Snøobservasjoner

Sesongmessig snødekke er en viktig del av jordas klimasystem. I dette prosjektet utvikler vi algoritmer som bestemmer snødekkets utvikling fra dag til dag gjennom flere tiår.

Omfanget av snødekke varierer mye med sesongene, fra rundt 2 millioner km² i august til omtrent 45 millioner km² i januar. Vi måler to variabler: snødekningsgrad og vannekvivalent. Snødekningsgrad handler om hvor stor andel av hver observert piksel som er dekket med snø, og vannekvivalent om hvor mye vann tilsvarer snøen i en piksel.

Hovedmålet med prosjektet er å lage pålitelige, langvarige tidsserier av daglige globale snøutbredelseskart. Det gjør vi ved hjelp av data fra optiske satellitter, som settes sammen med data fra daglige globale målinger av snøens vanninnhold.

Vi har omfattende erfaring på området gjennom modellering for to ESA-arvesensorer, der begge leverte data med en oppløsning på én km, og som resulterte i en daglig tidsserie av snøprodukter fra 1995 til 2012. Vi drar også nytte av vår erfaring fra Cryoclim, hvor vi utviklet et fullstendig fraksjonelt snødekkprodukt som genererte en tidsserie for hele perioden mellom 1982 og 2020.

Arbeidet gjøres med forskjellige sensorer laget av forskjellige land og til forskjellige tider. En av de store utfordringene er å oppnå god kvalitet over tid med alle disse sensorene slik at man klarer å måle «klimasignalet», de endringene som med sikkerhet kan tilskrives klimaendringer.

En algoritme for skyfjerning

Skyfjerning har vært en vedvarende utfordring i kartlegging av snødekke med optiske satellitter siden satellittfjernmåling startet. Skyer og snø deler lignende spektrale egenskaper, som kan variere over tid og med lokale forhold. Vi utvikler en skyfjerningsalgoritme basert på dyp læring for å skille mellom skyer og snø. Hvis vellykket, er målet vårt å erstatte algoritmene som brukes i nåværende optiske snøprodukter med de som er basert på dyp læring.

NR er involvert i arbeidet med ESA-sensorene ATSR-2 og AATSR, samt NASAs MODIS-sensor. NR utvikler også algoritmer for å bestemme usikkerheten i måleresultatene med disse og andre sensorer. Dessuten arbeider NR med en multisensor/multitemporal algoritme som kombinerer optiske sensorer (AVHRR) og mikrobølgesensorer (SMMR, SSM/I og SSMIS) for å lage snøkart også for områder som er dekket av skyer og som er uten dagslys (polar natt).