European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS
Contenido archivado el 2024-05-24

Development of generic earth observation based snow parameter retrieval algorithms

Article Category

Article available in the following languages:

Investigación de la nieve con microondas

Científicos del Consejo Nacional de Investigación de Italia descubrieron nuevas formas de analizar microondas retrodispersas para ayudar a determinar varias características importantes de la nieve.

Cambio climático y medio ambiente icon Cambio climático y medio ambiente

La detección remota es una herramienta vital en muchas disciplinas medioambientales. Puede proporcionar datos para grandes superficies en un plazo de tiempo relativamente corto, incluyendo regiones inaccesibles en las que no es viable llevar a cabo mediciones de tierra. Los datos se recopilan analizando la señal retrodispersa de los impulsos emitidos desde sensores en satélites. El Programa de Energía, Medio Ambiente y Desarrollo Sostenible financió el proyecto ENVISNOW para realizar avances en la detección remota de la nieve. El Consejo Nacional de Investigación de Italia (CNR), miembro del consorcio ENVISNOW, centró su atención en el porcentaje de microondas del espectro. El CNR aplicó sus conocimientos en la teoría de dispersión para desarrollar dos nuevos modelos, basados en la transferencia radiativa de densidad media (DMRT) y la teoría de la fluctuación de la fuerza (SFT), respectivamente. El código se aplicó en Matlab. Las pruebas de sensibilidad llevadas a cabo con datos experimentales permitieron conocer el uso de los modelos tanto con nieve seca como húmeda. Otro logro del CNR en el proyecto ENVISNOW es la invención de un nuevo algoritmo para la recuperación del equivalente de agua-nieve seca (SWE) y la profundidad de la nieve (SD). Se validó con datos del SSM/I (sensor especial y generador de imágenes de microondas) de Finlandia y con datos del AMSR-E (radiómetro avanzado con escanógrafo de microondas) de Noruega. Los resultados del análisis estadístico demuestran mejoras sustanciales de las técnicas establecidas como la inversión. El CNR también señala que el nuevo algoritmo es particularmente apto para aplicaciones en las que haya pocas estaciones de control de la superficie y estén muy dispersas.

Descubra otros artículos del mismo campo de aplicación