Uma expansão da aplicação do modelo linear de mistura espectral : estudo das variações na concentração e área do gelo marinho para estatísticas climáticas na Região Norte da Península Antártica
Visualizar/abrir
Data
2021Orientador
Nível acadêmico
Doutorado
Tipo
Assunto
Resumo
O gelo marinho possui influência no sistema climático global atuando como isolante térmico entre o oceano e a atmosfera, na redução da radiação solar absorvida pela superfície da Terra e na circulação oceânica. Para o monitoramento temporal , a maior série de imagens satelitais disponíveis são dos sensores remotos passivos Scanning Multichannel Microwave Radiometer (SMMR ), Special Sensor Microwave Imager ( SSM/I ) e Special Sensor Microwave Imager/Sounder ( SSMIS ) , com disponibilização de da ...
O gelo marinho possui influência no sistema climático global atuando como isolante térmico entre o oceano e a atmosfera, na redução da radiação solar absorvida pela superfície da Terra e na circulação oceânica. Para o monitoramento temporal , a maior série de imagens satelitais disponíveis são dos sensores remotos passivos Scanning Multichannel Microwave Radiometer (SMMR ), Special Sensor Microwave Imager ( SSM/I ) e Special Sensor Microwave Imager/Sounder ( SSMIS ) , com disponibilização de dados desde 1978 . Esta pesquisa tem por objetivo aplicar o Modelo Linear de Mistura Espectral ( MLME ) para análise sub pixel das imagens destes sensores remotos passivos e realizar análises estatísticas por meio da regressão linear múltipla e pela modelagem de séries temporais Box - Jenkins para predição da concentração do gelo marinho na região oceânica situada a norte da Península Antártica , com setorizações conforme a Commission for the Conservation of Antarctic Marine Living Resources , entre 1979 e 2018. Para o desenvolvimento do MLME foi aplicada a metodologia que compreende as seguintes etapas: a) calibração e classificação multitemporal de imagens Synthetic Aperture Radar do satélite Sentinel 1A ; b) assinatura espectral dos componentes puros por meio do MLME nas imagens SSMIS ; c) correções radiométricas entre as imagens SMMR, SSM/I e SSMIS ; d) análise subpixel nas imagens SMMR, SSM/I e SSMIS entre os meses de maio a novembro ; e e) validação estatística do modelo. Em sequência, partindo da série histórica da concentração do gelo jovem e/ou gelo de primeiro ano proveniente do MLME, foi realizada a análise estatística com dados meteorológicos como temperatura do ar a 2 m da superfície, temperatura da superfície do mar, precipitação total, pressão atmosférica ao nível médio do mar, velocidade do vento, componentes u e v do vento a 10 m , disponibilizados pelo modelo de reanálise atmosférica European Reanalysis Agency 5 ( ERA5 ). Com isto , a análise estatística avaliou a influência dos principais fatores meteorológicos na concentração do gelo marinho entre os meses de maio a novembro , no período compreendido entre 1979 e 2018. O MLME apresentou no cálculo da concentração de gelo marinho em relação às imagens classificadas do Sentinel 1A uma diferença média de 1,4 %, desvio - padrão de 13,6 % e Root Mean Square Error ( RMSE ) de 15,3 % . A evolução da área coberta por gelo jovem e/ou gelo de primeiro ano com concentração ≥ 15% obtida pelo MLME , entre 1979 e 2018 apresentou uma tendência linear negativa para a região de estudo, com a tendência de - 0,03 ± 0,02 x 10 3 k m ² ano - 1 para os setores oceânicos Antarctic Peninsula Bransfield Strait West e Antarctic Peninsula Bransfield Strait East , e - 0,05 ± 0,03 x 10 3 k m ² ano - 1 para Antarctic Peninsula Drake Passage West e Antarctic Peninsula West. Ao analisar a predição da concentração do gelo marinho em relação aos fatores meteorológicos , constatamos por meio da validação cruzada utilizando o ano de 2018 como referência que os dois modelos estatísticos apresentam desempenho semelhante ao analisar os resultados da análise de resíduos, RMSE da validação cruzada, acurácia final e desvio - padrão dos resíduos, sendo essas respostas relacionadas à regionalização da área de estudo e também por não demonstrar sazonalidade no comportamento mensal da concentração de gelo marinho durante o período analisado . ...
Abstract
Sea ice has an influence on the global climate system, acting as a thermal insulator between the ocean and the atmosphere, in reducing the solar radiation absorbed by the Earth's surface and in ocean circulation. For time monitoring , the largest series of satellite images available are passive remote sensors Scanning Multichannel Microwave Radiometer (SMMR), Special Sensor Microwave Imager (SSM/ I) and Special Sensor Microwave Imager/ Sounder (SSMIS), with data available since 1978 . This rese ...
Sea ice has an influence on the global climate system, acting as a thermal insulator between the ocean and the atmosphere, in reducing the solar radiation absorbed by the Earth's surface and in ocean circulation. For time monitoring , the largest series of satellite images available are passive remote sensors Scanning Multichannel Microwave Radiometer (SMMR), Special Sensor Microwave Imager (SSM/ I) and Special Sensor Microwave Imager/ Sounder (SSMIS), with data available since 1978 . This research aims to appl y Spectral Linear Mixing Model ( SL MM ) for sub pixel analysis of these passive remote sensors images and to perform statistical analysis using multiple linear regression and the Box - Jenkins time series modeling for concentration of sea ice prediction in the ocean region located north of Antarctic Peninsula, with sectors according to Commission for the Conservation of Antarctic Marine Living Resources, between 1979 and 2018. For SLMM development, the methodology comprising following steps: a) calibration and multitemporal classification of Synthetic Aperture Radar images from Sentinel 1A ; b) spectral signature of pure components using SLMM in SSMIS images ; c) radiometric corrections between SMMR, SSM/ I and SSMIS images ; d) subpixel analysis in SMMR, SSM/ I images a nd SSMIS between the months from May to November ; and e) statistical validation of the model. In sequence, based on the historical series of young ice and/or first - year ice concentration from the SLMM , statistical analysis was performed with weather data such as air temperature at 2 m above the surface, sea surface temperature, total precipitation, atmospheric pressure at mean sea level, wind speed, u and v wind components at 10 m, made available by the European Reanalysis Agency 5 (ERA5) atmospheric reanalysis model. Statistical analysis evaluated the influence of main weather factors in sea ice concentration betwee n the months from May to November, in the period between 1979 and 2018. In the calculation of the sea ice concentration in relation to the classified images of Sentinel 1A , the SLMM presented an average difference of 1.4 %, standard deviation of 13.6 % and Root Mean Square Error ( RMSE ) of 15. 3 %. The evolution of covered area by young ice and/ or first - year ice with a concentration ≥ 15% obtained by SLMM between 1979 and 2018 showed a negative linear trend for the study region, with a trend of - 0.03 ± 0. 02 x 103 k m ² year - 1 for Antarctic Peninsul a Bransfield Strait West and Antarctic Peninsula Bransfield Strait East, and - 0.05 ± 0.03 x 10 3 k m ² year - 1 for Antarctic Peninsula Drake Passage West and Antarctic Peninsula West. When analyzing the prediction of the concentration of sea ice in relation to meteorological factors, we found that through cross - validation using the year 2018 as a reference, the two statistical models perform similarly when analyzing the results of the residual analysis, RMSE of cross - validation, final accuracy and residual standard deviation . These responses are related to the regionalization of the study area and also do not show seasonality in the monthly behavior of sea ice concentration during the analyzed period . ...
Instituição
Universidade Federal do Rio Grande do Sul. Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia. Programa de Pós-Graduação em Sensoriamento Remoto.
Coleções
-
Ciências Exatas e da Terra (5092)Sensoriamento Remoto (289)
Este item está licenciado na Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)