Восстановление сплоченности морского льда в Северном Ледовитом океане по данным спутниковой микроволновой радиометрии тема диссертации и автореферата по ВАК РФ 25.00.28, кандидат наук Алексеева Татьяна Алексеевна

• Алексеева Татьяна Алексеевна
• кандидат наук
• 2021

Оглавление диссертации кандидат наук Алексеева Татьяна Алексеевна

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1. ОПРЕДЕЛЕНИЕ СПЛОЧЕННОСТИ МОРСКОГО ЛЬДА С ПОМОЩЬЮ СПЕЦИАЛЬНЫХ СУДОВЫХ НАБЛЮДЕНИЙ И ПО ДАНЫМ СПУТНИКОВОЙ МИКРОВОЛНОВОЙ РАДИОМЕТРИИ

1.1. Методика специальных судовых наблюдений за ледяным покровом

1.2. Спутниковые микроволновые радиометры, используемые для мониторинга льда в полярных регионах

1.3. Обзор основных алгоритмов для восстановления сплоченности морского льда

1.4. Источники ошибок в определении сплоченности современными алгоритмами

1.5. Описание алгоритма NASA Team

1.6. Описание алгоритма ASI

1.7. Описание алгоритма VASIA2

ГЛАВА 2. ДАННЫЕ И РАЙОН ИССЛЕДОВАНИЙ

2.1. Судовые данные

2.2. Данные спутниковой микроволновой радиометрии

ГЛАВА 3. СРАВНЕНИЕ СПЛОЧЕННОСТИ МОРСКОГО ЛЬДА, ПОЛУЧЕННОЙ ПО ДАННЫМ СПУТНИКОВОЙ МИКРОВОЛНОВОЙ РАДИОМЕТРИИ И СПЕЦИАЛЬНЫХ СУДОВЫХ НАБЛЮДЕНИЙ

3.1. Результаты сравнения Ссмр и Ссуд

3.2. Анализ полученных результатов и сравнение с результатами предыдущих исследований

3.3. Выводы к главе

ГЛАВА 4. ВЛИЯНИЕ ПРИРОДНЫХ ФАКТОРОВ НА ОШИБКИ В ОПРЕДЕЛЕНИИ СПЛОЧЕННОСТИ МОРСКОГО ЛЬДА

4.1. Наличие начальных льдов и ниласа

4.2. Стадия разрушенности морского льда

4.3. Размеры ледяных полей и загрязненность льда

4.4. Выводы к главе

ГЛАВА 5. ОЦЕНКА ПЛОЩАДИ МОРСКОГО ЛЬДА В СЕВЕРНОМ ЛЕДОВИТОМ ОКЕАНЕ ПО ДАННЫМ СПУТНИКОВОЙ МИКРОВОЛНОВОЙ РАДИОМЕТРИИ

5.1. Сопоставление площади морского льда в Северном Ледовитом океане по данным алгоритма УЛ81Л2 с ледовыми картами ААНИИ

5.2. Изменение площади морского льда Северного Ледовитого океана за период 1992-2019 гг., рассчитанной по алгоритму УЛ81Л2. Оценка качества алгоритма УЛ81Л2 на основе

выполненных исследований

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ

ААНИИ - Арктический и антарктический научно-исследовательский институт

а/л - атомный ледокол

ИК - инфракрасный диапазон

ИКИ РАН - Институт Космических Исследований РАН ИФА РАН - Институт Физики Атмосферы им. А.М. Обухова РАН ИСЗ - Искусственный спутник Земли л/к - ледокол

НСЛ - нарушения сплошности льда (разрывы, трещины, разводья)

НЭС - научно-экспедиционное судно

РЛ - радиолокационный

СВЧ - сверхвысокая частота

СЛО - Северный Ледовитый океан

СМР - спутниковая микроволновая радиометрия

Ссмр - сплоченность льда по данным спутниковой микроволновой радиометрии Ссуд - сплоченность льда по судовым данным

Ссуд-нач - сплоченность льда по судовым данным без начальных льдов и ниласа (льдов толщиной менее 10 см)

AMSR - Advanced Microwave Scanning Radiometer ASI - алгоритм Artist Sea Ice

AVHRR - Advanced Very-High-Resolution Radiometer DMSP - Defense Meteorological Satellite Program NOAA - National Oceanic and Atmospheric Administration NT - алгоритм NASA Team

RGB - сочетание цветов красный/зеленый/голубой (red/green/blue) SSM/I - Микроволновый радиометр ИСЗ серии DMSP (США)

(Special Sensor Microwave / Imager) SSMIS - Микроволновый радиометр ИСЗ серии DMSP (США)

(Special Sensor Microwave Imager Sounder) SMMR - Scanning Multi-channel Microwave Radiometer VASIA2 - Variation Arctic/Antarctic Sea Ice Algorithm

ВВЕДЕНИЕ

Актуальность темы исследования

Устойчивый ледяной покров, характеризующийся высокой сезонной и межгодовой изменчивостью, ежегодно формируется на поверхности арктических морей вследствие суровых климатических условий, типичных для полярных регионов. Морской лед играет важную роль в климатической системе Земли и является одним из важнейших индикаторов климатических изменений. Информация о ледовых условиях играет значительную роль для решения ряда практических и научных задач: обеспечения судоходства, добычи полезных ископаемых на шельфе, оценки теплообмена между океаном и атмосферой и др. (Przybylak, 2003; Vavrus and Harrison, 2003; Frolov et al., 2009; Smith and Stephenson, 2013; Laliberte et. al., 2016; Фролов и др., 2007; Иванов и др., 2013). Учитывая ограниченное покрытие полярных регионов натурными наблюдениями с борта судов и на полярных станциях, в настоящее время основное внимание уделяется дистанционным методам зондирования морского льда (Tedesco, 2015).

Каждый вид информации имеет свои преимущества и недостатки, поэтому для максимально точного и полного анализа характеристик ледяного покрова следует учитывать все имеющиеся виды данных, и использовать их в комплексе. Натурные данные, получаемые с борта судов, нерегулярны и покрывают небольшие районы, но содержат подробнейшую информацию обо всех характеристиках ледяного покрова. Спутниковые же данные, хоть и не позволяют пока определить часть параметров ледяного покрова, однако они регулярны и покрывают всю акваторию Северного Ледовитого океана (СЛО). Таким образом, для мониторинга ледяного покрова чрезвычайно важны средства дистанционного зондирования датчиками различного диапазона электромагнитного спектра, размещенными на искусственных спутниках Земли. Поскольку многие регионы Земли в разное время суток и в разные сезоны бывают недоступны для видимого и инфракрасного диапазонов (полярная ночь, сплошная облачность), особенно перспективным является микроволновый диапазон, данные которого не зависят от освещённости поверхности и состояния атмосферы. Здесь особое место занимает спутниковая микроволновая радиометрия (СМР). Микроволновые радиометры, установленные на искусственных спутниках, осуществляют глобальное покрытие Земли за двое-трое суток. При этом спутник зондирует разные участки земной поверхности с разной периодичностью (например, спутник SMOS - до шести раз в высоких широтах), позволяя выполнять

практически непрерывный ежедневный контроль над протекающими природными процессами. Достоинством микроволновой радиометрии является также низкое энергопотребление, что очень актуально в условиях орбитальной работы. Однако главное достоинство микроволновой радиометрии - это возможность, используя разные частоты и поляризации, принимать собственное излучение исследуемых объектов с разных глубин и получать более полную информацию о состоянии природной среды и процессах, протекающих в ней. (Tikhonov et al., 2016).

Таким образом, представляется целесообразным использовать сочетание доступных спутниковых и судовых данных. Однако спутниковые данные и данные, полученные в ходе судовых наблюдений, могут существенно различаться. Наиболее сильно эти различия наблюдаются в районе кромки льда. При использовании данных в прикладных целях и научных задачах следует учитывать ошибки, связанные с общей сплоченностью и распределением морского льда, полученные с помощью данных СМР (Alekseeva and Frolov, 2013).

Для оценки общей сплоченности морского льда по данным спутникового пассивного микроволнового зондирования разработано множество алгоритмов (Tikhonov et al., 2016; Заболотских, 2019). В научной литературе опубликованы работы по сравнению данных СМР с другими видами спутниковой информации более высокого разрешения (в видимом, инфракрасном и радиолокационном диапазонах) (Meier, 2005; Wiebe et al., 2009; Pang et al., 2018), а также с ледовыми картами, построенными на их основе (Agnew and Howell, 2003; Tonboe et al., 2016). Данные по сплоченности морского льда, полученные с помощью различных алгоритмов, неоднократно сравнивались друг с другом, чтобы выявить их функциональность при различных ледовых и погодных условиях (Andersen et al., 2006b; Ivanova et al., 2014; Ivanova et al., 2015b). Проводились также сравнения с данными судовых наблюдений (Comiso et al., 1984; Knuth and Ackley, 2006; Spreen et al., 2008; Beitsch et al., 2015; Ozsoy-Cicek et al., 2011).

Было показано, что все алгоритмы менее чувствительны к гидрометеорам в атмосфере над сплоченными льдами, чем над открытой водой. Другие источники еще больших ошибок при извлечении сплоченности связаны с особенностями поверхности во время летнего таяния и замерзания льда (Andersen et al., 2006b).

В статье Ivanova et.al., 2014 (Ivanova et al., 2014) приведено сравнение 11 алгоритмов между собой. Авторы определили среднегодовую площадь ледяного покрова СЛО за периоды 1979-2012 гг. и 1992-2012 гг., используя каждый из этих алгоритмов. Результаты показали, что разница в площади ледяного покрова, определяемой с помощью различных алгоритмов, может достигать 1,3 млн. км2, тогда как графики изменения площади ледяного

покрова за рассматриваемые периоды показывают ее уменьшение от 0,534 до 0,978 млн. км2 за десятилетний период в зависимости от алгоритма. То есть, ошибки данных СМР, по которым определяется площадь ледяного покрова, сопоставимы с межгодовыми изменениями площади льда в СЛО.

Сравнение данных СМР с данными судовых наблюдений в Арктике и Антарктике основано на визуальных наблюдениях в соответствии с протоколами по ледовым процессам и климату Антарктических морей ASPeCt (Antarctic Sea Ice Processes & Climate, http://www.aspect.aq) и IceWatch/ASSIST (Arctic Ship-based Sea Ice Standardization, http://icewatch.gina.alaska.edu) (Comiso et al., 1984; Knuth and Ackley, 2006; Spreen et al., 2008; Beitsch et al., 2015; Ozsoy-Cicek et al., 2011). Сравнение данных СМР с данными судовых наблюдений в основном проводилось по результатам от одной до трех экспедиций, и лишь в работах (Kern et al., 2019; Kern et al., 2020) для сравнения использовалось их большее число. В международной практике судовые визуальные наблюдения производятся один раз в час (или в три часа) по ходу движения судна. Согласно данной методике, ледовые условия определяются в одной точке через каждые 10-20 км в зависимости от скорости движения судна (Knuth and Ackley, 2006; Worby, 1999). В Арктическом и антарктическом научно-исследовательском институте (ААНИИ) на протяжении многих лет накапливался массив данных специальных судовых наблюдений, выполненных по другой методике, которая заключается в непрерывном наблюдении за ледяным покровом и выделении однородных ледовых зон (Руководство..., 2011). Впервые эти данные были использованы для сравнения с данными спутниковой микроволновой радиометрии в исполнении автора (Алексеева и Фролов, 2012; Алексеева и др., 2018; Alekseeva et al., 2019; Алексеева и др., 2020). Впервые были использованы данные судовых наблюдений о возрасте льда и разрушенности для оценки их влияния на ошибки в определении сплоченности по данным микроволновой радиометрии. В дополнение к судовым данным к исследованию были привлечены спутниковые снимки в видимом диапазоне и, впервые, ледовые карты ААНИИ и данные ледовых авиаразведок о загрязненности морского льда. Также были выявлены причины и определено количество абсолютно «невидимых» данными спутниковой микроволновой радиометрии обширных областей дрейфующего льда в летний период. Результаты сравнения с судовыми данными были использованы сотрудниками Арктического и антарктического научно-исследовательского института (ААНИИ), Института космических исследований Российской Академии Наук (ИКИ РАН) и Института физики атмосферы им. А.М. Обухова Российской Академии Наук (ИФА РАН) при разработке первого российского алгоритма Variation Arctic/Antarctic Sea Ice Algorithm 2 - VASIA2 (Tikhonov et al., 2014; Tikhonov et al., 2015b). Выполненная работа позволила проанализировать результаты

определения площади морского льда Северного Ледовитого океана с помощью различных алгоритмов и определить качество алгоритма VASIA2 относительно других, широко использующихся в настоящее время алгоритмов, для дальнейшего решения ряда научных задач с его помощью.

Объект исследования - морской лед в Северном Ледовитом океане.

Предмет исследования - восстановление сплоченности ледяного покрова, рассчитанной по данным спутниковой микроволновой радиометрии с помощью алгоритмов VASIA2, NASA Team и ASI.

Цель работы - разработка метода восстановления сплоченности морского льда по данным спутниковой микроволновой радиометрии, оценка эффективности метода на основе сравнительного анализа с данными визуальных наблюдений и спутниковыми снимками в видимом диапазоне и исследование временных изменений площади морского льда в Северном Ледовитом океане с помощью разработанного метода.

В соответствии с поставленной целью сформулированы основные задачи исследования:

• сравнение общей сплоченности морского льда, полученной с помощью визуальных судовых наблюдений и рассчитанной на основе данных спутниковой микроволновой радиометрии с помощью двух наиболее популярных зарубежных алгоритмов NASA Team и ASI и отечественного алгоритма VASIA2;

• анализ влияния начальных видов льдов, стадии разрушенности, размеров ледяных полей и загрязненности на ошибки в определении сплоченности по данным спутниковой микроволновой радиометрии;

• оценка возможностей каждого алгоритма;

• оценка площади ледяного покрова СЛО с учетом выявленных ошибок по данным спутниковой микроволновой радиометрии.

Положения, выносимые на защиту:

1. Определено влияние стадии разрушенности льда, наличия начальных льдов и ниласа, размеров ледяных полей и загрязненности морского льда на точность восстановления сплоченности морского льда в Северном Ледовитом океане с помощью трех алгоритмов NASA Team, ASI и VASIA2 по данным спутниковой микроволновой радиометрии отдельно для летнего и зимнего периодов для различных градаций сплоченности.

2. Выявлен комплекс причин, приводящих к невозможности определения методами спутниковой микроволновой радиометрии обширных областей дрейфующего льда в летний период, оценена площадь таких областей и их изменчивость с начала таяния ледяного покрова до начала устойчивого ледообразования. В период минимального развития ледяного покрова, площадь таких областей может составлять 11-14% от всей площади, покрытой льдом в Северном Ледовитом океане, в зависимости от распределения редких и разреженных льдов в арктических шельфовых морях.

3. Рассчитана площадь морского льда Северного Ледовитого океана по алгоритму VASIA2. Проведенное сравнение с другими алгоритмами, с судовыми данными, спутниковыми снимками в видимом диапазоне и ледовыми картами ААНИИ позволяет рекомендовать данный алгоритм как один из наиболее надежных алгоритмов восстановления сплоченности морского льда для определения климатических изменений по данным спутниковой микроволновой радиометрии.

Научная новизна работы

Коллективом сотрудников ААНИИ, ИКИ РАН и ИФА РАН создан новый алгоритм расчёта сплоченности морского льда по данным спутниковой микроволновой радиометрии (VASIA2). Участие автора: сбор и обработка натурных данных о ледяном покрове, валидация алгоритма.

Новым является применение судовых наблюдений ААНИИ для оценки ошибок в определении общей сплоченности ледяного покрова с помощью различных алгоритмов. Впервые оценено количественное влияние начальных льдов и ниласа, а также стадий разрушенности льда на ошибки по данным массовых, а не точечных измерений. Впервые получены статистически значимые средние ошибки для зимнего периода и показано, что зимой в редких льдах данные микроволновой радиометрии могут показывать существенно более высокие ошибки, чем летом. Анализ судовых данных, данных авиаразведок, ледовых карт ААНИИ и снимков в видимом диапазоне впервые выявил комплекс причин, влияющих на невозможность определения обширных областей дрейфующих льдов методами спутниковой микроволновой радиометрии.

Обработка результатов этих исследований позволила выявить положительные и отрицательные стороны трех рассматриваемых в работе алгоритмов. Результаты судовых наблюдений внесены в базу данных ААНИИ «СТК-ЛЕД», структурированы и обработаны

таким образом, что пригодны для последующего использования и сравнения с любыми существующими алгоритмами.

Практическая значимость работы заключается в том, что ее результаты внесли существенный вклад в корректное использование данных спутниковой микроволновой радиометрии для определения сплоченности морского льда. Это имеет большое значение для расчетов изменения площади льда в СЛО, моделирования ледяного покрова, а также для судоходства и ледового картирования. Принципиально новый российский алгоритм VASIA2 при определенных условиях имеет преимущества по сравнению с двумя наиболее используемыми алгоритмами NT и ASI и может быть усовершенствован в дальнейшем. Сравнение с судовыми данными и ледовыми картами ААНИИ показало, что и на данной стадии разработки алгоритм эффективен для определения сплоченности и площади морского льда СЛО, а также анализа тенденций ее изменений.

Личный вклад автора

Часть данных судовых наблюдений была получена автором лично в ходе арктических экспедиций. Автором был обработан и проанализирован весь массив судовых данных, данные были приведены из «качественных» характеристик в «количественные», пригодные для сравнения с данными СМР. Также личный вклад автора состоит в дешифрировании морского льда на спутниковых снимках (в видимом, инфракрасном и радио диапазонах), составлении ледовых карт, которые использовались для сопоставления площади морского льда Северного Ледовитого океана.

Расчет сплоченности морского льда с помощью алгоритма NT проводился автором в Институте Альфреда Вегенера (г. Бремерхафен, Германия) под руководством профессора Кристиана Хааса. Расчет сплоченности морского льда с помощью алгоритма ASI проводился автором в Университете Гамбурга (Германия) под руководством разработчиков алгоритма проф. Ларса Калешке и д.ф.-м. наук Штефана Керна.

В результате совместной работы (ААНИИ, ИКИ РАН, ИФА РАН) при создании алгоритма VASIA2, автором выполнялась оценка эффективности этого алгоритма. По инициативе автора в настоящее время идет работа по внедрению алгоритма VASIA2 в оперативную деятельность ААНИИ. Соискатель принимал непосредственное участие в написании научных статей по теме исследования, а также в представлении результатов работы в научных докладах на конференциях.

Введение диссертации (часть автореферата) на тему «Восстановление сплоченности морского льда в Северном Ледовитом океане по данным спутниковой микроволновой радиометрии»

Апробация работы

Основные результаты работы докладывались соискателем лично и в соавторстве на российских и международных конференциях: 21th international symposium on Okhotsk Sea & Sea Ice (Момбетцу, Япония, 2006г.), GEOS/MSL 695 Sea ice school (Барроу, Аляска, 2008), SCAR open science conference (Санкт-Петербург, Россия, 2008), S4D-NABOS Workshop «Near-slope observations in the Arctic Ocean» (Париж, Франция, 2009), EGU General Assembly (Вена, Австрия, 2013), 15-ой Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса» (ИКИ РАН, Москва, 2012), 2018 IGU thematic conference (Москва, 2018), Восьмой конференции пользователей данных метеорологических спутников среди стран Азиатского региона и Океании (AOMSUC-8, Владивосток, Россия, 2017), 2019 Arctic Circle Assembly (Рейкьявик, Исландия, 2019), 17-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса» (ИКИ РАН, Москва, 2019), Towards a New Arctic Climate System: Scientific Workshop (CATS / QUARCCS, Санкт-Петербург, 2019), 18-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса» (ИКИ РАН, Москва, 2020).

По результатам диссертационной работы опубликовано 10 научных статей в рецензируемых российских и зарубежных научных изданиях, определенных п.2.3 Положения о присуждении учёных степеней в Московском государственном университете имени М.В. Ломоносова:

1. Алексеева Т.А., Раев М.Д., Тихонов В. В., Соколова Ю.В., Шарков Е.А., Фролов С.В., Сероветников С.С. Сравнительный анализ площади морского льда в Арктике, полученной по данным спутниковой микроволновой радиометрии (алгоритм VASIA2), с ледовыми картами ААНИИ. Исследование Земли из космоса. 2020. № 6. С. 17-23 (RSCI, ВАК, РИНЦ, Scopus, IF (РИНЦ) - 0,916, IF-0).

2. Alekseeva T.A., Tikhonov V. V., Frolov S. V., Raev M. D., Repina I. A., Sokolova Yu. V., Afanasieva E. V., Sharkov E. A., Serovetnikov S. S. Comparison of Satellite Microwave and Visual Shipborne Data on Sea Ice Concentration. Izvestiya, Atmospheric and Oceanic Physics. 2019. V. 55, 1292-1301 (РИНЦ, ВАК, Scopus, IF 0,806).

3. Alekseeva, T.; Tikhonov, V.; Frolov, S.; Repina, I.; Raev, M.; Sokolova, J.; Sharkov, E.; Afanasieva, E.; Serovetnikov, S. Comparison of Arctic Sea Ice Concentrations from the NASA Team, ASI, and VASIA2 Algorithms with Summer and Winter Ship Data. Remote Sensing 2019, V.11 (21), 2481 (ВАК, WoS, Scopus, Q1, IF 5,001).

4. Алексеева Т.А., Тихонов В. В., Фролов С.В., Раев М.Д., Репина И.А., Соколова Ю.В., Афанасьева Е.В., Шарков Е.А., Сероветников С.С. Сравнение сплоченности ледяного

покрова по данным спутниковой микроволновой радиометрии с данными визуальных судовых наблюдений. Исследование Земли из космоса, 2018, №6, 65-76. DOI: 10.31857/S020596140003369-6 (RSCI, ВАК, РИНЦ, Scopus, IF (РИНЦ) - 0,916, IF-0).

5. Tikhonov V.V., I. A. Repina, M. D. Raev, E. A. Sharkov, V. V. Ivanov, D. A. Boyarskii, T. A. Alexeeva, N. Yu. Komarova. A physical algorithm to measure sea ice concentration from passive microwave remote sensing data. // Advances in Space Research. 2015. V. 56. N 8. P. 15781589. DOI:10.1016/j.asr.2015.07.009 (ВАК, WoS, IF 1.358).

6. Tikhonov V. V., Boyarskii D. A., Sharkov E. A, Raev M. D., Repina I. A., Ivanov V. V, Alexeeva T. A., Komarova N. Yu. Microwave Model of Radiation from the Multilayer "Ocean-atmosphere" System for Remote Sensing Studies of the Polar Regions. // Progress In Electromagnetics Research B. 2014. V. 59. P. 123 -133. DOI:10.2528/PIERB14021706 (ВАК, SCOPUS, IF 1,898).

7. Иванов В.В., Алексеев В.А., Алексеева Т.А., Колдунов Н., Репина И.А., Смирнов А.В. Арктический ледяной покров становится сезонным? Исследование земли из космоса, 2013, No 4, с. 50-65 DOI 10.7868/S0205961413040076 (RSCI, ВАК, РИНЦ, Scopus, IF (РИНЦ)

- 0,916, IF-0).

8. Тихонов В. В., И.А. Репина, Т.А. Алексеева, В.В. Иванов, М.Д. Раев, Е.А. Шарков, Д.А. Боярский, Н.Ю. Комарова. Восстановление сплоченности ледяного покрова Арктики по данным SSM/I. // Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т.10. № 2. С. 182-193 (SCOPUS, WoS, РИНЦ, ВАК, IF (РИНЦ) - 0,812).

9. Репина И.А., Тихонов В.В., Алексеева Т.А., Иванов В.В., Раев М.Д., Шарков Е.А., Боярский Д.А., Комарова Н.Ю. Электродинамическая модель излучения арктического ледяного покрова для решения задач спутниковой микроволновой радиометрии. // Исследование Земли из космоса. 2012. № 5. С. 29-36 (RSCI, ВАК, РИНЦ, Scopus, IF (РИНЦ)

- 0,916, IF-0).

10. Т. А. Алексеева, С.В. Фролов. Сравнительный анализ спутниковых и судовых данных о ледяном покрове в морях Российской Арктики. Исследование Земли из космоса. 2012 г. № 6, 69-76 (RSCI, ВАК, РИНЦ, Scopus, IF (РИНЦ) - 0,916, IF-0)..

Результаты диссертации использованы при выполнении работ по пяти НИР, финансируемых Минобрнауки и фондами РФФИ, РНФ.

Данные судовых наблюдений включены в базу данных ААНИИ: 1. Фролов С.В., Макаров Е.И., Третьяков В.Ю., Сероветников С.С., Алексеева Т.А., Гришин Е.А., Пряхин С.С., Саперштейн Е.Б., Ярославцева С.И., Сергеева И.А. Свидетельство о государственной регистрации базы данных № 2019621801 «СТК-

ЛЕД». Правообладатель ФГБУ «ААНИИ». Заявка № 2019621009, дата поступления

11.06.2019, Дата гос. рег. в Реестре баз данных 17.10.2019.

Структура и объем диссертации

Диссертация состоит из списка сокращений, введения, 5 глав, заключения, списка используемой литературы, состоящего из 136 наименований, в том числе 107 на иностранном языке. Общий объем работы содержит 126 страниц, включая 52 рисунка и 15 таблиц.

Благодарности

Автор выражает искреннюю признательность своему научному руководителю, д.ф. -м.н. Иванову Владимиру Владимировичу за помощь при работе над диссертацией, плодотворные обсуждения и помощь при подготовке к защите. Автор благодарен зав. лабораторией Изучения ледового плавания ААНИИ Сергею Викторовичу Фролову за

передачу бесценного опыта в экспедициях и в научной работе, за идеи, многолетнюю совместную работу и поддержку. Автор благодарен к.ф-м.н. Василию Владимировичу Тихонову, к.ф-м.н. Михаилу Дмитриевичу Раеву, д.ф-м.н. проф. Евгению Александровичу Шаркову, д.ф-м.н., проф. РАН Ирине Анатольевне Репиной за совместную обработку данных алгоритма VASIA2 и плодотворную работу над публикациями. Автор благодарен проф. Кристиану Хаасу и д.г.н. Штефану Керну за совместную обработку данных алгоритмов NASA Team и ASI во время стажировок в Германии. Автор благодарен коллегам из Центра ледовой и гидрометеорологической информации (ЦЛГМИ) Юлии Вадимовне Соколовой и Екатерине Васильевне Афанасьевой за совместную работу над публикациями и за помощь в оформлении иллюстративного материала. Автор признателен к.г.н Смоляницкому Василию Марковичу за консультации и предоставление обобщенных данных ледовой авиаразведки по загрязненности морского льда, а также всем сотрудникам ААНИИ, которые составляли ледовые карты и участвовали в специальных судовых и авиационных наблюдениях в Арктике, использовавшиеся в данной работе. Исследования по теме диссертации были выполнены при финансовой поддержке Лаборатории по морским и полярным исследованиям им. О.Ю. Шмидта (проект OSL-2007/2008), РФФИ (проект 18-05-60048) и в рамках темы «Мониторинг» гос. регистрация № 01.20.0.2.00164.

ГЛАВА 1. ОПРЕДЕЛЕНИЕ СПЛОЧЕННОСТИ МОРСКОГО ЛЬДА С ПОМОЩЬЮ СПЕЦИАЛЬНЫХ СУДОВЫХ НАБЛЮДЕНИЙ И ПО ДАНЫМ СПУТНИКОВОЙ МИКРОВОЛНОВОЙ РАДИОМЕТРИИ

1.1. Методика специальных судовых наблюдений за ледяным покровом

В настоящее время используется три основных метода визуальных наблюдений за ледяным покровом с борта ледоколов и судов ледового класса при движении во льдах. Это методика наблюдений Арктического и Антарктического научно-исследовательского института (ААНИИ) (Руководство., 2011; Дерюгин и Карелин, 1954), протокол по ледовым процессам и климату Антарктических морей (ASPeCt, http://www.aspect.aq) (Worby 1999, Worby et al. 2008) и протокол IceWatch/ASSIST (Arctic Ship-based Sea Ice Standardization, http://icewatch.gina.alaska.edu) .

Принцип всех судовых наблюдений заключается в визуальной фиксации параметров ледяного покрова во время движения судна. В международной практике судовые визуальные наблюдения производятся один раз в час (либо с другой периодичностью, но не реже, чем один раз в три часа) по ходу движения судна. Согласно протоколам ASPeCt и IceWatch/ASSIST, ледовые условия определяются в одной точке через каждые 10-20 км (расстояние зависит от скорости движения судна во льдах). Ледовый наблюдатель с капитанского мостика оценивает такие параметры ледяного покрова как: общая сплоченность, количество льдов различного возраста, толщина льда, высота снега, торосистость, разрушенность, сжатия льда и т.д. Данные наблюдений записываются в журнал наблюдений. Вспомогательными материалами являются: бинокль, судовой радар, рейка с 10-ти сантиметровыми делениями, прикрепленная к борту судна для визуальной проекции делений на толщину выворачивающихся из-под борта льдин, СТК (судовой телевизионный комплекс для полуавтоматического измерения толщины льда). Основное отличие международных протоколов друг от друга заключается в том, что протокол ASPeCt подразумевает проведение ледовых наблюдений ледовыми специалистами, а протокол IceWatch/ASSIST рассчитан на участие не только специалистов, но и любых участников полярных экспедиций, которые могут использовать подробно составленное в Университете Аляски руководство для наблюдений и выкладывать данные в систему IceWatch. То есть, тактика получения большего количества данных в некоторых случаях неопытными наблюдателями, влечет за собой потерю качества таких данных.

Первое обобщение опыта судовых ледовых наблюдений в ААНИИ было выполнено в 1944 г Я.Я. Гаккелем (Инструкция., 1944). В 1956 г. эта инструкция была переработана и дополнена, но без принципиальных изменений (Инструкция., 1956). В настоящее время

подобные ледовые наблюдения (Инструкция..., 1944; Инструкция..., 1956) используются штурманским составом судов. В связи с интенсивным развитием судоходства в Арктике во второй половине XX века и постановкой множества новых научных задач была разработана новая инструкция по производству ледовых наблюдений с судна под редакцией Н.А. Чуркиной (Инструкция., 1975). Однако и инструкция 1975 г. частично устарела в связи с развитием технических возможностей, сменой методов и способов оценки. Поэтому в 2011 г. в Лаборатории изучения ледового плавания ААНИИ под руководством С.В. Фролова было составлено новое руководство по производству судовых специальных ледовых наблюдений (Руководство., 2011). Основные отличия методики ААНИИ и ее положительные стороны заключаются в следующем:

1. Судовые наблюдения проводят только ледовые специалисты, прошедшие специальную теоретическую и практическую подготовку. В первых своих рейсах неопытный наблюдатель выполняет работу только под контролем и руководством более опытного специалиста.

2. Наблюдения за ледяным покровом производятся вахтовым методом на капитанском мостике (рисунок 1.1 А) непрерывно (круглосуточно) тремя специалистами по очереди. Вахты длятся по 4 часа. Таким образом, каждый наблюдатель непрерывно выполняет наблюдения два раза в сутки по 4 часа.

3. По пути движения судна выделяются однородные ледовые зоны (фрагмент примера электронного журнала ледовых наблюдений приведен на рисунке 1.2), то есть зоны, в которых все ледовые параметры изменяются в пределах точности визуальных наблюдений (для сплоченности дрейфующего льда ±0,5 балла, толщины ровного льда ± 5-10 см, для торосистости, разрушенности и сжатия ± 0,5 балла). Детализация пространственного масштаба определяется протяженностью однородных ледовых зон, временного масштаба - скоростью движения судна в данных ледовых условиях. Таким образом, выделение однородных ледовых зон дает непрерывные данные о параметрах морского льда в любой точке маршрута судна в отличие от наблюдений раз в 1 (или 3) часа, которые выполняются согласно протоколам ASPeCt и IceWatch/ASSIST.

4. Область наблюдений вокруг судна подразделяется на две части (рисунок 1.1 Б): по району плавания (зона, ограниченная пределами горизонтальной видимости) и непосредственно на пути плавания (зона по курсу судна, ширина которой равна 4-6-кратной ширине корпуса судна). По району плавания определяются: общая сплоченность, количество льдов каждого возраста, формы ледяных полей, торосистость, ориентация разрывов и разводий. По пути плавания определяются все

возможные параметры: общая и частная сплоченность, возраст, толщина льда, высота снега, наслоенность, разрушенность, торосистость и т.д. Так как движение судна носит избирательный характер (визуально в пределах видимости выбираются районы с меньшей сплоченностью, меньшими толщинами льда и т.д.), то такое разделение области наблюдений позволяет получить средние оценки параметров по району (для решения ряда научных задач, в том числе для сравнения со спутниковыми данными) и, отдельно, оценку часто «более легких» условий по пути движения судна (что важно для решения задач, связанных с судоходством).

Рисунок 1.1. А - рабочее место ледового наблюдателя на капитанском мостике (фото выполнено на борту ледокола «Капитан Драницын» в августе 2003 г.), Б - районирование области визуальных наблюдений «в районе плавания» и «по пути плавания».

л/к "Капитан Драницын"

номер зоны дата, время начала плавания в зоне (МСК) Лед на пуши плавания

сплоченность (баллы) формы льда торосистость (баллы)

общая стар О ДНО л мол 10-30 с» нач 0-10 стар однол (остат) мол нач

1 13.07.2009 17:17 1. 5 0.0 1.5 0.0 0.0 - 1/2 - - 1.0

2 13.07.2009 23:58 8.5 0.0 0.5 0.0 8.0 - 1 - - -

3 14.07.2009 0:30 3.0 0.0 1.5 0.5 1.0 - 1/2 - - -

4 14.07.2009 9:30 5.5 0.0 3.0 0.0 2.5 - 1/2 - 0/2 0.5

5 14.07.2009 11:31 8 . 0 0.0 1.0 3.5 3.5 - 2 1/2 0/2 0.5

6 14.07.2009 12:18 8.0 0.0 1.0 4.0 3.0 - 2 1/2/3 - 0.5

7 14.07.2009 12:51 6. 5 0.0 0.5 1.0 5.0 - 2 1/2 - 0.5

8 14.07.2009 13:37 8.0 0.0 0.5 0.0 7.5 - 1/2 - - -

9 14.07.2009 15:08 7,0 0,0 3.0 3.0 1.0 - 1/2/3 2 - 1.0

10 14.07.2009 19:47 10. 0 0.0 1.5 1.5 7.0 - 2 2 - 1.0

11 14.07.2009 20:47 7.0 0.0 2.0 1.0 4.0 - 1/2 1/2 - 1.0

Рисунок 1.2. Фрагмент примера электронного журнала ледовых наблюдений ААНИИ.

Различными способами в различных методиках определяются и некоторые параметры морского льда при визуальных наблюдениях. Так как в данной работе при сравнении спутниковых данных с судовыми используются три ледовых параметра:

сплоченность, возраст льда и стадия разрушенности, то рассмотрим подробную методику визуальной оценки только этих трех параметров.

Визуальная оценка общей сплоченности морского льда

По методике ААНИИ (2011) общая сплоченность морского льда определяется по 10-бальной шкале (в международной практике - в процентах) и показывает какую площадь (1 балл соответствует 10%) занимает лед по отношению к общей видимой площади района. Оценка количества льда, например, в 6 баллов означает, что 60% акватории покрыто льдами, а 40% - чистой водой. Для уверенной оценки общей сплоченности льда можно сначала оценить количество чистой воды, тогда «обратная» величина даст значение сплоченности ледяного покрова. Наряду с оценкой сплоченности в целых баллах (1, 2, 3 и т.д.) допускается (а иногда это является необходимым) определение сплоченности в интервале между двумя соседними баллами (0-1, 1-2, 2-3 и т.п.). В этом случае в журнал наблюдений значение сплоченности заносится виде дробного числа (0,5, 1,5, 3,5 и т.п.). В таблице 1.1 указана терминологическая характеристика отдельно для каждого балла сплоченности, а также для нескольких градаций сплоченности. Градации сплоченности были выделены исходя из целей судоходства в зависимости от того, какие суда при каких ледовых условиях могут безопасно двигаться во льдах (Карелин и др., 1946). Эти градации также используются при составлении ледовых карт ААНИИ (Афанасьева и др., 2019).

Таблица 1.1. Характеристики сплоченности в баллах (Карелин и др., 1946) и по градациям сплоченности (Международная., 1984).

Характеристика Баллы Характеристика Баллы

Единичные льдины 1 Слабо разреженный лед 6

Очень редкий лед 2 Сплоченный лед 7

Редкий лед 3 Очень сплоченный лед 8

Весьма разреженный лед 4 Почти сплошной лед 9

Лед средней сплоченности 5 Сплошной лед 10

Градации сплоченности

Отдельно плавающие льдины (ОПЛ). 0-1 Сплоченный лед: плавучий лед, сплоченность которого равна от 7/10 до 8/10, состоящий из льдин, большинство которых соприкасается друг с другом. 7-8

Редкий лед: плавучий лед, в котором сплоченность составляет от 1/10 до 3/10 и пространства чистой воды преобладают над льдом. 1-3 Очень сплоченный лед: плавучий лед, сплоченность которого больше 9/10, но меньше 10/10. 9-10

Разреженный лед: плавучий лед, сплоченность которого составляет 4/10 до 6/10 с большим числом разводий; льдины обычно не соприкасаются одна с другой. 4-6 Сплошной лед. 10

Иллюстрация градаций сплоченности 0-1 (отдельно плавающие льдины), 1-3 (редкие льды), 4-6 (разреженные льды), 7-8 (сплоченные льды), 9-10 (очень сплоченные льды) и 10 (сплошные льды) баллов приведена на рисунке 1.3.

Рисунок 1.3. Примеры различных градаций сплоченности морского льда. Фотографии из арктических экспедиций (Алексеева Т.А.). На каждой фотографии вверху слева указана градация сплоченности, которую иллюстрирует данная фотография.

Визуальная оценка возраста льда

Как правило, дрейфующий лед состоит из нескольких возрастных видов и разделяется на:

- начальные виды: ледяные иглы, ледяное сало, снежура, шуга (рисунок 1.4 А);

- ниласовые льды (рисунок 1.4 Б);: блинчатый лед, темный нилас (толщина 3-5 см) и светлый нилас (толщина 5-10 см)

- молодые льды: серый лед толщиной 10-15 см и серо-белый лед толщиной 15-30 см (рисунок 1.5. А);

- однолетний (рисунок 1.5. Б): тонкий лед первой (толщина 30-50 см) и второй стадии (толщина 50-70 см), средний лед (толщина 70-120 см), толстый лед (толщина 120 ~ 200 см);

- старые льды (рисунок 1.5. В): двухлетний и многолетний льды.

Такая оценка возраста льда применяется как в российских, так и в международных наблюдениях. Количество льдов разного возраста оценивается в баллах, сумма которых должна быть равна общей сплоченности. Существует ряд характерных признаков, такие как: высота надводной части льдин, характер распределения и высота снежного покрова, цвет льда, формы ледовых образований, торосистость и т.д., которые позволяют с определенной долей достоверности определить возраст льда (Международная., 1984; Номенклатура., 1974). Но наиболее значимым «признаком» является толщина льда, которую всегда можно оценить с борта судна даже не имея большого опыта наблюдений за льдами.

Рисунок 1.4. А - начальные льды, Б - нилас в нижней части фотографии (в верхней части, ярко-белый - однолетний лед). Фотографии из высокоширотных экспедиций (Алексеева Т.А.).

Рисунок 1.5. А - молодые льды (серые и серо-белые), Б - однолетний лед, В - старый лед. Фотографии из высокоширотных экспедиций (Алексеева Т. А.).

Определение стадии разрушенности морского льда

В период таяния льда важной характеристикой его состояния является оценка степени разрушенности ледяного покрова. Она основана на учете внешних признаков состояния льда, таких как: появление снежниц и степень их развития, наличие снежного покрова, количество и размер проталин и промоин, размеры и формы ледовых образований, осадка льдин и форма их краев, наличие подводных таранов и т.д. (Руководство., 2011).

Согласно методике ААНИИ, разрушенность льда оценивается по пятибалльной шкале отдельно для каждого возрастного вида льда, где 5 баллов - максимальная стадия разрушенности морского льда. В настоящей работе использовались данные судовых наблюдений, производившихся преимущественно в однолетних льдах, поэтому в таблице 1.2 приводятся видимые характеристики стадий разрушенности только для однолетних льдов. В международной практике (Sea ice nomenklature, 2014) стадия разрушенности определяется по девятибальной шкале по несколько иному принципу: первые 0-3 балла отображают количество снежниц на льду и фактически соответствуют российской шкале, далее 4/5 баллов - мало/много сквозных снежниц, 6 баллов - лед на стадии обсыхания, 7 -гнилой лед, и 8-9 баллов - замерзшие снежницы.

Значения разрушенности записываются в журнал наблюдений в баллах. Наряду с оценкой разрушенности в целых баллах (0, 1, 2, 3 и т.п.) допускается определение разрушенности в интервале между двумя соседними баллами (0-1, 1-2, 2-3 и т.п.). В этом случае в электронный журнал наблюдений значение разрушенности заносится виде дробного числа (0,5, 1,5, 3,5 и т.п.).

Таблица 1.2. Стадии разрушенности однолетнего льда.

Стадия разрушенности (в баллах), видимые характеристики (2011) и примеры (фото Алексеевой

Т.А)

0 баллов (отсутствие внешних признаков разрушения).

1 балл (на поверхности льда в отдельных местах образуется снежница в виде темных пятен на снегу и лужи, начинается распад сморозей).

2 балла (поверхность льда потемнела, снег частично растаял, повсюду видны большие лужи и отдельные озерки).

3 балла (озерки распространены по всей поверхности льда, снег полностью растаял, появляются проталины и промоины, в припае возникают трещины, лед в стадии обсыхания, цвет льда белесый).

4 балла (сильно разрушенный лед, повсюду видны проталины и промоины, закончен распад сморозей, припай взломан, среди битого льда встречаются грибовидные льдины с подводными таранами).

5 баллов («гнилой лед», преобладает битый лед, глубоко сидящий и сильно пропитанный водой, имеет темно-серый цвет).

1.2. Спутниковые микроволновые радиометры, используемые для

мониторинга льда в полярных регионах

Из всех существующих в настоящее время источников спутниковой информации о ледяном покрове самыми продолжительными являются данные пассивного микроволнового зондирования. Эта информация является ценным источником ежедневных данных о морском ледяном покрове уже более 40 лет. В отличие от датчиков, работающих в видимом и инфракрасном диапазонах, использование пассивных микроволновых датчиков обеспечивает полное информационное покрытие полярных регионов Земли при любых метеорологических условиях. Глобальный мониторинг морского льда полярных регионов начался 25 октября 1978 года с началом работы сканирующего многоканального микроволнового радиометра SMMR (Scanning Multichannel Microwave Radiometer) на борту искусственного спутника Земли (ИСЗ) Nimbus-7. Прибор осуществлял сканирование на пяти частотах (разрешение от 136х89 км до 28х18 км в зависимости от диапазона) раз в двое суток до 20 августа 1987 г. (Tikhonov et al., 2016). С 1983 по 2000 гг. на околополярной орбите работали отечественные ИСЗ «Океан». Сканирующий радиометр РМ-08, установленный на них, имел один канал 37 ГГц горизонтальной поляризации, полосу обзора 550 км и разрешение 15 км (Йоханессен и др., 2007). С 1999 по 2002 гг. на орбиту был выведен российско-украинский КА «Океан-О» с комплексом из 11 приборов на борту, в числе которых был многоканальный сканирующий микроволновый радиометр «Дельта-2Д» с восемью каналами на четыре длины волны с разрешением от 17х22 км до 91х120 км (Иванов и Соколов, 2002).

С июля 1987 г. по настоящее время спутники серии DMSP (Defence Meteorological Satellite Program, США), с приборами SSM/I (Special Sensor Microwave / Imager) и SSMI/S (Special Sensor Microwave Imager / Sounder) находятся на полярной солнечно-синхронной орбите. Первый спутник этой серии с прибором SSM/I, запущенный в 1987 г., - F8, в дальнейшем были запущены спутники F10, F11, F13, F14 и F15. Прибор SSMI/S (F16, F17, F18) устанавливается на спутниках с октября 2003 г. Семиканальные четырехчастотные радиометрические комплексы SSM/I принимают линейно-поляризованное излучение на частотах 19,35, 22,24 (вертикальная поляризация), 37,0 и 85,5 ГГц (91,655 ГГц для SSMI/S) в режиме конусного сканирования под углом 53°. Размер разрешения на поверхности Земли зависит от диапазона прибора и составляет 16х14 км на частоте 85,5 ГГц до 70х45 км на частоте 19,35 ГГц, полоса обзора 1394 км. (Tikhonov et al., 2016; Comiso, 2009; Тихонов и др., 2015). Специфика траектории спутников серии DMSP заключается в том, что наилучшее покрытие и разрешение наблюдается в высоких широтах. Полярные области выше 72°с.ш. покрываются два или более раз в сутки.

В 2002 году на орбиту были выведены два новых радиометра AMSR-E на спутнике Aqua и AMSR на спутнике ADEOS-II, преимуществом которых было наличие низкочастотных каналов и повышенная разрешающая способность. ADEOS-II завершил работу в 2003 году, Aqua - в 2011 году. Более низкие частотные каналы позволяли восстанавливать температуру поверхности моря и ледяного покрова, что способствовало устранению атмосферных помех при исследовании морского льда с помощью высокочастотных каналов. Две поляризации в режиме конического сканирования принимались на всех частотных каналах (6,925; 10,65; 18,7; 23,8; 36,5 и 89,0 ГГц). Ширина полосы обзора приборов составляла 1445 км. На широтах выше 55 параллели полный обзор осуществлялся за сутки. Пространственное разрешение на частоте 6,93 ГГц было 74х43 км, на частоте 18,7 ГГц - 27х16 км, а на частоте 89,0 ГГц - 6х4 км (Tikhonov et al. 2016, Gentemann et al. 2010, Тихонов et al. 2015). С 2012 года по настоящее время японский спутник Shizuku (GCOM-W1) с прибором AMSR2 осуществляет глобальное покрытие Земли. AMSR2 подобен AMSR-E, но имеет улучшенную систему калибровки, дополнительный канал в 7,3 ГГц, а также максимальное разрешение 5х3 км на частоте 89 ГГц (Imaoka et al., 2010).

С 2008 года на орбите Земли работает пятичастотный десятиканальный микроволновый радиометр MWRI (Microwave Radiation Imager), установленный на китайских спутниках серии FengYun-3 (FY-3) (Yang et al., 2011). Однако пока продолжается тестирование и анализ данных, получаемых этим радиометром.

Таким образом, на данный момент регулярные и достоверные данные пассивного микроволнового зондирования полярных регионов поступают с радиометров SSM/I, SSMIS и AMSR2. Несмотря на то, что данные, получаемые с AMSR радиометров, превосходят по всем параметрам радиометры SSM/I и SSMIS (Митник и Митник, 2005), тем не менее, данные SSM/I и SSMIS являются наиболее востребованными. Во-первых, они самые долговременные, что важно для оценки климатических изменений в полярных регионах, а во-вторых, регулярно проводится калибровка и интеркалибровка ряда изменений, в мировом центре обработки спутниковых данных Remote Sensing Systems (RSS -http://remss.com) (Заболотских, 2019).

1.3. Обзор основных алгоритмов для восстановления сплоченности морского

льда

Для определения сплоченности ледяного покрова по данным СМР используются различные алгоритмы восстановления характеристик морского льда. К настоящему времени разработано большое количество алгоритмов и каждый из них имеет свои преимущества и недостатки: NASA Team, NASA Team 2, Bootstrap, ASI, NORSEX, Bristol,

CalVal и т.д. Также создан ряд гибридных алгоритмов, которые используют методики нескольких алгоритмов: OSI SAF, DMI-Hybrid, NIC Hybrid и т.д. (см., например, Ivanova et al., 2015a; Tikhonov et al., 2016). Так как данные СМР - единственный наиболее длительный и покрывающий всю территорию СЛО источник информации, позволяющий оценить площадь ледяного покрова и, как следствие, глобальные климатические изменения, то большое внимание уделяется валидации существующих и разработке новых более точных алгоритмов.

Список литературы диссертационного исследования кандидат наук Алексеева Татьяна Алексеевна, 2021 год

СПИСОК ЛИТЕРАТУРЫ

1. Алексеева Т. А., Раев М. Д., Тихонов В. В., Соколова Ю. В., Шарков Е. А., Фролов С. В., Сероветников С. С. Сравнительный анализ площади морского льда в Арктике, полученной по данным спутниковой микроволновой радиометрии (алгоритм VASIA2), с ледовыми картами ААНИИ. // Исследование Земли из космоса. - 2020. -Т. 6. - С. 1-7.

2. Алексеева Т. А., Тихонов В. В., Фролов С. В., Раев М. Д., Репина И. А., Соколова Ю.

B., Афанасьева Е. В., Шарков Е. А., Сероветников С. С. Сравнение сплоченности ледяного покрова по данным спутниковой микроволновой радиометрии с данными визуальных судовых наблюдений. // Исследование Земли из космоса. - 2018. - Т. 6. -

C. 65-76.

3. Алексеева Т. А., Фролов С. В. Сравнительный анализ спутниковых и судовых данных о ледяном покрове в морях Российской Арктики. // Исследование Земли из космоса. - 2012. - Т. 6. - С. 69-76.

4. Аппель И. Л., Гудкович З. М. Отражательная способность ледяного покрова в период таяния льда в юго-восточной части моря Лаптевых. // Полярная экспедиция "Север-76" (научные результаты), ч.2. - 1979. - С. 27-32.

5. Атлас ледяных образований (Часть II. Терминология. WM0/0MM/ВМ0. №259). -СПб.: ААНИИ, 2019, 231 с.

6. Афанасьева Е. В., Алексеева Т. А., Соколова Ю. В., Демчев Д. М., Чуфарова М. С., Быченков Ю. Д., Девятаев О. С. Методика составления ледовых карт ААНИИ. // Российская Арктика. - 2019. - № 7. - С. 5-20.

7. Брязгин Н. Н. К вопросу об альбедо поверхности дрейфующих льдов. // Проблемы Арктики и Антарктики. - 1959. - Т. вып. 1. - С. 33-40.

8. Дерюгин К. К., Карелин Д. Б. Ледовые наблюдения на морях. Гидрометеоиздат: 1954, 168 с.

9. Доронин Ю. П. К методике расчета радиационного баланса снежно-ледяного покрова в Арктике. // Труды ААНИИ. - 1961. - Т. 229. - С. 84-89.

10. 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. - Т. 1. - С. 7-13.

11. Заболотских Е. В. Обзор методов восстановления параметров ледяного покрова по данным спутниковых микроволновых радиометров. // Известия РАН. Физика атмосферы и океана. - 2019. - Т. 55, № 1. - С. 128-151.

12. Иванов Б. В. Оценка естественного и антропогенного загрязнения морского льда // МГИ. - 2007. - Т. 102. - С. 121-126.

13. 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. .

14. Иванов Н. М., Соколов Н. Л. "Океан-О": два года полета. // Земля и Вселенная. -2002. - № 1. - С. 3-13.

15. Инструкция для наблюдений за льдами с корабля. Л.: Морской транспорт, 1956, 48 с.

16. Инструкция для наблюдений за льдами с судна (сост. Н.А. Чуркина). Л.: Фонды ААНИИ, 1975, 87 с.

17. Инструкция для производства наблюдений над льдами с корабля (сост. Я.Я. Гаккель). М.: Изд-во Главсевморпути, 1944.

18. Йоханессен О. М., Александров В. Ю., Фролов И. Е., Сандвен С., Петтерсон Л. Х., Бобылев Л. П., Клостер К., Смирнов В. Г., Миронов Е. У., Бабич Н. Г. Научные исследования в Арктике. Т.3. Дистанционное зондирование морских льдов на северном морском пути: изучение и применение. СПб: Наука, 2007, 512 с.

19. Карелин И. Д., Волков Н. А., Жадринский В. В., Гордиенко П. А. Ледовая авиационная разведка. Москва: Издательство Главсевморпути, 1946, 150 с.

20. Котляков В. М. Избранные сочинения. Книга 1. Гляциология Антарктиды. Москва: Наука, 2000, 432 с.

21. Кравцова В. И. Космические методы исследования почв. Москва: 2005, 120 с.

22. Кузьмин П. П. Физические свойства снежного покрова. Л.: Гидромет. изд-во., 1957, 180 с.

23. Митник М. Л., Митник Л. М. Калибровка и валидация данных микроволнового радиометра AMSR-E спутника Aqua. // Современные проблемы дистанционного зондирования Земли из космоса. - 2005. - T. 1, № 2. - C. 244-249.

24. Номенклатура морских льдов. Условные обозначения для ледовых карт. Л.: Гидрометеоиздат, 1974, 86 с.

25. Руководство по производству ледовой авиаразведки. Л.: Гидрометеоиздат, 1981, 240 с.

26. Руководство по производству судовых специальных ледовых наблюдений. СПб: ААНИИ, 2011, 211 с.

27. Савченко В. Г., Нагурный А. П., Макштас А. П. Реакция морского ледяного покрова на аэрозольное загрязнение атмосферы. // Метеорология и гидрология. - 1990. - T. №4. - C. 102-108.

28. Тихонов В. В., Раев М. Д., Шарков Е. А., Боярский Д. А., Репина И. А., Комарова Н. Ю. Мониторинг морского льда полярных регионов с использованием спутниковой микроволновой радиометрии. // Современные проблемы дистанционного зондирования Земли из космоса. - 2015. - T. 12, № 5. - C. 150-169.

29. Фролов И. Е., Гудкович З. М., Карклин В. П., Ковалев Е. Г., Смоляницкий В. М. Научные исследования в Арктике. Том 2. Климатические изменения ледяного покрова морей Евразийского шельфа. СПб: Наука, 2007, 136 с.

30. Agnew T., Howell S. The use of operational ice charts for evaluating passive microwave ice concentration data // Atmosphere-Ocean. - 2003. - Vol. 41 (4). - PP. 317-331.

31. Alekseeva T., Tikhonov V., Frolov S., Repina I., Raev M., Sokolova J., Sharkov E., Afanasieva E., Serovetnikov S. Comparison of Arctic Sea Ice Concentrations from the NASA Team, ASI, and VASIA2 Algorithms with Summer and Winter Ship Data. // Remote Sensing. - 2019. - Vol. 11. - 2481. https://doi.org/10.3390/rs11212481

32. Alekseeva T. A., Frolov S. V. Comparative analysis of satellite and shipborne data on ice cover in the Russian Arctic seas. // Izvestiya Atmospheric and Oceanic Physics. - 2013. -Vol. 49 (9). - PP. 879-885.

33. Andersen S., Tonboe R., Kaleschke L., Heygster G., Pedersen L. T. Intercomparison of passive microwave sea ice concentration retrievals over the high-concentration Arctic sea ice. // Journal of Geophysical Research: Oceans. - 2007. - Vol. 112. - C08004. doi:10.1029/2006JC003543.

34. Andersen S., Tonboe R., Kaleschke L. Satellite thermal microwave sea ice concentration algorithm comparison. // Arctic Sea Ice Thickness: Past, Present and Future / Wadhams P. A., G.Climate Change and Natural Hazards Series, 10, 2006.

35. Andersen S., Tonboe R., Kern S., Schyberg H. Improved retrieval of sea ice total concentration from spaceborne passive microwave observations using numerical weather prediction model fields: An intercomparison of nine algorithms. // Remote Sensing of Environment. - 2006. - Vol. 104 (4). - PP. 374-392. https://doi.org/10.1016/j.rse.2006.05.013

36. Barry R., Gan T. Y. The Global Cryosphere: Past, Present and Future. Cambridge: Cambridge University Press, 2011, 498 p. ISBN: 9780521156851

37. Beitsch A., Kern S., Kaleschke L. Comparison of SSM/I and AMSR-E Sea Ice Concentrations With ASPeCt Ship Observations Around Antarctica. // IEEE Transactions on Geoscience and Remote Sensing. - 2015. - Vol. 53 (4). - PP. 1985-1996. DOI: 10.1109/TGRS.2014.2351497

38. Calla O. P. N., Deka B. Study of emissivity of dry and wet loamy sand soil at microwave frequencies. // Indian Journal of Radio & Space Physics.- 2000. - Vol. 29. - PP. 140-145.

39. Cavalieri D., Comiso J. Algorithm theoretical basis document (ATBD) for the AMSR-E sea ice algorithm. NASA Goddard Space Flight Center, Greenbelt, Maryland, USA, 2001. 80 p.

40. Cavalieri D. J., Burns B. A., Onstott R. G. Investigation of the effects of summer melt on the calculation of sea ice concentration using active and passive microwave data. // Journal of Geophysical Research: Oceans. - 1990. - Vol. 95 (C4). - PP. 5359-5369. https://doi.org/10.1029/JC095iC04p05359

41. Cavalieri D. J., Gloersen P., Campbell W. J. Determination of sea ice parameters with the NIMBUS 7 SMMR. // Journal of Geophysical Research: Atmospheres. - 1984. - Vol. 89 (D4). - PP. 5355-5369. https://doi.org/10.1029/JD089iD04p05355

42. Cavalieri D. J., Gloersen P., Wilheit T. T. Aircraft and Satellite Passive Microwave Observations of the Bering Sea Ice Cover During MIZEX West. // IEEE Transactions on Geoscience and Remote Sensing. - 1986. - Vol. GE-24 (3). - PP. 368-377. DOI: 10.1109/TGRS.1986.289594

43. Cavalieri D. J., Parkinson C. L. Arctic sea ice variability and trends, 1979-2010. // The Cryosphere. - 2012. - Vol. 6 (4). PP. 881-889. https://doi.org/10.5194/tc-6-871-2012

44. Cavalieri D. J., Parkinson C. L., Gloersen P., Zwally H.J. Sea Ice Concentrations from Nimbus-7 SMMR and DMSP SSM/I-SSMIS Passive Microwave Data, Version 1. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center. doi: https://doi.org/10.5067/8GQ8LZQVL0VL. [2007]

45. Cavalieri D. J., St. Germain K. M., Swift C. T. Reduction of weather effects in the calculation of sea-ice concentration with the DMSP SSM/I. // Journal of Glaciology. -1995. - Vol. 41 (139). - PP. 455-464.

46. Chander G., Markham B. Revised Landsat-5 TM radiometric calibration procedures and postcalibration dynamic ranges. // IEEE Transactions on Geoscience and Remote Sensing. - 2003. - Vol. 41 (11). - PP. 2674-2677. DOI: 10.1109/TGRS.2003.818464

47. Cho K., Nishiura K. A study on cloud effect reduction for extracting sea ice area from passive microwave sensor data. // International Archives of the Photogrammetry, Remote Sensing and Spatial Information Science. - 2010. - Vol. 38, Part 8.

48. Comiso J. Polar Oceans from Space. N.Y.: Springer, 2009. 507 p.

49. Comiso J. C. Sea ice effective microwave emissivities from satellite passive microwave and infrared observations. // Journal of Geophysical Research: Oceans. - 1983. - Vol. 88 (C12). - PP. 7686-7704.

50. Comiso J. C. SSM/I ice concentrations using the Bootstrap algorithm. // NASA Report. -1995. NASA Reference publication 1380. 53 p.

51. Comiso J. C., Ackley S. F., Gordon A. L. Antarctic sea ice microwave signatures and their correlation with in situ ice observations. // Journal of Geophysical Research: Oceans. -1984. - Vol. 89 (C1). - PP. 662-672.

52. Comiso J. C., Cavalieri D. J., Parkinson C. L., Gloersen P. Passive microwave algorithms for sea ice concentration: A comparison of two techniques. // Remote Sensing of Environment. - 1997. Vol. 60 (3). - PP. 357-384. https://doi.org/10.1016/S0034-4257(96)00220-9

53. Comiso J. C., Kwok R. Surface and radiative characteristics of the summer Arctic sea ice cover from multisensor satellite observations. // Journal of Geophysical Research: Oceans.

- 1996. - Vol. 101 (C12). - PP. 28397-28416. https://doi.org/10.1029/96JC02816

54. Comiso J. C., Meier W. N., Gersten R. Variability and trends in the Arctic Sea ice cover: Results from different techniques. // Journal of Geophysical Research: Oceans. - 2017. -Vol. 122 (8). - PP. 6883-6900. https://doi.org/10.1002/2017JC012768

55. Cuffey K. M., Paterson W. S.The physics of glaciers. Fourth edition. Elsevier. Burlington., 2010. 704 p.

56. Darby D. A., Myers W. B., Jakobsson M., Rigor I. Modern dirty sea ice characteristics and sources: The role of anchor ice. // Journal of Geophysical Research: Oceans. 2011. - Vol. 116. - C09008. https://doi.org/10.1029/2010JC006675

57. Eicken H., Gradinger R., Gaylord A., Mahoney A., Rigor I., Melling H. Sediment transport by sea ice in the Chuckchi and Beaufort Seas: Increasing importance due to changing ice conditions? // Deep Sea Research II. - 2005. Vol. 52. - PP. 3281-3302. https://doi.org/10.1016/j.dsr2.2005.10.006

58. Eppler D. T., Farmer L. D., Lohanick A. W., Anderson M. R., Cavalieri D. J., Comiso J., Gloersen P., Garrity C., Grenfell T. C., Hallikainen M., Maslanik J. A., MaTzler C., Melloh R. A., Rubinstein I., Swift C. T. Passive Microwave Signatures of Sea Ice. In Microwave Remote Sensing of Sea Ice. F.D. Carsey (Ed.), 1992. - PP. 47-71.

59. Ezraty R., Girard-Ardhuin F., Piolle J.-F., Kaleschke L., Heygster G.: Arctic and Antarctic sea ice concentration and Arctic sea ice drift estimated from special sensor microwave data

- Users's Manual, Version 2.1, IFREMER, Brest, France, February 2007.

60. Frolov I. E., Gudkovich Z. M., Karklin V. P., Kovalev E. G., Smolyanitsky, M. V. Climate Change in Eurasian Arctic Shelf Seas - Centennial Ice Cover Observations. SpringerVerlag Berlin Heidelberg, 2009. 166 p.

61. Gentemann C. L., Wentz F. J., Brewer M., Hilburn K., Smith D. Passive Microwave Remote Sensing of the Ocean: An Overview. In: Barale V., Gower J., Alberotanza L. (eds) Oceanography from Space. Springer, Dordrecht. 2010. - PP. 13-33. https://doi.org/10.1007/978-90-481-8681-5 2

62. Gray D. M., Male D. H. Handbook of snow : principles, processes, management & use. Toronto, New York: Pergamon Press, 1981. 776 p.

63. Grenfell T. C., Comiso J. C. Multifrequency Passive Microwave Observations of First-Year Sea Ice Grown in a Tank. // IEEE Transactions on Geoscience and Remote Sensing. - 1986. - Vol. GE-24 (6). - PP. 826-831. doi: 10.1109/TGRS.1986.289696.

64. Heygster G., Huntemann M., Ivanova N., Saldo R., Pedersen L. T. Response of passive microwave sea ice concentration algorithms to thin ice. // 2014 IEEE Geoscience and Remote Sensing Symposium. 2014. - PP. 3618-3621.

65. Imaoka K., Kachi M., Kasahara M., Ito N., Nakagawa K., Oki T. Instrument performance and calibration of AMSR-E and AMSR2. // International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives. - 2010. - Vol. 38. -PP. 13-16.

66. Inoue J., Curry J. A., Maslanik J. A. Application of Aerosondes to Melt-Pond Observations over Arctic Sea Ice. // Journal of Atmospheric and Oceanic Technology. - 2008. Vol. 25 (2). - PP. 327-334. https://doi.org/10.1175/2007JTECHA955.1

67. Istomina L., Heygster G., Huntemann M., Marks H., Melsheimer C., Zege E., Malinka A., Prikhach A., Katsev I. Melt pond fraction and spectral sea ice albedo retrieval from MERIS data - Part 2: Case studies and trends of sea ice albedo and melt ponds in the Arctic for years 2002-2011. // The Cryosphere. - 2015. Vol. 9 (4). - PP. 1567-1578. https://doi.org/10.5194/tc-9-1567-2015

68. Istomina L., Heygster G., Huntemann M., Schwarz P., Birnbaum G., Scharien R., Polashenski C., Perovich D., Zege E., Malinka A., Prikhach A., Katsev I. Melt pond fraction and spectral sea ice albedo retrieval from MERIS data - Part 1: Validation against in situ, aerial, and ship cruise data. // The Cryosphere. - 2015. Vol. 9 (4). - PP. 1551-1566. https://doi.org/10.5194/tc-9-1551-2015

69. Smolyanitsky, V.; Karelin, I.; Karklin, V.; Ivanov, B. Sea ice of the Eastern Siberian Sea: Ice conditions, albedo, surface contamination and ice mass exchange. In Proceedings of the Oceanography of the ESS. Paper presented at ESSS Workshop 2003, Malaga, Spain, 11-18 October 2003; International Arctic Research Center: Fairbanks, AK, USA, 2003..

70. Ivanova N., Johannessen O., Pedersen L., Tonboe R. Retrieval of Arctic Sea Ice Parameters by Satellite Passive Microwave Sensors: A Comparison of Eleven Sea Ice Concentration Algorithms. // Ieee Transactions on Geoscience and Remote Sensing. - 2014. - Vol. 52 (11). - P. 7233-7246. doi: 10.1109/TGRS.2014.2310136

71. Ivanova N., Pedersen L., Tonboe R., Kern S., Heygster G., Lavergne T., Sorensen A., Saldo R., Dybkjaer G., Brucker L., Shokr M. Inter-comparison and evaluation of sea ice algorithms: towards further identification of challenges and optimal approach using passive microwave observations. // The Cryosphere. - 2015. - Vol. 9 (5). - PP. 1797-1817. https://doi.org/10.5194/tc-9-1797-2015

72. Kaleschke L. Fernerkundung des Meereises mit passiven und aktiven Mikrowellensensoren, 2003. 192 p.

73. Kaleschke L., Lupkes C., Vihma T., Haarpaintner J., Bochert A., Hartmann J., Heygster G. SSM/I Sea Ice Remote Sensing for Mesoscale Ocean-Atmosphere Interaction Analysis. // Can. J. Remote Sens. - 2001. - Vol. 27 (5). - PP. 526-537. https://doi.org/10.1080/07038992.2001.10854892

74. Kern, S., Heygster G. Sea-ice concentration retrieval in the Antarctic based on the SSM/ I 85.5 GHz polarization. // Annals of Glaciology. - 2001. - Vol. 33. - PP. 109-114. https://doi.org/10.3189/172756401781818905

75. Kern, S., Lavergne T., Notz D., Pedersen L. T., Tonboe R. T. Satellite Passive Microwave Sea-Ice Concentration Data Set Intercomparison for Arctic Summer Conditions. // The Cryosphere. - 2020. - Vol. 14. - PP. 2469-2493. https://doi.org/10.5194/tc-14-2469-2020

76. Kern S., Heygster G. Sea-ice concentration retrieval in the Antarctic based on the SSM/ I 85.5 GHz polarization. // Annals of Glaciology. - 2001. - Vol. 33. - PP. 109-114. https://doi.org/10.3189/172756401781818905

77. Kern S., Lavergne T., Notz D., Pedersen L. T., Tonboe R. T., Saldo R., S0rensen A. M. Satellite passive microwave sea-ice concentration data set intercomparison: closed ice and ship-based observations // The Cryosphere. - 2019. - Vol. 13 (12). - PP. 3261-3307. https://doi.org/10.5194/tc-13-3261-2019

78. Kern S., Rosel A., Pedersen L. T., Ivanova N., Saldo R., Tonboe R. T. The impact of melt ponds on summertime microwave brightness temperatures and sea-ice concentrations. // The Cryosphere. - 2016. - Vol. 10 (5). - PP. 2217-2239. https://doi.org/10.5194/tc-10-2217-2016

79. Knuth M. A., Ackley S. F. Summer and early-fall Sea-ice concentration in the Ross Sea: comparison of in Situ ASPeCt observations and satellite passive microwave estimates. // Annals of Glaciology. - 2006. - Vol. 44. - PP. 303-309. https://doi.org/10.3189/172756406781811466

80. Kwok R. Sea ice concentration estimates from satellite passive microwave radiometry and openings from SAR ice motion // Geophysical Research Letters. - 2002. - Vol. 29 (9). - PP. 25-1-25-4. https://doi.org/10.1029/2002GL014787

81. Laliberte F., Howell S. E. L., Kushner P. J. Regional variability of a projected sea ice-free Arctic during the summer months. // Geophysical Research Letters. - 2016. - Vol. 43 (1). -PP. 256-263. https://doi.org/10.1002/2015GL066855

82. Lavergne T., S0rensen A. M., Kern S., Tonboe R., Notz D., Aaboe S., Bell L., Dybkj^r G., Eastwood S., Gabarro C., Heygster G., Killie M. A., Brandt Kreiner M., Lavelle J., Saldo R., Sandven S., Pedersen L. T. Version 2 of the EUMETSAT OSI SAF and ESA CCI sea-ice concentration climate data records. // The Cryosphere. - 2019. - Vol. 13 (1). -PP. 49-78. https://doi.org/10.5194/tc-13-49-2019

83. Lieser J. L., Haas C., Kern S. Sea ice conditions in the Svalbard region during POLARSTERN cruise ARK-XIX/1 (CryoVex 2003) PANGAEA, 2005. https://doi.org/10.1594/PANGAEA.272527

84. Lubin D., Garrity C., Ramseier R., Whritner R. H. Total sea ice concentration retrieval from the SSM/I 85.5 GHz channels during the arctic summer. // Remote Sensing of Environment. - 1997. - Vol. 62 (1). - PP. 63-76. https://doi.org/10.1016/S0034-4257(97)00081-3

85. L0vas S. M., Rubinstein I., Ulstad C. Weather influence on passive microwave brightness temperatures. // Polar Research. - 1994. - Vol. 13 (1). - PP. 67-81. https://doi.org/10.3402/polar.v13i1.6682

86. Markus T., Cavalieri D. J. An enhancement of the NASA Team sea ice algorithm // IEEE Transactions on Geoscience and Remote Sensing. - 2000. - Vol. 38 (3). - PP. 1387-1398. DOI: 10.1109/36.843033

87. Meier W. Comparison of passive microwave ice concentration algorithm retrievals with AVHRR imagery, in Arctic peripheral seas. // Ieee Transactions on Geoscience and Remote Sensing. - 2005. - Vol. 43 (6). - PP. 1324-1337. DOI: 10.1109/TGRS.2005.846151

88. Meier W. N., Van Woert M. L., Bertoia C. Evaluation of operational SSM/I ice-concentration algorithms. // Annals of Glaciology. - 2001. - Vol. 33. - PP. 102-108. https://doi.org/10.3189/172756401781818509

89. Morassutti M. P., Ledrew E. F. Albedo and depth of melt ponds on sea-ice. // International Journal of Climatology. - 1996. - Vol. 16 (7). - PP. 817-838.

90. Mätzler C. Applications of the interaction of microwaves with the natural snow cover // Remote Sensing Reviews. - 1987. - Vol. 2 (2). - PP. 259-387.

91. Nakayama M., Cho K., Shimoda H., Sakata T., Tanikawa T., Nishio F. A study of the influence of thin ice thickness in the calculation of sea ice concentration from satellite passive microwave data. // Journal of the Japan society of photogrammetry and remote sensing. - 2001. - Vol. 40 (5). - PP. 39-51.

92. Nürnberg D., Wollenburg I., Dethleff D., Eicken H., Kassens H., Letzig T., Reimnitz E., Thiede J. Sediments in Arctic sea ice: Implications for entrainment, transport and release. // Marine Geology. - 1994. - Vol. 119 (3). - PP. 185-214.

93. Ozsoy-Cicek B., Ackley S. F., Worby A., Xie H., Lieser J. Antarctic sea-ice extents and concentrations: comparison of satellite and ship measurements from International Polar Year cruises. // Annals of Glaciology. - 2011. - Vol. 52 (57). - PP. 318-326. https://doi.org/10.3189/172756411795931877

94. Pang X., Pu J., Zhao X., Ji Q., Qu M., Cheng Z. Comparison between AMSR2 Sea Ice Concentration Products and Pseudo-Ship Observations of the Arctic and Antarctic Sea Ice Edge on Cloud-Free Days. // Remote Sensing. - 2018. - Vol. 10 (2). 317 https://doi.org/10.3390/rs10020317

95. Pease C. H. The size of wind-driven coastal polynyas // Journal of Geophysical Research: Oceans. - 1987. - Vol. 92 (C7). - PP. 7049-7059. https://doi.org/10.1029/JC092iC07p0704

96. Improved spatial resolution of SSM/I products: Final Rep. .№145. Ed.: S. Sandven / Nansen Environmental and Remote Sensing Center. Bergen, Norway, 1998.

97. Perovich D. K., Grenfell T. C., Richter-Menge J. A., Light B., Tucker Iii W. B., Eicken H. Thin and thinner: Sea ice mass balance measurements during SHEBA. // Journal of Geophysical Research: Oceans. - 2003. - Vol. 108 (C3). - P. 8050. https://doi.org/10.1029/2001JC001079

98. Polashenski C., Perovich D., Courville Z. The mechanisms of sea ice melt pond formation and evolution // Journal of Geophysical Research: Oceans. - 2012. - Vol. 117 (C1). - P. C01001. https://doi.org/10.1029/2011JC007231

99. Przybylak R. The Climate of the Arctic. SpringerLink: Dordrecht: Kluwer Academic Publishers, 2003. 271 p.

100. Raizer V. Advances in passive microwave remote sensing of oceans. Taylor & Francis, 2017. 292 p.

101. Rösel A., Kaleschke L. Exceptional melt pond occurrence in the years 2007 and 2011 on the Arctic sea ice revealed from MODIS satellite data. // Journal of Geophysical Research: Oceans. 2012. - Vol. 117 (C5). C05018. https://doi.org/10.1029/2011JC007869

102. Rösel A., Kaleschke L., Birnbaum G. Melt ponds on Arctic sea ice determined from MODIS satellite data using an artificial neural network. // The Cryosphere. - 2012. - Vol. 6 (2). - PP. 431-446. https://doi.org/10.5194/tc-6-431-2012

103. Serreze M. C., Barry R. G. The Arctic Climate System. Cambridge Atmospheric and Space Science Series. Cambridge: Cambridge University Press, 2005. 415 p.

104. Shokr M., Kaleschke L. Impact of surface conditions on thin sea ice concentration estimate from passive microwave observations. // Remote Sensing of Environment. - 2012. - Vol. 121. - PP. 36-50. https://doi.org/10.1016/j.rse.2012.01.005

105. Shokr M., Lambe A., Agnew T. A New Algorithm (ECICE) to Estimate Ice Concentration From Remote Sensing Observations: An Application to 85-GHz Passive Microwave Data // IEEE Transactions on Geoscience and Remote Sensing. - 2008. - Vol. 46 (12). - PP. 4104-4121. DOI: 10.1109/TGRS.2008.2000624

106. Sea ice nomenclature. WMO. 2014. 121 p. https://library.wmo.int/doc num.php?explnum id=4651.

107. Shokr M., Sinha, N. Sea ice: physics and remote sensing. John Wiley & Sons, American Geophysical Union, USA, 2015.

108. Singh V. P., Singh P., Haritashya U. K. The encyclopedia of snow, ice and glaciers. Berlin, Springer. 2011. 1254 p.

109. Smith D. M. Extraction of winter total sea-ice concentration in the Greenland and Barents Seas from SSM/I data. // International Journal of Remote Sensing. - 1996. - Vol. 17 (13). - PP. 2625-2646.

110. Smith L. C., Stephenson S. R. New Trans-Arctic shipping routes navigable by midcentury // Proceedings of the National Academy of Sciences. - 2013. - Vol. 110 (13). -PP. 4871.

111. Spreen G., Kaleschke L., Heygster G. Sea ice remote sensing using AMSR-E 89GHz channels. // Journal of Geophysical Research: Oceans. - 2008. - Vol. 113 (C2). https://doi.org/10.1029/2005JC003384

112. Steffen K., Key J., Comiso J., StGermain K., Gloersen P., Rubinstein I. The Estimation of Geophysical Parameters Using Passive Microwave Algorithms. 1992. https://doi.org/10.1029/GM068p0201

113. Stroeve J. C., Serreze M. C., Holland M. M., Kay J. E., Malanik J., Barrett A. P. The Arctic's rapidly shrinking sea ice cover: a research synthesis. // Climatic Change. -2012. - Vol. 110 (3). - PP. 1005-1027. https://doi.org/10.1007/s10584-011-0101-1

114. Svendsen E., Kloster K., Farrelly B., Johannessen O. M., Johannessen J. A., Campbell W. J., Gloersen P., Cavalieri D., Matzler C. Norwegian Remote Sensing Experiment: Evaluation of the Nimbus 7 scanning multichannel microwave radiometer for sea ice research // Journal of Geophysical Research: Oceans. - 1983. - Vol. 88 (C5). - PP. 2781-2791.

115. Svendsen E., Matzler C., Grenfell T. C. A model for retrieving total sea ice concentration from a spaceborne dual-polarized passive microwave instrument operating near 90 GHz // International Journal of Remote Sensing. - 1987. - Vol. 8 (10). - PP. 14791487. https://doi.org/10.1080/01431168708954790

116. Swift C. T., Fedor L. S., Ramseier R. O. An algorithm to measure sea ice concentration with microwave radiometers // Journal of Geophysical Research: Oceans. -1985. - Vol. 90 (C1). - PP. 1087-1099. https://doi.org/10.1029/JC090iC01p01087

117. Tedesco M. Remote Sensing of the Cryosphere. First Edition. John Wiley & Sons, Ltd, 2015.

118. Tikhonov V. V., Boyarskii D. A., Repina I. A., Raev M. D., Sharkov E. A., Alexeeva T. A. Snow Cover Effect on Brightness Temperature of Arctic Ice Fields Based on SSM/I Data. // Progress In Electromagnetics Research Symposium (PIERS) Proceedings, Stokholm, Sweden, 2013. PP. 514-518.

119. Tikhonov V. V., Boyarskii D. A., Sharkov E. A., Raev M. D., Repina I. A., Ivanov V. V., Alexeeva T. A., Komarova N. Y. Microwave Model of Radiation from the Multilayer ^Ocean-Atmosphere" System for Remote Sensing Studies of the Polar Regions. // Progress In Electromagnetics Research B. - 2014. - Vol. 59. - PP. 123-133. doi:10.2528/PIERB14021706

120. Tikhonov V. V., Raev M. D., Sharkov E. A., Boyarskii D. A., Repina I. A., Komarova N. Y. Satellite microwave radiometry of sea ice of polar regions: a review. // Izvestiya, Atmospheric and Oceanic Physics. - 2016. - Vol. 52 (9). - PP. 1012-1030. https://doi.org/10.1134/S0001433816090267

121. Tikhonov V. V., Repina I. A., Raev M. D., Sharkov E. A., Boyarskii D. A., Komarova N. Y. Integrative algorithm of determining ice conditions in Polar Regions by data of satellite microwave radiometry (VASIA2). // Izvestiya, Atmospheric and Oceanic Physics. - 2015. - Vol. 51 (9). - PP. 914-928. https://doi.org/10.1134/S0001433815090194

122. Tikhonov V. V., Repina I. A., Raev M. D., Sharkov E. A., Ivanov V. V., Boyarskii D. A., Alexeeva T. A., Komarova N. Y. A physical algorithm to measure sea ice concentration from passive microwave remote sensing data. // Advances in Space Research. - 2015. - Vol. 56 (8). - PP. 1578-1589. https://doi.org/10.1016/j.asr.2015.07.009

123. Tonboe R., Eastwood S., Lavergne T., S0rensen A., Rathmann N., Dybkjaer G., Pedersen L., H0yer J., Kern S. OSI SAF global sea ice concentration data record - OSI-409a / SAF O. S. I., 2015.

124. Tschudi M. A., Maslanik J. A., Perovich D. K. Derivation of melt pond coverage on Arctic sea ice using MODIS observations // Remote Sensing of Environment. - 2008. -Vol. 112 (5). - PP. 2605-2614. https://doi.org/10.1016/j.rse.2007.12.009

125. Tucker III W. B., Gow A. J., Meese D. A., Bosworth H. W., Reimnitz E. Physical characteristics of summer sea ice across the Arctic Ocean. // Journal of Geophysical Research: Oceans. - 1999. - Vol. 104 (C1). - PP. 1489-1504. https://doi.org/10.1029/2020JC016371

126. Turner J., Bindschadler R. A., Convey P., Di Prisco G., Fahrbach E., Gutt J., Hodgson D. A., Mayewski P. A., Summerhayes C. P. Antarctic Climate Change and the Environment. Cambridge, 2009. 526 p.

127. Ulaby F. T., Long D. G. Microwave radar and radiometric remote sensing. Univ. of Michigan Press., 2014.

128. Vavrus S., Harrison S. P. The impact of sea-ice dynamics on the Arctic climate system. // Climate Dynamics. - 2003. - Vol. 20 (7). - PP. 741-757. https://doi.org/10.1007/s00382-003-0309-5

129. Wang Q., Li Z., Lu P., Lei R., Cheng B. 2014 summer Arctic sea ice thickness and concentration from shipborne observations. // International Journal of Digital Earth. - 2019. - Vol. 12 (8). - PP. 931-947. https://doi.org/10.1080/17538947.2017.1421720

130. Wang Q., Lu P., Zu Y., Li Z., Lepparanta M., Zhang G. Comparison of Passive Microwave Data with Shipborne Photographic Observations of Summer Sea Ice Concentration along an Arctic Cruise Path. // Remote Sensing. - 2019. - Vol. 11 (17). PP. 2009; https://doi.org/10.3390/rs11172009

131. Wiebe H. Validation of the ARTIST Sea Ice (ASI) concentration algorithm and geolocation of the microwave radiometer AMSRE-E data. Master thesis.; University Bremen, 2007. 84 p.

132. Wiebe H., Heygster G., Markus T. Comparison of the ASI Ice Concentration Algorithm With Landsat-7 ETM+ and SAR Imagery // IEEE Transactions on Geoscience and Remote Sensing. - 2009. - Vol. 47 (9). - PP. 3008-3015. DOI: 10.1109/TGRS.2009.2026367

133. Climate Algorithm Theoretical Basis Document (C-ATBD). Sea Ice Concentration. Climate Data Record (CDR) Program. CDR Program Document Number CDRP-ATBD-0107, 2018.

134. A technique for making ship-based observations of Antarctic sea-ice thicknes and characteristics - Part I: Observational Techniques and Results. / Antarctic Cooperative Research Center, University of Tasmania: 14 R. R. Hobart, Australia, 1999. 63 p.

135. Worby A. P., Geiger C. A., Paget M. J., Van Woert M. L., Ackley S. F., DeLiberty T. L. Thickness distribution of Antarctic sea ice. // Journal of Geophysical Research: Oceans. - 2008. - Vol. 113 (C5). https://doi.org/10.1029/2007JC004254

136. Yang H., Weng F., Lv L., Lu N., Liu G., Bai M., Qian Q., He J., Xu H. The FengYun-3 Microwave Radiation Imager On-Orbit Verification. // IEEE Transactions on Geoscience and Remote Sensing. - 2011. - Vol. 49 (11). - PP. 4552-4560. DOI: 10.1109/TGRS.2011.2148200