Search

A quase inacessibilidade de grandes partes do Oceano Austral torna o conhecimento da espessura do gelo marinho limitado. Esta informação é essencial para a determinação do balanço de massa deste componente da criosfera. Na transição do inverno para a primavera de 2006, uma equipe de pesquisadores, coletou uma série de perfis de espessura de gelo marinho no norte e noroeste do mar de Weddell. Eles estavam a bordo do navio de pesquisa alemão Polarstern do Alfred-Wegener-Institut, Helmholtz-Zentrum für Polar- und Meeresforschung (AWI) e utilizaram um sistema composto por um sensor eletromagnético, altímetro laser e um Sistema de Posicionamento Global Diferencial (DGPS) aerotransportado por helicóptero. Simultaneamente, a Agência Espacial Europeia (ESA), adquiriu imagens ENVISAT ASAR WSM da área de pesquisa. O objetivo principal desta tese é determinar a relação existente entre o retroespalhamento medido pelo Radar de Abertura Sintética e a espessura do gelo marinho obtida pelo HEM (Helicopter-borne ElectroMagnetic system) usando os dados citados acima. Utilizamos os programas de computador NEST®, MATLAB®, EXCEL®, ArcGIS®/ArcMAP®, para processar, analisar e selecionar as imagens, para determinar a relação entre o retroespalhamento e as medidas, quase-tempo-coincidentes, de espessura do gelo. Projetamos as trajetórias dos voos sobre as imagens obtidas nas mesmas datas e extraímos os pixels referentes aos locais onde foram medidas as espessuras de gelo marinho. Apropriamos os valores de espessura do gelo para a área de cada pixel sobre o qual se referiam. Uma análise estatística determinou que o parâmetro que melhor representa a espessura do gelo dentro da área do pixel é a média. A regressão linear é a melhor forma de ajuste das relações entre o valor de retroespalhamento do pixel e a espessura do gelo marinho contido na área deste pixel. O coeficiente de correlação linear de Pearson, resultante de análise paramétrica, indica uma forte correlação (0,75) entre retroespalhamento e espessura do gelo marinho. Porém, a análise não paramétrica de Spearman resultou em um coeficiente de correlação baixo (0,06) o que pode indicar que os dados analisados são compostos por duas populações distintas (e.g., gelo de primeiro ano e plurianual). Contudo, a análise não paramétrica de Kolmogorov-Smirnov aventa a possibilidade de que não tenhamos amostrado toda população. Esta seria a razão de não haver valores de espessuras relativas ao intervalo entre -9.21dB e -1.35dB, o que poderia induzir ao baixo valor do coeficiente de correlação na análise de Spearman. Aplicamos a equação linear: y=0,6345x+12,015 às imagens e pudemos separá-las em doze classes: uma para água e onze para gelo marinho, estas com intervalos de um metro. Isto possibilitou a observação de importantes feições oceanográficas como: canais de águas abertas; cristas de compressão, decaimento do gelo marinho, deslocamento de icebergs (como indicadores de correntes, marés e ventos), liberação de gelo por geleiras de maré, desprendimento de iceberg da plataforma de gelo Larsen C, esteiras de ondas e vórtices oceânicos. Com base no exposto, podemos afirmar que, estatisticamente, nossos resultados são robustos e significantes, com nível de confiança entre 95% e 99%. A equação que propomos é um primeiro passo para inferir-se a espessura do gelo marinho a partir de coeficientes de retroespalhamento SAR. The almost inaccessibility of large parts of the Southern Ocean makes the knowledge on the sea-ice thickness limited. This information is essential for determining the mass balance of this cryosphere component. During the transition from winter to spring 2006, a researcher team performed several sea-ice thickness profiles in the north and northwest of the Weddell Sea. They were aboard the German research vessel Polarstern from the Alfred-Wegener-Institute, Helmholtz-Zentrum für Polar- und Meeresforschung (AWI) and utilizing for those measurements a Helicopter-borne Electromagnetic system (HEM). The HEM is composed of an electromagnetic sensor, laser altimeter, and a Differential Global Positioning System (DGPS). Simultaneously, the European Space Agency (ESA) ENVISAT ASAR WSM acquired images from the research area. The main objective of this thesis is to determine the relationship between the Synthetic Aperture Radar backscattering and the HEM’s sea-ice thickness measurements using data listed above. We used the computer programs: NEST®, MATLAB®, EXCEL®, ArcGIS® / ArcMap®, to process, analyze and select images, in order to determine the relationship between the backscattering and the quasi-time-coincident ice thickness measurements. We projected the flights trajectories on the images obtained on the same dates, extracting the pixels pertaining to the places where the sea-ice thicknesses were determined. We ascribed ice thickness values for each area covered by the pixel. A statistical analysis determined that the best ice thickness parameter within a pixel area is its mean. Linear regression is the best way to adjust the relationship between the pixel backscatter value and the sea-ice thickness contained within the pixel area. The Pearson linear correlation coefficient, resulting from parametric analysis, indicates a strong correlation (0.75) between backscatter and sea-ice thickness. However, the nonparametric Spearman analysis resulted in a low correlation coefficient (0.06), which may indicate that the analyzed data consist of two distinct populations (e.g., first-year and multi-year ice). However, the Kolmogorov-Smirnov nonparametric analysis brought up the possibility that we just have not sampled the entire population. This could explain the no existence of sea-ice thicknesses values on the interval from -9.21dB to -1.35dB, which could lead to the low correlation coefficient in the Spearman analysis. We applied the linear equation: =,+, to the images, separating them into twelve classes: one for water and eleven to sea-ice, the latter in one-meter thickness intervals. The results enabled the observation of important oceanographic features such as open water channels, pressure ridges, sea-ice decay, icebergs motion (as indicators of currents, tides and winds), glaciers discharge, iceberg calving from Larsen C ice shelf, wakes and oceanic eddies. Based on the foregoing, we can say that, statistically, our results are robust and significantly, with a confidence level from 95% to 99%. The proposed equation is a first step to inferring sea-ice thickness from SAR backscatter coefficients.