Сборник тезисов докладов шестнадцатой Всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса", Москва, ИКИ РАН, 2018 год

(http://smiswww.iki.rssi.ru/d33_conf)

Прогностические модели Северной полярной шапки за период 1992-2040 гг. по данным спутниковой микроволновой радиометрии на основе алгоритма NASA Team 2

Шарков Е.А. (1), Раев М.Д. (1), Тихонов В.В. (1), Комарова Н.Ю. (1)
(1) Институт космических исследований РАН, Москва, РФ
Анализ и прогноз климатических изменений на Земле в широком диапазоне пространственно-временных масштабов, несомненно, представляют собой фундаментальную научную проблему для мирового научного сообщества. Были предприняты теоретические и экспериментальные усилия по поиску дистанционного индикатора, который был бы в наибольшей степени чувствителен к глобальным климатическим вариациям. По мнению многих исследователей, таким индикатором может быть состояние Северной полярной шапки (СПШ), включая долговременную и краткосрочную эволюцию ее площади, структуры и возможные прогностические модели на ближайшие 20-25 лет (Иванов и др., 2013; Тихонов и др., 2016; Agarwal et al., 2012; Kapsch et al., 2013; Markus et al. 2009; Meier et al. 2014; Msadek et al., 2014; Spreen et al., 2008; Stroeve et al., 2014). В работе предпринимается попытка на основе нелинейного регрессионного анализа рассмотреть модель СПШ как сложную стохастическую систему. По данным многоканальных радиотепловых наблюдений, полученных со спутников программы DMSP - F08–F18, авторами накоплена многолетняя база данных (БД) GLOBAL-RT, постоянно обновляющаяся в отделе «Исследование Земли из космоса» ИКИ РАН (Ермаков и др., 2007). С использованием полярной версии этой БД были рассчитаны по алгоритму NASA Team 2 (NT2), широко используемому в зарубежной научной литературе (Тихонов и др., 2016), площади покрытия льдом Арктики для областей выше 60° с.ш. По анализу эволюции ледяного покрова СПШ за период 1992–2018 гг. были вычислены средние значения площади морского льда для максимального (февраль) и минимального (сентябрь) значения за текущий сезон. Были построены несколько вариантов аппроксимации временных зависимостей минимальной площади морского льда за указанный период и вычислены регрессионные зависимости для полиномов Чебышева различных степеней от первой (модель «линейного тренда») до шестой. Установлено, что используемая в подавляющем большинстве работ строго линейная регрессия с отрицательным временным градиентом (модель «линейного тренда») для минимального сентябрьского значения снежно-ледового покрытия СПШ должна применяться в строго ограниченных временных пределах - с 1996г. по 2014г. В то же время, квадратичная регрессия (нелинейная модель) может быть использована только в пределах с 2007г. по 2018г. На основе корреляционного анализа авторы показали, что временная эволюция снежно-ледового покрова Арктики за период 1992-2040 гг. относится к группе сложных стохастических систем, которые включают в себя, как детерминированные компоненты гармонического типа, так и случайные составляющие с временем корреляции меньше одного года и в рассматриваемых условиях представляющие, по–существу, модель «белого» шума.
Работа финансировалась в рамках темы «Мониторинг» (Государственное задание по теме фундаментального научного исследования, госрегистрация № 01.20.0.2.00164), также частично проектом РФФИ 18-05-00440-а «Неопределенность оценок климатических трендов водного эквивалента снега по спутниковым данным: роль стратиграфии снежного покрова».

Ключевые слова: Дистанционное радиотепловое зондирование, Северная полярная шапка, нелинейный регрессионный анализ, стохастические системы.
Литература:
  1. Ермаков Д.М., Раев М.Д., Суслов А.И., Шарков Е.А. Электронная база многолетних данных глобального радиотеплового поля Земли в контексте многомасштабного исследования системы океан-атмосфера. // Исследование Земли из космоса. 2007. № 1. С. 7–13.
  2. Иванов В.В., Алексеев В.А., Алексеева Т.А., Колдунов Н., Репина И.А., Смирнов А.В. Арктический ледяной покров становится сезонным? // Исследования Земли из космоса. 2013. № 4. С. 50–65.
  3. Тихонов В.В., Раев М.Д., Шарков Е.А., Боярский Д.А., Репина И.А., Комарова Н.Ю. Спутниковая микроволновая радиометрия морского льда полярных регионов. Обзор. // Исследование Земли из космоса. 2016. № 4. С. 65-84.
  4. Agarwal S., Moon W., Wettlaufer J.S. Trends, Noise and Re-Entrant Persistence in Arctic Sea Ice. // Proc. Royal Society A. 2012. V. 468. doi:10.1098/rspa.2011.0728.
  5. Kapsch M.-L., Gravensen R.G., Tjernstrom M. Springtime Atmospheric Energy Transport and the Control of Arctic Summer Sea-Ice Extent. // Nature Climate Change. 2013. V. 3. N 8. P. 744–748.
  6. Markus T., Stroeve J.C., Miller J. Recent Changes in Arctic Sea Ice Melt Onset, Freezeup, and Melt Season Length. // J. Geophysical Research. 2009. V. 114. N C12024. doi:10.1029/2009JC005436.
  7. Meier W.N., Hovelsrud G.K., van Oort B.E.H., Key J.R., Kovacs K.M., Michel Ch., Haas Ch., Granskog M.A., Gerland S., Perovich D.K., Makshtas A., Reist J.D. Arctic Sea Ice in Transformation: A Review of Recent Observed Changes and Impacts on Biology and Human Activity. // Reviews of Geophysics. 2014. doi:10.1002/2013RG000431.
  8. Msadek R., Vecchi G.A., Wilton M., Gudgel R.G. Importance of Initial Conditions in Seasonal Predictions of Arctic Sea Ice Extent. // Geophysical Research Letters. 2014. V. 41. N. 14. P. 5208–5215.
  9. Spreen G., Kaleschke L., Heygster G. Sea Ice Remote Sensing AMSR-E 89-GHz Channels. // J. Geophysical Research. 2008. V. 113. N C02S03. doi:10.1029/2005JC003384.
  10. Stroeve J.C., Markus T., Boisvert L., Miller J., Barrett A. Changes in Arctic melt season and implications for sea ice loss. // Geophysical Research Letters. 2014. V. 41. N 4. P. 1216–1225.

Дистанционные методы исследования атмосферных и климатических процессов

239