Текст книги "Океанография и морской лед"

В ААНИИ применяется технология оценки толщины льда по данным о температуре поверхности льда, полученной с ИСЗ NOAA/AVHRR.

Снежно-ледяной покров морей зимой рассматривается как промежуточный слой между морской водой, имеющей у нижней поверхности льда постоянную температуру, равную температуре замерзания морской воды данной солености, и слоем воздуха, температура которого для арктических морей в большинстве случаев находится в пределах –20 … –50 °C. Температура замерзания морской воды определяется из справочной литературы, как функция солености в районе наблюдения.

Для устранения эффекта атмосферного влияния на значения ИК-сигнала применяется стандартная процедура многоканальной коррекции с использованием радиационных температур в 4-м и 5-м каналах AVHRR при заданных для исследуемого региона постоянных коэффициентах. Наличие облачности в районе наблюдений полностью исключает возможность оценки толщины льда по ИК-измерениям. Поэтому автоматизированное определение толщины морского льда по спутниковым изображениям ИК-диапазона производится только для безоблачных районов. Границы облачных образований могут быть определены интерактивно или с использованием специальных статистических методов анализа двумерных полей.

В рамках модели оценки толщины морского льда по значению температуры его поверхности непосредственно определяется не истинная толщина льда и снега в данном пикселе, а преобразованная толщина H_p, приведенная к толщине только льда, имеющего одинаковую теплопроводность со льдом, покрытым снегом:

H_p = H+h х L/l,

где H и L – толщина и теплопроводность льда, h и l – толщина и теплопроводность снега.

Параметрическая модель оценки толщины морского льда, применяемая нами, имеет на входе безразмерный параметр Q, представляющий собой «коэффициент подобия» между топографией поля льда и соответствующим ему температурным полем снежно-ледяной поверхности. Параметр Q вычисляется для каждого пиксела ИК изображения:

Q = (T_i – T_w) / (T_t – T_w),

где T_i —температура участка, на котором измеряется толщина льда, T_t, T_w – средние температуры тестовых участков «толстого» льда и чистой воды.

Тестовые участки «толстого» льда и чистой воды выбираются ледовым экспертом. Зависимость параметра Q от преобразованной толщины была определена экспериментально по ежедекадным измерениям толщин льда и снега на припае, проводимым береговыми полярными станциями.

Опыт показал, что определение параметра Q путем опознавания и измерения на тестовых участках чистой воды и старых льдов, как правило, не может быть выполнено корректно. При низких температурах воздуха на разводьях и разрывах сразу начинают образовываться ниласовые и молодые льды, а тестовые участки «толстого» льда в осенний и ранний зимний периоды даже в арктических морях могут отсутствовать. В разработанной нами усовершенствованной технологии в качестве тестовых участков «толстого льда» используется сеть постоянных реперных точек заснеженной суши. Истинная толщина льда, образование и нарастание которого происходило в бесснежные периоды, равняется преобразованной. Высоты снега на льдах той или иной преобразованной толщины определяются по данным береговых станций.

Реально на конкретной акватории одновременно присутствуют льды различного времени образования. Спутниковая технология, основанная на данных ИК-каналов, должна позволять определять толщины различных возрастных стадий льда. Для этого по осредненным данным береговых станций конкретного моря о высотах снега и декадных суммах среднесуточных температур формируется оперативная база высот снега, расчетных и преобразованных толщин льда (приведенных к толщине незаснеженного льда), а также расчетных и преобразованных толщин снежно-ледяного покрова различного времени образования. Вычисления выполняются по десятисуточным периодам, соответственно с датами измерения толщин льда и снега припая береговыми станциями. На завершающем этапе формируется классификационная таблица, в которой для каждой возрастной стадии (с шагом 20 см) указывается средняя высота снега, преобразованные толщины и безразмерные параметры Q. С использованием этой таблицы исходное ИК-изображение трансформируется в спутниковое классифицированное изображение (карту-схему) возрастных градаций (толщин) льда.

Оценка точности разработанной технологии оценки толщин льда по спутниковым ИК наблюдениям проводилась с использованием синхронных наблюдений с ледоколов. Оказалось, что технология позволяет оценивать преобразованные и истинные толщины молодых и однолетних тонких льдов с погрешностью ±5–10 см, а однолетних средних – 10–15 см. Возрастные стадии определяются, как правило, безошибочно.

Оценка толщины ледяного покрова в арктических морях в весенний период. Анализ спутниковой информации ИК-диапазона по Карскому морю за разные годы, проведенный А.В. Бушуевым, показал, что удовлетворительное совпадение расчетных данных по толщине снежно-ледяного покрова и натурных наблюдений имело место только для зимнего периода, когда температура воздуха ниже −10 °C. При более высоких температурах воздуха расчеты давали значительную погрешность. Исследования возможных причин расхождения экспериментальных и натурных оценок позволили заключить, что основную роль в возникновении ошибок расчета играет неучет сезонного изменения теплопроводности снега.

Снег, как известно, имеет более низкую теплопроводность по сравнению со льдом, что объясняется обилием в снеге мелких воздушных пор. Установлено, что коэффициент теплопроводности плотного снега в 3 раза меньше коэффициента теплопроводности морского льда (Дюнин, 1983). Весной снежный покров на поверхности морского льда меняет свои характеристики, главным образом, из-за изменения плотности снега.

Исследования показали, что в применяемой нами технологии оценки толщины снежно-ледяного покрова арктических морей в весенний период целесообразно использовать соотношение теплопроводностей льда и снега 3:1, а в зимний – 7:1. Эмпирическая зависимость параметра Q от толщины снежно-ледяного покрова для весеннего периода также берется иной по сравнению с зимним периодом. Для установления вида этой зависимости были использованы ледовые наблюдения в Карском море экспедиции ААНИИ «КАРА-2010» с борта дизель-электрохода «Мончегорск» в апреле-мае 2010 г. и снимки с радиометра AVHRR ИСЗ NOAA по району Карского моря. В результате была получена эмпирическая зависимость параметра Q от толщины снежно-ледяного покрова (рис. 4), характерная для весеннего погодного периода в Арктике, когда отмечаются слабые отрицательные температуры воздуха (до –10 °С). С использованием установленной зависимости по спутниковым данным AVHRR (рис. 5) были получены расчетные значения толщин льда (рис. 6).

Рис. 4 Зависимость параметра Q от толщины снежно-ледяного покрова, принимаемая для расчетов в зимнее время (1) и весеннее (2)

Рис. 5. Карское море 28 апреля 2010 г. Снимок AVHRR ИСЗ NOAA-16, 4 канал

Рис. 6. Толщина льда в Карском море 28 апреля 2010 г. по данным измерений температуры поверхности радиометром AVHRR/NOAA (в расчете использованы «весенние» значения параметра Q и коэффициент теплопроводности плотного снега; стрелками показан маршрут движения дизель-электрохода «Мончегорск» в период с 30.04 по 2.05.2010 г)

При положительных температурах воздуха на поверхности льдов образуется талая вода, экранирующая собственное излучение льда и ледовые наблюдения в ИК-диапазоне становятся невозможны.

Определение толщины льда по данным измерений в СВЧ-диапазоне. В микроволновом диапазоне возможности измерения толщины льда в значительной степени зависят от применяемой длины волны и чувствительности радиометра. Так, при рабочей длине волны 21 см максимальная толщина льда, которую можно измерить СВЧ-радиометром, составляет 173 см – при приборной чувствительности ∆Т=0,01 К и 132 см при ∆Т= 0,1 К. При рабочей длине волны 2 см максимальная измеряемая толщина льда составляет 27 см для аппаратуры с ∆Т= 0,01 К и 21 см – для ∆Т=0,1 К (Ji et al., 2007). Толщину льда в микроволновом диапазоне лучше определять с помощью многочастотных СВЧ-радиометров, причем для тонких льдов лучше использовать коротковолновые каналы 8 мм – 5 см, а для толстых льдов – канал 21 см. В настоящее время отладка разработанной модели выполняется с использованием данных измерений самолетных СВЧ-радиометров (Ji et al., 2007).

Комбинированные методы. В последнее время развиваются методы оценки толщины ледяного покрова с помощью спутниковой альтиметрии – лазеров и радаров-альтиметров. Луч лазера и луч радара обладают различной способностью проникновения в поверхностный слой снега: лазерный сигнал отражается от поверхности снега, а радарный проходит сквозь слой снега (h_s) до поверхности льда. Таким образом, радары-альтиметры измеряют надводную толщину льда, а лазерные альтиметры – расстояние от спутника до верхней границы снежного покрова, находящегося на льду (h_f.). Комбинирование этих двух видов измерений позволит более точно оценивать толщину ледяного покрова (h_i). Расчет h_i. проводят по уравнению плавучести с учетом плотности морской воды (ρ_w), снега (ρ_s), и льда (ρ_i) (Connor et al., 2009):

Основным недостатком радаров-альтиметров является зондирование только вдоль узкой трассовой полосы и низкое пространственное разрешение (порядка 7 км для радара-альтиметра RA-2), что не позволяет в настоящее время рассматривать радары-альтиметры в качестве источников ледовых данных для решения оперативных задач.

3. Обнаружение опасных ледяных образований

При решении задач освоения природных углеводородных месторождений на шельфе полярных морей наибольшую опасность для сооружений и инженерных конструкций представляют ледяные нагромождения деформированного морского льда и фрагменты льда материкового происхождения. Для арктических морей основную проблему при обеспечении жизнедеятельности на морских акватория представляют следующие опасные ледяные образования (ОЛО): многолетние ледяные поля диаметром 500 м и более; айсберги и их обломки; поля толстого однолетнего льда с большими (более 3 м высотой) грядами торосов; всплывшие и подвижные стамухи. Спутниковые технологии должны обеспечивать соответствующие эксплуатационные службы компаний, осуществляющих хозяйственную деятельность в шельфовой зоне, оперативной информацией о морфометрических характеристиках гряд торосов и стамух, параметрах айсбергов (габариты, скорость и направление дрейфа) и пр.

Экспертный анализ и интерпретация изображений являются пока наиболее надежным и точным способом получения информации по обнаружению ОЛО и их характеристикам. Причем без наличия опорных полевых наблюдений часто не представляется возможным сделать достоверное заключение об обнаружении ОЛО. На рис. 7 представлено изображение с ИСЗ RADARSAT, на котором с помощью наземной исследовательской группы удалось идентифицировать крупную стамуху. При этом, по полевым наблюдениям, в радиусе пяти километров от указанной стамухи располагались еще несколько стамух приблизительно такого же размера, в том числе и в южном направлении. Однако на спутниковом изображении такие объекты не были обнаружены. Этот факт может быть связан с неблагоприятной случайной взаимной ориентацией угла и направления зондирования в момент съемки стамух.

Рис. 7. РСА изображение со спутника RADARSAT, на котором удалось идентифицировать изображение стамухи (выделено кружком) 22 апреля 2007 г.

Наиболее перспективным является оперативный мониторинг ОЛО на основе совместного комплексного анализа данных SAR (спутников RADARSAT, Envisat), данных тепловых каналов оптического диапазона спутников NOAA и Terra, наземных наблюдений на судах и береговых станциях, а также модельных расчетных данных. Важным условием таких комплексных наблюдений является регулярный, а не эпизодический спутниковый мониторинг состояния ледяного покрова. Одним из методов объективного мониторинга ОЛО с помощью спутниковых данных может быть метод нейронных сетей. Для выделения ОЛО по этому методу, помимо текстурных характеристик, могут использоваться и иные входные параметры. Например, для айсбергов это могут быть: наличие и конфигурация открытой воды за движущимся айсбергом и ветровые данные.

Для развития спутниковых технологий обнаружения ОЛО необходима верификация результатов с использованием подспутникового эксперимента с регистрацией широкого круга параметров. Особенно это необходимо для обеспечения возможности выделения «точечных объектов» – айсбергов, ледяных островов и всплывших стамух. Основной проблемой при выделении таких объектов методом нейронных сетей является, например, дефицит обучающих выборок.

В заключение этого раздела в табл. 1 отражены возможности современной спутниковой аппаратуры при определении важнейших параметров морского льда в автоматическом/автоматизированном режиме. Наиболее соответствуют задачам мониторинга морских льдов на ежедневной основе технологии оценки сплоченности и положения кромки льдов по данным СВЧ-радиометрии. К сожалению, приборы этого типа имеют пока недостаточное для многих приложений пространственное разрешение. Самыми информативными являются приборы активной локации – радары. Они позволяют определять наибольшее число параметров ледяного покрова, причем круглогодично и при любых облачных условиях. Данные видимого диапазона, напротив, имеют ограниченное применение в полярных регионах ввиду невозможности проведения съемки в темное время года. Данные ИК-диапазона обеспечивают хорошие интерпретационные возможности при мониторинге льдов в зимний период. Этот диапазон наиболее предпочтителен для разработки технологий оценки толщины льда.

Таблица 1. Характеристики ледяного покрова, измеряемые с ИСЗ (для видимого и ИК– диапазонов – в условиях ясного неба, для видимого – также при высоте солнца над горизонтом более 5°)

Табл. 1 иллюстрирует только аппаратные возможности и наличие необходимых технологий обработки данных. Реальное использование тех или иных спутниковых средств для мониторинга морских льдов зависит также от экономических факторов, от доступности спутниковой информации для конкретных потребителей.

Заключение

Цикл работ в области изучения характеристик морского льда с помощью методов дистанционного зондирования, осуществленный российскими учеными в период МПГ в полярных областях Земли, позволил получить ряд важных выводов.

Дальнейшее совершенствование методов дистанционного зондирования ледяного покрова полярных регионов требует постановки широкомасштабных экспериментальных работ по верификации методик ДЗ морских льдов. Для таких работ необходимым условием должно быть обеспечение исследователям возможности доступа к имеющимся различным информационным источникам по изучаемой акватории. В том числе желательно обеспечить, в согласованных объемах, обмен информацией между ледовыми службами разных стран. Полевые работы должны проводиться с использованием сертифицированной аппаратуры, обеспечивающей выполнение многопараметрических полевых наблюдений с сопоставимой точностью. Необходимо совершенствовать стационарный сегмент гидрометеорологических наблюдений в полярных районах, для чего следует шире разворачивать в труднодоступных полярных регионах сеть современных автоматических измерительных комплексов, включенную в систему мониторинга морских льдов.

Перспективы развития технологий мониторинга морских льдов зависят также от степени разработанности ледовых моделей, позволяющих прогнозировать краткосрочные и долгосрочные изменения параметров ледяного покрова (в том числе модели дрейфа льда, дрейфа айсбергов, нарастания толщин льда и пр.). В моделях должна быть предусмотрена возможность усвоения спутниковых данных. Прогностический блок должен стать полноправной составляющей технологии мониторинга морских льдов.

Работы российских ученых по программе МПГ показали, что развитие методов ДЗ морского льда в нашей стране сдерживается из-за отсутствия собственных природоресурсных космических аппаратов, оснащенных современными радарами, радиометрами высокого разрешения и пр. В РФ были предприняты определенные шаги для восстановления российской орбитальной группировки метеорологических и природоресурсных спутников. 17 сентября 2009 г. был запущен российский космический аппарат «Метеор-М». Информация с этого спутника уже используется для решения ряда природоресурсных задач, а данные бортового спектрофотометра с пространственным разрешением 60 м могут быть использованы для изучения тонкоструктурных особенностей строения морского ледяного покрова. На 2011 г. запланирован запуск второго спутника серии «Метеор-М». Вся российская группировка метеоспутников будет состоять из трех аппаратов, причем третий планируется оборудовать радиолокатором с активной фазированной решеткой с пространственным разрешением порядка 1 м.

В соответствии с федеральной космической программой в период до 2015 года будет завершена реализация мероприятий по вводу в эксплуатацию Многоцелевой Космической Системы (МКС) «Арктика». Система будет состоять из двух космических аппаратов (КА) «Арктика-М», функционирующих на высокоэллиптических орбитах типа «Молния» с периодом обращения 12 часов, и двух космических аппаратов «Арктика-Р», запускаемых на низкие околополярные орбиты и оснащенных радиолокаторами с синтезированной апертурой. Подсистема «Арктика-М» позволит осуществлять непрерывный мониторинг окружающей среды Арктики, включая наблюдения за состоянием ледяного покрова в видимом и инфракрасном спектральных диапазонах.

В XVIII веке М.В. Ломоносов сказал, что богатство России будет прирастать Сибирью; в XXI веке мы можем утверждать, что богатство России будет прирастать Арктикой. Обязанность ученых в решении этой важной государственной задачи – разработать наиболее эффективные технологии доступа к этим богатствам, обеспечить безопасность жизнедеятельности на хозяйственных объектах в полярных регионах, предложить наиболее экологичные методы природопользования. Реализация таких программных задач потребует широкой международной кооперации, развития эффективного сотрудничества ученых разных стран. Важным элементом такого сотрудничества несомненно станет развитие спутниковых технологий мониторинга полярных областей Земли.

Литература

Александров В.Ю., Лощилов В.С. Количественная интерпретация спутниковых радиолокационных изображений морских льдов с использованием априорных данных // Исследование Земли из космоса. 1985, № 3. С. 28–31.

Александров В.Ю., Лощилов В.С., Терентьев И.В. Оценка возможности автоматизированного определения характеристик разрывов в ледяном покрове по спутниковым радиолокационным изображениям // Исследование Земли из космоса. 1989. № 3. С.12–17.

Александров В.Ю., Пиотровская Н.Ю. Оценка УЭПР морских льдов разного возраста по радиолокационным изображениям спутника ENVISAT // Исследование Земли из космоса. 2008а. № 4. С. 3–11.

Александров В.Ю., Пиотровская Н.Ю. Цифровая обработка РСА-изображений морских льдов спутника ENVISAT // Проблемы Арктики и Антарктики. 2008б. № 1(78). С. 90–94.

Асмус В.В. Милехин О.Е., Кровотынцев В.А., Селиванов А.С. Использование радиолокационных данных ИСЗ Океан для решения задач гидрометеорологии и мониторинга окружающей среды // Исследование Земли из космоса. 2002. № 2. С. 1–8.

Бушуев А.В., Лощилов В.С., Смирнов В.Г., Щербаков Ю.А. Спутниковый мониторинг ледяного покрова. – В сб. докладов 2^й всероссийской научной конференции: Дистанционное зондирование земных покровов и атмосферы аэрокосмическими средствами. Санкт-Петербург, РГГМУ, 16–18 июня, 2004, Том 2, с. 42–47.

Дюнин А.К. В царстве снега /Новосибирск: Наука. СО АН СССР. 1983, 161 с.

Лощилов В.С., Парамонов А.И. Определение и картографирование толщины морского льда в Арктике по спутниковым изображениям в ИК-диапазоне // Исследование Земли из космоса. 1997, № 5. С. 63–72.

Рахина Т.В., Александров В.Ю., Бушуев А.В., Сандвен С. Определение дрейфа льдов по радиолокационным изображениям спутника «Океан» с использованием кросс-корреляционного алгоритма // Исследование Земли из Космоса. 1998. № 4. С. 102–110.

Abreu R.D. RADAR Sea Ice Signatures: An Operational Primer // Proceedings of a workshop on mapping and archiving of sea ice data – the expanding role of radar. Ottawa, Canada, 2–4 May 2000. WMO/TD-№. 1027, JCOMM Technical Report 2000. №.7. P. 85–94.

Andersen, S., Tonboe, R., Kaleschke, L., Heygster, G., Pedersen, L.T. (2007). Intercomparison of passive microwave sea ice concentration retrievals over the high-concentration Arctic sea ice //J. Geophys. Res., 2007. Vol. 112, C08004.

Bogdanov A.V., Sandven S., Johannessen O.M.et al. Multisensor Approach to Automated Classification of Sea Ice // IEEE Trans. on Geoscience and Remote Sensing. 2005. Vol. 43. № 7. P. 1648–1664.

Carsey F.D. Microwave remote sensing of sea ice // Geophysical monograph. 1992. Vol. 68. 446p.

Cavalieri D. A passive microwave technique for mapping new and young sea ice in seasonal sea ice zones // J. Geophys. Res. 1994. Vol. 99(C6). P. 12561–12572.

Clausi D.A. Texture Analysis of SAR ICE Imagery Using MRFs. // Proceedings of a workshop on mapping and archiving of sea ice data – the expanding role of radar, Ottawa, Canada, 2–4 May 2000, WMO/TD-No. 1027, JCOMM Technical Report 2000. №.7. P. 287–292.

Comiso J.C. SSMI ice concentrations using the Bootstrap Algorithm, NASA RP № 1380, 1995. 50p.

Connor L. N., Laxon S.W., Ridou L.R. e.a. Comparison of Envisat radar and airborne laser altimeter measurements over Arctic sea ice//Remote Sensing of Environment 2009. Vol/ 113, Issue 3, P. 563–570

Fily M., Rothrock D.A. Sea ice tracking by nested correlation // IEEE Transactions on Geoscience and Remote Sensing. 1987. Vol. 25. № 5, P. 570–580.

Gronvall H., Seina A., Simila M. The Finish Ice Service and Real-Time Automatic Classification of SAR Data // Nordic Space Activities, 1996. Vol. 4, P. 28–29, 33–35.

Groves J.E., Stringer W.J. The use of AVHRR thermal infrared imagery to determine sea ice thickness within the Chukchi polynya //ARCTIC VOL. 1991, № 44, Supp. 1. P. 130–139.

Hara Y., Atkins R.G., Shin R.T. et.al. Application of Neural Networks to Radar Image Classification // IEEE Trans. on Geoscience and Remote Sensing. – 1994. – Vol. 32, № 1. P. 100–109.

Haverkamp D., Son L.K. Tsatsoulis C. A Comprehensive, Automated Approach to determining Sea Ice Thickness from SAR data // IEEE Trans. Geosci. Rem. Sensing. 1995. Vol.33, № 1, P. 46–57/

Haverkamp D., Son L.K., Tsatsoulis C. The combination of Algorithms and Heuristic Methods for the Classification of Sea Ice Imagery // Remote Sensing Reviews, 1994. Vol. 9, P. 135–159, 183–194.

Ji Y., Zhang, J. Meng, Y. ABMR ice thickness model and its application to Bohai Sea in China // Progress in Electromagnetic Research 2007. Vol. 76. P. 183–194.

Johannnessen O.M., Volkov A.M., Grischenko V.D. Bobylev L.P. e.a. ICEWACH, Real-time sea ice monitoring of the Nothern sea route using satellite radar technology A cooperative project between Russian Space Agency (RKA) and European Space Agency (ESA), Progress report, Technical report No. 113. Nansen environmental and remote center, 1996. 126 p.

Johannessen O.M., Alexandrov V.Yu., Frolov I.Ye., Sandven S., Bobylev L.P., Pettersson L.H., Kloster K., Smirnov V.G., Mironov Ye.U., Babich, N.G. Remote sensing of sea ice in the Northern Sea Route: studies and applications. Chichester, UK: Springer-Praxis, 2006.

Kloster, K., Fleshe H., Johannessen O.M. Ice motion from airborne SAR and satellite imagery // Advanced Space Res. 1992. № 12(7). P. 149–153.

Kuhn P.M., Sterns L.P., Ramseier R.O. Airborne infrared imagery of arctic sea ice thickness. NOAA Technical Report ERL. 331–APCL 34. 1975. Boulder: U.S. Department of Commerce, NOAA, Environmental Research Laboratories.

Sandven S., Kloster K., Johannessen O.M. SAR Ice Algorithms for Ice Edge, Ice Concentration, and Ice kinematics // NERSC Technical Rep. 1991. № 38.

Spreen G., Kaleschke L., Heygster G. Sea ice remote sensing using AMSR 89-GHz // J. Geophys. Res., 2008. Vol.113.

Sun Y. A new correlation technique for ice motion analysis // EARSeL Advances in Remote Sensing. 1994. Vol.3, № 2, P. 57–63.

V.G. Smirnov[35]35
  Arctic and Antarctic Research Institute, Saint Petersburg, Russia


[Закрыть], А.V. Bushuev[36]36
  Arctic and Antarctic Research Institute, Saint Petersburg, Russia


[Закрыть], I.А. Bychkova[37]37
  Arctic and Antarctic Research Institute, Saint Petersburg, Russia


[Закрыть], А.V. Grigoriev[38]38
  Arctic and Antarctic Research Institute, Saint Petersburg, Russia


[Закрыть], N.Yu. Zakhvatkina[39]39
  Arctic and Antarctic Research Institute, Saint Petersburg, Russia


[Закрыть],[40]40
  Nansen International Environmental and Remote Sensing Center, Saint Petersburg, Russia


[Закрыть], V.S. Loschilov[41]41
  Arctic and Antarctic Research Institute, Saint Petersburg, Russia


[Закрыть], V.V. Stepanov[42]42
  Arctic and Antarctic Research Institute, Saint Petersburg, Russia


[Закрыть], I.E. Frolov,[43]43
  Arctic and Antarctic Research Institute, Saint Petersburg, Russia


[Закрыть] L.P. Bobylev[44]44
  Nansen International Environmental and Remote Sensing Center, Saint Petersburg, Russia


[Закрыть],[45]45
  Nansen Environmental and Remote Sensing Center, Bergen, Norway


[Закрыть], V.Yu. Alexandrov[46]46
  Nansen International Environmental and Remote Sensing Center, Saint Petersburg, Russia


[Закрыть],[47]47
  Nansen Environmental and Remote Sensing Center, Bergen, Norway


[Закрыть]. Capabilities of remote sensing as the source of the operative objective information about the polar sea ice cover state

Abstract

Remote sensing methods used for determination of sea ice concentration, stages of development, thickness and drift are considered. Examples of sea ice stages of development charting in the Arctic with the use of Envisat data, neural network and Bayesian classification methods are presented. Features of satellite technology for Dangerous Ice Formations (DIFs) are stated. Proposals for further development of sea ice remote sensing taking into account the IPY experience are formulated.