Skip to main content

Development of generic earth observation based snow parameter retrieval algorithms

Article Category

Article available in the folowing languages:

Nowe algorytmy dla pokrywy śnieżnej, temperatura i podmokłość

Nowe algorytmy, opracowane przez Norweski Instytut Komputeryzacji, umożliwiają bardziej dokładne przewidywanie charakterystyki śniegu z danych satelitarnych.

Zmiana klimatu i środowisko

Duża część Europy polega na wytapianiu się śniegu jako źródle wody pitnej. Poza rolą w cyklu hydrologicznym, śnieg jest także ważnym komponentem systemu klimatycznego Ziemi. Z tego powodu poprzez rozszerzenie poziomu wiedzy o śniegu można osiągnąć znaczne wartości społeczne. W projekcie ENVISNOW postanowiono opracować niezbędną infrastrukturę pozwalającą na poprawę monitorowania parametrów śniegu przy użyciu satelitarnych danych z obserwacji ziemskich (EO). Norweski Instytut Komputeryzacji (NR) zdefiniował nowe algorytmy umożliwiające dokonanie oceny ułamkowej powierzchnia pokrywy śnieżnej (FSCA), temperatury powierzchni śniegu (STS) oraz podmokłości śniegu. Wyliczenia FSCA są utrudnione, gdyż widmowe odbicia światła od śniegu mogą być różne w zależności od wielu różnych czynników. Czynniki te obejmują: wiek pokrywy śnieżnej, zawartość zanieczyszczeń, wysokość słońca, kąt obserwacji przez oprzyrządowanie satelitarne, itp. Rozwiązanie zastosowane przez NR polegało na wykorzystaniu modelu metamorfozy oraz modelu zanieczyszczeń w celu stworzenia ważnego widma spektralnego śniegu oraz lokalnego widma nie pokrytego gruntu. Na ostatnim etapie wykorzystano algorytm zmieszania widma liniowego dla dokonania oceny FSCA. Jeśli chodzi o parametr STS, to tłumienie atmosferyczne zmienia oryginalny zapis promieniowania ciała czarnego. W celu przedstawienia wpływu składu atmosfery oraz długości drogi, NR przetestował szereg różnych algorytmów. Zidentyfikowano algorytm kluczowy jako optymalne rozwiązanie, zwłaszcza dla regionów biegunowych. NR przyjął algorytm kluczowy do zintegrowanego systemu informacji i zweryfikował jego działanie w warunkach rzeczywistej obserwacji ziemskiej EO i danych z powierzchni. Informacje o podmokłości śniegu umożliwiły cenne zrozumienie procesu wytapiania się śniegu. NR był w stanie poprawić zdolność przewidywania podmokłości śniegu poprzez powiązanie wielkości ziarna śniegu (SGS) z pomiarami STS. Podmokłość śniegu została wyznaczona w oparciu o STS oraz czasową ewolucję SGS. Podobnie jak przy innych algorytmach, wyniki potwierdzone zostały w szeregu różnych miejsc. Wkład NR do projektu ENVISNOW jest olbrzymim postępem naprzód, ponieważ możliwa jest obecnie dokładna ocena zasadniczych parametrów śniegu w całym okresie pory jego opadów. W wyniku tego NR stara się uzyskać licencję na nowe algorytmy.

Znajdź inne artykuły w tej samej dziedzinie zastosowania