Arktisen merijään heijastavuuden aikasarjan aukkoja täydennettiin koneoppimisen avulla

Ilmaston mallinnus ja tutkimus tarvitsevat ajallisesti ja paikallisesti mahdollisimman kattavaa tietoa heijastavuudesta eli albedosta. Puuttuvat havainnot voivat vääristää ilmastollisia keskiarvoja ja peittää tärkeitä fysikaalisia ilmiöitä. Ilmatieteen laitoksen tutkijat kehittivät puuttuvien havaintojen täydennysmenetelmän ja sovelsivat sitä albedon viiden päivän keskiarvoihin. Keskiarvoja tuotetaan Euroopan sääsatelliittijärjestö EUMETSATin projektissa (CM-SAF, Satellite Application Facility on Climate Monitoring) käyttäen optisia satelliittihavaintoja. Täydennyksen perustana tutkimuksessa olivat albedon kuukausikeskiarvot. Lisäksi käytettiin pilvisinä ja pimeinä aikoina saatavia päivittäisiä mikroaaltoalueen kirkkauslämpötila-arvoja ja niihin perustuvia merijääkarttoja. Menetelmällä saatiin täytettyä jopa 27 % testivuosien puuttuvista albedoarvoista. Tutkimus osoitti, että menetelmä on vakaampi, harhattomampi ja tarkempi kuin muut yksinkertaiset menetelmät. Esimerkiksi aikasarjan aukkojen täyttäminen pelkällä albedodatan kuukausikeskiarvolla osoittautui haasteelliseksi merijään nopeiden muutosten takia, erityisesti sulamiskauden aikana. Kosteuteen reagoiva mikroaaltodata onkin täten tärkeä osa menetelmää.

Lisätietoja:

Tutkija Emmihenna Jääskeläinen, Ilmatieteen laitos, puh. 050 454 6836, emmihenna.jaaskelainen@fmi.fi

Viite: Jääskeläinen, E., Manninen, T., Hakkarainen, J. and Tamminen, J.: Filling gaps of black-sky surface albedo of the Arctic sea ice using gradient boosting and brightness temperature data, International Journal of Applied Earth Observation and Geoinformation, 107,102701 (2022). doi:/10.1016/j.jag.2022.102701.

Tieteellinen artikkeli on saatavilla International Journal of Applied Earth Observation and Geoinformation -tiedelehdessä.