KINEMATIC CHARACTERISTICS OF ICEBERG D28 DRIFT USING SATELLITE DATA SENTINEL-1A/B SAR

Обложка

Цитировать

Полный текст

Аннотация

The goal of the article is to track down the giant tabular iceberg D28 trajectory from its calving in September 2019 from Amery Ice Shelf until reaching the western part of the Weddell Sea in March 2023 and to present characteristics of the iceberg state and movement, derived from satellite radar data. The Maximally Stable Extremal Regions (MSER) method, which used as an imagery recognition technique for time-dependent visual conditions, has been applied to automatically identify iceberg’s positions. On the basis of the Sentinel-1A/B SAR data during 1,275 days, timeseries of D28 location, spatial orientation, mass, area, moment of inertia, linear and angular velocity, kinetic and rotational energy, grounding location are presented. D28 dynamics display strongly pronounced regionality, generalized into the three distinct sections of its drift along the Antarctic coast. These sections are in good agreement with existent concepts in the oceanographic literature, concerning the system of Antarctic Slope Current / Antarctic Slope Front.

Список литературы

  1. Azaneu, M., K. J. Heywood, B. Y. Queste, and A. F. Thompson (2017), Variability of the Antarctic Slope Current System in the Northwestern Weddell Sea, Journal of Physical Oceanography, 47(12), 2977–2997, https://doi.org/10.1175/JPO-D17-0030.1.
  2. Barbat, M. M., T. Rackow, C. Wesche, et al. (2021), Automated iceberg tracking with a machine learning approach applied to SAR imagery: A Weddell sea case study, ISPRS Journal of Photogrammetry and Remote Sensing, 172, 189–206, https://doi.org/10.1016/j.isprsjprs.2020.12.006. EDN: BGVJVQ
  3. Barnes, D. K. A., and T. Souster (2011), Reduced survival of Antarctic benthos linked to climate-induced iceberg scouring, Nature Climate Change, 1(7), 365–368, https://doi.org/10.1038/nclimate1232. EDN: JRZMRB
  4. Budge, J. S., and D. G. Long (2018), A Comprehensive Database for Antarctic Iceberg Tracking Using Scatterometer Data, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 11(2), 434–442, https://doi.org/10.1109/JSTARS.2017.2784186.
  5. Canny, J. (1986), A Computational Approach to Edge Detection, IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-8(6), 679–698, https://doi.org/10.1109/TPAMI.1986.4767851.
  6. Emery, W. J., C. W. Fowler, and J. A. Maslanik (1997), Satellite-derived maps of Arctic and Antarctic sea ice motion: 1988 to 1994, Geophysical Research Letters, 24(8), 897–900, https://doi.org/10.1029/97GL00755.
  7. Francis, D., K. S. Mattingly, S. Lhermitte, M. Temimi, and P. Heil (2021), Atmospheric extremes triggered the biggest calving event in more than 50 years at the Amery Ice shelf in September 2019, The Cryosphere, 15, 2147–2165, https://doi.org/10.5194/tc-2020-219. doi: 10.5194/tc-15-2147-2021; EDN: CYDFLX
  8. Fricker, H. A., N. W. Young, I. Allison, and R. Coleman (2002), Iceberg calving from the Amery Ice Shelf, East Antarctica, Annals of Glaciology, 34, 241–246, https://doi.org/10.3189/172756402781817581. EDN: MBHCWP
  9. Gandhi, P. P., and S. A. Kassam (1988), Analysis of CFAR processors in nonhomogeneous background, IEEE Transactions on Aerospace and Electronic Systems, 24(4), 427–445, https://doi.org/10.1109/7.7185.
  10. Gill, A. E. (1973), Circulation and bottom water production in the Weddell Sea, Deep Sea Research and Oceanographic Abstracts, 20(2), 111–140, https://doi.org/10.1016/0011-7471(73)90048-X.
  11. Greenbaum, J. S., D. D. Blankenship, D. A. Young, et al. (2015), Ocean access to a cavity beneath Totten Glacier in East Antarctica, Nature Geoscience, 8(4), 294–298, https://doi.org/10.1038/ngeo2388. EDN: URIVWL
  12. Heywood, K. J., A. C. Naveira Garabato, D. P. Stevens, and R. D. Muench (2004), On the fate of the Antarctic Slope Front and the origin of the Weddell Front, Journal of Geophysical Research: Oceans, 109(C6), https://doi.org/10.1029/2003JC002053.
  13. Hogg, A. E., and G. H. Gudmundsson (2017), Impacts of the Larsen-C Ice Shelf calving event, Nature Climate Change, 7(8), 540–542, https://doi.org/10.1038/nclimate3359.
  14. Jacobs, S. S. (1991), On the nature and significance of the Antarctic Slope Front, Marine Chemistry, 35(1–4), 9–24, https://doi.org/10.1016/S0304-4203(09)90005-6.
  15. King, M. A., R. Coleman, A.-J. Freemantle, et al. (2009), A 4-decade record of elevation change of the Amery Ice Shelf, East Antarctica, Journal of Geophysical Research: Earth Surface, 114(F1), https://doi.org/10.1029/2008JF001094. EDN: NFATDY
  16. Li, T., Y. Liu, and X. Cheng (2020), Recent and imminent calving events do little to impair Amery ice shelf’s stability, Acta Oceanologica Sinica, 39(5), 168–170, https://doi.org/10.1007/s13131-020-1600-6. EDN: TGYIFJ
  17. Liu, X., X. Cheng, Q. Liang, et al. (2021), Grounding Event of Iceberg D28 and Its Interactions with Seabed Topography, Remote Sensing, 14(1), 154, https://doi.org/10.3390/rs14010154. EDN: MBPVOQ
  18. Liu, Y., J. C. Moore, X. Cheng, et al. (2015), Ocean-driven thinning enhances iceberg calving and retreat of Antarctic ice shelves, Proceedings of the National Academy of Sciences, 112(11), 3263–3268, https://doi.org/10.1073/pnas.1415137112. EDN: UPWTBH
  19. Matas, J., O. Chum, M. Urban, and T. Pajdla (2004), Robust wide-baseline stereo from maximally stable extremal regions, Image and Vision Computing, 22(10), 761–767, https://doi.org/10.1016/j.imavis.2004.02.006.
  20. Mazur, A. K., A. K. Wåhlin, and A. Krężel (2017), An object-based SAR image iceberg detection algorithm applied to the Amundsen Sea, Remote Sensing of Environment, 189, 67–83, https://doi.org/10.1016/j.rse.2016.11.013. EDN: XZICXD
  21. McIlhagga, W. (2010), The Canny Edge Detector Revisited, International Journal of Computer Vision, 91(3), 251–261, https://doi.org/10.1007/s11263-010-0392-0. EDN: KUEKYA
  22. Mitkari, K., J. Pallipad, D. Putrevu, and A. Misra (2021), Detecting Calving Events of Icebergs D-28 and B-49 using High Resolution Sentinel-1A SAR Data, EGU General Assembly 2021, online, 19-30 Apr 2021, EGU21-16264, https://doi.org/10.5194/egusphere-egu21-16264.
  23. Morozov, E. G., V. A. Krechik, D. I. Frey, and V. V. Zamshin (2021), Currents in the Western Part of the Weddell Sea and Drift of Large Iceberg A68A, Oceanology, 61(5), 589–601, https://doi.org/10.1134/S000143702105009X. EDN: ETGCPZ
  24. Normandeau, A., K. MacKillop, M. Macquarrie, et al. (2021), Submarine landslides triggered by iceberg collision with the seafloor, Nature Geoscience, 14(8), 599–605, https://doi.org/10.1038/s41561-021-00767-4. EDN: ZRJMRB
  25. Otsu, N. (1979), A Threshold Selection Method from Gray-Level Histograms, IEEE Transactions on Systems, Man, and Cybernetics, 9(1), 62–66, https://doi.org/10.1109/TSMC.1979.4310076.
  26. Pogrebnoi, A.E. (2023), Estimation of Internal Wave Parameters in the Arctic Based on Synthetic Aperture Satellite Radar Data, Physical Oceanography, 30(1), 98–111, https://doi.org/10.29039/1573-160X-2023-1-98-111 EDN: SDEMBA
  27. Pritchard, H. D., S. R. M. Ligtenberg, H. A. Fricker, et al. (2012), Antarctic ice-sheet loss driven by basal melting of ice shelves, Nature, 484(7395), 502–505, https://doi.org/10.1038/nature10968.
  28. Shepherd, A., H. A. Fricker, and S. L. Farrell (2018), Trends and connections across the Antarctic cryosphere, Nature, 558(7709), 223–232, https://doi.org/10.1038/s41586-018-0171-6. EDN: YGJRPF
  29. Silva, T. A. M., and G. R. Bigg (2005), Computer-based identification and tracking of Antarctic icebergs in SAR images, Remote Sensing of Environment, 94(3), 287–297, https://doi.org/10.1016/j.rse.2004.10.002.
  30. Singh, K. N., R. K. Singh, M. Maisnam, et al. (2021), Detection of Two Recent Calving Events in Antarctica from SCATSAT-1, in 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS, pp. 439–442, IEEE, https://doi.org/10.1109/IGARSS47720.2021.9553306.
  31. Singh, K. N., M. Maisnam, R. K. Singh, et al. (2023), Spatio-temporal monitoring of the iceberg D28 using SCATSAT-1 data, Polar Record, 59, https://doi.org/10.1017/S0032247423000062. EDN: REBKFM
  32. Smith, J. A., A. G. C. Graham, A. L. Post, et al. (2019), The marine geological imprint of Antarctic ice shelves, Nature Communications, 10(1), https://doi.org/10.1038/s41467-019-13496-5. EDN: KDYYQL
  33. Stewart, A. L., and A. F. Thompson (2015), Eddy-mediated transport of warm Circumpolar Deep Water across the Antarctic Shelf Break, Geophysical Research Letters, 42(2), 432–440, https://doi.org/10.1002/2014GL062281.
  34. Stuart, K. M., and D. G. Long (2011), Tracking large tabular icebergs using the SeaWinds Ku-band microwave scatterometer, Deep Sea Research Part II: Topical Studies in Oceanography, 58(11–12), 1285–1300, https://doi.org/10.1016/j.dsr2.2010.11.004.
  35. Thompson, A. F., A. L. Stewart, P. Spence, and K. J. Heywood (2018), The Antarctic Slope Current in a Changing Climate, Reviews of Geophysics, 56(4), 741–770, https://doi.org/10.1029/2018RG000624.
  36. Walker, C. C., M. K. Becker, and H. A. Fricker (2021), A High Resolution, Three-Dimensional View of the D-28 Calving Event From Amery Ice Shelf With ICESat-2 and Satellite Imagery, Geophysical Research Letters, 48(3), https://doi.org/10.1029/2020GL091200. EDN: VXLPHM
  37. Wang, Q., S. Danilov, and J. Schröter (2009), Bottom water formation in the southern Weddell Sea and the influence of submarine ridges: Idealized numerical simulations, Ocean Modelling, 28(1–3), 50–59, https://doi.org/10.1016/j.ocemod.2008.08.003.
  38. Whitworth, T., A. H. Orsi, S.-J. Kim, W. D. Nowlin, and R. A. Locarnini (2013), Water Masses and Mixing Near the Antarctic Slope Front, pp. 1–27, American Geophysical Union, https://doi.org/10.1029/AR075p0001.
  39. Yu, Y., Z. Zhang, M. Shokr, et al. (2019), Automatically Extracted Antarctic Coastline Using Remotely-Sensed Data: An Update, Remote Sensing, 11(16), 1844, https://doi.org/10.3390/rs11161844.
  40. Zhu, T., X. Cui, and Y. Zhang (2021), Analysis of Temporal and Spatial Variability of Fronts on the Amery Ice Shelf Automatically Detected Using Sentinel-1 SAR Data, Remote Sensing, 13(17), 3528, https://doi.org/10.3390/rs13173528. EDN: YGTYZA

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Pogrebnoi A., Belokopytov V., 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».