоты (Spreen et al., 2008). К этому типу можно отнести следующие алгоритмы: NORSEX, ASI, Svendsen, SL, CalVal, SEA LION, ECICE и др. Другой тип алгоритмов, наравне с экспериментальными данными по из-лучательной способности морских льдов и открытой воды, применяет так называемую кластерную систему, или систему областей. Она заключается в том, что строятся экспериментальные зависимости одной комбинации яркостных температур различных поверхностей от другой. На графике получаются области (кластеры) для различных льдов и открытой воды, на основании которых далее разрабатывается алгоритм. К этому типу ал-
горитмов относятся: NT, NT2, Bootstrap, TUD, Bristol.
Анализ определения сплоченности ледяного покрова по разным алгоритмам, сравнение результатов между собой, с данными оптического диапазона и радиолокационными (РЛ) снимками, а также с данными визуальных корабельных наблюдений показывает, что погрешность современных алгоритмов составляет около 10%. В период летнего таяния и зимнего замерзания эта погрешность сильно увеличивается, достигая иногда 50% (Meier et al., 2001; Meier, 2005; Andersen et al., 2007; Spreen et al., 2008; Смирнов, 2011; Алексеева, Фролов, 2012; Репина, Иванов, 2012; Тихонов и др., 2013). Большинство публикаций указывают следующие источники ошибок в определении сплоченности ледового покрова современными алгоритмами по данным спутниковой микроволновой радиометрии (см., например, (Смирнов, 2011)):
— неспособность алгоритмов разделить излучение более чем двух типов льда;
— сезонная изменчивость излучательной способности морского льда и снежного покрова;
— внесезонные региональные вариации излучательной способности снежно-ледяной поверхности;
— ошибки, связанные с поверхностными эффектами (шероховатость поверхности, снежный покров, снежницы различной стадии образования);
— погодные эффекты (осадки: дождь, снег, а также метель и т.п.);
— накопление различных допущений и упрощений в процессе создания алгоритма (эмпирические коэффициенты, табличные значения из-лучательной способности различных поверхностей — связующих точек, погодные фильтры и т.п.).
Идентификация типов льда по данным спутниковой микроволновой радиометрии является важной, но практически неразрешимой задачей. Идея основана на разных частотных зависимостях излучательной способности или яркостной температуры различных льдов. Однако эти данные были получены при наземных экспериментах (Spreen et al., 2008), для ровной и чистой поверхности льда, когда размер пятна радиометра на поверхности льда составлял не более нескольких метров (см., например, Comiso et al., 1989). Для спутниковых микроволновых радиометров размер пиксела составляет величину больше 10 км. Излучение с такого большого участка будет определяться не только типом льда, но и шероховатостью и заснеженностью поверхности. Теоретические расчеты показывают, что глубина формирования излучения (скин-слой) даже для сухого снежного покрова, для частот больше 19 ГГц, составляет величину менее 40 см (Тихонов и др., 2013; Tikhonov et al., 2013; Tikhonov et al., 2014).
Таким образом, наличие небольшого слоя снежного покрова на ледяной поверхности значительно изменит разницу в яркостной температуре многолетнего и однолетнего льда. Существенное влияние на величину яркостной температуры, получаемой по спутниковым данным, также оказывает и шероховатость поверхности. Это подтверждается многими экспериментальными и теоретическими работам (Comiso et al., 1989; Бор-донский, 1990; Cavalieri, Comiso, 2000; Matzler, 2000; Powell et al., 2006). Необходимо отметить, что большинство применяемых в настоящее время алгоритмов конечным результатом дают сплоченность ледового покрова, не разделяя лед по типам или возрасту. Исключение составляет уже устаревший алгоритм NT (NT2 не использует разделения льда на многолетний и однолетний) и алгоритм NORSEX.
Другие источники ошибок объясняются структурой построения алгоритмов. Все алгоритмы имеют схожую схему, которую, исключая некоторые особенности, можно представить в следующем виде:
1) Рассматриваются экспериментальные данные (лабораторные, наземные, авиационные, спутниковые) по излучательной способности или яркостной температуре различных поверхностей.
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.