Спутник ДЗЗ
2.87K subscribers
2.21K photos
124 videos
175 files
1.95K links
Человеческим языком о дистанционном зондировании Земли.

Обратная связь: @sputnikDZZ_bot
加入频道
Резкий рост поглощения углерода в прибрежных областях мирового океана связан с его биологической фиксацией

Между атмосферой и океаном постоянно происходит обмен углекислым газом. Два основных пути, с помощью которых океан поглощает CO2 — физический (растворение в воде) и биологический (захват живыми организмами, например, водорослями в процессе фотосинтеза). Больше всего углерода, от 190 до 300 миллионов тонн ежегодно, поглощают моря на шельфе и другие прибрежные области, на которые приходится всего 7% площади мирового океана. Концентрация углекислого газа вблизи побережий в течение последних десятилетий непропорционально быстро растет, и причины этого пока до конца не ясны.

Ученые под руководством Морица Матиса (Moritz Mathis) из Центра Гельмгольца “Гереон” исследовали поглощение углекислого газа в прибрежной акватории Мирового океана. Они использовали глобальную биогеохимическую модель океана ICON-Coast с разрешением 20 км, с помощью которой рассчитали потоки углерода между океаном и атмосферой.

Моделирование показало, что за XX век поглощение CO2 прибрежными водами выросло более чем в 2 раза и по темпам опередило открытый океан, причем 59% пришлось на биологическое связывание углерода. Его интенсификацию авторы связали с отступлением морского льда и усилением апвеллинга — подъёма богатых питательными веществами холодных вод из глубин океана к его поверхности. Эти изменения в океанической циркуляции объясняют 36% биологического поглощения углерода.

23% биологической фиксации углерода связали с ростом содержания элементов питания в речном стоке, который произошел из-за антропогенной эвтрофикации, то есть насыщения водоёмов веществами биологического происхождения. Роль физического поглощения CO2 в прибрежных водах постепенно снижалась.

Источник

📸 Синим цветом показаны области, где парциальное давление CO2 изменилось в сторону уменьшения, то есть в сторону большего поглощения и меньшего газовыделения (источник).

#океан #климат
Запущен первый спутник NASA PREFIRE

25 мая 2024 года в 07:41 UTC с площадки LC-1B космодрома Махиа в Новой Зеландии в рамках миссии “Ready, Aim, PREFIRE” выполнен пуск ракеты-носителя Electron-KS компании Rocket Lab с научно-исследовательским спутником NASA PREFIRE-1 (Polar Radiant Energy in the Far-InfraRed Experiment-1). Пуск прошёл успешно, космический аппарат PREFIRE-1 выведен на околоземную орбиту.

Это — первая из двух последовательных миссий PREFIRE (https://prefire.ssec.wisc.edu), которые должна запустить Rocket Lab в рамках контракта с NASA. Спутники PREFIRE предназначены для измерения потоков тепловой инфракрасной энергии, излучаемой в полярных регионах планеты.

Количество тепловой энергии, получаемой планетой от Солнца, в идеале должно компенсироваться энергией, которую планета излучает в космос. Разница между входящей и исходящей энергией определяет температуру Земли и формирует её климат. Ключевую роль в этом процессе играют полярные регионы планеты. Перемешивание воздуха и воды с помощью атмосферных и океанических течений перемещает тепловую энергию, полученную в тропиках, к полюсам, где она излучается в виде теплового инфракрасного излучения. Его энергию и будут измерять спутники PREFIRE. Таким образом, миссия PREFIRE позволит повысить точность моделей климата.

#США #климат
This media is not supported in your browser
VIEW IN TELEGRAM
Запущен спутник EarthCARE для исследования облаков и аэрозолей

28 мая 2024 г. в 22:20 UTC с базы Космических сил США “Ванденберг” (шт. Калифорния, США) осуществлён запуск ракеты-носителя Falcon-9FT Block-5 с научным спутником EarthCARE (Earth Cloud, Aerosol and Radiation Explorer). Космический аппарат успешно выведен на околоземную орбиту.

EarthCARE — это шестая из миссий программы ESA Earth Explorer. Она реализуется совместно ESA и JAXA. Основной целью миссии является наблюдение и определение характеристик облаков и аэрозолей, а также измерение отраженного солнечного излучения и инфракрасного излучения, испускаемого поверхностью и атмосферой Земли. Работы над созданием спутника EarthCARE начались ещё в мае 2008 года.

Спутник со стартовой массой 2350 кг оснащён четырьмя приборами:

1️⃣ Лидар Atmospheric Lidar (ATLID) обеспечит измерение вертикальных профилей аэрозолей и тонких облаков. Он будет работать на длине волны 355 нм, имеет приемник с высоким спектральным разрешением, а также канал деполяризации.
2️⃣ Радар Cloud Profiling Radar (CPR) будет измерять вертикальные профили облаков и наблюдать вертикальные скорости облачных частиц с помощью доплеровских измерений. Он работает на частоте 94 ГГц.
3️⃣ Мультиспектральная камера Multi-Spectral Imager (MSI) будет собирать информацию об облаках и аэрозолях с помощью каналов в видимом, ближнем инфракрасном, коротковолновом и тепловом инфракрасном диапазонах.
4️⃣ Радиометр Broad-Band Radiometer (BBR) предназначен для измерения излучения и потоков в верхней части атмосферы. Он имеет один коротковолновый и один длинноволновый канал с тремя фиксированными направлениями обзора, направленными в надир и в корму.

Плановый срок работы EarthCARE на орбите — 3 года.

Отделение EarthCARE от ракеты-носителя

#атмосфера #климат
Запущен второй спутник миссии NASA PREFIRE

5 июня 2024 года в 03:15 UTC с площадки LC-1B космодрома Махиа в Новой Зеландии в рамках миссии “PREFIRE & Ice” выполнен пуск ракеты-носителя Electron-KS компании Rocket Lab с научно-исследовательским спутником NASA PREFIRE-2 (Polar Radiant Energy in the Far-InfraRed Experiment-2). Пуск прошёл успешно, космический аппарат PREFIRE-2 выведен на околоземную орбиту.

Миссия PREFIRE (https://prefire.ssec.wisc.edu) — это 1️⃣ два космических аппарата формата CubeSat 6U, выведенные на приполярные солнечно-синхронных орбиты высотой 525 км и наклонением 97,5°. Каждый аппарат оснащён 2️⃣ миниатюрным 64-канальным инфракрасным спектрометром, работающим в области длин волн 3–54 мкм при ширине спектральных каналов около 0,84 мкм. PREFIRE-1 был выведен на орбиту 25 мая нынешнего года.

Два спутника, которые находятся на асинхронных приполярных орбитах и проходят над одной и той же точкой Земли в разное время, смогут наблюдать за одним и тем же районом с интервалом в несколько часов. Это даёт преимущество парной миссии по сравнению с одиночным спутником, который смог бы посещать один и тот же регион Земли только раз в несколько суток.

Спутники PREFIRE собирают данные для изучения теплового баланса планеты. Важную роль в этом балансе играют полярные регионы. В Арктике и в Антарктике 60% уходящего в космос теплового излучения приходится на волны дальнего инфракрасного диапазона (с длиной волны свыше 15 мкм). Излучение в этом диапазоне и будет измерять PREFIRE.

Данные PREFIRE помогут лучше понять причины таяния полярных льдов и повышения уровня океана. Это, в свою очередь, поможет точнее прогнозировать изменения теплообмена между Землёй и космосом в будущем и, как следствие, будущие изменения климата.

#климат #атмосфера #лед #снег #облака
📹Наземный мониторинг бюджета углерода в почвах агроэкосистем Российской Федерации: от решения методических вопросов к созданию национальной сети [ссылка]

Лектор: Козлов Д. Н., к. г. н., первый заместитель директора Почвенного института имени В.В. Докучаева

Таймкоды:

0:10 – О лектории, представление докладчика, тема выступления.
1:09 – Вводное слово.
2:10 – Глобальное потепление и его влияние на Россию.
7:12 – Мера реагирования - стратегия научно-технологического развития РФ, обновленная в 2024 г.
9:06 – Изменение климата и сельское хозяйство.
12:47 – Адаптация к изменению климата. Рамочная конвенция ООН и Парижское соглашение.
15:35 – Потенциал смягчения выбросов парниковых газов в сельском хозяйстве.
24:01 – Роль и функции почв. Запасы углерода в почвах.
28:28 – Органическое вещество почв, его происхождение и роль в цикле углерода.
37:49 – Об исполнении национальных обязательств в рамках Киотского протокола и Парижского соглашения. Специфика изменения запасов углерода на разных типах угодий.
43:04 – Национальный кадастр выбросов. Секторы эмиссии.
46:28 – Совершенствование порядка учета выбросов и поглощения. Реестр почвозащитных агротехнологий.
52:49 – Адаптивно-ландшафтное земледелие, этапы его проектирования.
57:08 – Органическое земледелие – другой компонент почвозащитных технологий. Продукция с улучшенными характеристиками.
1:03:41 – Площадь сельскохозяйственных угодий страны, актуализация государственного кадастра.
1:05:46 – Государственный реестр земель сельхоз назначения. Какие данные должны в него войти? Агрохимслужба России.
1:08:01 – Научно-методическое обеспечение расчётов. Проект «Единая национальная система мониторинга климатически активных газов».
1:11:59 – Определение величины запасов почвенного органического вещества. О руководстве по оценке пулов углерода в почвах агроэкосистем и сети мониторинга.
1:18:55 – Сравнение затрат на различные методы определения углерода.
1:20:40 – О создании национальной системы мониторинга и ВИП ГЗ.
1:23:39 – Ответы на вопросы.

#почва #климат #сельхоз
Деревья на возвышенностях являются поглотителями атмосферного метана

Известно, что деревья вносят важный вклад в круговорот углерода на планете, поглощая углекислый газ и преобразуя его в биомассу. Недавняя 📖 работа показала, что деревья на возвышенностях поглощают не только углерод, но и метан.

Метан поглощается не самими деревьями, а колониями метанотрофных бактерий, которые обитают на поверхности коры, извлекают метан из воздуха, окисляют его и превращают в биомассу и углекислый газ. Последний воздействует на климат примерно в 30 раз слабее, чем исходный метан. Особенно быстро метан поглощался корой тропических деревьев, что связано с ускорением метаболизма микробов в теплом и влажном климате.

По оценкам исследователей, кора всех деревьев Земли ежегодно поглощает от 25 до 50 млн тонн метана, что примерно на 10% повышает полезный вклад растительности в борьбу с глобальным потеплением.

#CH4 #климат #лес
Эль-Ниньо всё

Прогрев восточную часть Тихого океана примерно на год, Эль-Ниньо окончательно угас в мае 2024 года. Это природное климатическое явление способствовало рекордно высоким температурам океана в течение многих месяцев, экстремальным осадкам в Африке, низкому ледовому покрову на Великих озерах и сильной засухе в Амазонии и Центральной Америке. По состоянию на июль 2024 года восточная часть Тихого океана находилась в нейтральной фазе, но передышка может оказаться недолгой.

На картах 🗺 показаны аномалии высоты поверхности моря в центральной и восточной частях Тихого океана, наблюдавшиеся 1 июля 2024 года (справа), во время нейтральной фазы, и 4 декабря 2023 года (слева), в период пика Эль-Ниньо. Красным цветом отмечены области, где уровень океана был выше нормы; синим — где уровень моря был ниже среднего; белым — нормальный уровень океана. Использовались данные, полученные со спутника Sentinel-6 Michael Freilich.

#климат #погода #океан
Изменения климата: причины, риски, последствия, проблемы адаптации и регулирования

📚Изменения климата: причины, риски, последствия, проблемы адаптации и регулирования / под ред. И.И. Мохова, А.А. Макоско, А.В. Чернокульского. — М.: РАН, 2024. — 360 с.

Коллективная монография содержит результаты исследований ведущих ученых страны по актуальным вопросам проблематики изменения климата. Рассмотрены климатические процессы и изменения, экстремальные режимы, предсказуемость; моделирование изменений земной климатической системы; экологические и социально-экономические последствия климатических изменений, риски и возможности; проблемы адаптации к изменениям климата; проблемы регулирования антропогенных воздействий на климат; углеродная нейтральность.

Ознакомиться с книгой можно по 🔗ссылке.

#климат #книга
This media is not supported in your browser
VIEW IN TELEGRAM
Глобальный набор данных интенсивности городских островов тепла (2001–2020)

Эффект городского острова тепла (Urban Heat Island, UHI), характеризующийся локальным потеплением над городскими территориями, является одним из самых известных последствий урбанизации для климата. Традиционные оценки интенсивности UHI разнятся из-за фокусировки исследований на “обычном” UHI (или canopy UHI), присутствие которого оценивается по приземной температуре воздуха, или на “поверхностном” UHI (surface UHI), который оценивается по температуре земной поверхности, а также из-за рассмотрения случаев безоблачного неба (clear-sky) и присутствия облаков (all-sky).

В 📖 работе рассматриваются оба вида городских островов тепла как при наличии, так и в отсутствие облачности. Для приведения данных “к общему знаменателю” предлагается метод динамической равной площади (dynamic equal-area, DEA).

Применяя метод DEA и интегрируя данные о температуре по сетке, был получен глобальный набор данных интенсивности UHI, охватывающий более 10000 городов за период более 20 лет с ежемесячным временным разрешением. Этот набор данных предлагает многосторонние оценки интенсивности UHI. Значения температуры земной поверхности получены из наблюдений приборов MODIS спутников Terra и Aqua.

Исследования показали, что интенсивность UHI больше нуля в более чем 80% исследованных городов, со среднегодовым глобальным значением около 1,0°C (днем) и 0,8°C (ночью) для поверхностного UHI, и около 0,5°C для обычного UHI.

В более чем 60% городов отмечается межгодовая тенденция к увеличению интенсивности UHI. При этом глобальные средние тенденции превышают 0,1°C за десятилетие (день) и 0,06°C за десятилетие (ночь) для поверхностного UHI, и чуть более 0,03°C за десятилетие для обычного UHI.

Выявлена положительная корреляция между величиной и тенденцией интенсивности UHI, указывающая на то, что в городах с более интенсивным UHI наблюдается и более быстрый рост интенсивности UHI с течением времени.

Набор данных находится в открытом доступе:

🛢 Global Urban Heat Island Intensity Dataset
🌍 Urban Heat Island Intensity (UHII) на GEE

#LST #климат #данные #GEE
Сенсорно-независимые данные MODIS & VIIRS LAI/FPAR (2000–2022)

Набор пространственных данных Sensor-Independent MODIS & VIIRS LAI/FPAR CDR (2000–2022) охватывает важнейшие биофизические параметры: индекс листовой поверхности (Leaf Area Index, LAI) и долю фотосинтетически активной радиации (Fraction of Photosynthetically Active Radiation, FPAR или FAPAR*), необходимые для характеристики наземных экосистем.

При подготовке данных особое внимание уделялось ограничениям, имевшимся в существующих глобальных продуктах LAI/FPAR, в том числе, проблемам пространственно-временной согласованности и точности. Методика создания набора данных описана в:

📖 Pu, J., Yan, K., Roy, S., Zhu, Z., Rautiainen, M., Knyazikhin, Y., & Myneni, R. B. (2024). Sensor-independent LAI/FPAR CDR: reconstructing a global sensor-independent climate data record of MODIS and VIIRS LAI/FPAR from 2000 to 2022. Earth System Science Data, 16(1), 15–34. https://doi.org/10.5194/essd-16-15-2024

Данные создавались как сенсорно-независимые на основе стандартных продуктов LAI/FPAR Terra MODIS, Aqua MODIS и VIIRS. Они охватывают временной интервал с 2000 по 2022 год и содержат данные LAI/FPAR в различных пространственных разрешениях: 500 м, 5 км и 0,05° с шагами по времени 8 суток и два месяца. Набор данных доступен в синусоидальной проекции, а также в WGS 1984.

Доступ к данным:

🛢 Zenodo
🌍 Google Earth Engine

📊 Схема создания данных.


*FPAR или FAPAR (Fraction of Absorbed Photosynthetically Active Radiation) — доля падающей фотосинтетически активной радиации (400–700 нм), поглощаемой растительностью.

#данные #климат #GEE
Обзор методов интерпретируемого машинного обучения для прогнозирования погоды и климата

В последнее время передовые модели машинного обучения достигли высокой точности прогнозирования погоды и климата. Большинство из этих моделей является “черными ящиками”: они выдают результаты, не позволяя пользователю заглянуть внутрь, чтобы разобраться, как именно был получен тот или иной прогноз. Поэтому важную роль приобретает развитие интерпретируемых методов машинного обучения.

В 📖 статье рассмотрены современные подходы к интерпретируемому машинному обучению, применяемые для метеорологических прогнозов. Подходы делятся на две группы: (1) методы интерпретации post-hoc, объясняющие предварительно обученные модели, такие как методы атрибуции на основе возмущений, теории игр и градиентные методы; (2) разработка интерпретируемых моделей с нуля с помощью таких архитектур, как ансамбли деревьев или объясняемые (explainable) нейронные сети. Коротко описан каждый метод, и то как именно он позволяет понять прогнозы, раскрывая метеорологические взаимосвязи, улавливаемые машинным обучением. В финале работы обсуждаются проблемы исследования и перспективы на будущее.

📖 Yang, R., Hu, J., Li, Z., Mu, J., Yu, T., Xia, J., Li, X., Dasgupta, A., & Xiong, H. (2024). Interpretable machine learning for weather and climate prediction: A review. Atmospheric Environment, 338, 120797. https://doi.org/10.1016/j.atmosenv.2024.120797

#нейронки #погода #ИИ #климат