научная статья по теме ОСОБЕННОСТИ СТОХАСТИЧЕСКОГО РЕЖИМА ВРЕМЕНН Й ЭВОЛЮЦИИ АРКТИЧЕСКОГО ЛЕДОВОГО ПОКРОВА ЗА ПЕРИОД 1987–2014 ГГ. ПО ДАННЫМ МИКРОВОЛНОВОГО СПУТНИКОВОГО ЗОНДИРОВАНИЯ НА ОСНОВЕ АЛГОРИТМА NASA TEAM 2 Космические исследования

Текст научной статьи на тему «ОСОБЕННОСТИ СТОХАСТИЧЕСКОГО РЕЖИМА ВРЕМЕНН Й ЭВОЛЮЦИИ АРКТИЧЕСКОГО ЛЕДОВОГО ПОКРОВА ЗА ПЕРИОД 1987–2014 ГГ. ПО ДАННЫМ МИКРОВОЛНОВОГО СПУТНИКОВОГО ЗОНДИРОВАНИЯ НА ОСНОВЕ АЛГОРИТМА NASA TEAM 2»

ИССЛЕДОВАНИЕ ЗЕМЛИ ИЗ КОСМОСА, 2015, № 2, с. 41-48

КЛИМАТИЧЕСКИЕ ИССЛЕДОВАНИЯ В АРКТИЧЕСКОМ РЕГИОНЕ

ОСОБЕННОСТИ СТОХАСТИЧЕСКОГО РЕЖИМА ВРЕМЕННОЙ ЭВОЛЮЦИИ АРКТИЧЕСКОГО ЛЕДОВОГО ПОКРОВА ЗА ПЕРИОД 1987-2014 гг. ПО ДАННЫМ МИКРОВОЛНОВОГО СПУТНИКОВОГО ЗОНДИРОВАНИЯ НА ОСНОВЕ АЛГОРИТМА NASA TEAM 2 © 2015 г. М. Д. Раев1, *, Е. А. Шарков1, *, В. В. Тихонов1, И. А. Репина1,2,3, Н. Ю. Комарова1

Институт космических исследований Российской академии наук, Москва 2Институт физики атмосферы им. А.М. Обухова РАН, Москва 3Российский государственный гидрометеорологический университет, Санкт-Петербург *E-mail: mraev@asp.iki.rssi.ru; e.sharkov@mail.ru Поступила в редакцию 15.10.2014 г.

По данным спутниковых многоканальных радиотепловых наблюдений, полученных со спутников программы DMSP—F08—F17, накоплена многолетняя база данных (БД) GLOBAL-RT, постоянно обновляющаяся в отделе "Исследования Земли из космоса" ИКИ РАН. С использованием полярной версии этой БД были рассчитаны по алгоритму NASA Team 2 (NT2), широко используемому в зарубежной научной литературе, площади покрытия льдом Арктики для областей выше 60° с.ш. По анализу изменения ледового покрытия Северной полярной шапки (СПШ) за период 1987—2014 гг. были выбраны два месяца, для которых площадь ледяного поля достигала своего максимального значения в текущем году — февраль и минимальной величины — сентябрь этого же года, и были вычислены средние величины площади льда в эти месяцы. Точность вычисления среднего значения за выбранный период — доверительные интервалы среднего значения — лежали в пределах 95...98%. Были построены несколько вариантов аппроксимации полученных временных зависимостей величин максимального и минимального покрытия ледовой площади за указанный период и вычислены регрессионные зависимости для полиномов различных степеней от линейной — первой степени — до шестой и установлено, что минимальная среднеквадратичная ошибка отклонения от аппроксимируемой кривой резко падает для полинома четвертой степени и далее практически остается неизменной: от 0.5593 для полинома третьей степени до 0.4560 для полинома четвертой степени. Используемую в большинстве работ строго линейную регрессию с отрицательным временным градиентом для минимального сентябрьского значения ледопокрытия за период около 30 лет для СПШ следует признать некорректной.

Ключевые слова: ледовый покров Арктики, яркостная температура, нелинейные регрессии, микроволновое зондирование

DOI: 10.7868/S0205961415020086

ВВЕДЕНИЕ

Полярный морской лед в Арктике является одной из наиболее быстро меняющихся и чувствительных компонент климатической системы Земли. Термомассообмен ледового покрытия полярных регионов с атмосферой оказывает значительное влияние на региональный климат Северного полушария, дикую природу и хозяйственную деятельность человека в этом регионе (Хромов, Петросянц, 2006; Meier et al., 2014; Vavrus, Harrison, 2003).

Исследования пространственно-временных особенностей распределения ледяного 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 с использованием различных средств дистанционного зондирования. Однако наиболее эффективными для этого типа задач являются радиотепловые микроволновые наблюдения, осуществлявшиеся и осуществляемые в рамках целого ряда научных программ (ESMR, DMSP, AQUA, MIDORI-II) (Шар-ков, 2014; Comiso, 2009; Spreen et al., 2008). Детальный анализ современного состояния обратных задач и существующих алгоритмов для

микроволновых радиотепловых наблюдений за состоянием морского льда представлен в работах (Тихонов и др., 2013; 2014; 2015; Tikhonov et al., 2014).

Для выявления климатических изменений в полярном регионе необходимо непрерывное многолетнее наблюдение состояния ледового покрова при помощи идентичной радиотепловой аппаратуры — как, например, в программе DMSP. Существующие в настоящее время базы данных обеспечивают данными непрерывных наблюдений на протяжении временных периодов порядка 30—35 лет (Ермаков и др., 2007; Agarwal et al., 2012). Хотя, с точки зрения долговременных наблюдений, для климатических исследований эти цифры и не являются вполне удовлетворительными, но тем не менее из этих временных рядов можно извлечь ряд полезных результатов.

За критический параметр, характеризующий состояние ледового покрытия Арктики, в подавляющем числе научных работ принимается значение площади ледопокрытия СПШ в сентябре исследуемого года (месячное усреднение), и это значение кладется в основу временного стохастического ряда, с которым и проводятся процедуры временной регрессии. При этом из всех возможных регрессионных вариантов практически во всех работах выбирается только чисто линейная регрессия (или модель "линейный тренд"). Указанная модель была использована в большом количестве зарубежных и отечественных работ. Во всех этих работах модели линейного тренда при исследовании минимума сезонного ледового покрытия СПШ присваивается исключительное значение. При этом уделяется мало внимания исследованиям максимума сезонного ледового покрытия (январь—февраль—март текущего года), а также полного временного цикла многолетних изменений ледового покрытия СПШ. С географически-прикладной точки зрения это вполне понятно, поскольку именно уменьшение минимума сезонного покрытия может превратить СПШ в ближайшее десятилетие (в соответствии с концепцией "линейного тренда") в чисто сезонное явление (наблюдаемое только в зимний период). Из последних работ в этом ряду можно отметить (Иванов и др., 2013; Agarwal et al., 2012; Karsch et al., 2013; Markus et al., 2009; Meier et al., 2014; Msadek et al., 2014; Spreen et al., 2008; Stro-eve et al., 2014). Основными результатами такого подхода являются, во-первых, стремительное уменьшение сентябрьского (минимального за сезон) ледового покрытия СПШ за последние 30 лет с отрицательным градиентом, которое может привести к 2020—2025 гг. практически к полному исчезновению летного ледового покрова СПШ, и, во-вторых, линейный отрицательный тренд — по мнению авторов указанных выше работ — отражает глобальное климатическое потепление на планете, и, более того, становится серьезным экспе-

риментальным доказательством концепции "глобального потепления" (Leroux, 2005; Shepherd, 2014).

Цель настоящей работы — более детальное исследование стохастических режимов временной эволюции арктического ледового покрова за 1987—2014 гг. с помощью регрессионных моделей высокого порядка (от второго до шестого), что позволяет существенно трансформировать широко используемую модель линейного тренда и, более того, получить доказательства признания линейного регрессионного подхода некорректным при анализе стохастической модели временной эволюции ледового покрова СПШ за 3-4-декад-ные временные периоды.

МЕТОДИКА ОБРАБОТКИ СПУТНИКОВЫХ ДАННЫХ

По данным космических многоканальных радиотепловых наблюдений, полученных со спутников серии DMSP—F08—F17 и накопленных в базе данных, созданной в ИКИ РАН (Ермаков и др., 2007), были рассчитаны, по алгоритму NASA Team 2, площади покрытия льдом Арктики для областей выше 60° с.ш. Исследования временного ряда ледового покрова СПШ были выполнены в двух вариантах: а) был сформирован непрерывный временной ряд изменения ледового покрытия СПШ за период 1987—2014 гг. с временным пикселом 1 сут (рис. 1); б) для анализа изменения ледового покрытия в течение текущего года были выбраны два месяца, для которых площадь ледового покрытия СПШ достигает своей максимальной (февраль) и минимальной (сентябрь) величин, и были вычислены средние значения площади ледового покрытия в эти месяцы за период 1987— 2014 гг. (рис. 2). При этом особенность определения площади льда состояла в том, что среднее значение вычислялось по ежесуточным данным с пространственно-временной "фильтрацией", т.е. проводился отбор только тех данных, для которых минимальна (или практически отсутствует) ошибка, связанная с функционированием самих приборов — зоны отсутствия сигнала — лакуны, — она не должна была превышать 5—10%. При таком отборе точность вычисления среднего значения за выбранный период — доверительные интервалы среднего значения — лежала в пределах 95—98%.

Значения площади льда для двух выбранных месяцев были вычислены за весь период, для которого имелись данные с 1987 по 2014 г. Построены графики площади льда для февраля месяца — максимальной, и сентября — минимальной (см. рис. 2а—г). На каждом рисунке приведены экспериментальные данные и соответствующие регрессионные кривые для февраля и сентября месяца текущего года. Эти данные и зависимости были использованы для дальнейшего анализа.

Площадь льда, х106 км2 14

13

12

11

10

9

8

7

6

5

4

3

2

1987-2014 Арктика NT2

1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014

Год

Рис. 1. Непрерывный временной ряд вариаций площади ледового покрытия СПШ за период июль 1987-сентябрь 2014 г. с временным пикселом одни сутки, сформированный по алгоритму NASA Team 2 на основе многочастотных радиотепловых наблюдений, полученных со спутников серии DMSP-F08-F17 и накопленных в базе данных GLOBAL-RT.

Для анализа указанных графиков, их интерпретации и возможности проведения прогноза поведения были проделаны следующие процедуры. Построены несколько вариантов аппроксимации полученных временных зависимостей: вычислены регрессионные зависимости для полиномов различных степеней — от линейной — первой степени — до шестой, и установлено, что минимальная среднеквадратичная ошибка отклонения от аппроксимируемой кривой резко падает для полинома четвертой степени и далее практически остается неизменной — от 0.5593 для полинома третьей степени до 0.4560 для полинома четвертой степени. Еще одной важной особенностью приведенных зависимостей является прогностиче

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.

Показать целиком