Rivelare le Dinamiche del Ghiaccio Marino Artico: Una Metodologia Avanzata per la Stima di Spessore e VolumeUtilizzando i Dati di CryoSat-2

Introduzione Il ghiaccio marino artico rappresenta un pilastro fondamentale del sistema climatico terrestre, fungendo da regolatore dei flussi di calore e acqua dolce a scala regionale e influenzando i pattern di circolazione atmosferica e oceanica sia nell’Artico che a latitudini inferiori. A partire dal 1979, le osservazioni satellitari hanno documentato un declino persistente dell’estensione del ghiaccio marino artico in tutti i mesi dell’anno, un fenomeno che ha sollevato crescenti preoccupazioni riguardo alle sue implicazioni sul clima globale. Tuttavia, per comprendere appieno l’impatto di queste variazioni, non è sufficiente monitorare l’estensione superficiale del ghiaccio; è altrettanto cruciale ottenere misurazioni accurate e a lungo termine della sua distribuzione di spessore. Questo parametro, combinato con l’estensione, consente di calcolare il volume del ghiaccio marino, fornendo una metrica essenziale per valutare i cambiamenti nel bilancio di massa e il ruolo del ghiaccio nel sistema climatico. Il lancio del satellite CryoSat-2 dell’Agenzia Spaziale Europea (ESA) nell’aprile 2010 ha segnato una svolta nella capacità di monitorare il ghiaccio marino, grazie alla sua copertura senza precedenti dell’Oceano Artico fino a 88°N e alla sua tecnologia altimetrica radar avanzata. In questo studio, presentiamo un’analisi dettagliata e completa del processo di elaborazione dei dati di CryoSat-2 per stimare lo spessore e il volume del ghiaccio marino nell’Emisfero Nord, descrivendo le metodologie sviluppate dal Centre for Polar Observation and Modelling (CPOM) e valutando le incertezze associate.

Metodologia di Elaborazione dei Dati Il sistema di elaborazione dei dati di CryoSat-2 per il ghiaccio marino, in sviluppo presso il CPOM sin dai primi anni ’90, si basa su un approccio end-to-end che integra i dati altimetrici radar con osservazioni complementari, come la copertura nevosa e la densità del ghiaccio. L’altimetro radar di CryoSat-2 misura il tempo di ritorno del segnale riflesso dalla superficie, consentendo di determinare l’altezza libera (freeboard) del ghiaccio, ovvero la porzione di ghiaccio che emerge sopra il livello del mare. Per convertire il freeboard in spessore del ghiaccio, è necessario tenere conto di diversi parametri fisici, tra cui la profondità e la densità della neve accumulata sul ghiaccio, la densità del ghiaccio marino e la densità dell’acqua di mare. Questi parametri sono derivati da modelli e osservazioni ausiliarie, come i dati climatologici della neve e le misurazioni in situ.

Il processo inizia con la correzione dei dati grezzi dell’altimetro per eliminare gli effetti di fattori ambientali, come le maree oceaniche, la pressione atmosferica e le variazioni geoidiche. Successivamente, i dati vengono classificati per distinguere tra ghiaccio marino, acqua aperta (lead) e superfici terrestri. La determinazione precisa dei lead è fondamentale, poiché fornisce un riferimento per il livello del mare locale, necessario per calcolare il freeboard. Una volta ottenuto il freeboard, lo spessore del ghiaccio è calcolato utilizzando un modello idrostatico che tiene conto del peso della neve e della galleggiabilità del ghiaccio. Infine, il volume del ghiaccio marino è stimato moltiplicando lo spessore medio per l’area coperta dal ghiaccio, derivata da osservazioni satellitari complementari.

Validazione e Accuratezza Per valutare l’accuratezza delle stime di spessore del ghiaccio, i risultati ottenuti da CryoSat-2 sono stati confrontati con misurazioni indipendenti, tra cui dati raccolti da campagne in situ e da altri sensori satellitari. I confronti hanno dimostrato che le stime di spessore del ghiaccio elaborate dal CPOM non presentano bias significativi, confermando l’affidabilità del sistema di elaborazione. Tuttavia, l’accuratezza delle stime è influenzata da diverse fonti di incertezza, che sono state analizzate in dettaglio. Le principali fonti di errore includono:

Profondità della neve: La neve accumulata sul ghiaccio marino contribuisce significativamente al peso totale e influisce sulla stima del freeboard. Tuttavia, le misurazioni della profondità della neve sono spesso basate su climatologie o modelli, che possono non riflettere le condizioni locali in tempo reale.
Densità della neve: La densità della neve varia in funzione delle condizioni ambientali e del tempo, ma i dati disponibili sono limitati, introducendo ulteriori incertezze.
Densità del ghiaccio e dell’acqua di mare: Piccole variazioni in questi parametri possono influenzare i calcoli dello spessore, specialmente in regioni con ghiaccio multiannuale.
Classificazione dei lead: Errori nella distinzione tra ghiaccio e acqua aperta possono introdurre discrepanze nel calcolo del livello del mare locale.

Un’analisi quantitativa delle incertezze ha rivelato che, su base mensile, la profondità e la densità della neve rappresentano i contributi dominanti all’incertezza totale, sottolineando la necessità di migliorare le osservazioni e i modelli di carico nevoso.

Implicazioni e Prospettive Future Le stime di spessore e volume del ghiaccio marino derivate da CryoSat-2 forniscono un quadro dettagliato delle dinamiche del ghiaccio artico, evidenziando una tendenza al declino del volume in concomitanza con la riduzione dell’estensione. Questi dati sono fondamentali per comprendere il ruolo del ghiaccio marino nei feedback climatici, come l’amplificazione artica, e per migliorare le previsioni climatiche a scala globale. Inoltre, il sistema di elaborazione descritto in questo studio non è limitato all’Emisfero Nord; con opportuni adattamenti, può essere applicato ai dati altimetrici radar per monitorare il ghiaccio marino nell’Emisfero Sud o per altre missioni satellitari polari.

Un’area prioritaria per la ricerca futura è lo sviluppo di metodi più precisi per stimare il carico di neve sul ghiaccio marino. Nuove missioni satellitari, come ICESat-2, che combinano altimetria laser e radar, potrebbero fornire dati complementari per migliorare le stime della profondità e della densità della neve. Inoltre, l’integrazione di tecniche di apprendimento automatico e modelli fisici avanzati potrebbe ottimizzare l’elaborazione dei dati altimetrici, riducendo ulteriormente le incertezze.

Conclusione Il satellite CryoSat-2 ha rivoluzionato il monitoraggio del ghiaccio marino artico, fornendo dati ad alta risoluzione che consentono di stimare con precisione lo spessore e il volume del ghiaccio. Il sistema di elaborazione sviluppato dal CPOM rappresenta un esempio di eccellenza nella scienza dei dati satellitari, combinando osservazioni altimetriche con modelli fisici per produrre stime robuste e validate. Tuttavia, le incertezze legate alla neve sottolineano la necessità di ulteriori progressi nelle osservazioni e nei modelli. Questo lavoro non solo migliora la nostra comprensione del ghiaccio marino artico, ma getta anche le basi per lo sviluppo di sistemi di monitoraggio del ghiaccio marino a livello globale, con implicazioni significative per la scienza del clima e la gestione delle regioni polari.

Dinamiche del Ghiaccio Marino Artico: Metodologie Avanzate per la Stima di Spessore e Volume con i Dati Altimetrici di CryoSat-2

Introduzione Il ghiaccio marino artico rappresenta un componente essenziale del sistema climatico terrestre, esercitando un ruolo critico nella regolazione dei bilanci di acqua dolce e di energia termica superficiale dell’Oceano Artico. Le osservazioni satellitari a microonde passive hanno documentato una riduzione significativa dell’estensione del ghiaccio marino estivo, pari al 40% dal 1979 (Cavalieri et al., 1996, aggiornato annualmente; Fetterer et al., 2002, aggiornato quotidianamente), in concomitanza con un marcato riscaldamento globale e regionale osservato nell’ultimo trentennio (Hartmann et al., 2013). Questo declino ha implicazioni di vasta portata per il clima globale, poiché il ghiaccio marino influenza non solo i processi locali, come il flusso di acqua dolce (Aagaard e Carmack, 1989; Serreze et al., 2006) e il bilancio di calore superficiale (Sedlar et al., 2011), ma anche la circolazione termoalina oceanica globale (Vellinga e Wood, 2002) e i pattern di circolazione atmosferica (Singarayer et al., 2006; Schweiger et al., 2008; Francis e Vavrus, 2012). Tali perturbazioni possono alterare i regimi meteorologici regionali in vaste aree dell’Emisfero Nord, inclusi Europa e Nord America, e potenzialmente estendersi all’Emisfero Sud (Vellinga e Wood, 2002).

Per valutare pienamente gli impatti delle variazioni del ghiaccio marino artico sul sistema climatico globale, è indispensabile disporre di osservazioni a lungo termine e ad alta precisione dell’intero pack di ghiaccio, con particolare attenzione non solo alla sua estensione superficiale, ma anche al suo spessore e volume. Tuttavia, la quantificazione delle tendenze del volume del ghiaccio marino è stata storicamente ostacolata dalla limitata disponibilità di misurazioni dettagliate di spessore, che risultavano spazialmente sparse e temporalmente discontinue (McLaren, 1989, 1992; Wadhams, 1990). L’avvento di tecnologie satellitari avanzate ha segnato una svolta in questo campo, culminando con il lancio, nell’aprile 2010, del satellite CryoSat-2 dell’Agenzia Spaziale Europea (ESA), equipaggiato con un altimetro radar all’avanguardia (Wingham et al., 2006). CryoSat-2 offre una copertura eccezionale dell’Oceano Artico, estendendosi fino a 88°N, consentendo una caratterizzazione senza precedenti delle proprietà fisiche del ghiaccio marino.

Nel 2013, un gruppo di ricerca del Centre for Polar Observation and Modelling (CPOM) ha pubblicato le prime stime di spessore e volume del ghiaccio marino artico derivate dai dati di CryoSat-2 (Laxon et al., 2013). Queste stime si riferivano a una regione artica centrale fissa, denominata dominio ICESat, che copre un’area di 7,2 × 10^6 km², definita originariamente dalla NASA per il satellite ICESat (Kwok et al., 2009). Successivamente, il sistema di elaborazione del CPOM è stato ampliato per includere tutto il ghiaccio marino dell’Emisfero Nord, coprendo latitudini pari o superiori a 40°N (Tilling et al., 2015). A partire dal 2013, numerosi altri enti di ricerca, tra cui il Goddard Space Flight Center della NASA (Kurtz et al., 2014), l’Alfred Wegener Institute (AWI) (Ricker et al., 2014), il Jet Propulsion Laboratory (JPL) della NASA (Kwok e Cunningham, 2015), l’Istituto Meteorologico Finlandese (FMI) (Rinne e Similä, 2016) e l’Ulsan National Institute of Science and Technology (UNIST) (Lee et al., 2016), hanno sviluppato propri sistemi di elaborazione dei dati di CryoSat-2 per il ghiaccio marino, ciascuno con peculiarità in termini di copertura geografica e metodologie di processamento.

Sistemi di Elaborazione e Differenze Metodologiche I sistemi di elaborazione sviluppati da CPOM, NASA e AWI forniscono prodotti di spessore del ghiaccio marino accessibili al pubblico, ma differiscono per approccio e ambito geografico. I dati NASA si concentrano sul dominio ICESat, mentre i dati AWI coprono le regioni dell’Oceano Artico dove i valori di profondità e densità della neve, derivati dalla climatologia di Warren et al. (1999), sono ritenuti rappresentativi. Una delle principali differenze tra i vari processori riguarda l’applicazione dei retracker ai dati altimetrici di CryoSat-2. Al CPOM, l’elevazione delle superfici oceaniche è stimata utilizzando un retracker gaussiano-esponenziale, mentre per le superfici di ghiaccio marino si adotta un retracker a soglia (Sezione 4.4). Il Goddard della NASA impiega un modello di adattamento delle forme d’onda, il JPL seleziona il primo picco non ambiguo per tutte le forme d’onda, e l’AWI applica un retracker a soglia a tutte le forme d’onda. Ulteriori variazioni si riscontrano nei metodi utilizzati per calcolare l’altezza istantanea della superficie marina, considerando la superficie media del mare, e per classificare i tipi di ghiaccio marino (ad esempio, ghiaccio di primo anno o multiannuale).

Metodologia di Elaborazione del CPOM Il presente studio fornisce una descrizione esaustiva e dettagliata delle fasi di elaborazione dei dati implementate presso il CPOM per derivare stime di spessore e volume del ghiaccio marino dell’Emisfero Nord utilizzando i dati dell’altimetro radar di CryoSat-2. Questa catena di processamento, in continua evoluzione sin dai primi anni ‘90 (Laxon, 1994), rappresenta un pilastro della ricerca sul ghiaccio marino basata su altimetria satellitare. Studi precedenti hanno documentato le tappe della sua sviluppo (Giles et al., 2008; Laxon et al., 2013, 2003; Peacock e Laxon, 2004; Tilling et al., 2015) e analizzato in dettaglio le fonti di errore e incertezza associate alla stima del freeboard del ghiaccio marino tramite altimetria radar (Tilling et al., 2016; Giles et al., 2007).

Il processo inizia con la correzione dei dati altimetrici grezzi per eliminare gli effetti di fattori ambientali, come le maree oceaniche, le variazioni della pressione atmosferica e le anomalie geoidiche. Successivamente, i dati vengono classificati per distinguere tra superfici di ghiaccio marino, acqua aperta (lead) e terraferma. La corretta identificazione dei lead è cruciale, poiché fornisce un riferimento per il livello del mare locale, necessario per calcolare il freeboard del ghiaccio. Il freeboard, ovvero la porzione di ghiaccio che emerge sopra il livello del mare, è poi convertito in spessore del ghiaccio utilizzando un modello idrostatico che tiene conto del peso della neve accumulata, della densità del ghiaccio e dell’acqua di mare. Il volume del ghiaccio marino è infine calcolato moltiplicando lo spessore medio per l’area coperta dal ghiaccio, derivata da osservazioni satellitari complementari.

Valutazione delle Incertezze e Confronto con Misure Indipendenti Per valutare l’affidabilità delle stime, il CPOM ha sviluppato un bilancio delle incertezze per lo spessore e il volume del ghiaccio marino, identificando le principali fonti di errore, tra cui la profondità e la densità della neve, la densità del ghiaccio e dell’acqua di mare, e la classificazione dei lead. Le stime di spessore del ghiaccio sono state validate confrontandole con misurazioni in situ e aeree condotte nell’Artico, dimostrando un’elevata coerenza e l’assenza di bias significativi. Inoltre, il presente lavoro include un’analisi delle variazioni temporali di spessore e volume del ghiaccio marino derivate dai dati di CryoSat-2, evidenziando le tendenze di declino e le implicazioni per il sistema climatico.

Prospettive Future Le metodologie descritte offrono un quadro robusto per il monitoraggio del ghiaccio marino artico, ma evidenziano anche la necessità di migliorare le stime del carico di neve, che rappresenta la principale fonte di incertezza. L’integrazione di dati da missioni complementari, come ICESat-2, e l’adozione di tecniche avanzate, come l’apprendimento automatico, potrebbero ulteriormente affinare le stime. Inoltre, il sistema di elaborazione del CPOM può essere adattato per monitorare il ghiaccio marino nell’Emisfero Sud o per altre missioni altimetriche, ampliando il suo impatto sulla ricerca polare globale.

Conclusione Il satellite CryoSat-2 ha rivoluzionato lo studio del ghiaccio marino artico, fornendo dati ad alta risoluzione che consentono di quantificare con precisione le variazioni di spessore e volume. La catena di elaborazione del CPOM rappresenta un esempio di eccellenza scientifica, combinando tecnologie satellitari avanzate con modelli fisici per produrre stime affidabili e validate. Questo lavoro non solo migliora la nostra comprensione delle dinamiche del ghiaccio marino artico, ma pone le basi per un monitoraggio globale del ghiaccio marino, con implicazioni significative per la previsione climatica e la gestione delle regioni polari.

Introduzione La missione CryoSat-2, sviluppata dall’Agenzia Spaziale Europea (ESA), rappresenta un pilastro fondamentale nella ricerca glaciologica globale, con l’obiettivo primario di monitorare con elevata precisione le variazioni interannuali e le tendenze a lungo termine dei campi di ghiaccio continentali e marini della Terra (Drinkwater et al., 2004; Wingham et al., 2006). Lanciato nell’aprile 2010, CryoSat-2 è equipaggiato con un avanzato sistema altimetrico radar progettato per fornire dati ad alta risoluzione spaziale e temporale, essenziali per comprendere le dinamiche dei ghiacci polari e il loro ruolo nel sistema climatico globale. Il cuore della missione è il Synthetic Aperture Interferometric Radar Altimeter (SIRAL), un altimetro/interferometro che opera nella banda Ku (13,6 GHz) e che si distingue per la sua versatilità operativa e la capacità di adattarsi a diverse superfici terrestri. Questo studio fornisce una descrizione dettagliata delle caratteristiche tecniche e delle modalità operative di CryoSat-2, con particolare attenzione al funzionamento del SIRAL e alle sue applicazioni nel monitoraggio del ghiaccio marino artico.

Il Sistema Altimetrico SIRAL Il SIRAL è un sistema innovativo che combina le funzionalità di un altimetro radar convenzionale con tecniche avanzate di apertura sintetica e interferometria. Il sistema di antenne è composto da due antenne orientate verso il nadir, posizionate a una distanza di 1 metro l’una dall’altra nella direzione trasversale alla traccia orbitale (Wingham et al., 2006). Questa configurazione consente al SIRAL di operare in tre modalità distinte, ottimizzate per il tipo di superficie osservata: la modalità a bassa risoluzione (Low Resolution Mode, LRM), la modalità radar ad apertura sintetica (Synthetic Aperture Radar, SAR) e la modalità interferometrica SAR (SAR Interferometric, SARIn) (ESA/MSSL, 2013). La scelta della modalità operativa dipende dalla natura della superficie, che può variare da calotte glaciali continentali a superfici oceaniche aperte o ghiaccio marino, garantendo una flessibilità senza precedenti nella raccolta dei dati.

Modalità a Bassa Risoluzione (LRM) Nella modalità LRM, il SIRAL funziona come un altimetro radar convenzionale a puntamento nadir, utilizzando una singola antenna per trasmettere e ricevere segnali radar. In questa configurazione, la dimensione dell’impronta radar è determinata dalla lunghezza dell’impulso compresso, secondo il principio della limitazione per impulso. La velocità orbitale media di CryoSat-2 è di circa 7,4 km/s, e l’intervallo tra gli impulsi in modalità LRM è di circa 500 microsecondi, corrispondente a una frequenza di ripetizione degli impulsi (Pulse Repetition Frequency, PRF) di 2 kHz (Wingham et al., 2006). Questo intervallo garantisce che gli echi di ritorno siano non correlati, migliorando la qualità delle misurazioni. L’impronta limitata dall’impulso (Pulse-Limited Footprint, PLF) in modalità LRM è di circa 1,7 km, calcolata considerando un’altitudine orbitale di 730 km (Scagliola, 2013). La modalità LRM è utilizzata principalmente per il monitoraggio delle calotte glaciali continentali, come quelle di Groenlandia e Antartide, nonché per la maggior parte delle superfici oceaniche prive di ghiaccio e delle aree terrestri (Fig. 1). Questa modalità è ideale per superfici relativamente omogenee, dove una risoluzione spaziale moderata è sufficiente per catturare le variazioni altimetriche.

Modalità ad Apertura Sintetica (SAR) La modalità SAR rappresenta un’evoluzione significativa rispetto alla LRM, progettata per migliorare la risoluzione spaziale lungo la traccia orbitale, rendendola particolarmente adatta al monitoraggio del ghiaccio marino e di superfici complesse. In questa modalità, il SIRAL utilizza una singola antenna per trasmettere e ricevere segnali, ma invece di emettere un singolo impulso, genera una raffica di 64 impulsi coerenti in fase. Questi impulsi sfruttano l’effetto Doppler, derivante dal movimento relativo del satellite rispetto alla superficie terrestre, per separare la raffica in fasci stretti disposti trasversalmente alla traccia. La risoluzione di campionamento lungo la traccia di ciascun fascio è di circa 250 m, un miglioramento sostanziale rispetto alla LRM. Come in altri sistemi radar limitati dall’impulso, l’area illuminata dal SIRAL continua a espandersi come un anello dopo che l’impronta limitata dall’impulso (PLF) è stata raggiunta. Di conseguenza, la PLF è più piccola rispetto al pattern di illuminazione completo dell’antenna, noto come impronta limitata dall’antenna (Antenna-Limited Footprint). L’impronta trasversale alla traccia in modalità SAR corrisponde all’impronta limitata dall’antenna, che può estendersi fino a 15 km, a seconda dell’altitudine del satellite (Scagliola, 2013). Per garantire una sovrapposizione precisa tra i fasci di raffiche successive, l’angolo di osservazione del fascio centrale (look angle) viene regolato dinamicamente, allineando tutti i fasci e massimizzando la coerenza delle misurazioni.

Applicazioni e Implicazioni Scientifiche Le modalità operative del SIRAL consentono a CryoSat-2 di adattarsi a una vasta gamma di superfici, rendendolo uno strumento unico per il monitoraggio dei ghiacci polari. La modalità SAR, in particolare, è cruciale per lo studio del ghiaccio marino artico, dove la complessità delle superfici, caratterizzate da creste, fratture e aree di acqua aperta (lead), richiede una risoluzione spaziale elevata. La capacità del SIRAL di discriminare tra diverse superfici e di misurare con precisione l’altezza del ghiaccio rispetto al livello del mare locale ha permesso di derivare stime affidabili di spessore e volume del ghiaccio marino, come dimostrato dai risultati ottenuti dal Centre for Polar Observation and Modelling (CPOM) e da altre istituzioni.

Conclusione Il satellite CryoSat-2, con il suo avanzato sistema SIRAL, rappresenta una pietra miliare nella scienza dell’altimetria satellitare, offrendo dati di alta qualità per il monitoraggio dei campi di ghiaccio terrestri. Le sue tre modalità operative – LRM, SAR e SARIn – consentono di adattare le misurazioni alle caratteristiche specifiche delle superfici osservate, garantendo una copertura completa e dettagliata dell’Oceano Artico e delle calotte glaciali continentali. La modalità SAR, in particolare, ha rivoluzionato il monitoraggio del ghiaccio marino, fornendo una risoluzione spaziale senza precedenti e aprendo nuove prospettive per la comprensione delle dinamiche dei ghiacci polari. Queste capacità tecniche pongono CryoSat-2 al centro degli sforzi globali per quantificare i cambiamenti climatici nelle regioni polari, con implicazioni significative per la previsione climatica e la gestione ambientale.

L’elaborazione dei dati raccolti dal Synthetic Aperture Interferometric Radar Altimeter (SIRAL) a bordo del satellite CryoSat-2 rappresenta un processo complesso e altamente specializzato, progettato per massimizzare la precisione delle misurazioni altimetriche su superfici eterogenee come il ghiaccio marino. In modalità SAR (Synthetic Aperture Radar), il SIRAL opera generando raffiche di 64 impulsi coerenti in fase, che vengono poi analizzate per ottenere informazioni dettagliate sulla superficie terrestre. Durante il passaggio del satellite, una specifica posizione del fascio radar viene campionata più volte attraverso raffiche successive. I segnali di ritorno, o forme d’onda, raccolti dai fasci che illuminano la stessa posizione vengono organizzati in un “pacchetto” (stack). All’interno di ciascun pacchetto, il tempo di ritardo e la potenza delle forme d’onda variano in funzione dell’angolo di osservazione (look angle), richiedendo un processo di correzione noto come correzione della portata obliqua (slant range correction). Questa correzione regola i tempi di ritardo per compensare le differenze nelle distanze geometriche tra il satellite e la superficie osservata, garantendo che le misurazioni siano coerenti. Inoltre, la potenza di ciascun segnale di ritorno viene ponderata in base all’angolo di osservazione per tenere conto delle variazioni nell’interazione del fascio radar con la superficie.

Un ulteriore fattore che influenza la potenza delle forme d’onda è l’angolo di incidenza, definito come l’angolo tra il fascio radar incidente e la normale alla superficie intercettata. Questo parametro è influenzato dalle proprietà di retrodiffusione della superficie, che variano in funzione della sua composizione e rugosità, come nel caso del ghiaccio marino rispetto alle aree di acqua aperta (lead). La variabilità della retrodiffusione all’interno di un pacchetto è quantificata attraverso la deviazione standard del pacchetto (Stack Standard Deviation, SSD), un indicatore chiave per la discriminazione dei diversi tipi di superficie, come ghiaccio di primo anno, ghiaccio multiannuale o acqua libera. Per ridurre il rumore e migliorare la qualità del segnale, le forme d’onda all’interno di ciascun pacchetto vengono mediate in un’unica forma d’onda composita a 20 Hz, attraverso un processo denominato “multi-looking” (ESA/MSSL, 2013). Queste forme d’onda a 20 Hz, insieme alle informazioni strumentali correlate fornite dal SIRAL, costituiscono il prodotto di dati CryoSat-2 Baseline-C Level 1b (L1b) (ESA/MSSL, 2013; ESA/ACS, 2011). L’elaborazione in modalità a raffica, descritta in dettaglio da Raney (1998) e Wingham et al. (2006), consente al SIRAL di ottenere un numero significativamente maggiore di misurazioni indipendenti rispetto a un sistema radar convenzionale limitato dall’impulso. Questo approccio è particolarmente vantaggioso per il monitoraggio del ghiaccio marino, dove la superficie relativamente piatta consente di sfruttare la risoluzione spaziale fine della modalità SAR, che raggiunge circa 250 m lungo la traccia orbitale. La modalità SAR è implementata non solo sulle aree di ghiaccio marino, ma anche su alcuni bacini oceanici e zone costiere, come illustrato nella documentazione di riferimento (Fig. 1).

Nella modalità SAR Interferometric (SARIn), l’elaborazione lungo la traccia rimane invariata rispetto alla modalità SAR, ma il sistema attiva la seconda antenna per acquisire informazioni aggiuntive nella direzione trasversale alla traccia. Dopo l’emissione di un impulso radar, entrambe le antenne ricevono il segnale di ritorno quasi simultaneamente. Tuttavia, se il segnale proviene da una posizione diversa dal nadir del satellite, si verifica una differenza nei percorsi ottici dei segnali ricevuti dalle due antenne. Questa discrepanza consente di determinare, attraverso tecniche interferometriche, l’angolo tra la linea di base che collega le due antenne e la direzione dell’eco, permettendo così di stimare la pendenza della superficie trasversale alla traccia. La modalità SARIn è progettata per correggere gli errori indotti dalla pendenza nella stima della distanza, un aspetto critico per superfici con variazioni topografiche significative. Pertanto, questa modalità è utilizzata principalmente sui margini delle calotte glaciali, piccoli cappucci di ghiaccio, ghiacciai montani, alcune correnti oceaniche geostrofiche, grandi bacini fluviali idrologici e zone costiere, dove le pendenze possono influenzare notevolmente le misurazioni altimetriche. Prima di ottobre 2014, la modalità SARIn è stata impiegata anche in una piccola area di ghiaccio marino a nord di Ellesmere Island, Nunavut (ESA/MSSL, 2013), per studiare l’impatto delle misurazioni fuori nadir sui lead nelle stime di elevazione del ghiaccio marino, come evidenziato da Armitage e Davidson (2014). Questo utilizzo ha permesso di approfondire la comprensione delle interazioni tra il segnale radar e le superfici di ghiaccio marino in contesti complessi.

L’implementazione delle modalità SAR e SARIn rappresenta un progresso significativo rispetto ai sistemi altimetrici tradizionali, offrendo una combinazione unica di risoluzione spaziale elevata e capacità di correzione delle pendenze superficiali. Questi avanzamenti tecnici consentono a CryoSat-2 di produrre dati altimetrici di alta qualità, fondamentali per derivare stime precise di spessore e volume del ghiaccio marino, nonché per monitorare le variazioni topografiche delle calotte glaciali. La flessibilità operativa del SIRAL, unita alla sua capacità di discriminare tra diverse superfici, pone CryoSat-2 come uno strumento indispensabile per la ricerca polare e climatica, contribuendo a una migliore comprensione delle dinamiche dei ghiacci terrestri e delle loro implicazioni per il sistema climatico globale.

Analisi delle Modalità Operative di CryoSat-2 nell’Area Artica: Evoluzione delle Strategie di Osservazione tra il 2011 e il 2015

La Figura 1 del documento scientifico presenta una dettagliata rappresentazione visiva delle modalità operative del satellite CryoSat-2 nell’area artica, illustrando la distribuzione geografica delle sue configurazioni di osservazione in due momenti distinti: aprile 2011 e aprile 2015. Le mappe, centrate sul Polo Nord, offrono una prospettiva polare che include le regioni circostanti, come il Nord America, la Groenlandia e l’Europa settentrionale, visibili ai bordi. Questa analisi non solo evidenzia la flessibilità del Synthetic Aperture Interferometric Radar Altimeter (SIRAL) a bordo di CryoSat-2, ma sottolinea anche l’evoluzione delle strategie operative nel tempo, in risposta alle esigenze scientifiche e alle caratteristiche delle superfici osservate.

Struttura e Contenuto delle Mappe

La Figura 1 è composta da due pannelli, ciascuno dei quali rappresenta la maschera delle modalità operative di CryoSat-2 per le orbite di un mese specifico. Le modalità operative sono indicate mediante una codifica a colori, che permette di distinguere chiaramente le regioni in cui ciascuna modalità viene applicata. Le modalità operative di CryoSat-2, come descritto in precedenza, includono la modalità a bassa risoluzione (Low Resolution Mode, LRM), la modalità radar ad apertura sintetica (Synthetic Aperture Radar, SAR) e la modalità interferometrica SAR (SAR Interferometric, SARIn). Queste modalità sono state progettate per ottimizzare le misurazioni altimetriche in base alla natura delle superfici terrestri, che variano da calotte glaciali continentali a ghiaccio marino, oceani aperti e zone costiere.

Pannello (a) – Configurazione delle modalità in aprile 2011: Questo pannello mostra la distribuzione delle modalità operative di CryoSat-2 durante le orbite di aprile 2011. Le modalità sono rappresentate con i seguenti colori:
- Modalità LRM (tracce blu): Questa modalità è utilizzata principalmente sopra le calotte glaciali continentali, come quelle della Groenlandia e dell’Antartide, oltre che sulla maggior parte degli oceani privi di ghiaccio e sulle superfici terrestri. La modalità LRM, con un’impronta limitata dall’impulso di circa 1,7 km, è ideale per superfici omogenee dove una risoluzione spaziale moderata è sufficiente per catturare le variazioni altimetriche.
- Modalità SAR (tracce gialle): Applicata sopra il ghiaccio marino, alcuni bacini oceanici e zone costiere, la modalità SAR offre una risoluzione spaziale significativamente più fine, pari a circa 250 m lungo la traccia orbitale. Questa modalità è cruciale per il monitoraggio del ghiaccio marino, poiché consente un maggior numero di misurazioni indipendenti, migliorando l’accuratezza delle stime di spessore e l’identificazione delle aree di acqua aperta (lead).
- Modalità SARIn (tracce rosa): Utilizzata sui margini delle calotte glaciali, piccoli cappucci di ghiaccio, ghiacciai montani, alcune correnti oceaniche geostrofiche e bacini fluviali idrologici, la modalità SARIn è progettata per correggere gli errori indotti dalla pendenza della superficie. Un aspetto rilevante in questa mappa è l’uso della modalità SARIn su una piccola area di ghiaccio marino a nord di Ellesmere Island, Nunavut. Questo utilizzo specifico è stato motivato dalla necessità di studiare l’influenza delle misurazioni fuori nadir sui lead, come riportato da Armitage e Davidson (2014), al fine di migliorare le stime di elevazione del ghiaccio marino in regioni con variazioni topografiche complesse.
Pannello (b) – Configurazione delle modalità in aprile 2015: Il secondo pannello rappresenta la maschera delle modalità operative aggiornata per aprile 2015, a seguito di una modifica implementata a ottobre 2014. La codifica a colori rimane invariata:
- Modalità LRM (tracce blu): Continua a coprire le calotte glaciali continentali, gli oceani privi di ghiaccio e le aree terrestri, mantenendo il suo ruolo di modalità di base per superfici estese e omogenee.
- Modalità SAR (tracce gialle): Rimane la modalità predominante per il ghiaccio marino e altre regioni specifiche, come bacini oceanici e zone costiere, grazie alla sua capacità di fornire dati ad alta risoluzione spaziale.
- Modalità SARIn (tracce rosa): Sebbene continui a essere utilizzata sui margini delle calotte glaciali e altre aree con variazioni di pendenza, la modalità SARIn non è più applicata al ghiaccio marino a partire da ottobre 2014. Questa modifica è evidente nella mappa, dove l’area a nord di Ellesmere Island, precedentemente coperta dalla modalità SARIn nel 2011, è ora monitorata esclusivamente in modalità SAR. Questo cambiamento riflette un adattamento strategico, probabilmente volto a ottimizzare l’uso delle modalità in base alle esigenze scientifiche e alla crescente affidabilità della modalità SAR per il monitoraggio del ghiaccio marino.

Analisi Geografica e Temporale

Le mappe evidenziano una chiara distribuzione geografica delle modalità operative, che riflette le caratteristiche fisiche delle superfici osservate. La modalità SAR domina nelle regioni centrali dell’Oceano Artico, dove il ghiaccio marino è prevalente, grazie alla sua capacità di catturare variazioni dettagliate di spessore e identificare i lead, essenziali per calcolare il freeboard del ghiaccio. La modalità SARIn, invece, è concentrata nelle aree di transizione, come i margini delle calotte glaciali, dove le pendenze superficiali possono introdurre errori significativi nelle misurazioni altimetriche. La modalità LRM, con la sua copertura più ampia, è riservata alle regioni meno complesse dal punto di vista topografico, come gli oceani aperti e le grandi calotte glaciali.

Il confronto tra i due pannelli rivela un’evoluzione significativa nella strategia operativa di CryoSat-2. Nel 2011, l’uso della modalità SARIn su una piccola area di ghiaccio marino a nord di Ellesmere Island indicava un interesse specifico nello studio delle interazioni tra il segnale radar e i lead in contesti complessi. Tuttavia, entro ottobre 2014, questa pratica è stata interrotta, e la modalità SAR è diventata l’unica modalità utilizzata per il ghiaccio marino. Questo cambiamento potrebbe essere attribuito a diversi fattori, tra cui una maggiore fiducia nella modalità SAR per fornire dati accurati sul ghiaccio marino, o una riassegnazione delle risorse per migliorare la copertura di altre regioni, come i margini delle calotte glaciali, dove la modalità SARIn è più efficace.

Implicazioni Scientifiche

La Figura 1 sottolinea la versatilità del satellite CryoSat-2 e la sua capacità di adattare le modalità operative alle esigenze scientifiche e alle caratteristiche delle superfici terrestri. La modalità SAR, con la sua risoluzione spaziale fine, è fondamentale per il monitoraggio del ghiaccio marino, consentendo di quantificare con precisione le variazioni di spessore e volume, parametri chiave per comprendere i cambiamenti climatici nell’Artico. La modalità SARIn, d’altra parte, svolge un ruolo cruciale nelle regioni con variazioni topografiche significative, come i margini delle calotte glaciali, dove la correzione degli errori indotti dalla pendenza è essenziale per ottenere misurazioni altimetriche accurate. L’evoluzione delle modalità operative tra il 2011 e il 2015 riflette un processo di ottimizzazione continuo, volto a massimizzare l’efficacia del satellite nel fornire dati di alta qualità per la ricerca polare.

Conclusione

La Figura 1 offre una rappresentazione visiva dettagliata delle modalità operative di CryoSat-2, evidenziando la loro distribuzione geografica e l’evoluzione temporale delle strategie di osservazione. Le mappe di aprile 2011 e aprile 2015 dimostrano come il satellite sia stato in grado di adattarsi alle esigenze scientifiche, bilanciando l’uso delle modalità LRM, SAR e SARIn per ottimizzare la raccolta dei dati. Questo approccio ha permesso di migliorare la comprensione delle dinamiche dei ghiacci polari, contribuendo a studi fondamentali sui cambiamenti climatici e sui loro impatti a scala globale. La transizione nella copertura del ghiaccio marino, con l’abbandono della modalità SARIn a favore della modalità SAR, rappresenta un esempio di come la missione CryoSat-2 continui a evolversi per rispondere alle sfide della ricerca scientifica nelle regioni polari.

3. Dati Scientifici
3.1. Dataset di CryoSat-2 per l’Analisi del Ghiaccio Marino Artico

Per condurre stime accurate dello spessore e del volume del ghiaccio marino nell’Artico, il presente studio si avvale dei dati di Livello 1b (L1b) in modalità SAR (Synthetic Aperture Radar) e SARIn (SAR Interferometric) del satellite CryoSat-2, appartenenti alla Baseline-C, forniti dall’Agenzia Spaziale Europea (ESA) (ESA/ACS, 2011; Scagliola e Fornari, 2015). Questi dati sono accessibili attraverso un client FTP dedicato, disponibile all’indirizzo ftp://science-pds.cryosat.esa.int, e rappresentano una risorsa fondamentale per l’analisi geofisica delle superfici terrestri e marine. I dati L1b contengono un insieme dettagliato di informazioni derivate da ciascuna forma d’onda registrata a una frequenza di 20 Hz lungo le traiettorie orbitali del satellite, con ogni traccia al suolo che include, in media, circa 3000 forme d’onda a 20 Hz. Questa risoluzione temporale e spaziale consente di ottenere una rappresentazione dettagliata delle caratteristiche delle superfici sorvolate.

I dataset L1b in modalità SAR e SARIn includono una serie di parametri essenziali per l’elaborazione scientifica. Tra questi, si annoverano: la potenza media dell’eco multi-looked, che rappresenta l’intensità del segnale radar riflesso; l’altitudine del satellite rispetto alla superficie terrestre; il ritardo della finestra temporale (window delay), che indica il tempo impiegato dal segnale radar per tornare al sensore; il tempo di misura associato a ciascuna forma d’onda; la geolocalizzazione precisa della traccia al suolo; un insieme di correzioni geofisiche necessarie per compensare effetti ambientali e strumentali; un flag di confidenza della misura (Measurement Confidence Data, MCD), che segnala eventuali anomalie o problemi nella qualità dei dati di ciascuna forma d’onda; un flag di classificazione del tipo di superficie, che distingue tra oceano aperto, mari interni, ghiaccio continentale o terraferma; il parametro SSD (Sezione 2), che fornisce ulteriori informazioni di contesto; e una serie di misurazioni specifiche dello strumento SIRAL (Synthetic Aperture Interferometric Radar Altimeter) di CryoSat-2 (ESA/MSSL, 2013).

Nei dati L1b, l’ESA ha implementato correzioni avanzate per garantire la massima accuratezza. In particolare, le orbite precise del satellite vengono utilizzate per affinare i calcoli del ritardo della finestra e dell’altitudine del satellite, entrambi inclusi nel prodotto. Tuttavia, le correzioni geofisiche fornite, che tengono conto di fattori come le maree, le variazioni atmosferiche e altre influenze ambientali, non vengono applicate automaticamente al ritardo della finestra o all’altitudine del satellite, lasciando agli utenti la possibilità di integrarle in base alle esigenze specifiche delle loro analisi.

Un aspetto distintivo dei dati in modalità SARIn è la natura complessa dell’eco multi-looked, che consente di derivare informazioni aggiuntive rispetto alla modalità SAR. In particolare, il prodotto L1b in modalità SARIn include differenze di fase e termini di coerenza per ciascun bin dell’eco, calcolati attraverso il confronto degli echi ricevuti dalle due antenne del sistema interferometrico. Questi parametri sono fondamentali per analizzare superfici con topografia complessa, come i margini delle calotte glaciali.

In termini di risoluzione spaziale, la finestra di portata esplorata da CryoSat-2 varia significativamente tra le due modalità operative. In modalità SAR, la finestra di portata copre circa 60 metri, corrispondenti a 256 bin di portata nei dati della forma d’onda, garantendo un’elevata risoluzione per l’osservazione di superfici relativamente omogenee come il ghiaccio marino. In modalità SARIn, invece, la finestra di portata è estesa a circa 240 metri, equivalenti a 1024 bin di portata, per catturare le variazioni di pendenza tipiche delle regioni marginali delle calotte glaciali, dove la topografia è più irregolare. Questa maggiore ampiezza consente di ottenere misurazioni affidabili anche in aree con forti gradienti altimetrici.

Oltre ai dati L1b, l’ESA produce un prodotto di Livello 2 (L2), che rappresenta un’evoluzione dei dati grezzi L1b attraverso l’applicazione di algoritmi di elaborazione avanzati. I dati L2 forniscono stime dell’elevazione per tutti i tipi di superficie, includendo parametri derivati come il coefficiente di retrodiffusione radar (backscattering coefficient), che descrive l’intensità del segnale riflesso dalla superficie, e altre caratteristiche fisiche delle superfici osservate. Questi dati di livello superiore sono particolarmente utili per applicazioni che richiedono informazioni già processate, ma i dati L1b rimangono indispensabili per studi che necessitano di un controllo completo sull’elaborazione e sull’interpretazione dei segnali radar.

In sintesi, i dati L1b di CryoSat-2 in modalità SAR e SARIn rappresentano una risorsa di primaria importanza per lo studio del ghiaccio marino artico e delle calotte glaciali, grazie alla loro ricchezza di informazioni, alla precisione delle correzioni applicate e alla flessibilità offerta agli utenti per l’elaborazione personalizzata. La combinazione di parametri diretti, correzioni geofisiche e informazioni interferometriche consente di affrontare con rigore scientifico le complesse dinamiche delle superfici terrestri e marine, contribuendo significativamente alla comprensione dei cambiamenti ambientali in corso.

3.2. Dati Ausiliari per l’Analisi del Ghiaccio Marino Artico

L’analisi approfondita delle dinamiche del ghiaccio marino artico richiede l’integrazione di dataset ausiliari, che forniscono informazioni complementari essenziali per contestualizzare e validare le osservazioni satellitari. Questi dati, descritti di seguito, includono informazioni sulla concentrazione del ghiaccio marino, la sua tipologia, misurazioni in situ raccolte durante spedizioni scientifiche e dati climatologici relativi al carico di neve. Ciascun dataset contribuisce a migliorare la comprensione delle proprietà fisiche e delle variazioni temporali e spaziali del ghiaccio marino, offrendo un supporto fondamentale per la modellazione e l’interpretazione dei dati di CryoSat-2.

3.2.1. Concentrazione del Ghiaccio Marino
Per valutare la distribuzione spaziale del ghiaccio marino, il presente studio utilizza dataset giornalieri di concentrazione del ghiaccio marino generati presso il Goddard Space Flight Center (GSFC) della NASA e resi disponibili attraverso il National Snow and Ice Data Center (NSIDC) (Cavalieri et al., 1996, con aggiornamenti annuali). Questi dati derivano dalla temperatura di brillanza (brightness temperature) acquisita tramite sensori a microonde passivi montati su piattaforme satellitari, elaborata mediante l’algoritmo NASA Team. Questo algoritmo consente di calcolare la percentuale di area oceanica coperta da ghiaccio marino, rappresentata sotto forma di medie grigliate su una proiezione stereografica polare. La risoluzione spaziale della griglia è di 25 km², sufficientemente dettagliata per catturare le variazioni su scala regionale della copertura glaciale. L’utilizzo di questi dati è cruciale per identificare le aree di mare aperto rispetto a quelle coperte da ghiaccio, fornendo un contesto indispensabile per l’interpretazione delle misurazioni altimetriche di CryoSat-2.

3.2.2. Tipologia del Ghiaccio Marino
La caratterizzazione della tipologia del ghiaccio marino è effettuata utilizzando i dati forniti dall’Ocean and Sea Ice Satellite Application Facility (OSI SAF) del Servizio Meteorologico Norvegese (NMS) (Andersen et al., 2012). Questo dataset classifica il ghiaccio marino in diverse categorie: ghiaccio di primo anno (First Year Ice, FYI), ghiaccio pluriennale (Multi-Year Ice, MYI), ghiaccio ambiguo, aree prive di ghiaccio o regioni non classificate. La determinazione del tipo di ghiaccio si basa sull’integrazione di misurazioni satellitari di temperatura di brillanza e retrodiffusione radar (backscatter). Per quanto riguarda la temperatura di brillanza, il rapporto di gradiente, definito come la differenza normalizzata tra le temperature di brillanza misurate nei canali a polarizzazione verticale a 37 GHz e 19 GHz, consente di distinguere tra FYI e MYI. A basse frequenze (ad esempio, 5 GHz), la temperatura di brillanza del FYI è simile a quella del MYI a polarizzazione verticale; tuttavia, con l’aumentare della frequenza, la temperatura di brillanza del MYI diminuisce significativamente a causa di un maggiore scattering interno, legato alla struttura più complessa e stratificata del ghiaccio pluriennale (Eppler et al., 1992; Svendsen et al., 1983). Inoltre, il MYI presenta una superficie più rugosa rispetto al FYI, il che si traduce in una maggiore retrodiffusione radar. Un’ulteriore firma di retrodiffusione, particolarmente evidente in inverno, deriva dallo scattering volumetrico all’interno del MYI, attribuibile alla presenza di bolle d’aria e inclusioni saline (Onstott, 1992). Questi dati sulla tipologia del ghiaccio sono fondamentali per adattare i modelli di elaborazione dei dati altimetrici alle diverse proprietà fisiche del ghiaccio, migliorando l’accuratezza delle stime di spessore.

3.2.3. Misure In Situ della Spedizione Sever
Per validare le osservazioni satellitari, il presente studio si avvale dei dati raccolti durante la spedizione Sever (NSIDC, 2004), che fornisce misurazioni in situ di parametri chiave come il freeboard del ghiaccio marino, lo spessore del ghiaccio e la profondità della neve. Questi dati rappresentano valori medi ottenuti da 689 atterraggi di aerei su piste di ghiaccio marino, effettuati tra il 1982 e il 1988. Le misurazioni, condotte principalmente in primavera, si concentrano su ghiaccio di primo anno (FYI) livellato situato nell’Artico russo eurasiatico (Alexandrov et al., 2010). La disponibilità di dati in situ è essenziale per calibrare i modelli di stima dello spessore del ghiaccio e per valutare l’affidabilità delle osservazioni satellitari in contesti specifici, specialmente in regioni con ghiaccio relativamente giovane e uniforme. Sebbene raccolti in un periodo storico, questi dati rimangono una risorsa preziosa per studi comparativi, nonostante le possibili differenze con le condizioni attuali dell’Artico dovute ai cambiamenti climatici.

3.2.4. Climatologia del Carico di Neve
I dati relativi al carico di neve sono derivati da una climatologia compilata da Warren et al. (1999), basata su misurazioni in situ di profondità e densità della neve raccolte su ghiaccio pluriennale (MYI) nell’Artico centrale tra il 1954 e il 1991. Per rappresentare la variabilità spaziale di questi parametri, è stata adattata una funzione quadratica bidimensionale alle misurazioni, generando mappe di profondità (Fig. 2a–d) e densità (Fig. 2e–h) della neve. Tuttavia, tali funzioni non sono vincolate da misurazioni al di fuori dell’Artico centrale (Fig. 2a ed e), e studi successivi hanno evidenziato discrepanze tra i valori della climatologia e le profondità di neve osservate sul ghiaccio marino più giovane, come il FYI, a causa delle differenze nell’accumulo nevoso (Kurtz e Farrell, 2011; Webster et al., 2014). Per ovviare a queste limitazioni, il presente studio applica, per ogni mese, i valori medi di profondità e densità della neve derivati dalla climatologia dell’Artico centrale a tutte le misurazioni del ghiaccio marino. Inoltre, per tenere conto della minore capacità del FYI di accumulare neve rispetto al MYI, la profondità della neve sul FYI viene dimezzata, seguendo l’approccio proposto da Kurtz e Farrell (2011). Questo aggiustamento consente di migliorare l’accuratezza delle stime dello spessore del ghiaccio, considerando l’influenza del carico di neve sul calcolo del freeboard e sulla conversione altimetrica.

In conclusione, l’integrazione di questi dati ausiliari fornisce un quadro completo e robusto per l’analisi del ghiaccio marino artico. La combinazione di osservazioni satellitari sulla concentrazione e tipologia del ghiaccio, misurazioni in situ storiche e dati climatologici sul carico di neve permette di affrontare le complessità delle dinamiche glaciali con un approccio scientifico rigoroso, contribuendo a una migliore comprensione dei cambiamenti ambientali in corso nell’Artico.

4. Metodologia di Elaborazione per la Determinazione dello Spessore e del Volume del Ghiaccio Marino Artico

La stima dello spessore e del volume del ghiaccio marino artico richiede un approccio metodologico rigoroso e sistematico, implementato attraverso un processore dedicato sviluppato presso il Centre for Polar Observation and Modelling (CPOM), come illustrato nella Figura 3. Questo processore è progettato per leggere, analizzare ed elaborare i file di input di Livello 1b (L1b) di CryoSat-2, generando un file di output per ogni ciclo di elaborazione. I principi teorici e le procedure descritte in questa sezione non si limitano all’utilizzo dei dati di CryoSat-2, ma possono essere adattati per sviluppare sistemi di elaborazione del ghiaccio marino basati su dati acquisiti da qualsiasi altimetro radar satellitare in orbita polare, garantendo flessibilità e applicabilità a diverse missioni spaziali.

4.1. Pre-elaborazione dei Dati di CryoSat-2
Il processo di elaborazione inizia con una fase di pre-elaborazione volta a filtrare e preparare i dati L1b per l’analisi successiva, garantendo che solo le informazioni pertinenti e di alta qualità vengano utilizzate. In primo luogo, viene definito un intervallo di latitudine compreso tra 40°N e 90°N, che delimita la regione geografica in cui si trova il ghiaccio marino dell’emisfero settentrionale. Tutti i dati raccolti al di fuori di questo intervallo latitudinale vengono esclusi dall’elaborazione, riducendo il volume di dati non rilevanti e ottimizzando l’efficienza computazionale.

Successivamente, il flag di tipo di superficie, incluso nei dati L1b, viene utilizzato per filtrare le forme d’onda associate a superfici non oceaniche, come terraferma o ghiaccio continentale, concentrando l’analisi esclusivamente sulle superfici marine. Parallelamente, il flag di confidenza della misura (Measurement Confidence Data, MCD) consente di identificare ed eliminare le forme d’onda gravemente compromesse, ossia quelle che presentano anomalie tali da renderle inaffidabili per l’elaborazione scientifica. Le cause di degrado fatale di una forma d’onda possono includere errori nei calcoli del ritardo della finestra temporale (window delay), che rappresenta il tempo di andata e ritorno dell’impulso radar rispetto al punto di riferimento centrale della finestra di portata, o nel controllo automatico del guadagno (Automatic Gain Control, AGC). Inoltre, una forma d’onda può essere considerata non valida se i valori di questi parametri superano i limiti predefiniti o se mancano informazioni essenziali, come il momento esatto della riflessione dell’impulso radar dalla superficie.

Nel contesto di CryoSat-2, il ritardo della finestra è definito come il tempo impiegato dall’impulso radar per viaggiare dal satellite alla superficie e tornare indietro, con il punto di riferimento posizionato al centro della finestra di portata. Questo centro corrisponde al bin 128 per le modalità Low Resolution Mode (LRM) e Synthetic Aperture Radar (SAR), e al bin 512 per la modalità SAR Interferometric (SARIn). L’AGC, invece, è un sistema integrato in CryoSat-2 che regola dinamicamente la sensibilità del ricevitore per ottimizzare la ricezione di segnali con potenze di ritorno variabili. Questo meccanismo si basa sull’analisi del livello del segnale di ritorno precedente per adattare il guadagno del ricevitore in previsione del segnale successivo, con l’obiettivo di mantenere un livello di segnale il più stabile possibile, come descritto in dettaglio da ESA/MSSL (2013). La rimozione delle forme d’onda compromesse è essenziale per garantire l’integrità dei dati utilizzati nelle fasi successive di elaborazione.

Per uniformare l’elaborazione dei dati acquisiti in modalità SAR e SARIn, tutte le forme d’onda vengono troncate a una finestra di 128 bin, riducendo la complessità computazionale e standardizzando il formato dei dati. Poiché la posizione delle forme d’onda di ritorno all’interno della finestra di portata può variare, specialmente in modalità SARIn a causa delle superfici topograficamente complesse, è necessario riposizionare ciascuna forma d’onda in una posizione coerente all’interno della finestra troncata. A tal fine, vengono selezionati i bin compresi tra bmax – 50 e bmax + 77, dove bmax rappresenta il numero del bin corrispondente alla massima potenza di ritorno, con i bin numerati a partire da zero. Questo approccio garantisce che la porzione più significativa della forma d’onda, ossia quella associata al picco di ritorno, sia correttamente rappresentata nel dataset elaborato. Le informazioni aggiuntive di fase e coerenza, disponibili esclusivamente nei dati SARIn, non vengono utilizzate per l’elaborazione del ghiaccio marino, poiché non risultano necessarie per la stima dello spessore e del volume.

I file individuali in modalità SAR e SARIn vengono successivamente aggregati in file unificati, ciascuno corrispondente a un singolo attraversamento dell’Artico da parte del satellite. L’aggregazione si basa sui timestamp delle prime e ultime forme d’onda di ciascun file, espressi come un insieme di tre valori interi: il giorno, i secondi del giorno e i microsecondi. La straordinaria stabilità del periodo orbitale di CryoSat-2, come evidenziato da Wingham et al. (2006), consente di calcolare con elevata precisione i tempi degli attraversamenti dell’equatore in fase ascendente (prima di ogni passaggio artico) e in fase discendente (dopo ogni passaggio artico). Questa precisione temporale è cruciale per correlare correttamente le misurazioni altimetriche con le coordinate spaziali e temporali, garantendo la coerenza dei dati lungo le traiettorie orbitali.

In sintesi, la fase di pre-elaborazione dei dati di CryoSat-2 rappresenta un passaggio critico per assicurare la qualità e l’uniformità del dataset utilizzato per la stima dello spessore e del volume del ghiaccio marino. Attraverso una combinazione di filtri spaziali, controlli di qualità e standardizzazione delle forme d’onda, questo processo crea una base solida per le analisi successive, massimizzando l’accuratezza e l’affidabilità dei risultati scientifici.

Analisi Approfondita della Figura 2: Rappresentazione Spaziale e Temporale della Profondità e Densità della Neve nell’Artico

La Figura 2 rappresenta un’importante sintesi grafica della climatologia della neve nell’Artico, basata sui dati raccolti e analizzati da Warren et al. (1999). Questa figura si compone di otto pannelli distinti, organizzati in due sezioni principali: i pannelli a-d illustrano la profondità media della neve (espressa in cm), mentre i pannelli e-h descrivono la densità media della neve (espressa in kg/m³). Entrambi i parametri sono rappresentati su base trimestrale, coprendo l’intero ciclo annuale, e offrono un quadro dettagliato della variabilità stagionale e spaziale di questi fattori nell’Artico, un elemento cruciale per comprendere le dinamiche del ghiaccio marino e il suo ruolo nei processi climatici globali.

Struttura e Organizzazione della Figura

La figura è strutturata in una griglia di otto mappe circolari, ciascuna raffigurante l’Artico in proiezione stereografica polare, con il Polo Nord posizionato al centro. Le masse continentali circostanti, come la Groenlandia, il Canada settentrionale e la Siberia, sono visibili lungo i margini delle mappe, fornendo un riferimento geografico chiaro. I pannelli sono organizzati come segue:

Pannelli a-d (Profondità della neve): Questi pannelli rappresentano la profondità media della neve in quattro intervalli temporali distinti:
- a: Gennaio-Marzo (inverno artico)
- b: Aprile-Giugno (primavera)
- c: Luglio-Settembre (estate)
- d: Ottobre-Dicembre (autunno) Una scala cromatica accompagna questi pannelli, indicando la profondità della neve in un intervallo che va da 0 cm (aree prive di neve o con accumulo minimo) a 70 cm (aree con il massimo accumulo). I colori sfumano dal beige chiaro (valori bassi) al viola scuro (valori alti), consentendo una visualizzazione immediata delle variazioni spaziali e temporali.
Pannelli e-h (Densità della neve): Questi pannelli mostrano la densità media della neve negli stessi intervalli temporali:
- e: Gennaio-Marzo
- f: Aprile-Giugno
- g: Luglio-Settembre
- h: Ottobre-Dicembre La scala cromatica associata indica la densità in un intervallo compreso tra 100 kg/m³ (neve molto leggera e soffice) e 450 kg/m³ (neve compatta e densa). Anche qui, i colori variano dal beige chiaro (valori bassi) al viola scuro (valori alti), evidenziando le differenze nella compattazione della neve attraverso le stagioni e le regioni.

Origine e Metodologia dei Dati

I dati rappresentati nella Figura 2 derivano dalla climatologia di Warren et al. (1999), che si basa su un’estesa campagna di misurazioni in situ condotte tra il 1954 e il 1991 su ghiaccio pluriennale (Multi-Year Ice, MYI) nell’Artico centrale. Per rappresentare la variabilità spaziale della profondità e della densità della neve, gli autori hanno adattato una funzione quadratica bidimensionale a tutte le misurazioni disponibili, creando una rappresentazione interpolata delle condizioni nevose in tutta la regione artica. Tuttavia, come specificato nella didascalia, queste funzioni quadratiche sono ben vincolate solo nella regione dell’Artico centrale, delimitata da un poligono bianco visibile nei pannelli a ed e. Al di fuori di questa zona, i dati sono estrapolati e quindi soggetti a maggiori incertezze, soprattutto nelle regioni periferiche dove le condizioni del ghiaccio marino, spesso più giovane (First Year Ice, FYI), possono differire significativamente da quelle dell’Artico centrale.

Analisi dei Pannelli: Profondità della Neve (a-d)

I pannelli a-d offrono una visione dettagliata della distribuzione della profondità della neve nell’Artico durante l’anno. La neve sul ghiaccio marino è un parametro critico, poiché il suo spessore influisce sul freeboard (la parte del ghiaccio che emerge sopra il livello del mare), sul bilancio termico del ghiaccio e, di conseguenza, sulla stima dello spessore totale del ghiaccio marino tramite osservazioni altimetriche.

Pannello a (Gennaio-Marzo): Questo periodo rappresenta l’apice dell’inverno artico, quando le temperature sono più basse e l’accumulo di neve è massimo. Le aree centrali dell’Artico mostrano profondità significative, spesso vicine ai 60-70 cm, indicate dai colori più scuri (viola). Le regioni periferiche, come il Mare di Barents o il Mare di Kara, mostrano invece profondità inferiori, spesso inferiori a 20 cm, a causa di una minore persistenza del ghiaccio o di condizioni atmosferiche meno favorevoli all’accumulo.
Pannello b (Aprile-Giugno): Con l’arrivo della primavera, si osserva una leggera riduzione della profondità della neve in molte aree, dovuta all’inizio del processo di scioglimento. Tuttavia, l’Artico centrale mantiene ancora valori elevati, generalmente tra i 40 e i 60 cm, mentre le regioni costiere vedono un ulteriore assottigliamento.
Pannello c (Luglio-Settembre): L’estate artica porta a una drastica riduzione della profondità della neve, con molte aree che mostrano valori prossimi a 0 cm (colori chiari). Questo è il risultato dello scioglimento estivo, che rimuove gran parte della neve accumulata durante l’inverno. Anche nell’Artico centrale, la profondità si riduce significativamente, attestandosi spesso sotto i 20 cm.
Pannello d (Ottobre-Dicembre): Con l’inizio dell’autunno e il ritorno delle temperature più fredde, si osserva una ripresa dell’accumulo nevoso. Le profondità iniziano ad aumentare, soprattutto nell’Artico centrale, dove si registrano valori tra i 30 e i 50 cm, mentre le regioni periferiche mostrano un accumulo più graduale.

Analisi dei Pannelli: Densità della Neve (e-h)

I pannelli e-h descrivono la densità della neve, un parametro che riflette il grado di compattazione del manto nevoso, influenzato da fattori come il peso della neve stessa, l’azione del vento e i cicli di congelamento e scioglimento. La densità è fondamentale per calcolare il carico di neve, che a sua volta influisce sulla stima dello spessore del ghiaccio marino.

Pannello e (Gennaio-Marzo): Durante l’inverno, la neve nell’Artico centrale tende a essere più densa, con valori spesso compresi tra 300 e 450 kg/m³ (colori più scuri). Questo è dovuto alla compattazione causata dal peso della neve accumulata e dall’azione del vento, che compatta ulteriormente il manto nevoso. Nelle aree periferiche, dove l’accumulo è minore, la densità è più bassa, spesso intorno ai 150-200 kg/m³.
Pannello f (Aprile-Giugno): In primavera, la densità della neve tende a rimanere elevata nell’Artico centrale, ma può iniziare a diminuire in alcune regioni a causa dell’inizio dello scioglimento, che introduce acqua liquida e riduce la compattazione. I valori si attestano generalmente tra 250 e 400 kg/m³.
Pannello g (Luglio-Settembre): Durante l’estate, la densità della neve diminuisce significativamente, con valori che scendono a 100-200 kg/m³ in molte aree. Questo è il risultato dello scioglimento, che trasforma la neve in uno stato più umido e meno compatto, o la rimuove del tutto.
Pannello h (Ottobre-Dicembre): Con l’autunno, la densità inizia a risalire, poiché la nuova neve fresca si accumula e comincia a compattarsi sotto l’influenza delle basse temperature e del vento. I valori nell’Artico centrale tornano a essere compresi tra 250 e 350 kg/m³.

Implicazioni Scientifiche e Limitazioni

La Figura 2 fornisce una rappresentazione essenziale per comprendere il ruolo della neve nelle dinamiche del ghiaccio marino artico. La neve agisce come un isolante termico, riducendo lo scambio di calore tra il ghiaccio e l’atmosfera, e influisce sul bilancio radiativo riflettendo la radiazione solare grazie al suo alto albedo. Una neve più spessa e densa, come quella osservata in inverno, tende a rallentare lo scioglimento del ghiaccio, mentre una neve più sottile e meno densa, tipica dell’estate, può accelerarlo. Inoltre, il carico di neve è un fattore critico nella conversione delle misurazioni altimetriche (ad esempio, da CryoSat-2) in stime dello spessore del ghiaccio, poiché il peso della neve contribuisce a determinare il freeboard.

Tuttavia, la didascalia della figura evidenzia alcune limitazioni significative. I dati sono ben vincolati solo nell’Artico centrale, come indicato dal poligono bianco nei pannelli a ed e, dove le misurazioni in situ erano più frequenti. Al di fuori di questa regione, i valori sono il risultato di estrapolazioni basate sulla funzione quadratica bidimensionale, il che introduce incertezze, specialmente su ghiaccio più giovane (FYI), che tende ad accumulare meno neve rispetto al MYI. Studi più recenti, come quelli di Kurtz e Farrell (2011) e Webster et al. (2014), hanno evidenziato discrepanze tra la climatologia di Warren e le condizioni attuali, a causa dei cambiamenti climatici che hanno alterato la distribuzione e le caratteristiche del ghiaccio marino nell’Artico.

Conclusione

In sintesi, la Figura 2 rappresenta un contributo fondamentale per la comprensione della distribuzione stagionale e spaziale della neve nell’Artico, basata sulla climatologia storica di Warren et al. (1999). La variabilità della profondità e della densità della neve evidenziata nei pannelli a-h riflette l’influenza delle condizioni stagionali e ambientali, offrendo un supporto essenziale per gli studi sul ghiaccio marino. Tuttavia, le limitazioni legate all’estrapolazione dei dati al di fuori dell’Artico centrale richiedono un’interpretazione cauta, specialmente in un contesto di rapido cambiamento climatico che ha modificato le dinamiche del ghiaccio e della neve nell’Artico negli ultimi decenni. Questi dati, pur storici, rimangono una risorsa preziosa per la calibrazione dei modelli e la validazione delle osservazioni satellitari, come quelle di CryoSat-2, contribuendo a una migliore comprensione dei processi ambientali in atto nella regione polare.

4.2. Metodologia per la Distinzione tra Forme d’Onda del Ghiaccio Marino e dell’Oceano

Un passaggio cruciale nell’elaborazione dei dati altimetrici di CryoSat-2 per la stima dello spessore e del volume del ghiaccio marino artico consiste nella distinzione accurata tra le forme d’onda radar associate alla superficie oceanica e quelle relative alla superficie del ghiaccio marino. Questo processo di discriminazione è fondamentale per garantire che le misurazioni utilizzate riflettano correttamente le caratteristiche del ghiaccio marino, evitando contaminazioni da segnali provenienti da altre superfici, come l’oceano aperto o i canali di acqua libera (leads). La metodologia adottata si basa sull’analisi delle proprietà degli echi radar, distinguendo tra echi speculari e diffusi, seguendo i principi descritti da Peacock e Laxon (2004), e integrando parametri specifici per affinare la classificazione.

Identificazione degli Echi Speculari e Diffusi

La distinzione tra echi speculari e diffusi si basa sulle caratteristiche fisiche della superficie riflettente e sul comportamento del segnale radar di ritorno. Gli echi speculari si verificano quando l’impulso radar incontra una superficie estremamente liscia e riflettente, simile a uno specchio, come un canale di acqua libera o uno strato di ghiaccio molto sottile. In questi casi, la potenza del segnale nella finestra di portata aumenta e diminuisce in modo estremamente rapido, generando una forma d’onda che assume l’aspetto di un picco acuto, come illustrato nella Figura 3a. Questo comportamento è tipico di superfici con bassa rugosità, che riflettono il segnale radar in modo coerente e concentrato.

Al contrario, gli echi diffusi si verificano quando l’impulso radar interagisce con una superficie più ruvida, come un banco di ghiaccio (ice floe) o l’oceano aperto. In queste situazioni, la potenza del segnale nella finestra di portata aumenta rapidamente, ma il decadimento avviene in modo graduale, producendo una forma d’onda che assomiglia a un gradino, come mostrato nella Figura 3b. La rugosità della superficie causa una dispersione del segnale radar in diverse direzioni, risultando in un profilo di ritorno meno concentrato e più distribuito nel tempo.

Per identificare in modo sistematico gli echi speculari e diffusi, vengono utilizzati due parametri principali: il parametro SSD (Stack Standard Deviation) e la peakiness dell’impulso. Il parametro SSD, descritto nella Sezione 2, sfrutta la capacità di multi-looking di CryoSat-2 per misurare la variazione della retrodiffusione superficiale in funzione dell’angolo di incidenza. Questo parametro è calcolato per tutte le forme d’onda dello stack che compongono la forma d’onda finale a 20 Hz ed è fornito direttamente nel prodotto di Livello 1b (L1b). Un SSD basso indica una superficie con retrodiffusione uniforme, tipica di un’area speculare, mentre un SSD alto suggerisce una superficie più ruvida, associata a un eco diffuso.

La peakiness dell’impulso è definita come il rapporto tra la potenza massima di ritorno della forma d’onda e la potenza media di ritorno, calcolata solo per i bin in cui la potenza dell’eco supera il livello di rumore di fondo. Questo livello di rumore è determinato come la potenza media nei bin da 10 a 19 della finestra di portata. Un valore elevato di peakiness indica un’onda con un picco acuto, tipico degli echi speculari, mentre un valore basso è associato a un profilo più graduale, caratteristico degli echi diffusi.

Sulla base di questi parametri, sono stati definiti criteri quantitativi per la classificazione degli echi:

Gli echi speculari sono identificati come quelli con una peakiness superiore a 18 e un SSD inferiore a 6,29 per la modalità SAR, o inferiore a 4,62 per la modalità SARIn.
Gli echi diffusi sono quelli con una peakiness inferiore a 9 e un SSD superiore a 6,29 per la modalità SAR, o superiore a 4,62 per la modalità SARIn. Gli echi che presentano valori di peakiness o SSD intermedi tra queste soglie sono considerati complessi, non chiaramente attribuibili a una categoria specifica, e vengono esclusi dall’elaborazione, come illustrato nella Figura 4. Questo passaggio è essenziale per ridurre il rischio di classificazione errata e garantire la qualità dei dati utilizzati nelle fasi successive.

Distinzione tra Echi di Banchi di Ghiaccio e Oceano

Una volta classificati gli echi come diffusi, è necessario un ulteriore livello di discriminazione per distinguere quelli provenienti dai banchi di ghiaccio da quelli associati all’oceano aperto, poiché entrambe le superfici possono produrre echi diffusi secondo i criteri sopra descritti. Per affrontare questa sfida, si fa riferimento ai dati di concentrazione del ghiaccio marino, descritti nella Sezione 3.2.1, che forniscono una stima della percentuale di area oceanica coperta da ghiaccio su una griglia di 25 km.

Le regioni di banchi di ghiaccio vengono definite come quelle con una concentrazione di ghiaccio marino superiore al 75%, mentre le regioni oceaniche sono identificate come quelle con una concentrazione di ghiaccio pari a 0%. Gli echi diffusi provenienti da aree con una concentrazione di ghiaccio compresa tra questi valori non sono considerati affidabili per rappresentare né banchi di ghiaccio né oceano aperto, e vengono quindi esclusi dall’elaborazione. La soglia del 75% per i banchi di ghiaccio è stata determinata empiricamente, con l’obiettivo di minimizzare il rischio di classificare erroneamente aree di acqua libera come regioni di ghiaccio. Questo rischio è particolarmente rilevante a causa della risoluzione relativamente bassa dei dati di concentrazione del ghiaccio marino, che potrebbe non catturare variazioni locali significative su scale inferiori ai 25 km.

Sfide Durante la Stagione di Scioglimento

La discriminazione tra misurazioni provenienti da canali di acqua libera e banchi di ghiaccio diventa particolarmente complessa durante la stagione di scioglimento del ghiaccio marino, che si verifica principalmente nei mesi estivi. In questo periodo, la formazione di stagni di fusione (melt ponds) sulla superficie del ghiaccio marino introduce un’ulteriore complicazione. Questi stagni, essendo superfici lisce e riflettenti, generano echi speculari simili a quelli prodotti dai canali di acqua libera, rendendo difficile la distinzione tra le due fonti. Di conseguenza, durante i mesi di picco estivo, come luglio e agosto, gli echi speculari dominano la maggior parte delle forme d’onda di ritorno. Ad esempio, nelle regioni con una concentrazione di ghiaccio marino superiore a 0%, in media il 92% degli echi a luglio e l’85% ad agosto vengono classificati come ritorni da canali di acqua libera, mentre meno dell’1% delle forme d’onda è attribuito a banchi di ghiaccio.

A causa di queste difficoltà, il processore per il ghiaccio marino non viene eseguito nei mesi da maggio a settembre, periodo in cui la presenza di stagni di fusione compromette l’affidabilità della classificazione degli echi. Nei mesi in cui l’elaborazione è attiva, ovvero da ottobre ad aprile, viene comunque scartata una frazione significativa di forme d’onda. In media, il 34% delle forme d’onda nelle regioni con una concentrazione di ghiaccio marino superiore a 0% viene escluso, poiché non soddisfa i criteri per essere classificato come ritorno da un canale di acqua libera o da un banco di ghiaccio.

Conclusione

La metodologia descritta per la discriminazione tra forme d’onda del ghiaccio marino e dell’oceano rappresenta un passaggio essenziale per garantire l’accuratezza delle stime dello spessore e del volume del ghiaccio marino artico. Attraverso l’analisi combinata della peakiness dell’impulso e del parametro SSD, è possibile distinguere in modo affidabile gli echi speculari, associati a superfici lisce come i canali di acqua libera, dagli echi diffusi, tipici di superfici ruvide come i banchi di ghiaccio o l’oceano aperto. L’integrazione dei dati di concentrazione del ghiaccio marino consente un ulteriore livello di raffinamento, permettendo di separare i banchi di ghiaccio dall’oceano aperto nonostante le somiglianze nei profili degli echi diffusi. Tuttavia, le sfide poste dalla stagione di scioglimento evidenziano i limiti di questa metodologia in condizioni di fusione avanzata, giustificando la decisione di limitare l’elaborazione ai mesi più freddi dell’anno. Questo approccio rigoroso assicura che solo i dati più affidabili vengano utilizzati per le analisi successive, contribuendo a una comprensione più accurata delle dinamiche del ghiaccio marino nell’Artico.

Analisi Dettagliata della Figura 3: Diagramma di Flusso per l’Elaborazione dello Spessore e del Volume del Ghiaccio Marino Artico con i Dati di CryoSat-2

La Figura 3 rappresenta un diagramma di flusso (flowchart) che descrive in modo sistematico e dettagliato il processo di elaborazione utilizzato per stimare lo spessore e il volume del ghiaccio marino artico a partire dai dati di Livello 1b (L1b) Baseline-C del satellite CryoSat-2. Sviluppato dal Centre for Polar Observation and Modelling (CPOM), questo schema si articola in 15 fasi sequenziali, ciascuna progettata per affrontare specifiche sfide nell’elaborazione dei dati altimetrici, garantendo che le stime finali siano accurate e scientificamente robuste. Il processo copre tutte le operazioni necessarie, dalla selezione e preparazione dei dati grezzi fino alla determinazione finale del volume del ghiaccio marino, offrendo un quadro metodologico che può essere adattato anche ad altre missioni altimetriche polari. Di seguito, viene fornita un’analisi approfondita di ciascun passaggio, con un focus sulle implicazioni scientifiche e tecniche.

Struttura e Obiettivo del Diagramma di Flusso

Il diagramma di flusso è organizzato come una sequenza lineare di 15 blocchi rettangolari, ciascuno etichettato con un numero e una descrizione che rappresenta una fase specifica del processo. Le frecce direzionali che collegano i blocchi indicano la progressione logica delle operazioni, evidenziando come ogni fase si basi sui risultati di quella precedente. L’obiettivo principale di questo processo è trasformare i dati grezzi di CryoSat-2 in stime quantitative dello spessore e del volume del ghiaccio marino, parametri fondamentali per monitorare i cambiamenti climatici nell’Artico e comprendere il ruolo del ghiaccio marino nel bilancio energetico globale. La metodologia è strutturata per affrontare le complessità legate alla variabilità delle superfici artiche, alle differenze tra modalità operative del satellite (SAR e SARIn) e alle sfide stagionali, come la formazione di stagni di fusione durante l’estate.

Descrizione Dettagliata delle Fasi di Elaborazione

Selezione dei Dati Oceanici dell’Emisfero Settentrionale
Il processo ha inizio con la selezione dei dati acquisiti da CryoSat-2 nell’emisfero settentrionale, restringendo l’analisi a un intervallo di latitudine compreso tra 40°N e 90°N. Questa delimitazione geografica è fondamentale per concentrarsi esclusivamente sulla regione artica, dove il ghiaccio marino è presente, escludendo i dati raccolti in aree non pertinenti, come le latitudini più basse o l’emisfero meridionale. Questo passaggio ottimizza l’efficienza computazionale e garantisce che le analisi successive siano focalizzate sulle superfici oceaniche dell’Artico.
Filtraggio delle Forme d’Onda
Una volta selezionati i dati rilevanti, si procede con un filtraggio preliminare delle forme d’onda per garantire la qualità del dataset. Vengono utilizzati due criteri principali: il flag di tipo di superficie, che permette di escludere le forme d’onda associate a superfici non oceaniche (ad esempio, terraferma o ghiaccio continentale), e il flag di confidenza della misura (Measurement Confidence Data, MCD), che identifica ed elimina le forme d’onda gravemente compromesse. Queste possono essere degradate a causa di errori nel calcolo del ritardo della finestra temporale, nel controllo automatico del guadagno (AGC), o per l’assenza di informazioni essenziali, come il momento esatto della riflessione del segnale radar. Questo filtraggio è cruciale per ridurre il rumore e migliorare l’affidabilità delle misurazioni utilizzate nelle fasi successive.
Ritaglio delle Forme d’Onda nella Finestra di Portata
Per uniformare i dati acquisiti in modalità SAR e SARIn, tutte le forme d’onda vengono ritagliate a una finestra standard di 128 bin. La posizione delle forme d’onda di ritorno all’interno della finestra di portata può variare, soprattutto in modalità SARIn, a causa della maggiore complessità delle superfici osservate, come i margini delle calotte glaciali. Per garantire coerenza, si selezionano i bin compresi tra bmax – 50 e bmax + 77, dove bmax rappresenta il bin con la massima potenza di ritorno. Questo ritaglio standardizza il formato dei dati, facilitando l’analisi successiva e riducendo la complessità computazionale, senza compromettere le informazioni essenziali per la stima dello spessore del ghiaccio.
Discriminazione tra Forme d’Onda Speculari e Diffuse
In questa fase, si distingue tra forme d’onda speculari, tipiche di superfici lisce come i canali di acqua libera (leads) o il ghiaccio sottile, e forme d’onda diffuse, associate a superfici più ruvide come i banchi di ghiaccio o l’oceano aperto. La classificazione si basa su due parametri: la peakiness dell’impulso, che misura la concentrazione del segnale di ritorno, e il parametro SSD (Stack Standard Deviation), che valuta la variazione della retrodiffusione in funzione dell’angolo di incidenza. Gli echi speculari mostrano una peakiness elevata (>18) e un SSD basso (<6,29 per SAR, <4,62 per SARIn), mentre gli echi diffusi presentano una peakiness bassa (<9) e un SSD alto (>6,29 per SAR, >4,62 per SARIn). Le forme d’onda con valori intermedi, considerate ambigue, vengono escluse per evitare errori di classificazione.
Discriminazione tra Forme d’Onda dell’Oceano e dei Banchi di Ghiaccio
Tra le forme d’onda classificate come diffuse, si procede a distinguere ulteriormente quelle provenienti dai banchi di ghiaccio da quelle associate all’oceano aperto. Questa distinzione si basa sui dati di concentrazione del ghiaccio marino (descritti nella Sezione 3.2.1). Le regioni con una concentrazione di ghiaccio superiore al 75% vengono considerate banchi di ghiaccio, mentre quelle con concentrazione pari a 0% sono classificate come oceano aperto. Le forme d’onda provenienti da aree con concentrazione intermedia (tra 0% e 75%) vengono escluse, poiché non possono essere attribuite con certezza a una delle due categorie. Questo passaggio è essenziale per evitare ambiguità nella classificazione delle superfici, soprattutto considerando la risoluzione limitata (25 km) dei dati di concentrazione.
Definizione del Tipo di Ghiaccio Marino
Una volta identificate le forme d’onda dei banchi di ghiaccio, si determina il tipo di ghiaccio marino presente, distinguendo tra ghiaccio di primo anno (First Year Ice, FYI) e ghiaccio pluriennale (Multi-Year Ice, MYI). Questa classificazione si basa sui dati forniti dall’Ocean and Sea Ice Satellite Application Facility (OSI SAF), che utilizzano misurazioni di temperatura di brillanza e retrodiffusione radar per identificare le proprietà fisiche del ghiaccio. La distinzione tra FYI e MYI è fondamentale, poiché le loro densità e capacità di accumulo della neve differiscono, influenzando i calcoli dello spessore del ghiaccio.

7.1 e 7.2. Ritracciamento delle Forme d’Onda dei Canali di Acqua Libera e dei Banchi di Ghiaccio
Le forme d’onda speculari (associate ai canali di acqua libera) e quelle diffuse (associate ai banchi di ghiaccio) vengono ritracciate separatamente per determinare con precisione il punto di riflessione del segnale radar sulla superficie. Il ritracciamento consiste nell’identificare il bin esatto in cui si verifica la massima interazione del segnale con la superficie, consentendo di calcolare l’elevazione con maggiore accuratezza. Questo passaggio è critico per distinguere l’altezza del livello del mare locale (determinata dai canali di acqua libera) dall’altezza della superficie del ghiaccio (determinata dai banchi di ghiaccio).

8.1 e 8.2. Filtraggio dei Canali di Acqua Libera e dei Banchi di Ghiaccio
Dopo il ritracciamento, si applicano filtri aggiuntivi per rimuovere eventuali anomalie residue nei dati dei canali di acqua libera e dei banchi di ghiaccio. Questo filtraggio può includere la rimozione di forme d’onda con valori anomali, come picchi di potenza non realistici o misurazioni influenzate da errori strumentali. L’obiettivo è garantire che solo le forme d’onda più affidabili vengano utilizzate per le stime di elevazione, riducendo il rischio di distorsioni nei calcoli successivi.

Calcolo delle Elevazioni Ritracciate
Utilizzando i dati ritracciati, si calcolano le elevazioni della superficie per i canali di acqua libera e i banchi di ghiaccio. Le elevazioni dei canali di acqua libera rappresentano il livello del mare locale, che funge da riferimento per determinare il freeboard del ghiaccio. Le elevazioni dei banchi di ghiaccio, invece, includono sia il freeboard che l’altezza della neve accumulata sulla superficie del ghiaccio. Questo passaggio fornisce i dati altimetrici grezzi necessari per le fasi successive.
Rimozione della Superficie Media del Mare
La superficie media del mare (Mean Sea Surface, MSS) viene sottratta dalle elevazioni calcolate per ottenere l’altezza relativa del ghiaccio rispetto al livello del mare. La MSS tiene conto di effetti geofisici a lungo termine, come le maree oceaniche, le variazioni della pressione atmosferica e la geoidale terrestre. Questo passaggio è essenziale per isolare l’altezza del ghiaccio marino da queste influenze, consentendo una stima più accurata del freeboard.
Rimozione del Bias del Ritracciamento
Il processo di ritracciamento può introdurre un bias sistematico nelle stime di elevazione, ad esempio a causa di differenze nella forma delle forme d’onda o di errori nell’algoritmo di ritracciamento. In questa fase, tale bias viene identificato e corretto, migliorando la precisione delle misurazioni altimetriche. Questo passaggio è particolarmente importante per garantire che le differenze di elevazione tra i canali di acqua libera e i banchi di ghiaccio riflettano accuratamente le condizioni fisiche reali.
Filtraggio degli Artefatti
Vengono rimossi gli artefatti residui nei dati, come picchi anomali, errori di misurazione o interferenze non rilevate nelle fasi precedenti. Questo filtraggio finale garantisce che le elevazioni utilizzate per i calcoli successivi siano il più possibile rappresentative delle condizioni reali del ghiaccio marino, riducendo il rischio di distorsioni nei risultati finali.
Calcolo del Freeboard del Ghiaccio Marino
Il freeboard del ghiaccio marino, definito come la parte del ghiaccio che emerge sopra il livello del mare, viene calcolato sottraendo l’elevazione del livello del mare locale (determinata dai canali di acqua libera) dall’elevazione della superficie del banco di ghiaccio. Questo parametro è fondamentale per stimare lo spessore del ghiaccio, poiché rappresenta la componente visibile del ghiaccio marino che può essere misurata direttamente tramite altimetria radar.
Calcolo dello Spessore del Ghiaccio Marino
Utilizzando il freeboard calcolato, si stima lo spessore totale del ghiaccio marino attraverso un modello di equilibrio idrostatico. Questo modello tiene conto delle densità del ghiaccio, della neve e dell’acqua di mare, oltre che del carico di neve sulla superficie del ghiaccio, derivato dalla climatologia di Warren et al. (1999). La tipologia del ghiaccio (FYI o MYI) influisce sui parametri di densità utilizzati, poiché il ghiaccio pluriennale è generalmente più denso e accumula più neve rispetto al ghiaccio di primo anno. Questo passaggio integra tutte le informazioni raccolte nelle fasi precedenti per produrre una stima accurata dello spessore del ghiaccio.
Calcolo del Volume del Ghiaccio Marino
L’ultima fase consiste nel calcolare il volume totale del ghiaccio marino nell’area di studio. Questo si ottiene moltiplicando lo spessore medio del ghiaccio, determinato nella fase precedente, per l’area coperta dal ghiaccio, derivata dai dati di concentrazione del ghiaccio marino. Il risultato finale è una stima quantitativa del volume del ghiaccio marino, un indicatore chiave per monitorare i cambiamenti stagionali e a lungo termine nell’Artico, con implicazioni dirette per lo studio del clima globale.

Implicazioni Scientifiche e Considerazioni

Il diagramma di flusso della Figura 3 rappresenta un approccio metodologico rigoroso per l’elaborazione dei dati altimetrici di CryoSat-2, affrontando le complessità legate alla variabilità delle superfici artiche e alle sfide tecniche dell’altimetria radar. Ogni fase è progettata per migliorare la qualità dei dati e ridurre le fonti di errore, garantendo che le stime finali di spessore e volume del ghiaccio marino siano il più accurate possibile. Ad esempio, la discriminazione tra forme d’onda speculari e diffuse (fase 4) e tra banchi di ghiaccio e oceano (fase 5) è fondamentale per evitare contaminazioni nei dati, mentre il filtraggio degli artefatti (fase 12) e la correzione del bias (fase 11) assicurano la robustezza delle misurazioni altimetriche.

Un aspetto critico evidenziato dal diagramma è la necessità di integrare dati ausiliari, come quelli sulla concentrazione e tipologia del ghiaccio marino (fasi 5 e 6), per contestualizzare le osservazioni altimetriche. Inoltre, il processo è limitato ai mesi da ottobre ad aprile, a causa delle difficoltà di discriminazione durante la stagione di scioglimento estivo, come descritto nella Sezione 4.2. Questa limitazione stagionale riflette le sfide poste dalla formazione di stagni di fusione, che alterano le proprietà riflettenti del ghiaccio marino.

Conclusione

In sintesi, la Figura 3 offre una rappresentazione chiara e strutturata del processo di elaborazione per stimare lo spessore e il volume del ghiaccio marino artico utilizzando i dati di CryoSat-2. Le 15 fasi descritte coprono tutte le operazioni necessarie, dalla selezione e filtraggio dei dati grezzi alla classificazione delle superfici, fino al calcolo finale del volume del ghiaccio. Questo approccio metodologico non solo fornisce stime affidabili per il monitoraggio del ghiaccio marino, ma rappresenta anche un framework adattabile per altre missioni altimetriche polari. I risultati ottenuti attraverso questo processo sono essenziali per comprendere le dinamiche del ghiaccio marino, valutare i cambiamenti climatici nell’Artico e contribuire alla modellazione del sistema climatico globale.

Analisi Approfondita della Figura 4: Caratterizzazione degli Echi Speculari e Diffusi nei Dati di CryoSat-2 per lo Studio del Ghiaccio Marino Artico

La Figura 4 presenta due grafici che illustrano esempi rappresentativi di forme d’onda (waveforms) acquisite dal satellite CryoSat-2, evidenziando le differenze fondamentali tra un eco di ritorno speculare e un eco di ritorno diffuso. Questi grafici sono parte integrante del processo di elaborazione descritto nelle Sezioni 4.1 e 4.2, che mira a stimare lo spessore e il volume del ghiaccio marino artico utilizzando i dati di Livello 1b (L1b) Baseline-C. La distinzione tra questi due tipi di echi è cruciale per identificare correttamente le diverse superfici presenti nell’Artico, come i canali di acqua libera (leads), i banchi di ghiaccio (ice floes) e l’oceano aperto, e rappresenta un passaggio fondamentale per garantire l’accuratezza delle stime altimetriche. Di seguito, viene fornita un’analisi dettagliata della figura, con un approfondimento sulle caratteristiche dei grafici, la loro interpretazione scientifica e le implicazioni per lo studio del ghiaccio marino.

Struttura e Contenuto della Figura

La Figura 4 è composta da due pannelli distinti, etichettati come (a) e (b), ciascuno dei quali rappresenta un esempio di forma d’onda registrata da CryoSat-2:

Pannello (a): Illustra un eco di ritorno speculare, tipico di superfici lisce e riflettenti.
Pannello (b): Mostra un eco di ritorno diffuso, caratteristico di superfici più ruvide.

Entrambi i grafici riportano la potenza normalizzata (normalised power) del segnale di ritorno sull’asse verticale, con valori che variano da 0 a 1, in funzione del numero di bin di portata (range bin) sull’asse orizzontale, che si estende da 0 a 128. La potenza normalizzata consente di confrontare i profili delle forme d’onda indipendentemente dall’intensità assoluta del segnale, mentre i bin di portata rappresentano l’intervallo di tempo (o distanza) in cui il segnale radar viene riflesso e ricevuto dal satellite. La didascalia specifica che le forme d’onda sono state ritagliate a 128 bin, un passaggio descritto nella Sezione 4.1, per uniformare i dati acquisiti in modalità SAR (Synthetic Aperture Radar) e SARIn (SAR Interferometric).

Analisi Dettagliata dei Pannelli

Pannello (a): Eco di Ritorno Speculare

Il pannello (a) rappresenta un esempio di eco speculare, caratterizzato da un profilo di forma d’onda estremamente concentrato e acuto. La potenza normalizzata aumenta in modo rapido e ripido, raggiungendo un valore massimo vicino a 1 intorno al bin 60, per poi diminuire altrettanto rapidamente, tornando a valori prossimi a 0 entro un intervallo di pochi bin (circa 10 bin di larghezza). Questo profilo, spesso descritto come una “spike” (picco), è tipico di una riflessione radar da una superficie liscia e riflettente, simile a uno specchio, come un canale di acqua libera o uno strato di ghiaccio molto sottile.

Dal punto di vista fisico, un eco speculare si verifica quando la superficie riflettente presenta una rugosità minima, con variazioni di altezza inferiori alla lunghezza d’onda del segnale radar (circa 2,2 cm per CryoSat-2, che opera a 13,575 GHz nella banda Ku). In queste condizioni, il segnale radar viene riflesso in modo coerente, concentrando l’energia in un intervallo temporale ristretto, che si traduce in un picco acuto nella forma d’onda. Questo comportamento è associato a un’alta peakiness dell’impulso, definita come il rapporto tra la potenza massima di ritorno e la potenza media, che in questo caso supera il valore soglia di 18. Inoltre, il parametro SSD (Stack Standard Deviation), che misura la variazione della retrodiffusione in funzione dell’angolo di incidenza, è basso (inferiore a 6,29 per la modalità SAR e 4,62 per la modalità SARIn), indicando una retrodiffusione uniforme, tipica di una superficie speculare.

Pannello (b): Eco di Ritorno Diffuso

Il pannello (b) mostra un esempio di eco diffuso, caratterizzato da un profilo di forma d’onda più ampio e graduale. La potenza normalizzata aumenta rapidamente fino a un valore massimo di circa 0,8, raggiunto intorno al bin 60, ma invece di diminuire bruscamente, il segnale decade in modo lento e irregolare, mantenendo valori significativi fino a circa il bin 100. Questo decadimento graduale è accompagnato da fluttuazioni minori, che riflettono la variabilità della superficie riflettente. Il profilo complessivo assomiglia a un “gradino”, con un’ascesa rapida seguita da un declino più prolungato.

Questo tipo di eco è tipico di una superficie più ruvida, come un banco di ghiaccio o l’oceano aperto, dove la rugosità superficiale causa una dispersione del segnale radar in diverse direzioni. La rugosità, in questo contesto, si riferisce a variazioni di altezza della superficie su scale maggiori rispetto alla lunghezza d’onda del radar, che portano a una riflessione incoerente del segnale. Di conseguenza, l’energia del segnale di ritorno si distribuisce su un intervallo di bin più ampio, risultando in un profilo di forma d’onda meno concentrato. La peakiness dell’impulso è bassa, generalmente inferiore a 9, indicando un segnale meno concentrato, mentre il parametro SSD è alto (superiore a 6,29 per la modalità SAR e 4,62 per la modalità SARIn), riflettendo la maggiore variabilità della retrodiffusione associata a una superficie ruvida.

Informazioni Complementari dalla Didascalia

La didascalia della figura fornisce ulteriori dettagli sul contesto dei grafici:

Ritaglio a 128 bin: Specifica che le forme d’onda sono state ritagliate a 128 bin, un passaggio descritto nella Sezione 4.1. Questo ritaglio è necessario per standardizzare i dati acquisiti in modalità SAR e SARIn, garantendo che le forme d’onda siano analizzate in modo uniforme. Il ritaglio si basa sulla selezione dei bin compresi tra bmax – 50 e bmax + 77, dove bmax è il bin con la massima potenza di ritorno, come parte del processo di pre-elaborazione.
Riferimento alla Sezione 4.1: La didascalia rimanda alla Sezione 4.1, dove vengono descritti i dettagli della pre-elaborazione dei dati, inclusa la rimozione delle forme d’onda non oceaniche e degradate, e l’allineamento delle forme d’onda per l’analisi successiva.

Implicazioni Scientifiche e Tecniche

La distinzione tra echi speculari e diffusi, illustrata dalla Figura 4, è un elemento centrale del processo di elaborazione dei dati di CryoSat-2 per la stima dello spessore e del volume del ghiaccio marino. Gli echi speculari, come quello mostrato nel pannello (a), sono associati a superfici lisce come i canali di acqua libera, che rappresentano il livello del mare locale. Questo livello è essenziale per calcolare il freeboard del ghiaccio marino, definito come la parte del ghiaccio che emerge sopra il livello del mare, un parametro fondamentale per stimare lo spessore del ghiaccio. Gli echi diffusi, come quello nel pannello (b), sono invece rappresentativi di superfici ruvide come i banchi di ghiaccio, che forniscono informazioni sull’elevazione della superficie del ghiaccio, includendo il freeboard e lo strato di neve sovrastante.

La Figura 4 supporta direttamente la metodologia di discriminazione descritta nella Sezione 4.2, dove i parametri di peakiness e SSD vengono utilizzati per classificare le forme d’onda in categorie distinte. Il pannello (a) illustra visivamente perché un eco speculare ha una peakiness elevata: il picco acuto concentra la potenza in pochi bin, aumentando il rapporto tra la potenza massima e quella media. Il pannello (b), d’altra parte, mostra perché un eco diffuso ha una peakiness bassa: la distribuzione più ampia della potenza su un intervallo di bin maggiore riduce questo rapporto. Allo stesso modo, il parametro SSD riflette le differenze fisiche tra le superfici: un SSD basso per gli echi speculari indica una riflessione uniforme, mentre un SSD alto per gli echi diffusi evidenzia la variabilità della retrodiffusione dovuta alla rugosità.

Questa classificazione ha implicazioni dirette per l’accuratezza delle stime altimetriche. Una classificazione errata, ad esempio identificando un banco di ghiaccio come un canale di acqua libera, porterebbe a errori significativi nel calcolo del freeboard e, di conseguenza, dello spessore del ghiaccio. Inoltre, la figura evidenzia la necessità di ritagliare le forme d’onda a 128 bin, un passaggio che non solo uniforma i dati, ma facilita anche l’applicazione dei criteri di classificazione basati su peakiness e SSD.

Sfide e Limitazioni

Un aspetto critico evidenziato indirettamente dalla figura è la difficoltà di discriminazione durante la stagione di scioglimento estivo (maggio-settembre), quando la formazione di stagni di fusione sul ghiaccio marino genera echi speculari simili a quelli dei canali di acqua libera. Questo fenomeno, descritto nella Sezione 4.2, rende i profili delle forme d’onda più complessi da interpretare, giustificando la decisione di limitare l’elaborazione ai mesi da ottobre ad aprile, quando le condizioni superficiali sono più stabili e gli echi speculari sono più chiaramente attribuibili ai canali di acqua libera.

Conclusione

In sintesi, la Figura 4 fornisce una rappresentazione visiva essenziale delle differenze tra un eco speculare e un eco diffuso nei dati di CryoSat-2, evidenziando le caratteristiche distintive dei profili delle forme d’onda che riflettono le proprietà fisiche delle superfici sottostanti. Il pannello (a) mostra un eco speculare con un picco acuto, tipico di superfici lisce come i canali di acqua libera, mentre il pannello (b) mostra un eco diffuso con un decadimento graduale, caratteristico di superfici ruvide come i banchi di ghiaccio. Questi esempi supportano la metodologia di discriminazione descritta nelle Sezioni 4.1 e 4.2, basata sui parametri di peakiness e SSD, e sottolineano l’importanza di una classificazione accurata per la stima dello spessore e del volume del ghiaccio marino. La figura non solo facilita la comprensione del processo di elaborazione, ma rappresenta anche uno strumento fondamentale per garantire che le misurazioni altimetriche riflettano fedelmente le condizioni reali dell’Artico, contribuendo a una migliore comprensione delle dinamiche del ghiaccio marino e dei cambiamenti climatici.

3. Classificazione e Definizione dei Tipi di Ghiaccio Marino

Per la caratterizzazione del ghiaccio marino, il presente studio si avvale di dataset giornalieri relativi alla tipologia di ghiaccio, acquisiti attraverso il sistema OSI SAF (riferimento alla Sezione 3.2.2). Tali dati consentono di categorizzare le misurazioni del ghiaccio marino in diverse classi: ghiaccio del primo anno (First-Year Ice, FYI), ghiaccio pluriennale (Multi-Year Ice, MYI), ghiaccio ambiguo, aree prive di ghiaccio (ice-free) e ghiaccio non classificato. Al fine di garantire la robustezza delle analisi, i record associati a categorie come ghiaccio privo di ghiaccio, non classificato o ambiguo vengono sistematicamente esclusi dal dataset. La classificazione “ambigua” si riferisce prevalentemente a una zona di transizione, spesso di spessore ridotto, che si interpone tra le regioni di FYI e MYI. Questa banda di ghiaccio, caratterizzata da una notevole mobilità su scala mensile, non comporta discontinuità significative nelle mappe mensili dello spessore del ghiaccio marino quando rimossa, né incide in misura rilevante sulle stime volumetriche del ghiaccio calcolate su base mensile.

Le mappe generate per il tipo di ghiaccio marino, riferite a un medesimo giorno di ciascun anno (illustrate in Fig. 5), evidenziano variazioni interannuali nella posizione delle frontiere tra FYI e MYI. Nonostante tali variazioni, si osserva una costante concentrazione del ghiaccio pluriennale (MYI) nelle regioni costiere a nord della Groenlandia e dell’Arcipelago Canadese. In molti casi, la copertura di MYI si estende verso il settore centrale dell’Oceano Artico, delineando un pattern spaziale ricorrente che riflette le dinamiche climatiche e oceanografiche della regione.

4.4. Procedura di Ritrasmissione delle Forme d’Onda

Nell’ambito dell’elaborazione dei dati altimetrici, la ritrasmissione delle forme d’onda rappresenta una fase cruciale per determinare con precisione l’elevazione della superficie marina o del ghiaccio. Per ciascun segnale di eco ricevuto, viene identificato un punto specifico lungo il bordo iniziale della forma d’onda, che corrisponde alla posizione della superficie dell’oceano o del ghiaccio marino. Tale punto, in molti casi, si discosta dal punto di riferimento utilizzato per misurare il ritardo della finestra temporale di acquisizione, definito nei dati CryoSat-2 L1b come il bin centrale – corrispondente al bin 128 per i dati SAR e al bin 512 per i dati SARIn.

L’obiettivo del processo di ritrasmissione è individuare, all’interno della finestra di portata completa, la posizione esatta in cui la potenza del segnale riflesso origina dalla superficie direttamente a nadir. Questo valore, espresso come numero di bin, viene restituito dalla routine di ritrasmissione e costituisce un parametro fondamentale per il successivo calcolo dell’elevazione della superficie (descritto in dettaglio nella Sezione 4.5). La metodologia di ritrasmissione adottata varia in funzione della natura del ritorno del segnale: per superfici che producono un ritorno speculare, come i canali di piombo (leads), si applica una routine specifica, distinta da quella utilizzata per ritorni diffusi, tipici di superfici come l’oceano aperto o le lastre di ghiaccio marino (floe). Questa distinzione garantisce una maggiore accuratezza nella determinazione della posizione della superficie, contribuendo a migliorare la qualità delle stime altimetriche e delle successive analisi geofisiche.

4.4.1. Metodologia di Ritrasmissione per Echi Speculari

La ritrasmissione degli echi speculari, derivanti principalmente dai canali di piombo (leads) presenti nella superficie del ghiaccio marino, rappresenta un passaggio fondamentale per l’elaborazione dei dati altimetrici acquisiti dal satellite CryoSat-2. Per questo scopo, il presente studio adotta il metodo di ritrasmissione proposto da Giles et al. (2007), che si distingue per la sua capacità di modellare con precisione la forma caratteristica degli echi speculari. Questo approccio si basa sull’impiego di due funzioni matematiche distinte, integrate da una funzione di collegamento, per descrivere l’andamento temporale della potenza del segnale riflesso.

La porzione iniziale della forma d’onda, corrispondente al bordo ascendente dell’eco, viene rappresentata tramite una funzione di tipo gaussiano, che cattura l’incremento rapido della potenza del segnale. La parte successiva, ovvero il bordo discendente, è invece modellata mediante una funzione a decadimento esponenziale, che descrive la graduale attenuazione della potenza riflessa. Per garantire una transizione fluida e continua tra queste due componenti, viene introdotta una funzione di raccordo, progettata per collegare il bordo ascendente e quello discendente senza introdurre discontinuità nella forma d’onda complessiva. Questa configurazione consente di ottenere una rappresentazione coerente e fisicamente significativa del segnale speculare.

La funzione di ritrasmissione risultante tiene conto di diversi parametri chiave, tra cui l’ampiezza massima del segnale, il momento temporale in cui tale ampiezza si verifica, il tasso di decadimento della componente esponenziale e la deviazione standard associata alla funzione gaussiana. I parametri della funzione di raccordo sono calibrati in modo tale che sia la funzione complessiva sia la sua derivata prima risultino continue, assicurando una modellazione regolare e priva di artefatti matematici. Questo approccio garantisce che la forma d’onda modellata rifletta accuratamente le proprietà fisiche della superficie riflettente, come i canali di piombo, che producono echi speculari a causa della loro superficie liscia e riflettente.

Per adattare questa funzione teorica alle forme d’onda osservate, viene impiegato il metodo non lineare dei minimi quadrati di Levenberg-Marquardt (Marquardt, 1963), un algoritmo robusto ampiamente utilizzato per l’ottimizzazione di modelli complessi. L’algoritmo regola iterativamente i parametri della funzione di ritrasmissione, inclusi l’ampiezza massima, la deviazione standard, il tempo del picco di potenza e il tasso di decadimento esponenziale, al fine di minimizzare la somma dei quadrati delle differenze tra i valori osservati della forma d’onda e quelli previsti dal modello. Il processo di adattamento viene eseguito per un massimo di 3000 iterazioni, e il punto di ritrasmissione viene determinato selezionando l’iterazione che presenta la minima discrepanza quadratica. Tale punto, corrispondente al massimo dell’ampiezza della funzione adattata, è espresso come un numero decimale di bin, che rappresenta la posizione precisa del segnale di ritorno all’interno della finestra di portata.

In casi in cui l’adattamento non riesca a convergere verso una soluzione accettabile entro il limite di 3000 iterazioni, l’eco viene escluso dall’elaborazione successiva. Questo scenario può verificarsi quando la forma dell’eco osservato devia significativamente dal modello standard di un eco speculare. Un esempio tipico è rappresentato da situazioni in cui il canale di piombo responsabile del segnale di ritorno si trova in una posizione non direttamente al nadir del satellite, come evidenziato da Armitage e Davidson (2014). Tale deviazione può introdurre complessità nella forma d’onda che il modello di Giles non è in grado di catturare adeguatamente, rendendo necessaria l’esclusione di questi dati per preservare l’accuratezza delle stime altimetriche.

Questo approccio metodologico, combinando una modellazione teorica rigorosa con un’ottimizzazione numerica avanzata, consente di determinare con precisione la posizione della superficie riflettente, fornendo dati affidabili per il calcolo dell’elevazione del ghiaccio marino e contribuendo a una migliore comprensione delle dinamiche della criosfera artica.

Analisi Dettagliata della Variabilità Interannuale del Ghiaccio Marino nell’Emisfero Settentrionale: Interpretazione della Figura 5

La Figura 5 presenta un’analisi approfondita della variazione interannuale della tipologia di ghiaccio marino nell’emisfero settentrionale, focalizzandosi su quattro anni specifici: 2011 (pannello a), 2012 (pannello b), 2013 (pannello c) e 2014 (pannello d). Le mappe, costruite utilizzando dati relativi al 31 gennaio di ciascun anno, offrono una rappresentazione spaziale della distribuzione del ghiaccio marino nell’Oceano Artico, distinguendo tra diverse categorie di ghiaccio in base alla loro età e caratteristiche fisiche. Questo tipo di analisi è essenziale per comprendere le dinamiche della criosfera artica in un contesto di cambiamento climatico globale, fornendo informazioni cruciali sulla risposta del ghiaccio marino alle variazioni ambientali e climatiche.

Struttura e Legenda delle Mappe

Le mappe utilizzano una codifica cromatica per rappresentare le diverse categorie di ghiaccio marino e le condizioni della superficie oceanica:

Il colore giallo identifica il ghiaccio del primo anno (First-Year Ice, FYI), che si forma durante l’inverno della stagione in corso e tende a essere più sottile e meno resistente rispetto a ghiaccio più vecchio.
Il colore rosso evidenzia il ghiaccio pluriennale (Multi-Year Ice, MYI), che ha sopravvissuto ad almeno un ciclo di scioglimento estivo, risultando più spesso, compatto e resiliente alle variazioni stagionali.
Il colore blu delimita le aree prive di ghiaccio marino, corrispondenti a specchi d’acqua aperti nell’Oceano Artico, dove il ghiaccio non si è formato o è completamente sciolto.
Il colore grigio indica una categoria di ghiaccio definita come ambigua, spesso associata a zone di transizione tra FYI e MYI, dove la classificazione risulta incerta a causa della complessità delle dinamiche locali.
Il colore rosa rappresenta le aree in cui il tipo di ghiaccio non è stato determinato nei dati, corrispondendo prevalentemente alle regioni di terraferma che circondano l’Oceano Artico, come la Groenlandia, l’Arcipelago Canadese e le coste della Siberia.

Analisi Temporale e Spaziale dei Pannelli

Pannello a (2011): La mappa del 2011 mostra una significativa presenza di ghiaccio pluriennale (MYI, in rosso), che si concentra principalmente nelle regioni a nord della Groenlandia e dell’Arcipelago Canadese, aree note per essere un “serbatoio” di ghiaccio più vecchio a causa delle correnti oceaniche e dei venti che spingono il ghiaccio verso queste zone. La distribuzione del MYI si estende anche verso il settore centrale dell’Oceano Artico, occupando una porzione rilevante della superficie. Il ghiaccio del primo anno (FYI, in giallo) circonda queste regioni, coprendo vaste aree periferiche dell’Artico, specialmente nelle regioni più lontane dal Polo Nord. Le aree prive di ghiaccio (blu) appaiono limitate, concentrate principalmente ai margini dell’Oceano Artico, mentre le zone ambigue (grigio) si presentano come sottili bande di transizione tra FYI e MYI, riflettendo la complessità delle dinamiche di deriva e fusione del ghiaccio in queste aree.
Pannello b (2012): Nel 2012, si osserva una leggera riduzione dell’estensione del ghiaccio pluriennale rispetto all’anno precedente, pur mantenendo una concentrazione significativa nelle stesse regioni a nord della Groenlandia e dell’Arcipelago Canadese. La distribuzione del MYI appare leggermente più frammentata, con una minore continuità verso il centro dell’Artico. Il ghiaccio del primo anno continua a dominare le regioni periferiche, ma si nota un’espansione delle aree prive di ghiaccio (blu), specialmente lungo i margini esterni dell’Oceano Artico, suggerendo un possibile aumento delle temperature o una riduzione della formazione di ghiaccio durante l’inverno. Le zone ambigue, pur presenti, mostrano una distribuzione leggermente diversa rispetto al 2011, evidenziando la natura dinamica e mobile di queste regioni di transizione.
Pannello c (2013): La mappa del 2013 rivela un’ulteriore contrazione del ghiaccio pluriennale, con una riduzione visibile della sua estensione complessiva e una distribuzione più frammentata rispetto agli anni precedenti. Il MYI rimane concentrato nelle aree costiere settentrionali della Groenlandia e dell’Arcipelago Canadese, ma la sua presenza nel settore centrale dell’Artico è notevolmente diminuita. Parallelamente, il ghiaccio del primo anno (FYI) occupa una porzione ancora maggiore della superficie artica, indicando un rinnovamento più rapido del ghiaccio marino, ma con una probabile riduzione dello spessore medio. Le aree prive di ghiaccio si espandono ulteriormente, in particolare nelle regioni più esterne, riflettendo una tendenza verso condizioni più calde o una maggiore fusione estiva che impedisce la formazione di ghiaccio durante l’inverno. Le zone ambigue continuano a essere presenti, ma la loro posizione si sposta, coerentemente con i cambiamenti nella dinamica del ghiaccio e nelle condizioni ambientali.
Pannello d (2014): Nel 2014, la distribuzione del ghiaccio marino mostra un’evoluzione ancora più marcata. Il ghiaccio pluriennale si concentra ulteriormente nelle regioni costiere a nord della Groenlandia e dell’Arcipelago Canadese, ma la sua estensione complessiva appare significativamente ridotta rispetto al 2011. La presenza di MYI nel centro dell’Artico è minima, mentre il ghiaccio del primo anno domina gran parte della superficie, suggerendo un ciclo di rinnovamento del ghiaccio marino sempre più rapido e una minore capacità di accumulo di ghiaccio pluriennale. Le aree prive di ghiaccio (blu) risultano più ampie rispetto agli anni precedenti, specialmente nelle regioni periferiche, indicando un’accelerazione dei processi di scioglimento o una riduzione della formazione di ghiaccio durante l’inverno. Le zone ambigue e non classificate (grigio e rosa) mantengono una distribuzione simile agli anni precedenti, evidenziando la persistenza di transizioni complesse tra i tipi di ghiaccio e la necessità di metodologie avanzate per migliorare la classificazione in queste regioni.

Implicazioni Scientifiche e Ambientali

L’analisi della Figura 5 rivela una chiara tendenza alla riduzione del ghiaccio pluriennale nell’Oceano Artico nel periodo 2011-2014, accompagnata da un aumento relativo del ghiaccio del primo anno e delle aree prive di ghiaccio. Questa tendenza è coerente con i modelli di riscaldamento climatico globale, che comportano un aumento delle temperature medie nell’Artico, una maggiore fusione estiva del ghiaccio marino e una ridotta capacità del ghiaccio di sopravvivere per più stagioni, trasformandosi in MYI. La predominanza crescente del ghiaccio del primo anno, che è generalmente più sottile e meno resistente, rende l’Artico più vulnerabile a ulteriori scioglimenti, amplificando gli effetti del cambiamento climatico attraverso meccanismi di feedback, come la riduzione dell’albedo superficiale e l’aumento dell’assorbimento di radiazione solare da parte dell’oceano.

La concentrazione persistente del ghiaccio pluriennale nelle regioni a nord della Groenlandia e dell’Arcipelago Canadese è un fenomeno ben documentato, attribuibile alle dinamiche oceanografiche e atmosferiche della regione. Le correnti, come la Corrente Transpolare e il Giro di Beaufort, insieme ai venti dominanti, tendono a spingere il ghiaccio più spesso verso queste aree, dove si accumula e resiste più a lungo alle condizioni di fusione. Tuttavia, la riduzione complessiva del MYI nel periodo analizzato suggerisce che anche queste regioni di “rifugio” per il ghiaccio pluriennale stanno subendo gli effetti del riscaldamento globale, con implicazioni significative per la stabilità della criosfera artica.

Le zone ambigue, rappresentate in grigio, riflettono la complessità delle transizioni tra ghiaccio del primo anno e ghiaccio pluriennale, spesso influenzate da fattori come la deriva del ghiaccio, le variazioni di temperatura superficiale, le interazioni con l’oceano e i processi di fusione e formazione del ghiaccio. La loro natura mobile, come sottolineato nel testo, non compromette le stime mensili dello spessore del ghiaccio marino, ma evidenzia la necessità di migliorare le tecniche di classificazione e monitoraggio del ghiaccio marino, ad esempio attraverso l’integrazione di dati satellitari ad alta risoluzione e modelli numerici avanzati.

Conclusioni

In sintesi, la Figura 5 fornisce un’istantanea dettagliata della variabilità interannuale del ghiaccio marino nell’emisfero settentrionale, evidenziando una tendenza preoccupante verso la riduzione del ghiaccio pluriennale e un aumento del ghiaccio del primo anno e delle aree prive di ghiaccio nel periodo 2011-2014. Questi cambiamenti riflettono l’impatto del riscaldamento climatico sull’Artico, con conseguenze potenzialmente profonde per il sistema climatico globale, inclusi l’innalzamento del livello del mare, l’alterazione delle correnti oceaniche e l’amplificazione dei feedback climatici. Le mappe rappresentano uno strumento prezioso per i ricercatori, offrendo dati essenziali per validare modelli climatici, monitorare l’evoluzione della criosfera artica e sviluppare strategie di mitigazione e adattamento ai cambiamenti in corso.

4.4.2. Metodologia di Ritrasmissione per gli Echi Diffusi: Un’Analisi Approfondita

La ritrasmissione degli echi diffusi, derivanti principalmente da superfici come l’oceano aperto e le lastre di ghiaccio marino (floe), rappresenta una sfida significativa nell’elaborazione dei dati altimetrici, a causa del maggiore livello di rumore presente in queste forme d’onda rispetto a quelle originate dai canali di piombo. Questo rumore è particolarmente pronunciato nei dati acquisiti in modalità SARIn dal satellite CryoSat-2, dove le caratteristiche del segnale possono essere influenzate dalla complessità delle superfici riflettenti. Per mitigare l’impatto del rumore e migliorare l’affidabilità della ritrasmissione, viene applicato un processo preliminare di smoothing, consistente in una media mobile su tre punti consecutivi. Questo approccio consente di ridurre le fluttuazioni casuali nella forma d’onda, rendendo più chiaro il segnale utile e facilitando l’identificazione del bordo iniziale, che è cruciale per determinare l’altezza della superficie.

L’obiettivo principale della ritrasmissione degli echi diffusi è calcolare l’altezza media della superficie del ghiaccio marino o dell’oceano, individuando un punto specifico lungo il bordo iniziale della forma d’onda che corrisponda alla superficie media a nadir, ovvero direttamente sotto il satellite. Questo punto rappresenta il momento in cui il tempo di viaggio di andata e ritorno del segnale radar corrisponde al punto centrale dell’impulso riflesso dalla superficie media, secondo quanto teorizzato da Rapley e collaboratori (1983). Per raggiungere questo obiettivo, viene adottato un metodo di ritrasmissione basato su una soglia: il punto di ritrasmissione viene identificato nel momento in cui il bordo iniziale dell’eco raggiunge il 70% dell’ampiezza del primo picco della forma d’onda. Poiché il valore del 70% si trova generalmente tra due bin consecutivi, il punto esatto viene determinato tramite interpolazione lineare, garantendo una stima precisa della posizione del segnale riflesso. La scelta di concentrarsi sul primo picco, anziché sul picco di massima ampiezza, è motivata dalla possibilità che il picco massimo possa essere influenzato da riflessioni fuori dal nadir, come quelle provenienti da canali di piombo nelle vicinanze, un fenomeno descritto da Armitage e Davidson (2014). Inoltre, per essere considerato valido, il primo picco deve avere un’ampiezza pari ad almeno il 20% del valore massimo dell’eco, assicurando che il segnale sia sufficientemente robusto per l’analisi.

La decisione di utilizzare una soglia del 70% per la ritrasmissione, invece della soglia del 50% comunemente impiegata nell’altimetria a impulso limitato, è legata alle peculiarità del funzionamento di CryoSat-2 in modalità di apertura sintetica (SAR) sulle regioni di ghiaccio marino. Nell’altimetria a impulso limitato, applicata su superfici piatte e uniformemente rugose, il comportamento del segnale radar segue un pattern prevedibile: l’area illuminata dall’impulso radar si espande progressivamente nel tempo, aumentando la potenza del segnale riflesso, fino a quando l’estremità finale dell’impulso non lascia il punto di riflessione più basso a nadir. In questo contesto, il bordo iniziale della forma d’onda di ritorno mostra un aumento graduale della potenza, proporzionale all’area illuminata, seguito da una diminuzione graduale man mano che l’impulso si espande formando un anello e illuminando una superficie sempre più ridotta, come descritto da Fu e Cazenave (2000). Per superfici con una distribuzione di altezze di tipo gaussiano, come il ghiaccio marino, il punto corrispondente all’altezza media della superficie viene tradizionalmente individuato quando il bordo iniziale raggiunge il 50% dell’ampiezza massima, secondo quanto riportato da Kurtz e collaboratori (2014) e Femenias e collaboratori (1993). Tuttavia, nel caso di CryoSat-2, l’illuminazione a striscia tipica della modalità SAR, combinata con il processo di correzione della distanza inclinata, altera questa relazione. Di conseguenza, il punto rappresentativo della superficie media non si trova al livello di mezza potenza del bordo iniziale, ma è spostato verso il 70% dell’ampiezza massima, come evidenziato da Wingham e collaboratori (2006). Questa soglia più alta tiene conto delle specificità del sistema SAR e garantisce una stima più accurata dell’altezza della superficie.

Un aspetto critico della ritrasmissione degli echi diffusi è la gestione delle forme d’onda anomale, che possono produrre stime di elevazione della superficie spurie o non realistiche. Gli echi diffusi vengono considerati non validi e quindi esclusi dall’elaborazione quando il bordo iniziale presenta una forma complessa, spesso associata a elevazioni superficiali insolitamente basse. Per identificare tali anomalie, viene analizzata la larghezza del bordo iniziale, definita come la differenza tra il punto in cui l’eco raggiunge il 70% e il punto in cui raggiunge il 30% dell’ampiezza del primo picco. Se questa larghezza supera i tre bin, la forma d’onda viene scartata, poiché indica una deviazione significativa dal comportamento atteso di un eco diffuso. Le cause di tali anomalie possono essere molteplici: una possibilità è la presenza di riflessioni fuori dal nadir, ad esempio provenienti da canali di piombo nelle vicinanze, come suggerito da Armitage e Davidson (2014). Un’altra causa può essere la riflessione da superfici estremamente rugose, con variazioni di altezza pari o superiori a 1,5 metri, come nel caso di ghiaccio marino fortemente deformato o caratterizzato da creste pronunciate. Queste condizioni, tipiche di ambienti artici complessi, possono alterare la forma del segnale riflesso, rendendo la ritrasmissione inaffidabile.

Implicazioni per lo Studio del Ghiaccio Marino

La metodologia di ritrasmissione descritta per gli echi diffusi è fondamentale per ottenere stime accurate dell’altezza del ghiaccio marino e dell’oceano aperto, parametri essenziali per calcolare lo spessore del ghiaccio e monitorare le dinamiche della criosfera artica. La scelta di una soglia del 70% e l’esclusione delle forme d’onda anomale riflettono un approccio rigoroso, progettato per massimizzare l’affidabilità dei dati altimetrici in un contesto caratterizzato da superfici eterogenee e condizioni ambientali variabili. Questi dati, una volta elaborati, contribuiscono a migliorare la comprensione dei processi di formazione, deriva e scioglimento del ghiaccio marino, offrendo informazioni preziose per i modelli climatici e per la valutazione degli impatti del cambiamento climatico sull’Artico. La complessità delle superfici di ghiaccio marino, con la loro rugosità e deformazione, sottolinea la necessità di continuare a perfezionare le tecniche di ritrasmissione e di integrare i dati altimetrici con altre osservazioni, come quelle da sensori ottici o da campagne in situ, per una caratterizzazione sempre più dettagliata della criosfera polare.

Analisi Approfondita della Figura 6: Dinamiche di Illuminazione e Forma d’Onda di Ritorno in Altimetria a Impulso Limitato

La Figura 6 offre una rappresentazione schematica e dettagliata del funzionamento di un altimetro a impulso limitato, un sistema fondamentale per misurare l’altezza di superfici terrestri o marine, come quelle dell’oceano o del ghiaccio marino, attraverso l’uso di segnali radar. La figura è articolata in due pannelli distinti: il primo pannello illustra l’evoluzione temporale dell’area illuminata sulla superficie da un impulso radar, mentre il secondo pannello mostra la forma d’onda di ritorno del segnale riflesso, distinguendo tra una forma media e una tipica. Questo schema, adattato da uno studio di Rapley e collaboratori pubblicato nel 1983, fornisce una base teorica essenziale per comprendere come i radar altimetrici, come quello del satellite CryoSat-2, interpretano i segnali riflessi per determinare l’elevazione della superficie. Tale comprensione è cruciale per l’elaborazione dei dati altimetrici, specialmente in contesti complessi come l’Artico, dove le superfici di ghiaccio marino presentano caratteristiche eterogenee.

Primo Pannello: Evoluzione Temporale dell’Area Illuminata sulla Superficie

Il primo pannello della figura rappresenta una sequenza temporale che descrive il modo in cui un impulso radar, emesso da un altimetro montato su un satellite, interagisce con una superficie piana e rugosa, come quella dell’oceano o del ghiaccio marino. La sequenza è suddivisa in quattro momenti distinti, ciascuno dei quali corrisponde a una fase diversa del processo di illuminazione e riflessione del segnale radar.

Nel primo momento, l’impulso radar raggiunge la superficie per la prima volta, colpendo il punto direttamente sotto il satellite, noto come nadir. In questa fase iniziale, l’area illuminata è estremamente piccola, rappresentata come un punto circolare di dimensioni minime. Questo accade perché solo la parte iniziale dell’impulso radar ha toccato la superficie, e il segnale riflesso proviene esclusivamente da questa area ristretta. L’angolo di apertura del fascio radar, che delimita l’estensione massima dell’area che può essere illuminata, è indicato chiaramente, mostrando come il radar copra un’area più ampia man mano che il segnale si propaga.

Nel secondo momento, l’impulso radar continua a propagarsi verso la superficie, e l’area illuminata si espande in un cerchio più grande. Questo aumento è dovuto al fatto che una porzione maggiore dell’impulso ha raggiunto la superficie, coinvolgendo una regione più estesa nel processo di riflessione. La crescita dell’area illuminata è proporzionale al tempo trascorso dall’emissione dell’impulso, riflettendo la natura progressiva dell’interazione tra il segnale radar e la superficie. In questa fase, la potenza del segnale di ritorno inizia ad aumentare, poiché una maggiore superficie contribuisce alla riflessione.

Nel terzo momento, l’area illuminata raggiunge la sua massima estensione, assumendo la forma di un cerchio pieno. Questo istante rappresenta il punto in cui l’intero impulso radar ha colpito la superficie, e l’area illuminata è limitata dall’apertura del fascio radar. Dopo questo momento, l’espansione dell’area totale illuminata non può proseguire, ma la forma dell’area cambia, passando a una configurazione diversa nel passaggio successivo. Questo è un punto critico nel processo, poiché corrisponde al massimo della potenza riflessa, come vedremo nel secondo pannello.

Nel quarto e ultimo momento, l’area illuminata si trasforma in una forma anulare, simile a un anello. Questo cambiamento si verifica perché la parte iniziale dell’impulso radar ha già lasciato il punto più basso a nadir, mentre la parte finale dell’impulso continua a illuminare le regioni più lontane dal centro. Di conseguenza, l’area effettivamente illuminata si riduce, limitandosi a una fascia anulare che circonda il nadir. Questo passaggio riflette la durata finita dell’impulso radar e il modo in cui il segnale interagisce con la superficie nel tempo, un aspetto fondamentale per comprendere la forma del segnale di ritorno.

In sintesi, il primo pannello della Figura 6 mostra come, in un altimetro a impulso limitato, l’area illuminata evolva da un piccolo punto a un cerchio pieno, per poi trasformarsi in un anello. Questo comportamento è alla base della dinamica del segnale riflesso e della sua interpretazione per determinare l’altezza della superficie.

Secondo Pannello: Forma d’Onda di Ritorno Media e Tipica

Il secondo pannello della figura rappresenta la potenza del segnale riflesso, o eco, in funzione del tempo, mostrando due tipi di forme d’onda: una media, rappresentata da una linea continua, e una tipica individuale, rappresentata da una linea tratteggiata. I momenti temporali indicati nel primo pannello sono riportati anche qui, collegando direttamente l’evoluzione dell’area illuminata alla potenza del segnale di ritorno.

Nel momento iniziale, quando l’impulso radar tocca per la prima volta la superficie, la potenza del segnale di ritorno è minima, poiché l’area illuminata è molto piccola. Questo corrisponde all’inizio del bordo iniziale della forma d’onda, che rappresenta l’aumento della potenza man mano che il segnale radar interagisce con una superficie più ampia. La forma d’onda media mostra un aumento graduale e regolare, mentre la forma d’onda tipica presenta piccole fluttuazioni, riflettendo le irregolarità della superficie, come la rugosità del ghiaccio marino o le variazioni locali dell’oceano.

Man mano che l’area illuminata si espande, passando dal primo al terzo momento, la potenza del segnale di ritorno cresce proporzionalmente, raggiungendo il suo massimo quando l’area illuminata è al suo picco, sotto forma di un cerchio pieno. Questo massimo è chiaramente visibile nella forma d’onda, dove la potenza raggiunge il valore più alto. La forma d’onda media continua a mostrare un andamento regolare, rappresentando il comportamento ideale del segnale su una superficie omogenea, mentre la forma d’onda tipica evidenzia oscillazioni più pronunciate, dovute a variazioni locali nella rugosità o nella topografia della superficie, come creste o deformazioni nel ghiaccio marino.

Dopo il picco, quando l’area illuminata si trasforma in un anello, la potenza del segnale inizia a diminuire. Questo è visibile come una discesa graduale nella forma d’onda, nota come bordo discendente, che riflette la riduzione dell’area effettivamente illuminata. La forma d’onda media descrive questa diminuzione in modo fluido, mentre la forma d’onda tipica mostra ulteriori fluttuazioni, che possono essere attribuite a fattori come la presenza di superfici non uniformi o riflessioni multiple. Alla fine, la potenza si avvicina a zero, indicando che l’impulso radar ha completato la sua interazione con la superficie.

Implicazioni Scientifiche e Applicazioni

La Figura 6 illustra un principio fondamentale dell’altimetria a impulso limitato: la relazione diretta tra l’area illuminata e la potenza del segnale di ritorno. L’aumento iniziale della potenza è proporzionale all’espansione dell’area illuminata, che cresce come un cerchio fino a raggiungere un massimo, seguito da una diminuzione quando l’area si trasforma in un anello. Questo comportamento è tipico di superfici relativamente piatte e rugose, come l’oceano aperto o il ghiaccio marino, ed è alla base della determinazione dell’altezza della superficie. In altimetria a impulso limitato tradizionale, il punto sulla forma d’onda che corrisponde all’altezza media della superficie è spesso associato a una soglia di potenza, come il 50% del massimo, che rappresenta il momento in cui la metà dell’area riflettente è stata illuminata.

La differenza tra la forma d’onda media e quella tipica sottolinea l’impatto della rugosità superficiale e delle irregolarità locali sul segnale radar. La forma d’onda media rappresenta un comportamento ideale, assumendo una superficie omogenea, mentre la forma d’onda tipica riflette le complessità reali, come la presenza di creste, deformazioni o variazioni di rugosità nel ghiaccio marino. Queste variazioni sono particolarmente rilevanti in contesti come l’Artico, dove le superfici di ghiaccio marino possono essere altamente eterogenee, influenzando la forma del segnale e richiedendo metodologie di ritrasmissione avanzate per estrarre informazioni accurate.

La figura, adattata dal lavoro di Rapley e collaboratori (1983), fornisce una base teorica per comprendere le metodologie di ritrasmissione descritte nel testo, come l’uso della soglia del 70% per CryoSat-2 in modalità di apertura sintetica. In questo contesto, la figura aiuta a spiegare perché una soglia più alta del 50% è necessaria per tenere conto delle specificità del sistema SAR, dove il pattern di illuminazione a striscia altera la relazione tra la potenza del segnale e l’altezza della superficie. Inoltre, la figura evidenzia le sfide associate alla misurazione di superfici complesse, come quelle dell’Artico, dove la rugosità e le deformazioni possono introdurre rumore e variabilità nel segnale, richiedendo tecniche di elaborazione sofisticate per garantire la precisione delle stime altimetriche.

In conclusione, la Figura 6 offre una rappresentazione concettuale e dettagliata del processo di altimetria a impulso limitato, collegando l’interazione fisica del radar con la superficie alla forma del segnale di ritorno. Questo schema è fondamentale per comprendere come i radar altimetrici misurano l’elevazione della superficie e come queste misurazioni possono essere utilizzate per calcolare parametri critici, come lo spessore del ghiaccio marino, contribuendo alla nostra conoscenza delle dinamiche della criosfera e degli impatti del cambiamento climatico sull’Artico.

4.5. Determinazione delle Elevazioni della Superficie Oceanica e del Ghiaccio Marino: Un Approccio Metodologico Dettagliato

La determinazione delle elevazioni della superficie oceanica nei canali di piombo (leads) tra le lastre di ghiaccio marino e delle superfici delle lastre stesse (floes) rappresenta una fase cruciale nell’elaborazione dei dati altimetrici raccolti dal satellite CryoSat-2. Questo passaggio consente di ottenere informazioni fondamentali per il calcolo dello spessore del ghiaccio marino, un parametro essenziale per monitorare le dinamiche della criosfera artica e comprendere gli impatti del cambiamento climatico in questa regione. Il processo si basa su una serie di assunzioni e correzioni che tengono conto delle proprietà fisiche delle superfici riflettenti e delle condizioni ambientali, garantendo la massima accuratezza delle stime altimetriche.

Un’assunzione di base del metodo è che gli impulsi radar emessi dal satellite siano in grado di penetrare attraverso qualsiasi strato di neve presente sulle lastre di ghiaccio marino e di riflettersi dall’interfaccia tra la neve e il ghiaccio sottostante. Questa ipotesi è supportata da esperimenti di laboratorio condotti in condizioni controllate, i quali hanno dimostrato che, quando la neve che ricopre il ghiaccio marino è fredda e secca, il segnale radar si riflette prevalentemente a partire da tale interfaccia, come riportato in uno studio di Beaven e collaboratori pubblicato nel 1995. Tuttavia, alcune ricerche, come quella condotta da Willatt e collaboratori nel 2010, hanno evidenziato che l’orizzonte di riflessione può subire uno spostamento verso l’alto con l’aumento della temperatura, a causa di cambiamenti nelle proprietà dielettriche della neve. Nonostante questa evidenza, il confronto delle nostre stime dello spessore del ghiaccio con dati annuali di immersione del ghiaccio, presentati in una sezione successiva e illustrati in una figura correlata, non ha rilevato distorsioni significative attribuibili a questo fenomeno. Di conseguenza, si conclude che l’impatto di tale effetto sulle nostre analisi è trascurabile, e l’assunzione di riflessione dall’interfaccia neve-ghiaccio rimane valida per le condizioni operative considerate.

Per calcolare l’elevazione della superficie, sia dei canali di piombo che delle lastre di ghiaccio, si utilizza un approccio che mette in relazione l’altitudine del satellite con la distanza tra il satellite stesso e la superficie riflettente. L’elevazione rappresenta l’altezza della superficie rispetto a un ellissoide di riferimento standard, noto come WGS84, che fornisce un modello geometrico della Terra utilizzato come base per le misurazioni altimetriche. L’altitudine del satellite è definita come l’altezza del suo centro di gravità rispetto a questo ellissoide, un dato fornito direttamente dai prodotti di livello 1b di CryoSat-2. Tale centro di gravità si trova al centro di un serbatoio di carburante sferico e singolo del satellite, una posizione che rimane invariata per tutta la durata della sua vita operativa, come descritto in uno studio di Wingham e collaboratori del 2006. La distanza tra il satellite e la superficie viene determinata combinando diverse componenti: una distanza base, calcolata in base al tempo di viaggio di andata e ritorno del segnale radar verso un punto di riferimento nominale sulla superficie, una correzione geofisica per tenere conto di fattori ambientali, e una correzione derivante dal processo di ritrasmissione.

La distanza base è determinata misurando il tempo impiegato dal segnale radar per viaggiare dal satellite alla superficie e tornare indietro, riferito a un punto di riferimento nominale sulla finestra di portata del satellite. La correzione geofisica tiene conto di una serie di effetti che influenzano l’elevazione della superficie, tra cui le variazioni causate dalle maree oceaniche, le maree di equilibrio a lungo periodo, le maree di carico oceanico, le maree terrestri solide e le maree polari geocentriche. Inoltre, vengono considerate le correzioni per il ritardo del segnale radar durante la propagazione attraverso l’atmosfera, suddivise in contributi legati alla troposfera secca, alla troposfera umida, alla pressione barometrica inversa e alla ionosfera modellata. Questi dati di correzione sono estratti direttamente dai prodotti di livello 1b di CryoSat-2, garantendo che le stime altimetriche siano il più possibile accurate e rappresentative delle condizioni reali. La correzione di ritrasmissione, invece, tiene conto del fatto che la superficie effettiva del canale di piombo o della lastra di ghiaccio non coincide necessariamente con il punto di riferimento nominale utilizzato dal satellite, ma è determinata dalla posizione precisa identificata dal processo di ritrasmissione degli echi speculari o diffusi, come descritto in una sezione precedente. Questa correzione si basa sulla larghezza di ciascun bin, che corrisponde a una distanza di 0,2342 metri, e sulla differenza tra il bin nominale e quello identificato dalla ritrasmissione. Per i dati acquisiti in modalità SAR e SARIn, il bin nominale si trova al centro della finestra di portata, rispettivamente nella posizione centrale della finestra stessa.

Un aspetto importante da considerare è la qualità dei dati raccolti in diverse modalità operative del satellite. Sulle regioni di ghiaccio marino, gli echi acquisiti in modalità SARIn risultano più rumorosi rispetto a quelli ottenuti in modalità SAR, a causa della minore frequenza di ripetizione degli impulsi in modalità SARIn, come riportato in un documento dell’ESA/MSSL del 2013. Nelle prime fasi del nostro processo di elaborazione, questa rumorosità ha portato a una sovrastima sistematica delle elevazioni del ghiaccio marino calcolate dai dati in modalità SARIn. Il problema era dovuto a cadute di potenza sul bordo iniziale della forma d’onda, che causavano un’identificazione prematura del primo picco della forma d’onda da parte del sistema di ritrasmissione, posizionandolo in una posizione anticipata rispetto a quella corretta. Per risolvere questa distorsione, abbiamo implementato un processo di smoothing, applicando una media mobile su tre punti consecutivi agli echi diffusi prima della ritrasmissione, come descritto in una sezione precedente. Questo accorgimento ha permesso di eliminare la distorsione, migliorando l’accuratezza delle stime di elevazione.

Nonostante questo miglioramento, le singole stime di elevazione in modalità SARIn rimangono più sensibili al rumore presente sul bordo iniziale della forma d’onda rispetto a quelle in modalità SAR, a causa delle differenze intrinseche nelle modalità operative del satellite. Tuttavia, l’impatto di questa sensibilità è minimo sul nostro prodotto finale, che consiste in un dataset di spessore del ghiaccio marino su griglia mensile. Questo perché, per ciascuna cella della griglia, vengono mediati circa 400 valori di elevazione individuali, un processo che riduce significativamente l’effetto del rumore e delle variazioni locali, garantendo una rappresentazione affidabile e robusta delle condizioni del ghiaccio marino su scala regionale.

In sintesi, il calcolo delle elevazioni della superficie oceanica e del ghiaccio marino descritto in questa sezione combina un rigoroso approccio teorico con correzioni dettagliate per garantire la precisione delle stime altimetriche. Questo metodo consente di ottenere dati affidabili per il monitoraggio del ghiaccio marino, contribuendo a una migliore comprensione delle dinamiche ambientali dell’Artico e supportando studi sul cambiamento climatico e i suoi effetti sulla criosfera polare.

Analisi Dettagliata della Figura 7: Valutazione della Qualità delle Forme d’Onda di Eco Radar per la Ritrasmissione su Ghiaccio Marino

La Figura 7 presenta una serie di quattro grafici (identificati come pannelli a, b, c e d) che mostrano esempi rappresentativi di forme d’onda di eco radar acquisite dal satellite CryoSat-2 in una regione di ghiaccio marino nell’Artico. Questi grafici illustrano la potenza normalizzata del segnale riflesso in funzione dei bin di portata, un’unità che rappresenta intervalli discreti di distanza temporale del segnale radar, con ogni bin corrispondente a una distanza di 0,2342 metri, come specificato nel testo. L’obiettivo principale della figura è evidenziare la variabilità nella larghezza del bordo iniziale (leading edge) delle forme d’onda, un parametro fondamentale per valutare la qualità degli echi diffusi e determinare la loro idoneità per il processo di ritrasmissione, come descritto nella sezione 4.4.2. La larghezza del bordo iniziale viene utilizzata come criterio di selezione: le forme d’onda con una larghezza superiore a tre bin vengono escluse dall’elaborazione, mentre quelle con una larghezza inferiore vengono considerate valide per il calcolo delle elevazioni della superficie del ghiaccio marino.

Struttura dei Grafici e Parametri Rappresentati

Ciascun pannello della figura rappresenta una forma d’onda di eco radar proveniente da una lastra di ghiaccio marino (sea ice floe). L’asse orizzontale di ogni grafico riporta i bin di portata, che variano da 0 a 128, un intervallo scelto poiché le forme d’onda sono state ritagliate a 128 bin di portata, come indicato nella sezione 4.1 del testo. Questo intervallo corrisponde alla finestra di portata utilizzata per i dati in modalità SAR, dove il bin nominale di riferimento si trova al centro della finestra, precisamente al bin 128. L’asse verticale riporta la potenza normalizzata, che varia da 0 a 1, rappresentando l’intensità del segnale riflesso normalizzata rispetto al valore massimo della forma d’onda. La normalizzazione consente di confrontare direttamente le forme d’onda, indipendentemente dall’ampiezza assoluta del segnale.

La didascalia della figura fornisce i valori della larghezza del bordo iniziale per ciascuna forma d’onda, espressi in numero di bin: il pannello (a) ha una larghezza di 6,03 bin, il pannello (b) di 3,26 bin, il pannello (c) di 2,77 bin e il pannello (d) di 1,56 bin. La larghezza del bordo iniziale è definita come la differenza tra il bin in cui la potenza raggiunge il 70% e il bin in cui raggiunge il 30% dell’ampiezza del primo picco della forma d’onda, un criterio utilizzato per identificare la complessità del segnale e la sua idoneità per l’elaborazione, come descritto nella sezione 4.4.2.

Analisi dei Singoli Pannelli

Pannello (a): La forma d’onda rappresentata in questo pannello mostra una larghezza del bordo iniziale di 6,03 bin, un valore significativamente superiore alla soglia di accettabilità di tre bin. Il bordo iniziale, che corrisponde all’aumento iniziale della potenza del segnale riflesso, appare notevolmente ampio e graduale, con la potenza che cresce lentamente su un intervallo di bin esteso prima di raggiungere il primo picco. Dopo il picco, la potenza diminuisce in modo irregolare, con fluttuazioni multiple che indicano una forma d’onda complessa. Una larghezza del bordo iniziale così elevata suggerisce che il segnale potrebbe essere influenzato da fattori come riflessioni multiple o una superficie riflettente non uniforme, come una lastra di ghiaccio marino con rugosità significativa o deformazioni. Di conseguenza, questa forma d’onda viene esclusa dall’elaborazione, poiché potrebbe portare a stime di elevazione della superficie inaccurate o non rappresentative.
Pannello (b): In questo pannello, la larghezza del bordo iniziale è di 3,26 bin, un valore ancora superiore alla soglia di tre bin, anche se più ristretto rispetto al pannello (a). La forma d’onda mostra un aumento della potenza leggermente più rapido rispetto al caso precedente, ma il bordo iniziale rimane comunque troppo ampio per essere considerato affidabile. Dopo il primo picco, la potenza diminuisce con fluttuazioni meno pronunciate rispetto al pannello (a), ma la complessità del bordo iniziale indica che il segnale potrebbe essere influenzato da fattori come riflessioni fuori dal nadir o una superficie rugosa. Anche questa forma d’onda viene esclusa dall’elaborazione, in quanto non soddisfa il criterio di qualità richiesto per garantire stime altimetriche precise.
Pannello (c): Questo pannello presenta una forma d’onda con una larghezza del bordo iniziale di 2,77 bin, un valore inferiore alla soglia di tre bin, rendendo il segnale accettabile per l’elaborazione. Il bordo iniziale è più ripido rispetto ai pannelli precedenti, con un aumento della potenza che avviene in un intervallo di bin più ristretto, indicando un segnale più definito e meno influenzato da riflessioni anomale. Dopo il primo picco, la potenza diminuisce in modo relativamente regolare, con alcune fluttuazioni minori che riflettono variazioni locali nella superficie del ghiaccio marino. La larghezza ridotta del bordo iniziale suggerisce che questa forma d’onda è rappresentativa di una superficie riflettente più uniforme, e viene quindi inclusa nell’elaborazione per il calcolo delle elevazioni della superficie.
Pannello (d): La forma d’onda in questo pannello ha una larghezza del bordo iniziale di 1,56 bin, ben al di sotto della soglia di tre bin, rappresentando un esempio di segnale di alta qualità. Il bordo iniziale è estremamente ripido, con un aumento della potenza molto rapido e concentrato su un intervallo di bin minimo, indicando un’eco chiaro e ben definito. Dopo il primo picco, la potenza diminuisce gradualmente, con fluttuazioni minime, suggerendo che il segnale proviene da una superficie riflettente relativamente liscia e uniforme. Questa forma d’onda è considerata valida e viene utilizzata per il calcolo delle elevazioni della superficie, poiché soddisfa pienamente i criteri di qualità stabiliti.

Implicazioni Scientifiche e Contesto Metodologico

La Figura 7 sottolinea l’importanza di un rigoroso controllo di qualità nel processo di ritrasmissione degli echi diffusi acquisiti da CryoSat-2 su lastre di ghiaccio marino, un passaggio critico per garantire l’accuratezza delle stime altimetriche e, di conseguenza, del calcolo dello spessore del ghiaccio marino. Come descritto nella sezione 4.4.2, la larghezza del bordo iniziale è un indicatore chiave della complessità del segnale: un bordo iniziale troppo ampio, come nei pannelli (a) e (b), può essere indicativo di riflessioni anomale, come quelle provenienti da canali di piombo fuori dal nadir, o di riflessioni da superfici estremamente rugose, con variazioni di altezza significative, come nel caso di ghiaccio marino fortemente deformato o con creste pronunciate. Questi fattori possono introdurre errori sistematici nelle stime di elevazione, portando a valori non rappresentativi della superficie media.

Al contrario, le forme d’onda con un bordo iniziale più ristretto, come quelle nei pannelli (c) e (d), indicano segnali più puliti e affidabili, che riflettono superfici più uniformi e sono quindi adatte per l’elaborazione. La soglia di tre bin, utilizzata come criterio di accettabilità, è stata definita per bilanciare la necessità di includere un numero sufficiente di dati con l’esigenza di garantire la qualità delle stime altimetriche. Escludere le forme d’onda con bordi iniziali troppo ampi aiuta a minimizzare il rischio di errori nelle stime di elevazione, migliorando la robustezza delle analisi successive, come il calcolo dello spessore del ghiaccio marino su griglia mensile.

Contesto Ambientale e Rilevanza per l’Artico

La variabilità delle forme d’onda rappresentate nella Figura 7 riflette la complessità delle superfici di ghiaccio marino nell’Artico, un ambiente caratterizzato da eterogeneità significative in termini di rugosità, deformazioni e topografia. Le lastre di ghiaccio marino possono presentare creste, fratture e variazioni locali che influenzano la qualità del segnale radar, rendendo essenziale un processo di selezione rigoroso per garantire l’affidabilità dei dati altimetrici. La figura evidenzia come il metodo di ritrasmissione basato sulla larghezza del bordo iniziale sia un approccio efficace per affrontare queste sfide, consentendo di filtrare i segnali non rappresentativi e di concentrarsi su quelli che offrono una rappresentazione accurata della superficie.

Inoltre, la figura mette in luce l’importanza di adattare le metodologie di elaborazione alle specificità dei dati radar acquisiti da CryoSat-2, un satellite progettato per monitorare le regioni polari con un’alta precisione. La capacità di distinguere tra forme d’onda valide e non valide è fondamentale per produrre dataset affidabili di spessore del ghiaccio marino, che possono essere utilizzati per studiare le tendenze climatiche, come la riduzione del ghiaccio pluriennale, e per validare modelli climatici che descrivono l’evoluzione della criosfera artica. La qualità delle stime altimetriche ha un impatto diretto sulla nostra comprensione dei processi di formazione, deriva e scioglimento del ghiaccio marino, contribuendo a una valutazione più accurata degli impatti del cambiamento climatico in una delle regioni più sensibili del pianeta.

Conclusioni

In conclusione, la Figura 7 offre un’illustrazione chiara e dettagliata della variabilità delle forme d’onda di eco radar e del ruolo della larghezza del bordo iniziale come criterio di selezione per l’elaborazione dei dati altimetrici. I pannelli (a) e (b) mostrano esempi di forme d’onda escluse a causa della loro complessità, mentre i pannelli (c) e (d) rappresentano segnali validi che soddisfano i requisiti di qualità. Questo processo di selezione è essenziale per garantire la precisione delle stime di elevazione della superficie, un passaggio critico per il monitoraggio del ghiaccio marino e per lo studio delle dinamiche ambientali dell’Artico. La figura sottolinea l’importanza di un approccio metodologico rigoroso nell’elaborazione dei dati radar, evidenziando come la qualità del segnale influisca direttamente sull’affidabilità delle analisi scientifiche e sulle conclusioni che ne derivano.

4.6. Rimozione della Superficie Media del Mare: Un Passaggio Cruciale per il Calcolo dell’Altezza Libera del Ghiaccio Marino

La determinazione dell’altezza libera del ghiaccio marino (freeboard), un parametro essenziale per stimare lo spessore del ghiaccio e monitorare le dinamiche della criosfera artica, richiede una conoscenza precisa dell’elevazione istantanea della superficie oceanica al di sotto delle lastre di ghiaccio marino. Tale elevazione può essere ottenuta interpolando i punti di riferimento derivati dai canali di piombo (leads), un processo descritto in dettaglio nella sezione 4.8. Tuttavia, in questa fase iniziale dell’elaborazione, le elevazioni misurate sia per il ghiaccio marino sia per l’oceano sono fortemente influenzate da due componenti principali: il geoide terrestre e la circolazione media delle correnti oceaniche. Questi due elementi, combinati, costituiscono quella che viene definita la superficie media del mare (MSS, Mean Sea Surface), un segnale statico che rappresenta la configurazione media della superficie oceanica su un determinato periodo di tempo. La MSS, a causa delle anomalie gravitazionali del geoide, presenta variazioni spaziali a frequenza più alta rispetto alle fluttuazioni temporali della superficie oceanica sotto le lastre di ghiaccio marino, che sono invece legate a dinamiche oceaniche e atmosferiche a scala temporale più breve. Per isolare queste variazioni temporali e ottenere stime più accurate dell’altezza libera del ghiaccio, è necessario rimuovere la MSS da tutte le stime di elevazione prima di procedere con le fasi successive dell’analisi.

Per effettuare questa rimozione, il presente studio utilizza il modello UCL13 della superficie media del mare, sviluppato dall’University College London nel 2013, come descritto da Ridout (2014). Questo modello è stato costruito sfruttando due anni di dati altimetrici acquisiti dal satellite CryoSat-2 in configurazione Baseline-C, e rappresenta un significativo miglioramento rispetto ai modelli precedenti, specialmente nella regione a nord di 81,5°N. In quest’area, che si estende verso le latitudini più elevate dell’Artico, i dati di altimetria radar satellitare erano precedentemente scarsi o assenti, rendendo il modello UCL13 particolarmente prezioso per le applicazioni in questa zona. L’adozione di un modello aggiornato e specifico per l’Artico consente di rappresentare con maggiore accuratezza le variazioni del geoide e della circolazione oceanica media, migliorando la qualità delle stime di elevazione nella regione polare.

È importante sottolineare che, anche dopo la rimozione della MSS, l’anomalia residua del livello del mare (SLA, Sea Level Anomaly) non è completamente priva di errori. In particolare, la SLA conserva errori a lunga lunghezza d’onda derivanti dalle correzioni applicate per le maree e per gli effetti atmosferici. Questi errori possono derivare da limitazioni nei modelli utilizzati per le correzioni geofisiche o da incertezze nella stima delle variazioni di pressione atmosferica e delle maree, fattori che influenzano l’elevazione della superficie oceanica su scale spaziali ampie. Tuttavia, la rimozione della MSS rappresenta un passaggio indispensabile per ridurre il segnale dominante del geoide e della circolazione media, permettendo di concentrarsi sulle variazioni locali e temporali della superficie oceanica che sono rilevanti per il calcolo dell’altezza libera del ghiaccio.

Dopo aver rimosso la MSS, si osserva che in alcune tracce satellitari le elevazioni del ghiaccio marino e dell’oceano risultano sistematicamente spostate di alcuni metri rispetto al modello della superficie media del mare. Questo tipo di spostamento appare fisicamente improbabile, considerando le dinamiche dell’Oceano Artico. Studi precedenti, come quello di Kwok e Morison (2011), hanno dimostrato che la topografia dinamica dell’Oceano Artico, ovvero le variazioni della superficie oceanica dovute a correnti, venti e altri fattori dinamici, si manifesta su scale spaziali di poche centinaia di chilometri e con un’ampiezza massima di circa 0,5 metri. Uno spostamento di alcuni metri in un’intera traccia satellitare suggerisce quindi la presenza di errori sistematici, che possono essere attribuiti a diverse cause, tra cui inaccuracies nella determinazione dell’orbita del satellite o l’assenza di alcune correzioni geofisiche necessarie per compensare effetti ambientali.

Per identificare e gestire queste tracce anomale, viene adottata una procedura di filtraggio basata sull’anomalia media del livello del mare calcolata per ciascuna traccia. Questo valore viene determinato utilizzando le singole misurazioni di elevazione dei canali di piombo lungo il percorso della traccia satellitare. Le tracce che presentano un’anomalia media del livello del mare inferiore a -0,5 metri o superiore a 0,5 metri vengono considerate non rappresentative e vengono escluse dall’elaborazione, come illustrato in una figura successiva (Fig. 8). Prima di calcolare questa media, però, le singole misurazioni dei canali di piombo che mostrano un’anomalia del livello del mare superiore a 20 metri o inferiore a -20 metri vengono rimosse, poiché tali valori estremi sono considerati picchi di rumore, probabilmente causati da errori strumentali o da riflessioni anomale. Questo processo di filtraggio preliminare garantisce che la media calcolata sia rappresentativa delle condizioni effettive della superficie oceanica lungo la traccia.

L’applicazione di questo criterio di filtraggio si rivela comunque limitata in termini di impatto complessivo sul dataset. Su un totale di 35.000 tracce satellitari analizzate, utilizzando i dati in configurazione Baseline-C, solo 41 tracce sono state escluse a causa di un’anomalia media del livello del mare al di fuori dell’intervallo accettabile. Questo numero relativamente basso indica che gli errori sistematici di questo tipo sono rari, ma sottolinea l’importanza di un controllo di qualità rigoroso per garantire l’affidabilità delle stime altimetriche. La rimozione di queste tracce anomale è essenziale per evitare che errori sistematici si propaghino nelle fasi successive dell’elaborazione, come il calcolo dell’altezza libera e dello spessore del ghiaccio marino, che richiedono un’accuratezza elevata per produrre risultati scientificamente validi.

In sintesi, la rimozione della superficie media del mare rappresenta un passaggio fondamentale per isolare le variazioni locali e temporali della superficie oceanica, eliminando il segnale dominante del geoide e della circolazione media. L’uso del modello UCL13, combinato con un processo di filtraggio delle tracce anomale, consente di migliorare la qualità delle stime altimetriche, fornendo una base solida per le analisi successive. Questo approccio riflette la complessità delle misurazioni altimetriche nell’Artico, dove fattori ambientali e strumentali possono introdurre incertezze significative, e sottolinea la necessità di metodologie robuste per garantire la precisione dei dati utilizzati nello studio della criosfera polare e dei suoi cambiamenti nel tempo.

4.7. Analisi e Correzione della Distorsione nei Metodi di Ritrasmissione per Echi Speculari e Diffusi

La ritrasmissione degli echi radar, un passaggio cruciale nell’elaborazione dei dati altimetrici acquisiti dal satellite CryoSat-2, si avvale di metodologie distinte per le forme d’onda speculari e diffuse, come descritto nella sezione 4.4. Questa differenziazione, pur necessaria per adattarsi alle caratteristiche fisiche dei segnali riflessi da superfici diverse, introduce una distorsione sistematica (bias) tra le stime di elevazione della superficie oceanica nei canali di piombo (leads) e della superficie del ghiaccio marino (floes). Tale distorsione ha un impatto diretto sulle stime successive dell’altezza libera del ghiaccio marino (freeboard), discusse nella sezione 4.8, e dello spessore del ghiaccio, trattate nella sezione 4.9, poiché entrambe dipendono dalla differenza di elevazione tra la superficie oceanica e quella del ghiaccio. La presenza di questa distorsione deriva dal fatto che i punti di ritrasmissione per le forme d’onda speculari e diffuse vengono determinati utilizzando modelli teorici di ritorno differenti, ciascuno dei quali approssima in modo diverso il segnale riflesso. Di conseguenza, l’approssimazione potrebbe discostarsi leggermente dal vero punto di ritrasmissione per uno o entrambi i tipi di forma d’onda, generando una discrepanza sistematica nella distanza stimata tra le due tecniche di ritrasmissione.

Per comprendere la natura e la portata di questa distorsione, è stata condotta un’analisi comparativa delle stime di elevazione dell’oceano utilizzando i due metodi di ritrasmissione in una regione specifica: la Baia di Hudson, un’area caratterizzata da una copertura di ghiaccio stagionale. La Baia di Hudson offre condizioni ideali per questo tipo di studio durante i mesi di giugno e luglio, quando non è presente ghiaccio pluriennale (MYI) e il ritmo di ritiro del ghiaccio è particolarmente rapido. In questo periodo, la regione presenta un mosaico di superfici riflettenti: in alcune aree si registrano ritorni di eco speculari provenienti da ghiaccio molto sottile, mentre in altre si osservano ritorni di eco diffusi da zone di acqua aperta, che risultano simili a quelli delle lastre di ghiaccio marino in termini di caratteristiche del segnale. Questa alternanza di condizioni consente un confronto diretto tra i due metodi di ritrasmissione in un contesto controllato.

Per l’analisi sono state selezionate due tracce al suolo del satellite, registrate nei mesi di giugno e luglio 2011, che soddisfacevano criteri specifici: il profilo dell’anomalia del livello del mare (SLA, Sea Level Anomaly) lungo ciascuna traccia doveva essere relativamente piatto, ossia non influenzato da variazioni significative dovute a maree o topografia dinamica dell’oceano, e le sequenze di dati dovevano presentare un basso livello di rumore. In queste tracce, si alternavano sequenze di ritorni a basso rumore da acqua aperta e da ghiaccio sottile e piatto, fornendo un dataset ideale per confrontare i due metodi di ritrasmissione. Gli echi provenienti dal ghiaccio sottile sono stati ritracciati utilizzando il metodo sviluppato per gli echi speculari, descritto nella sezione 4.4.1, mentre gli echi provenienti dall’acqua aperta sono stati elaborati con il metodo per gli echi diffusi, illustrato nella sezione 4.4.2. Questo processo ha permesso di generare profili di SLA per entrambe le tracce, come mostrato in una figura successiva (Fig. 9).

L’analisi dei profili di SLA ha rivelato una distorsione sistematica: le stime di SLA ottenute con il metodo di ritrasmissione per gli echi diffusi risultano costantemente sovrastimate rispetto a quelle ottenute con il metodo per gli echi speculari. Per quantificare questa distorsione, è stato adottato un approccio metodologico rigoroso: inizialmente, è stata effettuata una regressione lineare sui dati SLA derivati dal metodo di ritrasmissione per gli echi speculari, ottenendo una linea di riferimento che rappresenta l’andamento medio dell’anomalia del livello del mare lungo la traccia. Successivamente, è stata calcolata la differenza tra questa linea di riferimento e ciascun valore di SLA prodotto dal metodo di ritrasmissione per gli echi diffusi. La media di queste differenze, calcolata considerando entrambe le tracce al suolo, ha fornito il valore della distorsione, che è risultato pari a 16,26 cm. Questo valore indica che le elevazioni stimate con il metodo per gli echi diffusi sono sistematicamente più alte di 16,26 cm rispetto a quelle stimate con il metodo per gli echi speculari.

Per correggere questa distorsione e garantire la coerenza tra le stime di elevazione, il valore di 16,26 cm viene sottratto da tutte le elevazioni calcolate con il metodo di ritrasmissione per gli echi diffusi. Questa correzione è essenziale per ridurre gli errori sistematici nelle stime dell’altezza libera e dello spessore del ghiaccio marino, parametri che dipendono dalla differenza precisa tra l’elevazione della superficie oceanica e quella del ghiaccio. Senza questa correzione, la distorsione introdurrebbe un errore sistematico nelle analisi successive, compromettendo l’accuratezza delle stime finali e, di conseguenza, la validità delle conclusioni scientifiche tratte dai dati.

Sebbene l’analisi condotta nella Baia di Hudson abbia fornito un valore robusto per la distorsione, sarebbe opportuno ripetere questo tipo di studio in altre regioni o in periodi diversi dell’anno per verificare la generalizzabilità del risultato. Tuttavia, ciò richiede condizioni molto specifiche, che non sono facilmente riscontrabili nelle regioni di copertura di ghiaccio marino artico. In particolare, è necessario un contesto in cui si alternino ghiaccio sottile e acqua aperta con profili di SLA relativamente piatti, privi di influenze significative da maree o topografia dinamica, e con un basso livello di rumore nei dati. Queste condizioni si verificano raramente nell’Artico, dove le superfici di ghiaccio marino sono spesso più complesse e le dinamiche oceaniche più variabili, rendendo difficile replicare l’analisi in altri contesti.

In conclusione, l’analisi della distorsione tra i metodi di ritrasmissione per echi speculari e diffusi rappresenta un passaggio fondamentale per migliorare l’accuratezza delle stime altimetriche nell’Artico. La correzione di 16,26 cm applicata alle elevazioni degli echi diffusi garantisce una maggiore coerenza tra le stime di elevazione della superficie oceanica e del ghiaccio marino, riducendo gli errori sistematici nelle stime dell’altezza libera e dello spessore del ghiaccio. Questo approccio metodologico sottolinea l’importanza di un’analisi approfondita delle differenze tra le tecniche di ritrasmissione e della loro calibrazione in contesti specifici, contribuendo a produrre dati altimetrici più affidabili per lo studio della criosfera artica e delle sue risposte al cambiamento climatico.

Analisi Approfondita della Figura 8: Filtraggio delle Tracce Satellitari Basato sull’Anomalia Media del Livello del Mare nell’Artico

La Figura 8 presenta un diagramma a dispersione che rappresenta l’anomalia media del livello del mare (SLA, Mean Sea Level Anomaly) calcolata per ciascuna traccia satellitare acquisita dal satellite CryoSat-2 nelle regioni artiche, coprendo un periodo che si estende fino ad aprile 2017. Questo grafico è stato progettato per illustrare il processo di controllo di qualità descritto nella sezione 4.6, che mira a identificare e rimuovere le tracce anomale al fine di garantire l’affidabilità delle stime di elevazione della superficie oceanica e del ghiaccio marino. Tali stime sono fondamentali per il calcolo dell’altezza libera (freeboard) e dello spessore del ghiaccio marino, parametri essenziali per comprendere le dinamiche della criosfera artica e monitorare gli effetti del cambiamento climatico in una delle regioni più sensibili del pianeta.

Struttura e Dettagli del Grafico

Il diagramma a dispersione è organizzato su due assi principali, che descrivono la distribuzione delle anomalie del livello del mare per l’intero dataset di tracce satellitari analizzate.

Asse Orizzontale (Numero Sequenziale delle Tracce Artiche): L’asse orizzontale riporta il numero sequenziale delle tracce satellitari, che varia da 0 a 35.000. Questo asse rappresenta l’ordine cronologico in cui le tracce sono state acquisite, coprendo un periodo che si conclude ad aprile 2017. Ogni traccia corrisponde a un passaggio del satellite CryoSat-2 sopra una determinata regione dell’Artico, durante il quale vengono effettuate misurazioni altimetriche della superficie oceanica e del ghiaccio marino. L’ampiezza del dataset, con 35.000 tracce, testimonia l’estensiva copertura temporale e spaziale delle osservazioni effettuate dal satellite.
Asse Verticale (Anomalia Media del Livello del Mare, in Metri): L’asse verticale indica l’anomalia media del livello del mare (SLA) per ciascuna traccia, espressa in metri, con valori che variano da circa -4 metri a +4 metri. L’SLA rappresenta la deviazione media dell’elevazione della superficie oceanica, calcolata lungo una traccia utilizzando le misurazioni dei canali di piombo (leads), rispetto alla superficie media del mare (MSS, Mean Sea Surface), che è stata precedentemente rimossa come descritto nella sezione 4.6. La rimozione della MSS elimina il segnale dominante del geoide terrestre e della circolazione media delle correnti oceaniche, lasciando l’SLA come indicatore delle variazioni locali e temporali della superficie oceanica.
Rappresentazione dei Dati: Ogni punto nel grafico corrisponde all’anomalia media del livello del mare di una singola traccia satellitare. I punti sono rappresentati da croci di due colori distinti:
- Croci Blu: Indicano le tracce considerate accettabili e quindi mantenute per l’elaborazione successiva. La stragrande maggioranza di queste croci si concentra in un intervallo ristretto, tra -0,5 metri e +0,5 metri, suggerendo che l’anomalia media del livello del mare per queste tracce è coerente con le aspettative fisiche per l’Oceano Artico.
- Croci Rosse: Rappresentano le tracce escluse dall’elaborazione a causa di un’anomalia media del livello del mare che supera i limiti stabiliti, ossia inferiore a -0,5 metri o superiore a +0,5 metri. Queste croci sono distribuite in modo sparso lungo l’asse verticale, con alcune che raggiungono valori estremi di -4 metri o +4 metri, indicando errori sistematici significativi.
Linee Tratteggiate Rosse: Due linee orizzontali tratteggiate rosse sono tracciate a +0,5 metri e -0,5 metri sull’asse verticale. Queste linee rappresentano i limiti di accettabilità per l’anomalia media del livello del mare. Le tracce con un valore di SLA al di fuori di questo intervallo vengono considerate anomale e rimosse dall’elaborazione, poiché tali valori sono ritenuti fisicamente improbabili per le dinamiche dell’Oceano Artico, come discusso nel testo.

Contesto Metodologico e Procedura di Filtraggio

La Figura 8 si inserisce nel contesto del processo di rimozione della superficie media del mare (MSS), un passaggio fondamentale per isolare le variazioni locali della superficie oceanica al di sotto del ghiaccio marino. Dopo aver rimosso la MSS, l’anomalia del livello del mare (SLA) residua dovrebbe riflettere principalmente le variazioni dinamiche della superficie oceanica, come quelle causate da correnti, venti o maree. Tuttavia, alcune tracce mostrano un’anomalia media del livello del mare che si discosta in modo significativo dallo zero, con valori che superano i ±0,5 metri. Questo è considerato fisicamente improbabile, poiché, come riportato da Kwok e Morison (2011), la topografia dinamica dell’Oceano Artico varia tipicamente su scale spaziali di poche centinaia di chilometri e con un’ampiezza massima di circa 0,5 metri. Spostamenti di diversi metri in un’intera traccia suggeriscono la presenza di errori sistematici, che possono derivare da inaccuracies nella determinazione dell’orbita del satellite, correzioni geofisiche incomplete o altri fattori strumentali.

Il processo di filtraggio descritto nella sezione 4.6 prevede due fasi principali. In primo luogo, vengono escluse le singole misurazioni di elevazione dei canali di piombo che presentano un’anomalia del livello del mare superiore a +20 metri o inferiore a -20 metri, considerate come picchi di rumore probabilmente causati da errori strumentali o riflessioni anomale. Successivamente, per ciascuna traccia, viene calcolata l’anomalia media del livello del mare utilizzando le misurazioni rimanenti dei canali di piombo lungo il percorso. Le tracce con un’anomalia media del livello del mare al di fuori dell’intervallo compreso tra -0,5 metri e +0,5 metri vengono identificate come anomale e rimosse dall’elaborazione. La Figura 8 mostra che, su un totale di 35.000 tracce analizzate, solo 41 sono state escluse (rappresentate dalle croci rosse), un numero relativamente basso che indica una buona qualità complessiva del dataset di CryoSat-2.

Analisi Dettagliata dei Risultati

Tracce Accettabili (Croci Blu): La maggior parte delle tracce, rappresentate da croci blu, si trova tra le linee tratteggiate rosse, con valori di SLA che oscillano principalmente tra -0,5 metri e +0,5 metri. Questo clustering intorno allo zero suggerisce che, per la stragrande maggioranza delle tracce, l’elevazione media della superficie oceanica è coerente con le dinamiche fisiche attese nell’Oceano Artico dopo la rimozione della MSS. Le piccole variazioni osservate, che si mantengono entro l’intervallo di ±0,5 metri, possono essere attribuite a fluttuazioni reali della superficie oceanica, come quelle indotte da correnti o venti, oppure a errori residui a lunga lunghezza d’onda nelle correzioni geofisiche, come quelle relative alle maree o agli effetti atmosferici. Questi errori residui, come menzionato nel testo, sono inevitabili anche dopo la rimozione della MSS, ma il loro impatto è limitato entro questo intervallo.
Tracce Anomale (Croci Rosse): Le croci rosse rappresentano le 41 tracce escluse, distribuite su tutto l’intervallo temporale delle 35.000 tracce analizzate. Queste tracce mostrano valori di SLA che si discostano significativamente dallo zero, con alcuni casi che raggiungono valori estremi di -4 metri o +4 metri. Tali spostamenti indicano la presenza di errori sistematici significativi, che possono essere attribuiti a diversi fattori, come un’errata determinazione dell’orbita del satellite, l’assenza di alcune correzioni geofisiche (ad esempio, per le maree o la pressione atmosferica), o problemi strumentali che influenzano la qualità delle misurazioni. La rimozione di queste tracce è essenziale per evitare che tali errori sistematici si propaghino nelle fasi successive dell’elaborazione, come il calcolo dell’altezza libera e dello spessore del ghiaccio marino, che richiedono un’elevata precisione per produrre risultati scientificamente validi.

Implicazioni Scientifiche e Rilevanza per lo Studio della Criosfera

La Figura 8 evidenzia l’importanza di un controllo di qualità rigoroso nell’elaborazione dei dati altimetrici per il monitoraggio del ghiaccio marino nell’Artico. La rimozione delle tracce con un’anomalia media del livello del mare al di fuori dell’intervallo accettabile (±0,5 metri) garantisce che le stime di elevazione siano fisicamente coerenti con le dinamiche dell’Oceano Artico, riducendo il rischio di errori sistematici che potrebbero compromettere l’accuratezza delle analisi successive. Il fatto che solo 41 tracce su 35.000 siano state escluse suggerisce che il dataset di CryoSat-2 è generalmente di alta qualità, con un’incidenza minima di anomalie significative. Tuttavia, la presenza di queste tracce anomale sottolinea la necessità di procedure di filtraggio per gestire eventuali errori strumentali o ambientali, specialmente in un contesto complesso come l’Artico, dove le misurazioni altimetriche devono essere estremamente precise.

Il processo di filtraggio illustrato nella figura è particolarmente critico per le applicazioni che coinvolgono il calcolo dell’altezza libera e dello spessore del ghiaccio marino, parametri che dipendono da differenze di elevazione di pochi centimetri tra la superficie oceanica e quella del ghiaccio. Errori sistematici, come quelli evidenziati dalle croci rosse, potrebbero introdurre distorsioni significative in queste stime, portando a una rappresentazione errata delle proprietà del ghiaccio marino e compromettendo la nostra comprensione delle sue variazioni temporali e spaziali. Ad esempio, una sovrastima o una sottostima dell’elevazione della superficie oceanica potrebbe influire sul calcolo dell’altezza libera, che a sua volta influisce sulla stima dello spessore del ghiaccio, un indicatore chiave per valutare la perdita di ghiaccio nell’Artico e il suo ruolo nei feedback climatici globali.

Inoltre, la figura fornisce un’evidenza visiva della robustezza del dataset di CryoSat-2, mostrando come la maggior parte delle tracce rientri nell’intervallo di SLA atteso. Questo risultato conferma l’efficacia delle correzioni geofisiche applicate e della rimozione della MSS, pur riconoscendo che errori residui a lunga lunghezza d’onda possono persistere. Questi errori, legati a fattori come le maree o la pressione atmosferica, rappresentano una sfida intrinseca nell’altimetria satellitare, ma il loro impatto è minimizzato grazie al processo di filtraggio illustrato.

Conclusioni

In conclusione, la Figura 8 offre una rappresentazione dettagliata del processo di controllo di qualità utilizzato per filtrare le tracce satellitari di CryoSat-2 nell’Artico, basato sull’anomalia media del livello del mare. La distinzione tra tracce accettabili (croci blu) e anomale (croci rosse), insieme ai limiti di ±0,5 metri rappresentati dalle linee tratteggiate rosse, riflette un approccio metodologico rigoroso volto a garantire la precisione delle stime altimetriche. Questo passaggio è fondamentale per produrre dati affidabili sull’elevazione della superficie oceanica e del ghiaccio marino, che costituiscono la base per il monitoraggio delle variazioni del ghiaccio marino e per lo studio dei processi climatici nell’Artico. La figura sottolinea l’importanza di bilanciare la necessità di includere un ampio numero di dati con l’esigenza di mantenere un’elevata qualità, un aspetto cruciale per le applicazioni scientifiche che richiedono precisioni elevate in un ambiente complesso e in continua evoluzione come l’Artico.

4.8. Determinazione dell’altezza libera del ghiaccio marino

L’altezza libera del ghiaccio marino rappresenta l’elevazione della superficie del ghiaccio rispetto al livello dell’oceano circostante, un parametro fondamentale per lo studio delle dinamiche del ghiaccio marino e del suo ruolo nei processi climatici. La determinazione di questa grandezza richiede un approccio metodologico rigoroso, che tenga conto sia delle complessità intrinseche delle misurazioni altimetriche sia delle peculiarità ambientali delle regioni polari.

Per garantire l’affidabilità dei dati, il processo di calcolo dell’altezza libera del ghiaccio marino inizia con un’attenta selezione delle misurazioni altimetriche ottenute dalle crepe nel ghiaccio, note come “lead”. Queste crepe, che si formano naturalmente tra i lastroni di ghiaccio, forniscono un riferimento diretto per l’elevazione del livello del mare. Tuttavia, non tutte le misurazioni delle crepe sono considerate valide: quelle che presentano un’anomalia del livello del mare (SLA, Sea Level Anomaly) superiore a ±3 metri vengono escluse dall’elaborazione. Tale intervallo è stato definito per eliminare valori anomali, che possono derivare da rumore introdotto durante la fase di ritracciamento delle onde radar. Questo rumore può essere causato, ad esempio, dalla selezione errata di un secondo picco in un’onda speculare da parte dell’algoritmo di ritracciamento, invece del primo picco, che rappresenta il segnale più affidabile. Analisi condotte su un vasto dataset, comprendente 57 milioni di misurazioni delle crepe raccolte tra novembre 2010 e aprile 2017, hanno mostrato che il 99,8% delle anomalie del livello del mare rientra nell’intervallo ±3 metri, mentre il 97,1% si colloca entro un intervallo ancora più ristretto di ±0,5 metri. Questi dati confermano la robustezza del criterio di filtraggio adottato.

Il calcolo dell’altezza libera del ghiaccio marino viene effettuato esclusivamente per le onde radar identificate come provenienti da lastroni di ghiaccio o da aggregati di lastroni, a seguito delle fasi di discriminazione del tipo di superficie e di filtraggio delle forme d’onda. Nel periodo compreso tra novembre 2010 e aprile 2017, sono state analizzate 84 milioni di forme d’onda corrispondenti a questa categoria. Per determinare l’altezza libera, si procede sottraendo l’elevazione della superficie oceanica sottostante il lastrone dall’elevazione della superficie del lastrone stesso. L’elevazione della superficie oceanica non è misurata direttamente sotto il ghiaccio, ma viene stimata attraverso un’interpolazione delle elevazioni rilevate nelle crepe circostanti. Questo processo utilizza una regressione lineare per adattare le elevazioni delle crepe situate entro un raggio di 100 km su entrambi i lati della posizione del lastrone. La scelta di una scala di interpolazione di 100 km rappresenta un compromesso ottimale: consente di ottenere una stima sufficientemente accurata dell’elevazione oceanica senza introdurre un’eccessiva livellatura delle variazioni locali. Affinché l’interpolazione sia considerata valida, è necessario che almeno una crepa sia presente su ciascun lato del lastrone. Questo requisito ha ridotto il numero di forme d’onda utilizzabili per il calcolo a 77 milioni.

Un aspetto critico del calcolo dell’altezza libera riguarda la necessità di correggere l’effetto della copertura nevosa sul ghiaccio marino, che influenza la propagazione della luce utilizzata nei sistemi altimetrici. La neve, infatti, riduce la velocità di propagazione della luce rispetto al vuoto, introducendo una distorsione nelle misurazioni dell’elevazione. Per compensare questo effetto, viene applicata una correzione all’altezza libera calcolata, che tiene conto della profondità della neve e della differenza tra la velocità della luce nel vuoto (3,0 × 10^8 m/s) e nella neve (2,4 × 10^8 m/s). La formula risultante consente di ottenere un’altezza libera corretta, che rappresenta una stima più precisa dell’elevazione effettiva del ghiaccio marino.

Per garantire la qualità dei dati, i valori di altezza libera corretti che risultano al di fuori dell’intervallo compreso tra 0,3 metri e 3,0 metri vengono esclusi dall’elaborazione. Questi limiti sono stati definiti analizzando un istogramma delle altezze libere calcolate nel periodo tra novembre 2010 e aprile 2017. Valori superiori a 3,0 metri sono generalmente associati a errori nel processo di ritracciamento dei lastroni, come la selezione di echi complessi o la presenza di anomalie nelle forme d’onda. D’altra parte, valori leggermente negativi sono ammessi per tenere conto del rumore casuale presente nei segnali di ritorno, specialmente nel caso di lastroni di ghiaccio sottile. Questo approccio evita una sovrastima sistematica dell’altezza libera media. L’analisi ha rivelato che meno dell’1% dei valori di altezza libera viene escluso in base a questi criteri, indicando un’elevata affidabilità del dataset. Il limite superiore di 3,0 metri è stato scelto per eliminare valori estremi anomali, che possono derivare da problemi nel ritracciamento degli echi diffusi o da una ricostruzione imprecisa dell’elevazione della superficie oceanica tramite interpolazione. Quest’ultimo problema è particolarmente rilevante in prossimità delle coste, dove la disponibilità di misurazioni delle crepe è spesso limitata. Tuttavia, tali anomalie sono rare: nel periodo considerato, nessuna misurazione di altezza libera ha superato i 4,0 metri.

I risultati ottenuti evidenziano che, tra novembre 2010 e aprile 2017, l’altezza libera media del ghiaccio marino è stata di 20,50 cm, con una deviazione standard di 17,66 cm. Questi valori forniscono una base solida per l’analisi delle variazioni spaziali e temporali dello spessore del ghiaccio marino, contribuendo alla comprensione delle dinamiche dei sistemi polari in un contesto di cambiamento climatico globale.

Analisi dettagliata della Figura 9: Profilo dell’anomalia del livello del mare (SLA) da CryoSat-2 nella Baia di Hudson

La Figura 9 presenta un profilo dettagliato dell’anomalia del livello del mare (SLA, Sea Level Anomaly) acquisito dal satellite CryoSat-2 lungo una traiettoria situata nella Baia di Hudson, in Canada, durante il mese di luglio 2011. Questo grafico rappresenta un elemento chiave per comprendere le differenze nei metodi di ritracciamento delle onde radar utilizzati per stimare l’elevazione della superficie oceanica in contesti ambientali distinti, come l’oceano aperto e le crepe nel ghiaccio marino (lead). Tale analisi è fondamentale per il calcolo accurato dell’altezza libera del ghiaccio marino, un parametro essenziale nello studio delle dinamiche dei sistemi polari e del loro ruolo nel bilancio climatico globale.

Descrizione grafica e struttura dei dati

Il grafico è organizzato su due assi principali:

Asse delle ascisse (X): Rappresenta la latitudine in gradi, con valori che si estendono approssimativamente da 57.0 a 58.4 gradi nord. Questo intervallo latitudinale corrisponde a una porzione della Baia di Hudson, una regione artica caratterizzata da una significativa presenza di ghiaccio marino stagionale e perenne.
Asse delle ordinate (Y): Indica l’anomalia del livello del mare (SLA) in metri, con un intervallo che varia da circa -0.4 m a +1.0 m. L’SLA è definita come la deviazione del livello del mare rispetto a un valore medio di riferimento, e fornisce informazioni sulla variazione locale dell’elevazione della superficie oceanica.

I dati rappresentati nel grafico sono distinti in tre categorie principali:

Stelle rosse: Queste indicano i valori di SLA calcolati utilizzando il ritracciatore di eco diffuso (diffuse echo retracker) su aree di oceano aperto. Questo metodo è progettato per analizzare segnali radar riflessi da superfici più complesse e irregolari, tipiche dell’oceano aperto, dove le onde e le correnti possono generare echi multipli.
Stelle blu: Rappresentano i valori di SLA ottenuti con il ritracciatore di eco speculare (specular echo retracker) nelle crepe del ghiaccio, note come lead. Le crepe sono superfici riflettenti relativamente piatte che producono segnali radar più definiti, rendendo il ritracciatore di eco speculare più adatto a queste condizioni.
Linea blu tratteggiata: Mostra l’SLA interpolata tra le crepe, calcolata mediante un adattamento lineare (regressione lineare) dei valori di SLA misurati nelle lead. Questa interpolazione è cruciale per stimare l’elevazione della superficie oceanica sotto i lastroni di ghiaccio, un passaggio necessario per il calcolo dell’altezza libera del ghiaccio marino.

Analisi dei risultati e variabilità spaziale

Un’osservazione iniziale del grafico rivela una chiara differenza nella distribuzione dei valori di SLA tra le due categorie di dati:

SLA nelle crepe (stelle blu): I valori di SLA misurati nelle lead mostrano una concentrazione significativa intorno a 0 m, con una variabilità generalmente limitata entro l’intervallo ±0.5 m. Questo risultato è in linea con quanto riportato nel testo, dove si evidenzia che il 97,1% delle 57 milioni di misurazioni delle crepe raccolte tra novembre 2010 e aprile 2017 rientra in questo intervallo. La minore dispersione dei valori nelle crepe suggerisce una maggiore stabilità del livello del mare in queste aree, probabilmente dovuta alla protezione offerta dal ghiaccio circostante, che riduce l’impatto di fattori dinamici come le onde e le correnti.
SLA sull’oceano aperto (stelle rosse): In contrasto, i valori di SLA calcolati sull’oceano aperto mostrano una dispersione più marcata, con alcuni valori che raggiungono o superano i +0.8 m. Questa maggiore variabilità può essere attribuita a condizioni oceaniche più dinamiche, come la presenza di onde, correnti o variazioni locali della topografia della superficie marina, che influenzano la riflessione dei segnali radar e, di conseguenza, la stima dell’SLA.

Bias sistematico tra i ritracciatori

Un elemento centrale evidenziato dalla Figura 9 è la presenza di un bias sistematico tra i due metodi di ritracciamento. Il testo specifica che i valori di SLA misurati con il ritracciatore di eco diffuso (stelle rosse) risultano, in media, più alti di 16,26 cm rispetto a quelli ottenuti con il ritracciatore di eco speculare (stelle blu). Questo bias è chiaramente visibile nel grafico: le stelle rosse tendono a posizionarsi a un’altezza maggiore rispetto alle stelle blu e alla linea blu tratteggiata, che rappresenta l’SLA interpolata. Tale differenza sistematica può essere attribuita alle caratteristiche intrinseche dei due ritracciatori:

Il ritracciatore di eco speculare è ottimizzato per segnali radar con un picco ben definito, come quelli riflessi dalle superfici piatte delle crepe. Questo metodo tende a produrre stime più accurate in tali condizioni.
Il ritracciatore di eco diffuso, invece, è progettato per analizzare segnali più complessi, tipici dell’oceano aperto, dove le riflessioni multiple possono portare a una sovrastima dell’elevazione. La maggiore complessità degli echi in queste aree potrebbe contribuire al bias osservato.

Ruolo dell’interpolazione

La linea blu tratteggiata rappresenta un elemento cruciale per il calcolo dell’altezza libera del ghiaccio marino. Poiché non è possibile misurare direttamente l’elevazione della superficie oceanica sotto i lastroni di ghiaccio, questa viene stimata interpolando i valori di SLA misurati nelle crepe circostanti. L’interpolazione è effettuata utilizzando una regressione lineare, che adatta una retta ai dati delle lead lungo la traiettoria del satellite. Nel grafico, la linea blu tratteggiata appare relativamente stabile, con variazioni minime lungo l’asse latitudinale, indicando che l’interpolazione riesce a catturare la tendenza generale del livello del mare senza introdurre oscillazioni significative. Questo approccio è coerente con il metodo descritto nel testo, che utilizza una scala di interpolazione di 100 km per bilanciare l’accuratezza e la regolarità della stima.

Implicazioni scientifiche e applicazioni

La Figura 9 offre una rappresentazione visiva di diversi aspetti critici per lo studio del ghiaccio marino e del livello del mare nelle regioni polari:

Confronto tra ritracciatori: La differenza sistematica tra i due metodi di ritracciamento evidenzia la necessità di selezionare il ritracciatore appropriato in base al tipo di superficie analizzata. Il bias di 16,26 cm può avere un impatto significativo sul calcolo dell’altezza libera del ghiaccio marino, poiché l’elevazione della superficie oceanica (stimata dalle lead) viene sottratta dall’elevazione del ghiaccio. Un’errata stima dell’SLA potrebbe quindi introdurre errori sistematici nella determinazione dello spessore del ghiaccio, un parametro fondamentale per il monitoraggio del bilancio di massa dei ghiacci e delle loro risposte al cambiamento climatico.
Variabilità ambientale: La maggiore dispersione dei valori di SLA sull’oceano aperto riflette la complessità delle condizioni oceaniche in queste aree, dove fattori come le onde, le correnti e le variazioni di pressione atmosferica possono influenzare l’elevazione della superficie. Al contrario, le crepe mostrano un comportamento più uniforme, probabilmente a causa della loro posizione all’interno del ghiaccio marino, che le protegge da tali dinamiche.
Accuratezza dell’interpolazione: La linea blu tratteggiata dimostra l’efficacia dell’interpolazione lineare nel fornire una stima continua del livello del mare, un passaggio essenziale per il calcolo dell’altezza libera in regioni dove le misurazioni dirette sono limitate. Tuttavia, la qualità dell’interpolazione dipende dalla densità e dalla distribuzione delle crepe, un fattore che può variare significativamente in prossimità della terraferma o in aree con ghiaccio più frammentato.

Conclusioni

In sintesi, la Figura 9 fornisce una rappresentazione dettagliata delle variazioni dell’anomalia del livello del mare lungo un profilo nella Baia di Hudson, evidenziando le differenze tra i metodi di ritracciamento e il loro impatto sulle stime dell’SLA. Il bias sistematico tra il ritracciatore di eco diffuso e quello di eco speculare sottolinea l’importanza di un’accurata calibrazione dei dati altimetrici, mentre l’interpolazione lineare offre una soluzione pratica per stimare l’elevazione della superficie oceanica in assenza di misurazioni dirette. Questi risultati hanno implicazioni dirette per il calcolo dell’altezza libera del ghiaccio marino e, più in generale, per il monitoraggio delle dinamiche dei sistemi polari in un contesto di cambiamenti climatici globali.

Analisi approfondita della Figura 10: Istogramma normalizzato dell’anomalia del livello del mare (SLA) da CryoSat-2 nelle crepe del ghiaccio marino

La Figura 10 illustra un istogramma normalizzato delle stime dell’anomalia del livello del mare (SLA, Sea Level Anomaly) rilevate dal satellite CryoSat-2 nelle crepe del ghiaccio marino, note come lead, nel periodo compreso tra novembre 2010 e aprile 2017. Questo tipo di rappresentazione grafica è fondamentale per analizzare la distribuzione statistica dell’SLA, un parametro critico utilizzato come base per il calcolo dell’altezza libera del ghiaccio marino. La comprensione di tale distribuzione consente di validare i criteri di filtraggio dei dati, garantendo che le stime dell’altezza libera siano accurate e rappresentative delle condizioni reali del ghiaccio marino nelle regioni polari.

Struttura e descrizione del grafico

Il grafico è organizzato su due assi principali, che definiscono chiaramente la distribuzione dei dati:

Asse delle ascisse (X): Rappresenta i valori di SLA in metri, con un intervallo che si estende da -4 m a +4 m. L’anomalia del livello del mare è definita come la deviazione del livello del mare locale rispetto a un valore medio di riferimento, calcolato su scala regionale o globale. Questo parametro riflette variazioni locali nell’elevazione della superficie oceanica, che possono essere influenzate da fattori come correnti, maree, pressione atmosferica o effetti gravitazionali.
Asse delle ordinate (Y): Indica la frequenza normalizzata dei valori di SLA. Poiché l’istogramma è normalizzato, l’area totale sotto la curva è pari a 1, e i valori sull’asse Y rappresentano la densità di probabilità relativa per ciascun intervallo di SLA. Questo tipo di normalizzazione consente di confrontare la distribuzione dei dati indipendentemente dal numero totale di misurazioni.
Curva dell’istogramma: La distribuzione dei valori di SLA è rappresentata da una curva continua, che assume la forma di una campana, simile a una distribuzione normale (gaussiana). Questa forma indica che i dati seguono una distribuzione statistica simmetrica e unimodale, con la maggior parte delle osservazioni concentrate intorno al valore centrale.
Linee tratteggiate rosse: Sono posizionate a ±3 m sull’asse X e rappresentano i limiti utilizzati per il filtraggio dei dati. I valori di SLA che cadono al di fuori di questo intervallo vengono considerati anomali e quindi esclusi dall’elaborazione, come criterio per garantire la qualità dei dati.

Analisi dettagliata della distribuzione

L’istogramma rivela diverse caratteristiche significative della distribuzione dell’SLA nelle crepe del ghiaccio marino:

Concentrazione dei valori: La curva mostra una distribuzione fortemente concentrata intorno al valore medio, che si trova molto vicino a 0 m. Questo indica che la maggior parte delle misurazioni di SLA nelle lead è prossima al livello del mare medio, riflettendo una stabilità relativa del livello del mare in queste aree. Il testo specifica che, su un totale di 57 milioni di misurazioni raccolte tra novembre 2010 e aprile 2017, il 99,8% dei valori di SLA rientra nell’intervallo ±3 m, e il 97,1% è compreso entro ±0,5 m. Questi dati sono chiaramente rispecchiati nel grafico: la quasi totalità della curva si trova all’interno delle linee tratteggiate rosse a ±3 m, e la stragrande maggioranza dei valori è concentrata in un intervallo ancora più ristretto, tra -0,5 m e +0,5 m.
Simmetria della distribuzione: La forma della curva è simmetrica rispetto al valore centrale vicino a 0 m, suggerendo l’assenza di bias sistematici significativi nelle misurazioni dell’SLA. Una distribuzione simmetrica implica che le deviazioni positive e negative dal livello del mare medio sono altrettanto probabili, un risultato atteso in un ambiente come le crepe del ghiaccio marino, dove le condizioni oceaniche sono relativamente stabili e meno influenzate da dinamiche complesse come onde o correnti.
Valori estremi e filtraggio: Le linee tratteggiate rosse a ±3 m delimitano il criterio di filtraggio adottato per identificare e rimuovere i valori anomali. Il grafico mostra che solo una frazione minima dei dati, pari allo 0,2%, si trova al di fuori di questo intervallo. Questi valori estremi sono rari e, come indicato nel testo, sono probabilmente il risultato di rumore o errori nel processo di ritracciamento delle onde radar, come la selezione di un picco errato in un’onda speculare (ad esempio, un secondo picco invece del primo). La rimozione di questi valori anomali è essenziale per garantire che i dati utilizzati nel calcolo dell’altezza libera del ghiaccio marino siano rappresentativi e privi di distorsioni.

Variabilità e implicazioni ambientali

La distribuzione stretta dei valori di SLA, con il 97,1% delle misurazioni entro ±0,5 m, riflette una bassa variabilità del livello del mare nelle crepe del ghiaccio marino. Questo fenomeno può essere attribuito alla posizione delle lead, che si trovano all’interno del ghiaccio marino e sono quindi protette da fattori dinamici che influenzano l’oceano aperto, come le onde, le correnti o le variazioni di pressione atmosferica. Le crepe, essendo superfici riflettenti relativamente piatte, producono segnali radar più definiti e meno soggetti a interferenze, contribuendo alla precisione delle misurazioni dell’SLA. Tuttavia, i valori estremi oltre ±3 m, sebbene rari, indicano la presenza occasionale di errori sistematici o di condizioni ambientali anomale, come riflessioni complesse o malfunzionamenti del ritracciatore di eco speculare, che possono compromettere la qualità dei dati se non adeguatamente filtrati.

Significato scientifico e applicazioni

L’istogramma della Figura 10 offre una base solida per diverse considerazioni scientifiche e metodologiche:

Validazione dei criteri di filtraggio: La distribuzione dei valori di SLA supporta la scelta del limite di ±3 m per il filtraggio dei dati. La rimozione dei valori estremi oltre questo intervallo è giustificata dalla loro rarità e dalla loro natura anomala, che potrebbe derivare da errori nel ritracciamento delle onde radar o da rumore introdotto durante l’elaborazione. Questo passaggio è cruciale per garantire la qualità dei dati utilizzati nel calcolo dell’altezza libera del ghiaccio marino, un processo che richiede stime accurate dell’elevazione della superficie oceanica.
Affidabilità delle misurazioni nelle lead: La concentrazione dei valori entro ±0,5 m e la simmetria della distribuzione indicano un’elevata affidabilità delle misurazioni di SLA nelle crepe. Questo è un aspetto fondamentale per l’interpolazione dell’elevazione della superficie oceanica, un passaggio chiave nel calcolo dell’altezza libera del ghiaccio marino. Una distribuzione ben definita e priva di bias sistematici assicura che le stime dell’elevazione oceanica siano rappresentative delle condizioni reali, riducendo gli errori nelle fasi successive dell’analisi.
Implicazioni per il calcolo dell’altezza libera: L’altezza libera del ghiaccio marino si calcola sottraendo l’elevazione della superficie oceanica, stimata a partire dai valori di SLA nelle lead, dall’elevazione della superficie del ghiaccio. Una distribuzione affidabile dell’SLA, come quella mostrata nella Figura 10, è essenziale per minimizzare gli errori in questa stima. Valori anomali non rappresentativi, come quelli oltre ±3 m, potrebbero introdurre distorsioni significative, influenzando negativamente le stime dell’altezza libera e, di conseguenza, le analisi dello spessore del ghiaccio marino e del suo contributo al bilancio climatico.
Contesto ambientale e dinamiche polari: La bassa variabilità dell’SLA nelle crepe riflette le condizioni relativamente stabili di queste aree, che sono meno esposte a fattori dinamici rispetto all’oceano aperto. Questo risultato sottolinea l’importanza delle lead come punti di riferimento per la misurazione del livello del mare nelle regioni polari, dove la presenza del ghiaccio marino complica l’osservazione diretta della superficie oceanica.

Conclusioni

In sintesi, la Figura 10 fornisce un’analisi statistica dettagliata dell’anomalia del livello del mare misurata da CryoSat-2 nelle crepe del ghiaccio marino tra novembre 2010 e aprile 2017. L’istogramma normalizzato evidenzia una distribuzione simmetrica e unimodale, con la stragrande maggioranza dei valori concentrata entro ±0,5 m e solo una frazione minima (0,2%) al di fuori del limite di ±3 m. Questo risultato valida l’efficacia del criterio di filtraggio adottato, assicurando che i dati utilizzati per il calcolo dell’altezza libera del ghiaccio marino siano di alta qualità e privi di distorsioni significative. La distribuzione affidabile dell’SLA nelle lead rappresenta una base solida per le stime dell’elevazione della superficie oceanica, contribuendo a migliorare l’accuratezza delle analisi del ghiaccio marino e delle sue dinamiche in un contesto di cambiamenti climatici globali.

4.9. Determinazione dello spessore del ghiaccio marino attraverso il principio di equilibrio idrostatico

La determinazione dello spessore del ghiaccio marino rappresenta un passaggio cruciale nello studio delle dinamiche dei sistemi polari, con implicazioni dirette per la comprensione dei cambiamenti climatici e del bilancio di massa delle calotte glaciali. Per calcolare lo spessore del ghiaccio marino, si parte dall’altezza libera del ghiaccio, precedentemente corretta per tenere conto di fattori come la propagazione della luce attraverso la neve. Questo dato viene poi convertito in spessore attraverso un modello basato sull’assunzione che i lastroni di ghiaccio marino galleggino in equilibrio idrostatico, un principio fisico che descrive il bilanciamento tra la forza di galleggiamento e il peso del ghiaccio. Tale approccio, consolidato nella letteratura scientifica e descritto in uno studio del 2003, consente di derivare lo spessore del ghiaccio marino considerando le proprietà fisiche del ghiaccio, della neve e dell’acqua di mare circostante.

Il calcolo dello spessore del ghiaccio marino si basa su una relazione che integra diversi parametri ambientali. Uno degli elementi fondamentali è l’altezza libera corretta del ghiaccio, che rappresenta l’elevazione della superficie del ghiaccio rispetto al livello del mare, già aggiustata per compensare effetti come la velocità ridotta della luce nella neve. A questo si aggiunge la profondità della neve che ricopre il ghiaccio, un fattore critico poiché la neve contribuisce al peso complessivo del lastrone e influenza il suo galleggiamento. La densità dell’acqua di mare è un altro parametro essenziale: in questo studio, si adotta un valore di 1023,9 kg per metro cubo, un dato standard derivato da ricerche condotte nel 1992, che riflette le condizioni tipiche delle acque marine nelle regioni polari.

Un ulteriore elemento considerato è la densità della neve, che viene determinata in una sezione precedente del documento e che varia in base a fattori come la compattazione e l’umidità della neve stessa. Infine, la densità del ghiaccio marino gioca un ruolo chiave nel calcolo, e viene trattata in modo differenziato a seconda del tipo di ghiaccio analizzato. Per il ghiaccio di primo anno, che si forma durante una singola stagione invernale ed è generalmente più compatto, si utilizza una densità di 916,7 kg per metro cubo. In contrasto, per il ghiaccio pluriennale, che ha subito più cicli di congelamento e disgelo e presenta una struttura più porosa, si adotta una densità inferiore, pari a 882,0 kg per metro cubo. Questa distinzione, supportata da studi del 2010, tiene conto della maggiore presenza di pori pieni d’aria nel ghiaccio pluriennale, una caratteristica che ne riduce la densità complessiva, come evidenziato anche in ricerche del 2000. La differenza di densità tra i due tipi di ghiaccio riflette le loro diverse storie di formazione e le trasformazioni fisiche subite nel tempo, come la perdita di salinità e l’accumulo di vuoti d’aria.

L’integrazione di questi parametri consente di calcolare lo spessore del ghiaccio marino in modo accurato, assumendo che il lastrone sia in equilibrio idrostatico, ossia che il peso del ghiaccio e della neve sia esattamente bilanciato dalla spinta di galleggiamento esercitata dall’acqua di mare. Questo approccio, pur semplificato, è ampiamente utilizzato nella glaciologia per la sua capacità di fornire stime affidabili dello spessore del ghiaccio, un dato fondamentale per valutare l’evoluzione del ghiaccio marino in risposta ai cambiamenti climatici, come il riscaldamento globale, e per comprendere il suo ruolo nei processi di scambio termico tra oceano e atmosfera nelle regioni polari. La distinzione tra ghiaccio di primo anno e ghiaccio pluriennale, in particolare, permette di catturare le variazioni regionali e temporali nella composizione del ghiaccio marino, offrendo un quadro più dettagliato delle dinamiche in atto nei sistemi polari.

Analisi approfondita della Figura 11: Istogramma normalizzato delle altezze libere corrette del ghiaccio marino da CryoSat-2

La Figura 11 presenta un istogramma normalizzato delle altezze libere corrette (corrected sea ice freeboard) del ghiaccio marino, derivate dalle misurazioni effettuate dal satellite CryoSat-2 per tutte le rilevazioni di lastroni di ghiaccio nel periodo compreso tra novembre 2010 e aprile 2017. Questo tipo di rappresentazione grafica è fondamentale per analizzare la distribuzione statistica delle altezze libere, un parametro essenziale per il calcolo dello spessore del ghiaccio marino, e per validare i criteri di filtraggio utilizzati nell’elaborazione dei dati. La comprensione di tale distribuzione non solo fornisce informazioni sulle caratteristiche fisiche del ghiaccio marino, ma contribuisce anche a migliorare l’accuratezza delle stime dello spessore, un dato cruciale per il monitoraggio delle dinamiche dei sistemi polari e del loro ruolo nei cambiamenti climatici globali.

Struttura e descrizione del grafico

Il grafico è strutturato su due assi principali, che consentono di visualizzare chiaramente la distribuzione dei valori di altezza libera:

Asse delle ascisse (X): Rappresenta i valori di altezza libera corretta del ghiaccio marino, espressi in metri, con un intervallo che si estende da -2 m a +4 m. L’altezza libera è definita come l’elevazione della superficie del ghiaccio sopra il livello del mare, e in questo caso è stata corretta per tenere conto di effetti come la velocità ridotta della luce nella neve, un fattore che influenza le misurazioni altimetriche satellitari.
Asse delle ordinate (Y): Indica la frequenza normalizzata dei valori di altezza libera, ovvero la densità di probabilità relativa per ciascun intervallo di valori. Poiché l’istogramma è normalizzato, l’area totale sotto la curva è pari a 1, il che consente di interpretare i valori sull’asse Y come probabilità relative, indipendentemente dal numero totale di misurazioni.
Curva dell’istogramma: La distribuzione dei valori di altezza libera è rappresentata da una curva continua a forma di campana, che ricorda una distribuzione normale (gaussiana), ma con una leggera asimmetria verso valori positivi. Questo indica che i valori di altezza libera tendono a concentrarsi intorno a un valore centrale, con una probabilità decrescente per valori più estremi.
Linee tratteggiate rosse: Sono posizionate a -0,3 m e +3,0 m sull’asse X e rappresentano i limiti utilizzati per il filtraggio dei dati. I valori di altezza libera che cadono al di fuori di questo intervallo vengono considerati anomali e quindi esclusi dall’elaborazione, come criterio per garantire la qualità dei dati.

Analisi della distribuzione statistica

L’istogramma rivela diverse caratteristiche significative della distribuzione delle altezze libere corrette:

Concentrazione e statistica centrale: La curva mostra una distribuzione fortemente concentrata intorno al valore medio, che il testo indica essere 20,50 cm (0,205 m), con una deviazione standard di 17,66 cm (0,1766 m). Questo significa che la maggior parte delle altezze libere si trova entro l’intervallo compreso tra circa 0,03 m e 0,38 m (calcolato come media ± deviazione standard). Il valore medio di 20,50 cm è rappresentativo delle condizioni tipiche del ghiaccio marino artico nel periodo analizzato, riflettendo l’elevazione media del ghiaccio sopra il livello del mare.
Asimmetria della distribuzione: La curva non è perfettamente simmetrica: la coda sinistra (valori negativi) è più corta e si avvicina rapidamente a zero, mentre la coda destra (valori positivi) è più estesa, con una diminuzione più graduale della frequenza verso valori più alti. Questa leggera asimmetria suggerisce che valori negativi estremi sono meno probabili rispetto a valori positivi più elevati, un fenomeno che può essere attribuito a fattori come la presenza di lastroni di ghiaccio più spessi o a una maggiore accumulazione di neve in alcune regioni, che aumenta l’altezza libera.
Variabilità dei dati: La deviazione standard di 17,66 cm indica una moderata variabilità delle altezze libere. Questa variabilità riflette le differenze naturali nello spessore del ghiaccio marino, nella profondità della neve che lo ricopre e nelle condizioni ambientali locali, come la dinamica dell’oceano o la distribuzione delle crepe (lead) utilizzate per stimare il livello del mare.

Criteri di filtraggio e gestione degli outlier

Le linee tratteggiate rosse a -0,3 m e +3,0 m delimitano l’intervallo accettabile per le altezze libere, un criterio di filtraggio fondamentale per garantire la qualità dei dati:

Limite superiore (+3,0 m): Valori di altezza libera superiori a 3,0 m sono considerati anomali e vengono esclusi dall’elaborazione. Il testo spiega che tali valori sono probabilmente il risultato di errori nel ritracciamento dei lastroni, come la selezione di echi complessi o la scarsa ricostruzione dell’elevazione della superficie oceanica attraverso l’interpolazione. Il grafico conferma che la frequenza dei valori si avvicina a zero ben prima di raggiungere i 4,0 m, e il testo specifica che nessuna misurazione ha superato questo limite nel periodo analizzato, supportando la validità del criterio di esclusione.
Limite inferiore (-0,3 m): Valori leggermente negativi, fino a -0,3 m, sono ammessi per tenere conto del rumore casuale nei segnali di ritorno, specialmente per lastroni di ghiaccio sottile. Questo approccio è importante per evitare una sovrastima sistematica della media dell’altezza libera, che potrebbe verificarsi se tutti i valori negativi fossero esclusi. L’istogramma mostra che la frequenza dei valori negativi diminuisce rapidamente al di sotto di -0,3 m, indicando che tali valori sono rari ma non del tutto assenti.
Percentuale di dati esclusi: Il testo riporta che meno dell’1% dei valori di altezza libera viene escluso con questi criteri, un dato che sottolinea l’efficacia del filtraggio nel rimuovere solo una piccola frazione di outlier senza compromettere la rappresentatività del dataset.

Significato scientifico e implicazioni

L’istogramma della Figura 11 offre una base solida per diverse considerazioni scientifiche e metodologiche:

Validazione dei criteri di filtraggio: La distribuzione dei valori di altezza libera supporta la scelta dei limiti di -0,3 m e +3,0 m per il filtraggio. La rimozione dei valori superiori a 3,0 m è giustificata dalla loro rarità e dalla probabilità che siano causati da errori, come problemi nel ritracciamento o nella stima dell’elevazione oceanica, specialmente in prossimità della terraferma dove le crepe sono meno frequenti. D’altra parte, consentire valori leggermente negativi fino a -0,3 m è una decisione metodologica importante, poiché aiuta a preservare i dati di lastroni di ghiaccio sottile, evitando una distorsione verso valori medi più alti.
Caratteristiche del ghiaccio marino: La media di 20,50 cm e la deviazione standard di 17,66 cm riflettono le condizioni tipiche del ghiaccio marino artico nel periodo analizzato. Il valore medio di 20,50 cm è coerente con le osservazioni di altri studi sul ghiaccio marino, che riportano altezze libere generalmente comprese tra 10 e 30 cm, a seconda delle condizioni regionali e della stagione. La leggera asimmetria verso valori positivi può essere attribuita a variazioni nella composizione del ghiaccio, come la presenza di ghiaccio pluriennale più spesso o di accumuli di neve più significativi in alcune aree.
Implicazioni per il calcolo dello spessore del ghiaccio: L’altezza libera è un input diretto per il calcolo dello spessore del ghiaccio marino, che si basa sull’assunzione di equilibrio idrostatico. Una distribuzione affidabile delle altezze libere, come quella mostrata nella Figura 11, è essenziale per ottenere stime accurate dello spessore, che a sua volta è un parametro chiave per monitorare i cambiamenti del ghiaccio marino nel tempo. Errori nelle altezze libere, come quelli derivanti da valori anomali non filtrati, potrebbero propagarsi nel calcolo dello spessore, influenzando le analisi del bilancio di massa del ghiaccio e delle sue risposte al riscaldamento globale.
Contesto ambientale: La moderata variabilità delle altezze libere (deviazione standard di 17,66 cm) riflette la complessità delle condizioni ambientali nelle regioni polari, dove fattori come la profondità della neve, la densità del ghiaccio e la dinamica dell’oceano possono influenzare l’altezza libera. La distribuzione a campana, con una leggera asimmetria, suggerisce che il ghiaccio marino presenta una certa eterogeneità, con lastroni più spessi che contribuiscono a una coda destra più estesa.

Conclusioni

In sintesi, la Figura 11 fornisce un’analisi statistica dettagliata delle altezze libere corrette del ghiaccio marino misurate da CryoSat-2 tra novembre 2010 e aprile 2017. La distribuzione, approssimativamente normale con una media di 20,50 cm e una deviazione standard di 17,66 cm, evidenzia una concentrazione dei valori intorno al valore medio, con una leggera asimmetria verso valori positivi. I criteri di filtraggio a -0,3 m e +3,0 m sono ben supportati dalla distribuzione, garantendo la rimozione di valori anomali (meno dell’1% dei dati) senza compromettere la rappresentatività del dataset. Questi risultati sono fondamentali per il calcolo dello spessore del ghiaccio marino, offrendo una base affidabile per le successive analisi delle dinamiche del ghiaccio marino e del loro ruolo nei processi climatici globali.

Analisi dettagliata della Figura 12: Schema di un lastrone di ghiaccio marino in equilibrio idrostatico

La Figura 12 presenta uno schema concettuale che rappresenta un lastrone di ghiaccio marino galleggiante in equilibrio idrostatico, un principio fisico fondamentale utilizzato per il calcolo dello spessore del ghiaccio marino a partire dall’altezza libera. Questo diagramma offre una visualizzazione chiara e sintetica dei componenti del sistema ghiaccio-neve-acqua, evidenziando i parametri chiave e le loro interrelazioni, che sono essenziali per comprendere come le misurazioni altimetriche satellitari possano essere trasformate in stime dello spessore del ghiaccio. Tale approccio è cruciale nello studio delle dinamiche del ghiaccio marino, con implicazioni dirette per il monitoraggio dei cambiamenti climatici e per la comprensione del ruolo del ghiaccio marino nei processi di scambio termico tra oceano e atmosfera nelle regioni polari.

Descrizione dello schema e dei suoi componenti

Lo schema è strutturato in tre strati distinti, ciascuno rappresentativo di un elemento del sistema, con indicazioni chiare delle grandezze fisiche coinvolte:

Strato inferiore – Acqua di mare (Water, ρw): La parte inferiore del diagramma, colorata in blu, rappresenta l’acqua di mare su cui il lastrone di ghiaccio galleggia. La densità dell’acqua di mare è indicata come ρw, e il testo specifica che si utilizza un valore di 1023,9 kg/m³, un dato standard derivato da studi del 1992 che riflette le condizioni tipiche delle acque marine nelle regioni polari. Questo strato costituisce la base su cui si esercita la spinta di galleggiamento, che bilancia il peso del lastrone e determina la sua posizione verticale.
Strato centrale – Ghiaccio marino (Ice, ρi): Al centro, in grigio, è rappresentato il lastrone di ghiaccio marino, con densità indicata come ρi. Questo strato rappresenta il ghiaccio vero e proprio, il cui spessore (ice thickness, hi) è il parametro principale che si intende calcolare. La densità del ghiaccio marino varia a seconda del tipo di ghiaccio: il testo specifica che si utilizzano valori di 916,7 kg/m³ per il ghiaccio di primo anno (FYI, First-Year Ice) e 882,0 kg/m³ per il ghiaccio pluriennale (MYI, Multi-Year Ice), riflettendo la maggiore porosità del ghiaccio pluriennale, che contiene una frazione più elevata di pori pieni d’aria, come evidenziato in studi del 2000 e 2010.
Strato superiore – Neve (Snow, ρs): Sopra il ghiaccio, in bianco, è rappresentato lo strato di neve che ricopre il lastrone, con densità indicata come ρs. La profondità della neve (snow depth, hs) è definita come la distanza verticale tra la superficie superiore della neve e la superficie del ghiaccio sottostante. La neve contribuisce al peso complessivo del lastrone, influenzando la sua posizione di galleggiamento e, di conseguenza, l’altezza libera osservata.

Parametri fisici rappresentati

Il diagramma evidenzia tre parametri geometrici fondamentali, che sono centrali per il calcolo dello spessore del ghiaccio marino:

Altezza libera (Ice freeboard, fc): È la distanza verticale tra la superficie dell’acqua di mare e la superficie superiore del ghiaccio (escludendo lo strato di neve). Questo parametro rappresenta la porzione del lastrone di ghiaccio che emerge sopra il livello del mare ed è misurato direttamente dai dati altimetrici satellitari, come quelli di CryoSat-2. Nel contesto del testo, l’altezza libera è già stata corretta per tenere conto di effetti come la velocità ridotta della luce nella neve, un fattore che può distorcere le misurazioni altimetriche.
Spessore del ghiaccio (Ice thickness, hi): È la distanza verticale totale del lastrone di ghiaccio, dalla sua superficie superiore (esclusa la neve) alla sua base, che si trova sotto il livello dell’acqua. Questo è il parametro che si vuole determinare, poiché lo spessore del ghiaccio marino è un indicatore chiave della massa e della salute del ghiaccio, con implicazioni per il bilancio climatico globale.
Profondità della neve (Snow depth, hs): È lo spessore dello strato di neve che ricopre il ghiaccio, misurato come la distanza verticale tra la superficie superiore della neve e quella del ghiaccio. La neve, pur essendo meno densa del ghiaccio, contribuisce al peso totale del lastrone e influenza la sua posizione di galleggiamento, spingendo il lastrone più in profondità nell’acqua e riducendo l’altezza libera visibile.

Principio dell’equilibrio idrostatico

Il diagramma si basa sul principio dell’equilibrio idrostatico, un concetto fisico che descrive il bilanciamento tra il peso del lastrone (composto da ghiaccio e neve) e la spinta di galleggiamento esercitata dall’acqua di mare:

Meccanismo di galleggiamento: Una parte significativa del lastrone di ghiaccio è sommersa sotto la superficie dell’acqua, mentre una porzione più piccola emerge sopra il livello del mare, formando l’altezza libera. La quantità di ghiaccio sommerso dipende dalla densità relativa del ghiaccio (ρi) rispetto a quella dell’acqua di mare (ρw). Poiché la densità del ghiaccio è inferiore a quella dell’acqua (ad esempio, 916,7 kg/m³ per il ghiaccio di primo anno contro 1023,9 kg/m³ per l’acqua), il lastrone galleggia, con una frazione del suo volume che sposta un volume equivalente di acqua di mare.
Bilanciamento delle forze: In equilibrio idrostatico, il peso totale del lastrone (dato dal peso del ghiaccio e della neve) è esattamente bilanciato dalla spinta di galleggiamento, che è proporzionale al volume sommerso del lastrone e alla densità dell’acqua di mare. Questo principio consente di stabilire una relazione matematica tra l’altezza libera (fc), lo spessore del ghiaccio (hi) e la profondità della neve (hs), tenendo conto delle densità dei materiali coinvolti.

Ruolo delle densità e delle loro variazioni

Le densità dei materiali rappresentati nello schema sono parametri critici per il calcolo dello spessore del ghiaccio:

Densità dell’acqua di mare (ρw): Con un valore di 1023,9 kg/m³, la densità dell’acqua di mare è il riferimento principale per determinare la spinta di galleggiamento. Questo valore è tipico delle acque marine nelle regioni polari, dove la salinità e la temperatura influenzano la densità.
Densità del ghiaccio marino (ρi): La densità del ghiaccio varia a seconda del tipo di ghiaccio. Il ghiaccio di primo anno, più compatto e con una salinità residua più elevata, ha una densità di 916,7 kg/m³. Il ghiaccio pluriennale, invece, ha una densità inferiore di 882,0 kg/m³, a causa della maggiore presenza di pori pieni d’aria, un risultato dei cicli di congelamento e disgelo che riducono la salinità e aumentano la porosità nel tempo. Questa distinzione è cruciale per calcolare correttamente lo spessore, poiché una densità più bassa implica che una maggiore porzione del lastrone sarà sommersa per bilanciare il peso.
Densità della neve (ρs): La neve ha una densità significativamente più bassa rispetto al ghiaccio e all’acqua, e il suo valore esatto dipende da fattori come la compattazione, l’umidità e l’età della neve. La profondità della neve (hs) contribuisce al peso totale del lastrone, spingendolo più in profondità nell’acqua e riducendo l’altezza libera osservata.

Significato scientifico e applicazioni

Lo schema della Figura 12 rappresenta la base concettuale per il calcolo dello spessore del ghiaccio marino, un processo descritto in dettaglio nella sezione 4.9 del testo:

Calcolo dello spessore del ghiaccio: Utilizzando l’altezza libera corretta (fc), la profondità della neve (hs) e le densità dei materiali (ρw, ρi, ρs), è possibile derivare lo spessore del ghiaccio (hi) assumendo l’equilibrio idrostatico. Questo approccio consente di trasformare le misurazioni altimetriche satellitari, che forniscono direttamente l’altezza libera, in stime dello spessore, un parametro più rappresentativo della massa totale del ghiaccio.
Assunzioni e limitazioni: L’assunzione di equilibrio idrostatico è generalmente valida per lastroni di ghiaccio marino che non sono influenzati da forze dinamiche significative, come correnti, onde o deformazioni meccaniche. Tuttavia, fattori come la variabilità spaziale e temporale della densità del ghiaccio o della neve, o la presenza di creste di pressione nel ghiaccio, possono introdurre incertezze nelle stime dello spessore.
Implicazioni per il monitoraggio climatico: Lo spessore del ghiaccio marino è un indicatore critico per valutare i cambiamenti climatici nelle regioni polari. Il ghiaccio marino influenza gli scambi di calore e umidità tra oceano e atmosfera, e una riduzione dello spessore può accelerare il riscaldamento artico attraverso il feedback dell’albedo. Stime accurate dello spessore, derivate da schemi come quello illustrato nella Figura 12, sono essenziali per monitorare l’evoluzione del ghiaccio marino e per prevedere le sue risposte al riscaldamento globale.
Ruolo della neve: La presenza della neve sul ghiaccio non solo contribuisce al peso del lastrone, ma influenza anche le misurazioni altimetriche, poiché i segnali radar devono attraversare lo strato di neve prima di raggiungere il ghiaccio. La correzione per la velocità della luce nella neve, applicata all’altezza libera, è un passaggio fondamentale per garantire l’accuratezza delle stime.

Conclusioni

In sintesi, la Figura 12 fornisce una rappresentazione schematica di un lastrone di ghiaccio marino galleggiante in equilibrio idrostatico, evidenziando i componenti principali del sistema (acqua, ghiaccio, neve) e i parametri fisici coinvolti (altezza libera, spessore del ghiaccio, profondità della neve, densità dei materiali). Questo schema rappresenta il fondamento concettuale per il calcolo dello spessore del ghiaccio marino a partire dall’altezza libera, un processo che integra misurazioni satellitari e principi fisici per ottenere stime affidabili. La distinzione tra ghiaccio di primo anno e pluriennale, insieme alla considerazione della neve, permette di catturare la complessità del sistema, fornendo dati essenziali per lo studio delle dinamiche del ghiaccio marino e del loro impatto sul clima globale.

4.10. Determinazione del volume del ghiaccio marino: Metodologia e approccio integrato

La determinazione del volume del ghiaccio marino rappresenta un passaggio fondamentale nello studio delle dinamiche dei sistemi polari, poiché questo parametro fornisce un’indicazione diretta della massa totale del ghiaccio presente nell’Artico, con implicazioni significative per il monitoraggio dei cambiamenti climatici e per la comprensione del ruolo del ghiaccio marino nei processi di scambio termico tra oceano e atmosfera. Il calcolo del volume del ghiaccio marino si basa su un approccio integrato che combina misurazioni dello spessore del ghiaccio, dati di concentrazione del ghiaccio e informazioni geografiche, con l’obiettivo di ottenere stime accurate e rappresentative su scala regionale e temporale.

Assegnazione della concentrazione del ghiaccio

Per calcolare il volume del ghiaccio marino, ogni singola misurazione dello spessore del ghiaccio, derivata dai dati altimetrici del satellite CryoSat-2, viene associata a un valore di concentrazione del ghiaccio. Questi valori di concentrazione sono tratti dai dati del National Snow and Ice Data Center (NSIDC), che fornisce informazioni su una griglia quadrata con celle di 25 km di lato, come descritto in una sezione precedente del documento. La concentrazione assegnata a ciascuna misurazione dello spessore è quella del valore più vicino nella griglia NSIDC, determinato in base alla posizione geografica della misurazione stessa. Questo valore di concentrazione viene poi convertito in una frazione decimale, che rappresenta la proporzione di ghiaccio presente in una determinata area rispetto all’oceano aperto. L’integrazione dello spessore del ghiaccio con la concentrazione permette di stimare il contributo effettivo del ghiaccio al volume totale, tenendo conto della variabilità spaziale della copertura glaciale.

Aggregazione dei dati su base mensile

Il volume del ghiaccio marino viene calcolato su base mensile, per catturare le variazioni stagionali e temporali nella distribuzione del ghiaccio. A tal fine, tutte le misurazioni dello spessore del ghiaccio effettuate dal satellite CryoSat-2, insieme ai corrispondenti valori di concentrazione, vengono mediate su una griglia geografica con celle di dimensioni pari a 0,5 gradi di longitudine per 0,1 gradi di latitudine. Questo processo di aggregazione consente di ottenere una rappresentazione spaziale coerente dei dati, facilitando l’analisi su scala regionale. Tuttavia, per garantire la robustezza delle stime, le celle della griglia che contengono meno di cinque misurazioni dello spessore del ghiaccio vengono considerate vuote, in quanto un numero troppo basso di dati potrebbe compromettere l’affidabilità delle medie calcolate. Per riempire queste celle vuote, si utilizza un metodo di interpolazione del vicino più prossimo, con un raggio di ricerca massimo di 300 km, che permette di estendere i dati disponibili nelle celle adiacenti senza introdurre distorsioni significative.

Definizione dell’estensione del ghiaccio marino

Un elemento cruciale per il calcolo del volume è la definizione dell’estensione del ghiaccio marino, ossia il confine che separa le aree coperte da ghiaccio dall’oceano aperto. A questo scopo, viene creata una maschera di estensione del ghiaccio marino utilizzando i dati di concentrazione del ghiaccio NSIDC relativi al 15° giorno di ogni mese. La scelta del 15° giorno, anziché di una media mensile, è motivata dalla necessità di evitare sovrastime della concentrazione al confine del ghiaccio, che possono verificarsi a causa di rapidi aumenti di concentrazione verso la fine del mese, specialmente in periodi di rapida formazione del ghiaccio. Ogni cella della griglia di 0,5 gradi per 0,1 gradi riceve il valore di concentrazione NSIDC più vicino alle sue coordinate centrali. Se questo valore di concentrazione supera la soglia del 15%, la cella viene inclusa nella maschera di estensione del ghiaccio e le viene assegnato un valore binario di uno, indicando che fa parte dell’area coperta da ghiaccio. In caso contrario, le viene assegnato un valore di zero, indicando che si trova al di fuori dell’estensione del ghiaccio. Questo approccio consente di definire in modo chiaro e obiettivo il confine del ghiaccio marino per ogni mese analizzato.

Correzione per la presenza di terraferma

Poiché alcune celle della griglia possono includere aree di terraferma, specialmente nelle regioni costiere dell’Artico, è necessario tenere conto della frazione di oceano presente in ciascuna cella per evitare sovrastime del volume del ghiaccio. A tal fine, viene prodotto un set di dati aggiuntivo che riporta la frazione di oceano in ogni cella, calcolata utilizzando una funzione specifica degli strumenti di mappatura generica (Generic Mapping Tools), come descritto in studi del 2013 e 1991. Questo passaggio è essenziale per garantire che il volume del ghiaccio marino sia calcolato solo per le aree effettivamente occupate dall’oceano, escludendo le porzioni di terraferma che non contribuiscono al volume del ghiaccio.

Calcolo del volume per cella e totale

Il volume di ciascuna cella della griglia, definito come “volume della cella”, è determinato combinando diversi fattori in un’unica stima integrata. Questi fattori includono lo spessore medio del ghiaccio marino nella cella, la frazione di concentrazione del ghiaccio, l’area della cella stessa, il valore della maschera di estensione del ghiaccio (uno o zero) e la frazione della cella che si ritiene essere oceano. Questo approccio permette di calcolare il volume effettivo del ghiaccio marino in ciascuna cella, tenendo conto sia della quantità di ghiaccio presente (spessore e concentrazione) sia della sua distribuzione geografica (estensione e frazione di oceano). La somma di tutti i volumi delle celle riempite fornisce il volume totale del ghiaccio marino a livello dell’intero Artico, offrendo una stima complessiva della massa di ghiaccio presente in un dato mese.

Calcolo separato per ghiaccio di primo anno e pluriennale

Per ottenere una comprensione più dettagliata della composizione del ghiaccio marino, il volume viene calcolato separatamente per il ghiaccio di primo anno e per il ghiaccio pluriennale, utilizzando la distinzione tra i tipi di ghiaccio descritta in una sezione precedente del documento. In ogni cella della griglia, gli spessori del ghiaccio di primo anno e del ghiaccio pluriennale vengono sommati separatamente, e questi valori vengono utilizzati per determinare la frazione di ciascuna cella occupata da ciascun tipo di ghiaccio. Le frazioni di ghiaccio di primo anno e pluriennale nelle celle vuote vengono interpolate con il metodo del vicino più prossimo, utilizzando un raggio di ricerca massimo di 300 km, per garantire una copertura completa della griglia. Queste frazioni vengono poi utilizzate per calcolare il volume del ghiaccio di primo anno e del ghiaccio pluriennale, moltiplicando il volume totale della cella per le rispettive frazioni di ciascun tipo di ghiaccio. Questo approccio consente di distinguere il contributo dei due tipi di ghiaccio al volume totale, offrendo informazioni preziose sulle variazioni temporali e spaziali della composizione del ghiaccio marino nell’Artico.

Implicazioni scientifiche

Il metodo descritto per il calcolo del volume del ghiaccio marino combina dati altimetrici, informazioni di concentrazione e correzioni geografiche per produrre stime accurate e rappresentative su scala mensile. La distinzione tra ghiaccio di primo anno e pluriennale permette di analizzare le differenze nella distribuzione e nell’evoluzione dei due tipi di ghiaccio, che hanno caratteristiche fisiche e risposte al cambiamento climatico diverse. Il ghiaccio di primo anno, più sottile e più sensibile al riscaldamento, tende a formarsi e sciogliersi rapidamente, mentre il ghiaccio pluriennale, più spesso e resistente, rappresenta una componente più stabile del ghiaccio marino artico. La stima del volume totale e delle sue componenti contribuisce a una migliore comprensione delle dinamiche del ghiaccio marino, fornendo dati essenziali per i modelli climatici e per le proiezioni sull’impatto del riscaldamento globale nelle regioni polari. Inoltre, l’uso di una maschera di estensione e la correzione per la presenza di terraferma garantiscono che le stime siano realistiche e rappresentative delle condizioni effettive dell’Artico, riducendo le incertezze associate a variazioni spaziali e temporali nella distribuzione del ghiaccio.

5. Valutazione delle Incertezze nei Parametri del Ghiaccio Marino

5.1. Principali Fattori Contributivi alle Incertezze

La stima delle incertezze mensili nello spessore e nel volume del ghiaccio marino artico richiede un’analisi dettagliata dei contributi derivanti da molteplici fonti di variabilità nei parametri fisici coinvolti. In questo contesto, consideriamo le incertezze associate alla profondità della neve (compresa tra 4,0 e 6,2 cm, secondo la climatologia di Warren et al., 1999), alla densità della neve (variabile tra 60,0 e 81,6 kg m⁻³, sempre da Warren et al., 1999), alla densità del ghiaccio marino (quantificata in 7,6 kg m⁻³, derivata dai dati delle spedizioni Sever, come descritto di seguito), all’estensione del ghiaccio marino (con un intervallo di incertezza compreso tra 20.000 e 30.000 km², secondo i dati del National Snow and Ice Data Center, NSIDC), alla concentrazione del ghiaccio marino (con un’incertezza del 5%, come riportato da NSIDC) e al galleggiamento libero del ghiaccio marino (stimato in 9 cm, calcolato a partire dalle osservazioni satellitari di CryoSat-2). Le incertezze legate alla densità dell’acqua di mare sono state escluse da questa analisi, poiché studi precedenti (Kurtz et al., 2013; Ricker et al., 2014) hanno dimostrato che il loro impatto sullo spessore e sul volume del ghiaccio marino è trascurabile.

Le incertezze relative alla profondità e alla densità della neve sono state derivate da una climatologia consolidata (Warren et al., 1999), basata su misurazioni in situ raccolte durante campagne di campo condotte tra il 1954 e il 1991. Tale climatologia fornisce stime di errore espresse come la deviazione standard delle anomalie mensili di profondità e densità della neve. Queste anomalie sono definite come la differenza tra i valori misurati in una determinata stazione al Polo Nord in un dato anno e la media pluriennale calcolata per la specifica latitudine e longitudine della stazione. Nel caso in cui fossero operative più stazioni nello stesso periodo, le anomalie venivano mediate per ottenere un valore rappresentativo. Gli autori della climatologia sottolineano che tali stime di errore tendono a essere sovrastimate, poiché le anomalie sono state calcolate sulla base di un numero limitato di stazioni (tipicamente due per mese). Di conseguenza, gli errori riflettono in parte variazioni regionali che potrebbero essere compensate da anomalie di segno opposto in altre aree non campionate nello stesso mese. L’incertezza associata alla profondità della neve sul ghiaccio marino tende ad aumentare nel corso della stagione di crescita del ghiaccio, in concomitanza con l’accumulo di neve e l’incremento della deviazione standard delle anomalie di profondità. Al contrario, l’incertezza legata alla densità della neve rimane relativamente stabile nel tempo, mostrando variazioni meno pronunciate.

In assenza di un dataset completo di misurazioni in situ della densità del ghiaccio marino, abbiamo stimato la densità del ghiaccio (sia per il ghiaccio di primo anno, FYI, sia per il ghiaccio pluriennale, MYI) e la relativa incertezza utilizzando i dati raccolti durante le spedizioni Sever. Queste campagne hanno fornito misurazioni di galleggiamento libero, spessore del ghiaccio marino e profondità della neve sul ghiaccio, consentendo di calcolare la densità del ghiaccio attraverso una versione riarrangiata dell’equazione di bilancio idrostatico. Per tali calcoli, abbiamo adottato valori di densità standard per l’acqua di mare (1025 kg m⁻³) e per la neve (324 kg m⁻³), seguendo l’approccio descritto da Alexandrov et al. (2010), i cui valori di densità per FYI e MYI sono stati utilizzati nel nostro processamento dei dati sul ghiaccio marino. Al fine di garantire la robustezza delle stime, abbiamo escluso dal calcolo i valori di densità che risultavano al di fuori dell’intervallo fisicamente plausibile di 860–970 kg m⁻³, considerandoli non realistici. Successivamente, abbiamo calcolato la densità media mensile per ciascun mese in cui erano disponibili dati sufficienti, scartando le medie basate su meno di quattro misurazioni per garantire una rappresentatività adeguata. A differenza della climatologia della neve, che fornisce dati per tutti i mesi, le spedizioni Sever si sono svolte esclusivamente in primavera, limitando la disponibilità di densità medie mensili ad alcuni mesi specifici. Perl’incertezza sulla densità del ghiaccio marino è stata quindi calcolata come la deviazione standard delle 18 medie mensili disponibili, risultando in un valore di 7,6 kg m⁻³. Analogamente alle incertezze sulla neve, questo valore è probabilmente una sovrastima, a causa del campionamento limitato delle spedizioni Sever, che non ha permesso di catturare l’intera variabilità spaziale e temporale della densità del ghiaccio marino. Questa sovrastima deriva dalla natura regionale delle misurazioni, che potrebbero non essere rappresentative delle condizioni medie dell’intero Artico.

In sintesi, la stima delle incertezze nello spessore e nel volume del ghiaccio marino artico si basa su un approccio integrato che tiene conto delle incertezze di più parametri fisici. Le fonti di incertezza considerate riflettono sia la variabilità intrinseca dei processi naturali sia le limitazioni delle tecniche di misurazione disponibili. Sebbene le stime attuali forniscano una base solida per l’analisi del ghiaccio marino, la potenziale sovrastima di alcune incertezze evidenzia la necessità di ulteriori campagne di misura in situ e di miglioramenti nelle tecniche di telerilevamento per affinare la nostra comprensione delle dinamiche del ghiaccio marino artico.

La stima dell’estensione del ghiaccio marino, secondo il National Snow and Ice Data Center (NSIDC), si basa sulla definizione di regioni in cui la concentrazione del ghiaccio supera il 15%. L’errore relativo interannuale associato a questa stima è quantificato in un intervallo compreso tra 20.000 e 30.000 km², come riportato nella sezione delle domande frequenti dell’NSIDC (http://nsidc.org/arcticseaicenews/faq/#error_bars). Questo margine di incertezza rappresenta una frazione estremamente ridotta, compresa tra lo 0,1% e lo 0,5%, dell’estensione totale del ghiaccio marino, evidenziando l’elevata precisione delle misurazioni su scala regionale. Per quanto riguarda la concentrazione del ghiaccio marino, l’NSIDC indica un’incertezza del 5% (http://nsidc.org/data/docs/daac/nsidc0051_gsfc_seaice.gd.html), un parametro cruciale per la valutazione degli errori locali. Tuttavia, l’NSIDC non fornisce indicazioni sulla scala spaziale su cui l’incertezza della concentrazione è correlata. In assenza di tali informazioni, adottiamo un approccio conservativo, assumendo che l’incertezza sia correlata su tutto l’emisfero settentrionale per ciascun mese, al fine di garantire una stima prudenziale delle incertezze complessive.

Le misurazioni individuali del galleggiamento libero del ghiaccio marino presentano una deviazione standard media di 9 cm su scala artica. Questo valore è stato derivato calcolando la deviazione standard di tutte le misurazioni di galleggiamento libero effettuate entro un raggio di 25 km, con incrementi spaziali di 25 km, per ogni mese nel periodo compreso tra novembre 2010 e aprile 2017. Successivamente, i risultati sono stati mediati su tutti i mesi per ottenere una stima rappresentativa. La deviazione standard osservata è attribuibile a due principali fonti di incertezza: (a) errori nella misurazione dell’altezza dei lastroni di ghiaccio causati dal rumore di speckle negli echi radar, che si decorrela tra misurazioni consecutive; (b) incertezze nell’altezza della superficie marina, che possono essere correlate spazialmente a causa del metodo di interpolazione utilizzato. Quest’ultimo si basa su una regressione lineare delle misurazioni lungo segmenti di 200 km delle tracce satellitari, come descritto nella Sezione 4.8. La principale fonte di incertezza nelle misurazioni altimetriche radar del galleggiamento libero e dello spessore del ghiaccio marino è identificata nel rumore di speckle presente negli echi radar (Laxon et al., 2013; Wingham et al., 2006), che introduce variabilità nelle mappe di galleggiamento libero e spessore.

Per mitigare l’impatto del rumore e fornire dati utilizzabili, lo spessore del ghiaccio marino viene elaborato su una griglia stereografica polare con celle di 5 km per lato. In questo processo, tutte le misurazioni di spessore entro un raggio di 25 km dal centro di ciascuna cella vengono mediate, assegnando lo stesso peso a ogni misurazione. Le incertezze sullo spessore sono calcolate sulla stessa griglia, riducendo significativamente l’errore di speckle a livelli tali da non rappresentare più la componente dominante delle incertezze totali. La scelta di un raggio di mediazione di 25 km è motivata dalla necessità di colmare i gap tra le tracce satellitari a latitudini inferiori e di ridurre adeguatamente l’errore di speckle. Ridurre il raggio al di sotto di 25 km non consente di ottenere dettagli aggiuntivi nelle mappe, ma aumenta il livello di rumore, compromettendo la qualità dei dati. L’incertezza associata allo spessore di ciascuna cella della griglia viene quindi calcolata in modo sistematico.

Per quantificare il contributo dell’incertezza dell’altezza della superficie marina all’incertezza del galleggiamento libero, è stata analizzata la variabilità delle altezze della superficie marina sulla scala di interpolazione di 200 km, nel periodo da novembre 2010 ad aprile 2017. La deviazione standard di tali altezze nei punti di incrocio delle orbite satellitari è risultata pari a 4 cm. Adottando un approccio conservativo, si assume che questa variabilità rimanga correlata all’interno della finestra di 200 km utilizzata per ciascun calcolo di galleggiamento libero. Tale incertezza è stata inclusa come componente aggiuntiva nel prodotto di spessore grigliato. L’errore totale di galleggiamento libero è quindi il risultato della combinazione di due contributi: un errore di 4 cm derivante da errori spazialmente correlati nell’interpolazione delle altezze della superficie marina e un errore spazialmente non correlato associato alla misurazione dell’altezza dei lastroni di ghiaccio, dovuto al rumore di speckle. La deviazione standard media di 9 cm per le singole misurazioni di galleggiamento libero è stata scomposta tramite la propagazione degli errori, utilizzando la combinazione della radice quadrata della somma dei quadrati delle due fonti di errore (Ku, 1966). Questo approccio ha permesso di attribuire un errore di 8 cm alla misurazione dell’altezza dei lastroni.

Il numero di misurazioni di altezza dei lastroni mediate in ciascuna cella della griglia è sufficiente per ridurre l’errore di speckle di 8 cm a un valore trascurabile. Tuttavia, l’errore di 4 cm associato all’altezza della superficie marina viene attenuato nella mediazione solo in proporzione alla radice quadrata del numero di passaggi satellitari che attraversano la finestra di mediazione. Per i dati mensili grigliati, questo corrisponde tipicamente a quattro o più passaggi, risultando in un’incertezza residua di galleggiamento libero di circa 2 cm. Tale incertezza si traduce in un errore di spessore di circa 20 cm, equivalente all’11% dello spessore medio tipico della stagione di crescita del ghiaccio, stimato in 1,8 m (Tilling et al., 2015), per i dati di spessore mensili grigliati. Questo approccio garantisce una stima robusta delle incertezze, bilanciando la necessità di ridurre il rumore con la preservazione delle informazioni spaziali rilevanti per l’analisi del ghiaccio marino artico.

La Figura 13 presenta un’analisi dettagliata della variazione stagionale della profondità media mensile della neve sul ghiaccio marino artico, derivata dalla climatologia elaborata da Warren et al. (1999), la quale si basa su un esteso dataset di misurazioni in situ raccolte nel periodo compreso tra il 1954 e il 1991. Il grafico è stato progettato per illustrare l’evoluzione temporale di questo parametro fisico fondamentale durante un ciclo annuale, coprendo i mesi da settembre a maggio, che rappresentano la stagione di crescita e accumulo del ghiaccio marino nell’Artico. L’asse orizzontale del grafico riporta i mesi, mentre l’asse verticale indica la profondità della neve, espressa in centimetri (cm), con una scala che si estende da 0 a 40 cm, consentendo di apprezzare sia i valori medi che le relative incertezze.

Descrizione dettagliata del grafico

I dati sono rappresentati attraverso punti rossi, ciascuno dei quali corrisponde alla profondità media della neve calcolata per un dato mese, sulla base della climatologia di Warren et al. (1999). L’andamento dei valori medi mostra una chiara progressione stagionale: la profondità della neve inizia con valori relativamente bassi a settembre, intorno a 10 cm, riflettendo l’inizio della stagione di accumulo nevoso dopo il minimo estivo del ghiaccio marino. Con l’avanzare dei mesi autunnali e invernali, si osserva un incremento graduale della profondità, che raggiunge valori di circa 15 cm a novembre e continua ad aumentare durante l’inverno, arrivando a circa 25 cm a gennaio. Il picco si verifica nei mesi primaverili di marzo e aprile, quando la profondità media si attesta intorno ai 35 cm, un valore che rappresenta il massimo accumulo di neve prima dell’inizio del disgelo. A maggio, si nota una leggera diminuzione, con la profondità che scende leggermente al di sotto dei 35 cm, in concomitanza con l’avvio delle fasi di fusione stagionale.

Un elemento cruciale del grafico è rappresentato dalle barre di errore verticali associate a ciascun punto rosso, che quantificano l’incertezza delle stime della profondità media. Queste barre sono calcolate come la deviazione standard delle anomalie di profondità della neve per ogni mese, dove le anomalie sono definite come la differenza tra i valori misurati in una specifica stazione al Polo Nord in un dato anno e la media pluriennale per la latitudine e la longitudine di quella stazione. La lunghezza delle barre di errore aumenta progressivamente da settembre a marzo, indicando una crescente variabilità nelle misurazioni durante la stagione di accumulo della neve. In particolare, l’incertezza è minima nei mesi autunnali (settembre e ottobre), quando l’accumulo di neve è ancora limitato, e raggiunge il massimo nei mesi di marzo e aprile, in corrispondenza del picco di profondità. A maggio, l’incertezza si stabilizza o diminuisce leggermente, riflettendo una riduzione della variabilità associata all’inizio del disgelo.

Interpretazione scientifica e implicazioni

L’andamento rappresentato nella Figura 13 evidenzia un ciclo stagionale ben definito nella profondità della neve sull’Artico, strettamente legato alle dinamiche di formazione e crescita del ghiaccio marino. L’accumulo di neve inizia in autunno, quando le temperature calano e il ghiaccio marino comincia a riformarsi dopo il minimo estivo, e continua durante l’inverno, con un incremento graduale che riflette le precipitazioni nevose tipiche di questa regione. Il picco di profondità in primavera (marzo e aprile) coincide con il momento di massima estensione e spessore del ghiaccio marino, prima che le temperature più miti di maggio avviino il processo di fusione. La leggera diminuzione della profondità a maggio è indicativa dell’inizio del disgelo, durante il quale la neve può compattarsi o fondere parzialmente, riducendo il suo spessore.

Le barre di errore forniscono un’importante indicazione sull’affidabilità delle stime. L’aumento dell’incertezza nei mesi di picco (marzo e aprile) può essere attribuito a diversi fattori, tra cui la maggiore variabilità regionale delle precipitazioni nevose, le differenze nelle condizioni del ghiaccio marino (ad esempio, ghiaccio di primo anno rispetto a ghiaccio pluriennale) e le limitazioni del campionamento. Come descritto nel testo, le anomalie di profondità sono state calcolate utilizzando dati provenienti da un numero limitato di stazioni (spesso solo due per mese), il che potrebbe amplificare l’incertezza, poiché le variazioni locali non sono necessariamente rappresentative dell’intera regione artica. Inoltre, l’accumulo di neve durante la stagione di crescita del ghiaccio è un processo altamente dinamico, influenzato da fattori come la distribuzione dei venti, le tempeste e la deriva del ghiaccio, che possono contribuire a una maggiore dispersione dei dati.

Rilevanza per gli studi sul ghiaccio marino

La Figura 13 è un elemento chiave per comprendere le incertezze associate alle stime della profondità della neve, un parametro critico per il calcolo dello spessore e del volume del ghiaccio marino. La neve, infatti, agisce come un isolante termico, influenzando il tasso di crescita del ghiaccio, e contribuisce al bilancio idrostatico utilizzato per stimare lo spessore del ghiaccio a partire dalle misurazioni di galleggiamento libero. Le incertezze mostrate nel grafico sottolineano la necessità di migliorare il campionamento spaziale e temporale delle misurazioni della neve nell’Artico, possibilmente integrando dati in situ con osservazioni satellitari più recenti, al fine di ridurre la variabilità e affinare le stime. Inoltre, l’analisi della profondità della neve e della sua incertezza è fondamentale per i modelli climatici, poiché il ghiaccio marino e la sua copertura nevosa giocano un ruolo cruciale nel bilancio radiativo terrestre e nei feedback climatici dell’Artico.

In conclusione, la Figura 13 offre una rappresentazione chiara e quantitativa della variazione stagionale della profondità della neve sul ghiaccio marino artico, insieme a una valutazione delle incertezze associate, tratte dalla climatologia di Warren et al. (1999). Questi dati sono essenziali per gli studi sul ghiaccio marino e per comprendere le dinamiche del sistema climatico artico, evidenziando al contempo le sfide legate alla variabilità regionale e alla limitata rappresentatività delle misurazioni storiche.

5.2. Metodologia per la Quantificazione delle Incertezze nel Volume del Ghiaccio Marino

La stima delle incertezze associate al volume del ghiaccio marino richiede un approccio metodologico sistematico che tenga conto delle variazioni di ciascun parametro fisico rilevante e del loro impatto sul volume complessivo. Per raggiungere questo obiettivo, calcoliamo il tasso mensile di variazione del volume del ghiaccio marino rispetto a ogni parametro che presenta un’incertezza nota, consentendo di quantificare il contributo parziale di ciascun fattore all’errore totale del volume. La procedura adottata prevede, per la maggior parte dei parametri, una perturbazione controllata del loro valore in sei incrementi equidistanti, seguita dal ricalcolo del volume per ciascuna perturbazione. I tassi di variazione così ottenuti vengono poi moltiplicati per l’errore associato a ciascun parametro, fornendo una stima dei contributi individuali all’errore complessivo del volume, i cui risultati sono riportati in dettaglio nella Tabella 1.

A titolo esemplificativo, consideriamo il parametro della profondità della neve. Per valutare il suo impatto sul volume del ghiaccio marino, la serie temporale del volume viene ricalcolata sette volte, modificando sistematicamente la profondità della neve associata a ciascuna misurazione di galleggiamento libero. Le variazioni applicate sono: -6 cm, -4 cm, -2 cm, 0 cm (valore di riferimento), +2 cm, +4 cm e +6 cm. Questo intervallo di perturbazioni consente di determinare il tasso mensile di variazione del volume per unità di cambiamento nella profondità della neve, espresso in centimetri. Una volta calcolato il tasso di variazione, questo viene moltiplicato per l’errore mensile stimato della profondità della neve, derivato dalla climatologia di Warren et al. (1999), per quantificare il contributo specifico di questo parametro all’incertezza totale del volume del ghiaccio marino. Questo approccio permette di isolare l’effetto della variabilità della profondità della neve, un fattore critico nel bilancio idrostatico utilizzato per calcolare lo spessore del ghiaccio marino a partire dalle misurazioni di galleggiamento libero.

Per quanto riguarda l’estensione del ghiaccio marino, il tasso di variazione del volume è stato determinato ricalcolando il volume utilizzando maschere di estensione basate sui dati di concentrazione del ghiaccio raccolti in tre giorni distinti di ogni mese: il 10°, il 15° (utilizzato come riferimento standard, come descritto nella Sezione 4.10) e il 20°. Questo approccio consente di valutare la sensibilità del volume del ghiaccio marino alle variazioni nell’estensione del ghiaccio all’interno di un mese e di calcolare il tasso mensile di variazione del volume rispetto a questo parametro. Moltiplicando tale tasso per l’incertezza nell’estensione del ghiaccio (stimata tra 20.000 e 30.000 km² secondo l’NSIDC), è possibile quantificare il contributo di questa incertezza all’errore totale del volume, come riportato nella Tabella 1. I risultati indicano che l’errore nel volume associato alle incertezze interannuali nell’estensione del ghiaccio è estremamente ridotto, pari o inferiore allo 0,25%, rendendo questo contributo trascurabile per analisi a lungo termine. Tuttavia, su scale temporali subannuali, è necessario considerare i bias stagionali nell’estensione del ghiaccio marino. Durante la fase di formazione del ghiaccio (freeze-up), l’estensione potrebbe essere sistematicamente sottostimata fino a 1 milione di km², come evidenziato dall’NSIDC (http://nsidc.org/arcticseaicenews/faq/#error_bars). Sebbene questa sottostima abbia un impatto non trascurabile sull’errore del volume, come mostrato nella Tabella 1, essa non influisce sui confronti interannuali, poiché tali bias tendono a essere consistenti anno dopo anno. Di conseguenza, abbiamo scelto di escludere questo contributo dal nostro bilancio degli errori, che è stato progettato specificamente per analizzare le incertezze nelle tendenze interannuali del volume del ghiaccio marino.

La valutazione del contributo dell’incertezza nella concentrazione del ghiaccio marino all’errore totale del volume presenta maggiori complessità, a causa del ruolo che questo parametro svolge in due distinte fasi del processamento dei dati sul ghiaccio marino. In primo luogo, la concentrazione viene utilizzata per distinguere gli echi radar riflessi dai lastroni di ghiaccio rispetto a quelli provenienti dall’acqua aperta, un passaggio fondamentale per l’identificazione delle aree coperte da ghiaccio. In secondo luogo, la concentrazione viene impiegata per ponderare il calcolo del volume, tenendo conto della densità delle crepe (leads) all’interno del pack di ghiaccio marino, che influisce sulla distribuzione spaziale del ghiaccio. A causa di questa doppia dipendenza, non calcoliamo direttamente il tasso mensile di variazione del volume rispetto alla concentrazione del ghiaccio marino, come fatto per gli altri parametri. Invece, adottiamo un approccio alternativo per stimare l’incertezza nel volume associata a un errore del 5% nella concentrazione, valore fornito dall’NSIDC. Per ciascun mese, la serie temporale del volume viene ricalcolata due volte. Nella prima simulazione, la concentrazione del ghiaccio marino in ogni località viene ridotta del 5%, e i lastroni di ghiaccio in cui la concentrazione scende al di sotto della soglia del 75% vengono esclusi dal calcolo del volume. Nella seconda simulazione, la concentrazione viene aumentata del 5%, con un limite massimo fissato al 100% per evitare valori non fisici. L’errore mensile nel volume è quindi stimato come la metà della differenza tra i volumi calcolati nelle due simulazioni, fornendo una misura dell’impatto dell’incertezza nella concentrazione sul volume totale del ghiaccio marino.

Questo approccio metodologico consente di quantificare in modo sistematico le incertezze nel volume del ghiaccio marino, tenendo conto delle interazioni complesse tra i diversi parametri fisici coinvolti. I risultati ottenuti forniscono una base solida per comprendere l’affidabilità delle stime del volume del ghiaccio marino e per identificare le fonti di incertezza più significative, che possono guidare futuri miglioramenti nelle tecniche di misurazione e nei modelli di processamento dei dati sul ghiaccio marino. Inoltre, l’esclusione di bias stagionali dal bilancio degli errori assicura che l’analisi sia focalizzata sulle tendenze interannuali, un aspetto cruciale per gli studi a lungo termine sull’evoluzione del ghiaccio marino nell’Artico in un contesto di cambiamento climatico.

Per concludere l’analisi delle incertezze, i contributi mensili all’errore del volume del ghiaccio marino, derivanti da tutte le fonti di incertezza significative, vengono combinati utilizzando un metodo che somma i quadrati delle incertezze individuali e ne calcola la radice quadrata, al fine di ottenere una stima dell’errore totale mensile del volume del ghiaccio marino nell’Artico. Questa stima tiene conto delle incertezze associate a diversi parametri fisici, tra cui la profondità media della neve su scala artica, la densità media della neve su scala artica, la densità media del ghiaccio marino su scala artica, l’estensione del ghiaccio marino e l’incertezza nel volume derivante dalla variabilità nella concentrazione del ghiaccio marino. Non è stato incluso un termine specifico per l’incertezza del galleggiamento libero del ghiaccio marino, poiché i calcoli mensili del volume si basano su un numero estremamente elevato di dati, tipicamente più di 1 milione di misurazioni dell’altezza dei lastroni di ghiaccio e circa 10.000 segmenti di arco di 200 km. Questo elevato numero di osservazioni riduce significativamente l’impatto degli errori legati al galleggiamento libero, rendendoli trascurabili nell’incertezza complessiva del volume su scala mensile. I risultati mostrano che, su base interannuale, l’incertezza nel volume del ghiaccio marino su scala artica si attesta in media intorno al 13,5%, con variazioni minime tra i diversi mesi dell’anno, come riportato nella Tabella 1.

La stima degli errori locali nello spessore del ghiaccio marino si rivela un processo più complesso, principalmente a causa della mancanza di informazioni precise sulle scale spaziali su cui i fattori contributivi perdono correlazione. I parametri più critici in questo contesto, per i quali tali informazioni sono limitate, includono la profondità della neve, la densità della neve e la densità del ghiaccio marino. Nel bilancio degli errori del volume del ghiaccio marino, l’incertezza di questi fattori è stata determinata su larga scala, calcolando la deviazione standard di osservazioni sul campo, raccolte in modo sparso e mediate mensilmente, su un’area di 9 milioni di km² nella regione artica centrale. Tuttavia, per stimare la scala di correlazione di questi parametri, si è assunto che la loro variabilità sia influenzata da fenomeni meteorologici su scala sinottica. Di conseguenza, la scala di lunghezza su cui questi fattori risultano correlati è stata stimata essere paragonabile al diametro di un tipico vortice polare, pari a circa 2000 km, come indicato da fonti del National Centers for Environmental Prediction (http://www.cpc.ncep.noaa.gov/products/stratosphere/polar/polar.shtml).

Prendendo come esempio la profondità della neve, in regioni che superano significativamente questa scala di correlazione, la variabilità delle fluttuazioni medie spaziali delle nevicate si riduce in proporzione alla radice quadrata del numero effettivo di valori indipendenti di accumulo campionati. Questo numero è calcolato dividendo l’area totale della regione artica centrale, dove sono state effettuate le osservazioni sul campo, per l’area di un cerchio con un diametro di 2000 km. Se il risultato di questo calcolo è inferiore a 1, viene impostato a 1 per garantire una stima conservativa. Applicando questo metodo alla regione artica centrale di 9 milioni di km², dove l’incertezza su larga scala nel volume e nello spessore del ghiaccio marino è stimata al 13,5%, il numero di valori indipendenti risulta essere circa 3. Questo porta a un’incertezza locale del 23%. Inoltre, considerando anche gli errori correlati a scala ridotta nel galleggiamento libero, derivanti dall’interpolazione delle altezze della superficie marina, l’incertezza nello spessore del ghiaccio marino aumenta ulteriormente, raggiungendo il 25% alla scala spaziale di 5 km, tipica delle stime mensili grigliate.

Questo studio rappresenta un primo tentativo di caratterizzare l’incertezza locale nello spessore del ghiaccio marino, evidenziando le sfide legate alla limitata conoscenza della variabilità spaziale dei parametri coinvolti. Per migliorare l’accuratezza di queste stime, sarebbero necessarie osservazioni più dettagliate e sistematiche della profondità della neve, della densità della neve e della densità del ghiaccio marino, al fine di comprendere meglio come la loro variabilità influisca sulla precisione delle misurazioni. Nonostante tali limitazioni, l’incertezza locale del 25% nelle stime mensili grigliate dello spessore del ghiaccio marino artico, ottenute dalle osservazioni di CryoSat-2, corrisponde a un margine di errore di circa 45 cm per uno spessore medio tipico di 1,8 m. Questo valore è in linea con la dispersione delle differenze osservate rispetto a stime indipendenti, acquisite tramite piattaforme aeree e oceaniche, che varia tra 34 e 66 cm, come riportato nella Sezione 6.2.

In sintesi, l’approccio adottato fornisce una stima preliminare ma robusta delle incertezze locali nello spessore del ghiaccio marino, offrendo un punto di partenza per future indagini. L’incertezza quantificata sottolinea l’importanza di sviluppare metodi di osservazione più avanzati e di incrementare la densità delle misurazioni in situ, al fine di ridurre i margini di errore e migliorare la comprensione delle dinamiche del ghiaccio marino nell’Artico, un elemento cruciale per i modelli climatici e per la previsione degli impatti del cambiamento climatico in questa regione sensibile.

La Tabella 1, denominata “The sea ice volume error budget”, fornisce un’analisi approfondita e quantitativa delle incertezze associate alla stima del volume del ghiaccio marino nell’Artico, identificando e quantificando i contributi delle diverse fonti di errore al bilancio complessivo dell’incertezza. La tabella si concentra su due mesi rappresentativi dell’anno, ottobre e aprile, che corrispondono rispettivamente al periodo di minimo del ghiaccio marino durante la fase di formazione (freeze-up) e al periodo di massimo accumulo del ghiaccio in primavera. Questa scelta consente di evidenziare le variazioni stagionali nelle incertezze e di analizzare come i diversi fattori influiscano sul volume del ghiaccio marino in momenti chiave del ciclo annuale. La tabella è strutturata in quattro colonne principali: le colonne “October error” e “April error” riportano l’errore percentuale di ciascun fattore rispetto al valore medio del volume del ghiaccio marino su scala artica, mentre le colonne “October volume error” e “April volume error” indicano il contributo percentuale di ciascun fattore all’errore totale del volume, calcolato utilizzando il metodo della somma dei quadrati e della radice quadrata (root-sum-square) per ottenere l’errore totale mensile.

Descrizione dettagliata dei dati

La tabella elenca i seguenti fattori come fonti di incertezza, quantificandone l’impatto sia in termini di errore individuale che di contributo all’errore totale del volume:

Profondità della neve (Snow Depth): In ottobre, l’errore associato a questo parametro è del 23,3%, contribuendo al 10,3% dell’errore totale del volume. In aprile, l’errore si riduce al 19,5%, con un contributo del 9,0%. La maggiore incertezza in ottobre riflette la variabilità significativa nella distribuzione della neve durante la fase iniziale di accumulo, mentre la riduzione in aprile è coerente con un accumulo più uniforme verso la fine della stagione di crescita del ghiaccio.
Densità della neve (Snow Density): In ottobre, l’errore è del 30,4%, con un contributo del 6,9% all’errore totale del volume. In aprile, l’errore scende al 21,6%, con un contributo del 5,5%. L’elevata incertezza in ottobre è attribuibile alla maggiore variabilità nelle condizioni della neve fresca, mentre in aprile la neve, più compatta e stagionata, presenta una densità più stabile.
Densità del ghiaccio di primo anno (FYI Density): Questo parametro mostra un errore dello 0,8% in entrambi i mesi, ma contribuisce al 6,1% dell’errore totale in ottobre e al 6,7% in aprile. Nonostante l’errore iniziale relativamente basso, il suo impatto significativo sul volume deriva dalla sua influenza diretta nel calcolo dello spessore del ghiaccio attraverso il bilancio idrostatico.
Densità del ghiaccio pluriennale (MYI Density): Analogamente, l’errore è dello 0,9% in entrambi i mesi, con un contributo del 6,1% in ottobre e del 6,7% in aprile. La leggera variazione tra i due mesi riflette differenze nella distribuzione del ghiaccio pluriennale, più abbondante in primavera.
Concentrazione del ghiaccio marino (Sea ice concentration): L’errore associato a questo fattore è del 5,0% in entrambi i mesi, con un contributo del 4,5% in ottobre e del 3,4% in aprile. La differenza tra i due mesi è probabilmente dovuta alla maggiore variabilità nella distribuzione del ghiaccio durante la fase di formazione in ottobre, rispetto alla maggiore stabilità in aprile.
Estensione del ghiaccio interannuale (Inter-annual ice extent): L’errore è dello 0,4% in ottobre, con un contributo minimo dello 0,25% all’errore totale, e dello 0,2% in aprile, con un contributo dello 0,15%. Questi valori indicano che le variazioni interannuali nell’estensione del ghiaccio hanno un impatto trascurabile sul volume complessivo.
Estensione del ghiaccio stagionale (Seasonal ice extent): In ottobre, l’errore è del 14,7%, con un contributo dell’8,4%, riflettendo una significativa sottostima dell’estensione del ghiaccio durante la fase di formazione. In aprile, l’errore è molto più basso, pari allo 0,4%, con un contributo dello 0,25%. Tuttavia, come specificato nella nota “Excluding errors in seasonal ice extent”, questo contributo non è incluso nel calcolo dell’errore totale, poiché non influisce sulle tendenze interannuali, che sono l’obiettivo principale del bilancio degli errori.

Errore totale e metodo di calcolo

L’errore totale mensile del volume del ghiaccio marino è calcolato combinando i contributi dei fattori sopra elencati (escludendo l’estensione stagionale) mediante il metodo della somma dei quadrati e della radice quadrata. Questo approccio tiene conto della natura indipendente delle diverse fonti di errore, fornendo una stima complessiva dell’incertezza. I risultati indicano un errore totale del 14,5% in ottobre e del 13,0% in aprile, valori che riflettono una buona affidabilità delle stime del volume, pur evidenziando una leggera variabilità stagionale.

Analisi scientifica e interpretazione

Il confronto tra ottobre e aprile rivela una maggiore incertezza in ottobre (14,5%) rispetto ad aprile (13,0%), un risultato atteso considerando le dinamiche stagionali del ghiaccio marino. In ottobre, durante la fase di formazione del ghiaccio, fattori come la profondità e la densità della neve mostrano una variabilità più elevata a causa delle condizioni meteorologiche instabili e della distribuzione non uniforme della neve fresca. In aprile, invece, il ghiaccio marino ha raggiunto il massimo della sua estensione e spessore, e la neve si è compattata, riducendo la variabilità e, di conseguenza, l’incertezza associata a questi parametri.

I fattori dominanti nell’errore totale del volume sono la profondità della neve e la densità della neve, che contribuiscono rispettivamente per il 10,3% e il 6,9% in ottobre e per il 9,0% e il 5,5% in aprile. Questi valori riflettono l’elevata incertezza intrinseca di questi parametri (23,3% e 30,4% in ottobre; 19,5% e 21,6% in aprile), derivante dalla loro variabilità spaziale e temporale, come evidenziato dalla climatologia di Warren et al. (1999). Anche la densità del ghiaccio di primo anno e pluriennale gioca un ruolo significativo, con contributi del 6,1%-6,7% in entrambi i mesi, nonostante un errore iniziale più basso (0,8%-0,9%). Questo impatto è dovuto alla loro influenza diretta sul calcolo dello spessore del ghiaccio, un parametro fondamentale per la stima del volume.

La concentrazione del ghiaccio marino, con un errore del 5,0%, contribuisce maggiormente in ottobre (4,5%) rispetto ad aprile (3,4%), un risultato che può essere attribuito alla maggiore variabilità nella distribuzione del ghiaccio durante la fase di formazione, quando le crepe e le aree di acqua aperta sono più comuni. Al contrario, l’estensione interannuale del ghiaccio ha un impatto minimo (0,25% in ottobre, 0,15% in aprile), confermando che le variazioni anno per anno nell’estensione non sono una fonte significativa di incertezza per il volume. L’estensione stagionale, invece, ha un’influenza più marcata in ottobre (8,4%), a causa della sottostima sistematica dell’estensione del ghiaccio durante la fase di freeze-up, ma il suo contributo è escluso dal totale finale per focalizzarsi sulle tendenze interannuali.

Implicazioni e conclusioni

La Tabella 1 fornisce un quadro chiaro e dettagliato delle principali fonti di incertezza nella stima del volume del ghiaccio marino, sottolineando il ruolo dominante della profondità e della densità della neve, seguite dalla densità del ghiaccio e dalla concentrazione. L’errore totale del 14,5% in ottobre e del 13,0% in aprile indica che le stime del volume del ghiaccio marino sono relativamente affidabili, ma evidenzia anche la necessità di migliorare la precisione delle misurazioni dei parametri legati alla neve, che rappresentano la principale fonte di incertezza. Questi dati sono fondamentali per gli studi sul ghiaccio marino e per i modelli climatici, poiché l’accuratezza delle stime del volume influisce direttamente sulla comprensione dei processi di feedback climatico nell’Artico e sulla previsione degli impatti del cambiamento climatico in questa regione critica. Futuri miglioramenti nelle tecniche di osservazione, sia in situ che da satellite, potrebbero ridurre ulteriormente queste incertezze, consentendo una stima più precisa del volume del ghiaccio marino e delle sue variazioni stagionali e interannuali.

6. Risultati e Discussione

6.1. Analisi dei Risultati sullo Spessore del Ghiaccio Marino Artico

Attraverso l’utilizzo dei dati Baseline-C acquisiti dal satellite CryoSat-2, è stato possibile generare stime mensili dello spessore del ghiaccio marino artico per un totale di sette stagioni complete di crescita del ghiaccio, coprendo il periodo da ottobre ad aprile di ciascun anno tra il 2010 e il 2017. L’unica eccezione si verifica per il mese di ottobre 2010, per il quale i dati non sono disponibili. Le stime dello spessore sono state elaborate e rappresentate su una griglia stereografica polare con celle di 5 km per lato, un formato scelto per garantire un’adeguata risoluzione spaziale e facilitare l’analisi dei dati, come descritto in dettaglio nella Sezione 5.1. È importante sottolineare che il processore utilizzato per l’elaborazione dei dati sul ghiaccio marino non viene eseguito durante i mesi estivi, da maggio a settembre, a causa della presenza di stagni di fusione sulla superficie del ghiaccio. Questi stagni, tipici della stagione di disgelo, generano difficoltà significative nella distinzione tra i segnali radar riflessi dalle crepe (leads) e quelli provenienti dai lastroni di ghiaccio marino, compromettendo l’accuratezza delle misurazioni, come evidenziato nella Sezione 4.2.

Le mappe dello spessore del ghiaccio marino, generate per due periodi rappresentativi, ovvero l’autunno (ottobre/novembre) 2016 (Figura 14a) e la primavera (marzo/aprile) 2017 (Figura 14b), offrono un quadro dettagliato della distribuzione spaziale del ghiaccio nell’Artico. I risultati mostrano che il ghiaccio più spesso si concentra prevalentemente lungo la costa settentrionale della Groenlandia e dell’Isola di Ellesmere, una regione nota per la presenza di ghiaccio pluriennale spesso e compatto. Con l’avanzare della stagione di crescita, il ghiaccio spesso si estende progressivamente verso l’Artico centrale, riflettendo l’accumulo di ghiaccio durante i mesi invernali e primaverili. Questo pattern di distribuzione è coerente con le dinamiche stagionali del ghiaccio marino, dove le basse temperature e la deriva del ghiaccio favoriscono la formazione e il consolidamento del ghiaccio nelle regioni più settentrionali e centrali dell’Artico.

Analizzando i dati sull’intero periodo di osservazione di CryoSat-2, emerge che lo spessore medio del ghiaccio marino nell’emisfero settentrionale durante l’autunno (ottobre/novembre) è di 1,28 m, con un’incertezza di ±0,13 m. In primavera (marzo/aprile), lo spessore medio aumenta significativamente, raggiungendo 1,94 m, con un’incertezza di ±0,09 m. Questa variazione stagionale riflette il naturale processo di crescita del ghiaccio marino durante l’inverno, quando le temperature rigide e la riduzione della radiazione solare favoriscono l’ispessimento del ghiaccio, sia attraverso la formazione di nuovo ghiaccio che mediante la compattazione del ghiaccio esistente. La minore incertezza in primavera rispetto all’autunno può essere attribuita a una maggiore uniformità nello spessore del ghiaccio durante il picco della stagione di crescita, rispetto alla maggiore variabilità presente in autunno, quando il ghiaccio è in fase di formazione e più soggetto a variazioni locali.

Questi risultati forniscono una base solida per comprendere le dinamiche stagionali del ghiaccio marino artico e il suo spessore, un parametro critico per valutare l’evoluzione del ghiaccio in un contesto di cambiamento climatico. Le mappe di spessore, insieme alle stime quantitative, evidenziano l’importanza delle osservazioni satellitari come quelle di CryoSat-2 per monitorare le variazioni del ghiaccio marino su scala regionale e temporale, offrendo dati essenziali per i modelli climatici e per la previsione degli impatti ambientali nell’Artico. Tuttavia, le limitazioni legate alla stagione estiva sottolineano la necessità di sviluppare metodi alternativi o complementari per superare le difficoltà poste dagli stagni di fusione, al fine di ottenere un quadro più completo dell’evoluzione annuale del ghiaccio marino.

6.2. Valutazione della Precisione delle Stime dello Spessore del Ghiaccio Marino Artico

La validazione dell’accuratezza delle stime dello spessore del ghiaccio marino artico, ottenute utilizzando i dati di CryoSat-2, è stata condotta attraverso un confronto sistematico con stime indipendenti di spessore e pescaggio del ghiaccio marino, acquisite da diverse piattaforme di osservazione sia aeree che oceaniche. In particolare, abbiamo confrontato i risultati derivati dalla Baseline-B di CryoSat-2 con tre dataset indipendenti, ciascuno caratterizzato da metodologie e periodi di raccolta distinti, al fine di valutare la robustezza delle nostre stime e identificare eventuali discrepanze. I dataset utilizzati includono: 772.090 stime dello spessore del ghiaccio marino derivate dalle misurazioni aeree effettuate nell’ambito della missione NASA Operation IceBridge (OIB), che ha impiegato radar e altimetri laser per raccogliere dati tra il 2011 e il 2013 (prodotto L4 IDCSI4) e nel 2014 (prodotto quick-look) (Kurtz et al., 2013); 430 stime dello spessore combinato di ghiaccio e neve ottenute da Haas et al. nell’ambito dell’Esperimento di Validazione di CryoSat-2 dell’ESA (CryoVEx), attraverso misurazioni aeree con altimetro laser e tecniche elettromagnetiche (EM) condotte tra il 2010 e il 2012 (Haas et al., 2009); e, infine, 80 milioni di stime del pescaggio del ghiaccio marino derivate da misurazioni sonar a visione verso l’alto (ULS) raccolte come parte del Beaufort Gyre Exploration Program (BGEP), gestito dal Woods Hole Oceanographic Institution (http://www.whoi.edu/beaufortgyre), nel periodo 2010–2013.

Caratteristiche dei dataset di validazione

I dati OIB e CryoVEx sono stati acquisiti esclusivamente durante la primavera, un periodo in cui le condizioni del ghiaccio marino sono più stabili e favorevoli alle misurazioni, e coprono una varietà di spessori e tipi di ghiaccio, come illustrato nelle Figure 15a e 15b. In particolare, i dati OIB si concentrano su una porzione significativa dell’Artico occidentale, offrendo una copertura spaziale rilevante per il confronto con le osservazioni satellitari. I dati CryoVEx, invece, pur essendo meno numerosi, forniscono informazioni complementari sullo spessore combinato di ghiaccio e neve, un parametro utile per valutare l’impatto della neve sulle stime di spessore. Le osservazioni BGEP, d’altra parte, sono disponibili per tutto l’anno, ma sono limitate a una distribuzione ristretta di ghiaccio, poiché le boe sonar sono posizionate in punti fissi nel Mar di Beaufort, come mostrato nella Figura 15c. Questa limitazione spaziale implica che i dati BGEP campionano principalmente il ghiaccio presente nella regione del Gyre di Beaufort, riducendo la rappresentatività rispetto alla variabilità dell’intero Artico.

Metodologia di confronto

Sia le stime di spessore del ghiaccio marino di CryoSat-2 che quelle di OIB e CryoVEx sono prodotti derivati, ottenuti attraverso l’elaborazione di dati grezzi. L’utilizzo di questi prodotti derivati per la validazione è necessario a causa della copertura spaziale e temporale limitata delle misurazioni in situ di galleggiamento libero e spessore del ghiaccio marino. Rispetto ai dati satellitari, i prodotti delle campagne offrono una risoluzione spaziale migliorata, rendendoli particolarmente adatti per un confronto dettagliato. Per rendere le stime di spessore di CryoSat-2 comparabili con i dati CryoVEx, che includono lo spessore combinato di ghiaccio e neve, abbiamo aggiunto a ciascun valore di spessore di CryoSat-2 la profondità media climatologica della neve, derivata dalla climatologia di Warren et al. (1999), come descritto nella Sezione 3.2.4. Successivamente, i dati di CryoSat-2, OIB e CryoVEx sono stati grigliati su una griglia comune di 0,4° di latitudine per 4° di longitudine, ottenendo 1110 valori distinti per OIB e 64 per CryoVEx, che hanno permesso un confronto spaziale coerente.

Per il confronto con i dati BGEP, che forniscono misurazioni del pescaggio del ghiaccio marino, abbiamo convertito le misurazioni di galleggiamento libero di CryoSat-2 in pescaggio equivalente. Questo calcolo è stato effettuato utilizzando un’equazione che considera il galleggiamento libero corretto misurato da CryoSat-2, la densità del ghiaccio marino, la profondità della neve, la densità della neve e la densità dell’acqua di mare, come dettagliato nella Sezione 4.9. Le medie mensili delle stime di pescaggio di CryoSat-2 sono state calcolate entro un raggio di 100 km da ciascuna boa BGEP e confrontate con le medie mensili del pescaggio misurato da ciascuna boa, ottenendo 58 valori distinti per il confronto.

Risultati del confronto

I risultati del confronto mostrano un buon accordo tra le stime di CryoSat-2 e i dataset indipendenti. In media, le misurazioni di CryoSat-2 dello spessore del ghiaccio marino differiscono di soli 0,5 cm rispetto ai dati OIB, dimostrando un’ottima corrispondenza per quanto riguarda lo spessore del ghiaccio. Rispetto ai dati CryoVEx, che includono lo spessore combinato di ghiaccio e neve, la differenza media è di 21,0 cm, un valore che riflette le incertezze legate alla stima della profondità della neve e alla variabilità locale del ghiaccio. Per quanto concerne il pescaggio del ghiaccio marino, il confronto con i dati BGEP mostra una differenza media di 10,0 cm, un risultato che conferma la capacità di CryoSat-2 di rappresentare accuratamente le caratteristiche del ghiaccio marino anche in termini di pescaggio. Questi risultati sono illustrati nelle Figure 16a–c, che forniscono una rappresentazione visiva della corrispondenza tra i diversi dataset.

Implicazioni scientifiche

L’analisi condotta evidenzia che le stime dello spessore del ghiaccio marino derivate da CryoSat-2 sono affidabili e coerenti con le osservazioni indipendenti, con discrepanze che rientrano nei margini di incertezza attesi, come discusso nella Sezione 5. La minima differenza con i dati OIB (0,5 cm) sottolinea l’elevata precisione delle misurazioni satellitari per lo spessore del ghiaccio, mentre le discrepanze più elevate con CryoVEx (21,0 cm) e BGEP (10,0 cm) possono essere attribuite a fattori come la variabilità della neve e le differenze nelle scale spaziali e temporali delle misurazioni. Questi risultati confermano l’importanza di CryoSat-2 come strumento per il monitoraggio del ghiaccio marino artico, ma evidenziano anche la necessità di migliorare le stime della profondità della neve e di integrare osservazioni complementari per ridurre ulteriormente le incertezze, specialmente in contesti di validazione locale e stagionale.

Per analizzare la presenza di un eventuale bias sistematico nelle osservazioni di spessore del ghiaccio marino artico derivate dal satellite CryoSat-2, è stato condotto un confronto dettagliato tra le stime satellitari e una serie di stime indipendenti, includendo i dati di pescaggio del ghiaccio marino del programma BGEP, le misurazioni di spessore combinato di ghiaccio e neve di CryoVEx, e le stime di spessore di OIB, come illustrato nella Figura 16d. Questo approccio ha richiesto una conversione preliminare dei dati per garantire la comparabilità tra i diversi dataset, ciascuno dei quali fornisce informazioni in formati differenti.

Per quanto riguarda i dati BGEP, che riportano il pescaggio del ghiaccio marino misurato tramite boe sonar a visione verso l’alto, abbiamo calcolato lo spessore equivalente del ghiaccio marino utilizzando i valori di pescaggio, insieme a parametri fisici come la densità dell’acqua di mare, la profondità della neve, la densità della neve e la densità del ghiaccio marino, i cui valori sono stati definiti nella Sezione 4.9. Questo processo di conversione ha permesso di ottenere stime di spessore direttamente confrontabili con quelle di CryoSat-2. Analogamente, per rendere comparabili le misurazioni CryoVEx, che riportano lo spessore combinato di ghiaccio e neve, abbiamo sottratto la profondità media climatologica della neve, derivata dalla climatologia di Warren et al. (1999) e descritta nella Sezione 3.2.4, da ciascuna misurazione grigliata di CryoVEx, ottenendo così valori di spessore del solo ghiaccio.

Una volta armonizzati i dataset, abbiamo calcolato la differenza media tra le stime di spessore del ghiaccio marino derivate da OIB, CryoVEx e BGEP e quelle ottenute da CryoSat-2, ottenendo un valore di soli 2 mm. Questo risultato indica una corrispondenza eccellente tra le stime satellitari e quelle indipendenti. Per contestualizzare questa differenza, abbiamo considerato le deviazioni standard dello spessore del ghiaccio marino derivate da CryoSat-2, che sono rispettivamente di 28 cm in primavera e 19 cm in autunno, come riportato nella Sezione 6.1. Data la minima differenza media di 2 mm rispetto a queste deviazioni standard, possiamo concludere che non vi è un bias significativo nei dati satellitari di CryoSat-2, confermando l’affidabilità delle misurazioni satellitari per la stima dello spessore del ghiaccio marino.

Ulteriori analisi hanno riguardato le deviazioni standard delle differenze tra le stime di CryoSat-2 e quelle dei dataset indipendenti, che sono risultate rispettivamente di 66 cm per OIB, 55 cm per CryoVEx e 34 cm per BGEP. Questi valori sono stati confrontati con l’accuratezza stimata delle misurazioni indipendenti, riportata in letteratura come 40 cm per OIB (Farrell et al., 2012), 10 cm per CryoVEx (Haas et al., 2009) e 10 cm per BGEP (Melling et al., 1995), e con l’accuratezza del satellite CryoSat-2, stimata in 13 cm (Wingham et al., 2006). La corrispondenza tra queste deviazioni standard e le accuratezze stimate suggerisce che le differenze osservate rientrano nei margini di incertezza attesi per ciascun metodo di misurazione. Le discrepanze assolute tra le stime di spessore del ghiaccio marino derivate dal satellite e le osservazioni indipendenti possono essere attribuite a incertezze intrinseche presenti in entrambi i dataset, come la variabilità locale del ghiaccio, le differenze nelle scale spaziali e temporali delle misurazioni, o le incertezze nei parametri ausiliari, come la profondità e la densità della neve.

Questa valutazione iniziale è stata condotta utilizzando le stime di spessore del ghiaccio marino di CryoSat-2 Baseline-B, ma si prevede di ripetere l’analisi utilizzando le stime più recenti della Baseline-C. Questo ulteriore confronto consentirà di verificare se le migliorie apportate al processamento dei dati nella Baseline-C riducano ulteriormente le discrepanze e migliorino l’accuratezza complessiva delle stime satellitari. L’assenza di un bias significativo e la coerenza delle deviazioni standard con le accuratezze stimate rafforzano la fiducia nell’utilizzo dei dati di CryoSat-2 per il monitoraggio del ghiaccio marino artico, un elemento cruciale per comprendere le dinamiche climatiche e ambientali in questa regione sensibile. Tuttavia, le differenze osservate sottolineano anche l’importanza di continuare a integrare le osservazioni satellitari con campagne di validazione in situ e aeree, al fine di affinare ulteriormente le stime e ridurre le incertezze residue.

La Figura 14 presenta una coppia di mappe che illustrano la distribuzione spaziale dello spessore del ghiaccio marino nell’emisfero settentrionale, misurato attraverso le osservazioni del satellite CryoSat-2, durante due momenti chiave della stagione di crescita del ghiaccio marino per l’anno 2016-2017. Le mappe sono rappresentate in una proiezione stereografica polare, un formato ideale per visualizzare le regioni polari, e si concentrano sull’area al di sopra dei 60°N, dove si trova la stragrande maggioranza del ghiaccio marino artico. Questa scelta geografica riflette la necessità di focalizzarsi sulle regioni in cui il ghiaccio marino è più significativo, escludendo le aree marginali dove il ghiaccio è assente o presente in quantità trascurabili durante la stagione di crescita.

Analisi dettagliata delle mappe

La Figura 14 è suddivisa in due pannelli distinti, ciascuno rappresentante un periodo specifico della stagione di crescita del ghiaccio marino:

Figura 14a – Autunno (ottobre/novembre 2016): Questo pannello mostra lo spessore del ghiaccio marino all’inizio della stagione di crescita 2016-2017, un periodo in cui il ghiaccio marino inizia a riformarsi dopo il minimo estivo. La scala cromatica utilizzata varia da 0,00 m (rappresentato in giallo chiaro) a 3,50 m (in blu scuro), consentendo di distinguere chiaramente le variazioni di spessore. In questa fase iniziale, il ghiaccio marino appare generalmente più sottile, con spessori che raramente superano i 2,00 m. Le regioni con il ghiaccio più spesso, comprese tra 1,50 e 2,00 m (visualizzate in tonalità di verde scuro e blu chiaro), sono localizzate principalmente lungo la costa settentrionale della Groenlandia e dell’Isola di Ellesmere, una zona nota per la presenza di ghiaccio pluriennale spesso e resistente. Nel resto dell’Artico centrale, gli spessori sono significativamente inferiori, spesso al di sotto di 1,50 m (in giallo e verde chiaro), riflettendo la formazione recente di ghiaccio più sottile e una copertura ancora limitata all’inizio della stagione.
Figura 14b – Primavera (marzo/aprile 2017): Questo pannello rappresenta lo spessore del ghiaccio marino alla fine della stagione di crescita 2016-2017, un momento in cui il ghiaccio ha raggiunto il suo massimo spessore annuale prima dell’inizio del disgelo estivo. La scala cromatica rimane la stessa, ma si osserva un incremento marcato dello spessore complessivo rispetto all’autunno. Le aree con ghiaccio più spesso, con spessori superiori a 2,50 m (in blu scuro), continuano a concentrarsi vicino alla costa settentrionale della Groenlandia e dell’Isola di Ellesmere, ma mostrano un’espansione significativa verso l’Artico centrale. Ampie regioni dell’Artico centrale presentano spessori compresi tra 2,00 e 3,00 m (in blu chiaro e medio), indicando un ispessimento diffuso del ghiaccio durante i mesi invernali. Le aree con ghiaccio più sottile, con spessori inferiori a 1,50 m, sono notevolmente ridotte rispetto all’autunno, evidenziando una crescita consistente del ghiaccio marino su scala regionale.

Interpretazione scientifica

Le mappe della Figura 14 offrono un’importante rappresentazione visiva delle dinamiche spaziali e temporali dello spessore del ghiaccio marino nell’Artico, evidenziando pattern che riflettono i processi fisici sottostanti. La concentrazione del ghiaccio più spesso vicino alla Groenlandia e all’Isola di Ellesmere è un fenomeno ben noto, attribuibile alla presenza di ghiaccio pluriennale in queste regioni, che tende a essere più spesso e resistente a causa della sua età e della deriva del ghiaccio verso queste aree costiere, dove si accumula e si compatta. L’espansione del ghiaccio spesso verso l’Artico centrale durante la primavera è il risultato combinato della formazione di nuovo ghiaccio durante i mesi invernali e della deriva del ghiaccio esistente, influenzata dai venti e dalle correnti oceaniche, che trasportano il ghiaccio verso il centro dell’Artico.

La variazione stagionale dello spessore è coerente con i valori medi riportati nel testo, che indicano uno spessore medio di 1,28 ± 0,13 m in autunno e di 1,94 ± 0,09 m in primavera. Questo incremento di circa 0,66 m tra le due stagioni riflette l’accumulo di ghiaccio durante i mesi più freddi, quando le temperature rigide e la riduzione della radiazione solare favoriscono la crescita del ghiaccio marino, sia attraverso la formazione di nuovo ghiaccio di primo anno che mediante l’ispessimento del ghiaccio pluriennale. La minore incertezza associata allo spessore in primavera (±0,09 m rispetto a ±0,13 m in autunno) suggerisce una maggiore uniformità nello spessore del ghiaccio al termine della stagione di crescita, rispetto alla maggiore variabilità presente in autunno, quando il ghiaccio è in fase di formazione e più soggetto a variazioni locali.

Aspetti tecnici e metodologici

Le mappe sono state generate utilizzando i dati di CryoSat-2, che offrono una risoluzione spaziale basata su una griglia stereografica polare di 5 km per lato, come descritto nella Sezione 5.1. Questa risoluzione consente di catturare variazioni significative nello spessore del ghiaccio marino su scala regionale, pur mantenendo un livello di dettaglio adeguato per l’analisi scientifica. La scala cromatica, che copre un intervallo di spessori da 0,00 m a 3,50 m, è stata scelta per rappresentare efficacemente la gamma di spessori osservati, con una transizione graduale dai colori chiari (giallo e verde) per i valori più bassi ai colori scuri (blu) per i valori più alti, facilitando l’interpretazione visiva delle differenze spaziali e temporali.

Implicazioni e conclusioni

La Figura 14 fornisce un contributo significativo alla comprensione delle dinamiche stagionali del ghiaccio marino artico, evidenziando sia la distribuzione spaziale che l’evoluzione temporale dello spessore del ghiaccio durante la stagione di crescita 2016-2017. Le mappe confermano che il ghiaccio più spesso si concentra nelle regioni costiere settentrionali della Groenlandia e dell’Isola di Ellesmere, con un’espansione verso l’Artico centrale tra l’autunno e la primavera, un pattern che riflette i processi di formazione, accumulo e deriva del ghiaccio marino. Questi dati sono fondamentali per gli studi sul cambiamento climatico, poiché lo spessore del ghiaccio marino influisce sul bilancio radiativo terrestre, sui feedback climatici e sulla circolazione oceanica nell’Artico. Inoltre, le osservazioni di CryoSat-2, rappresentate in queste mappe, sottolineano l’importanza delle misurazioni satellitari per il monitoraggio del ghiaccio marino su larga scala, offrendo una base solida per future analisi delle tendenze a lungo termine e per la validazione dei modelli climatici. Tuttavia, la variabilità stagionale evidenziata sottolinea anche la necessità di integrare queste osservazioni con dati complementari, come misurazioni in situ, per catturare variazioni locali e migliorare l’accuratezza delle stime in periodi critici, come l’estate, quando le misurazioni satellitari sono più complesse a causa degli stagni di fusione.

La Figura 15 presenta una serie di tre mappe che illustrano le posizioni geografiche dei dataset indipendenti utilizzati per la validazione delle stime dello spessore del ghiaccio marino artico derivate dal satellite CryoSat-2. Le mappe sono rappresentate in una proiezione stereografica polare, un formato ottimale per visualizzare l’area artica, con il Polo Nord al centro e le latitudini indicate (ad esempio, 60°N, 70°N, 80°N), che delimitano l’estensione geografica dell’analisi. Ogni pannello della figura si riferisce a un diverso dataset di validazione, ciascuno raccolto con metodologie e finalità specifiche, fornendo una base complementare per valutare l’accuratezza e l’affidabilità delle misurazioni satellitari di CryoSat-2.

Descrizione dettagliata dei pannelli

Figura 15a – NASA Operation IceBridge (OIB): Questo pannello mostra le traiettorie di volo delle campagne aeree condotte nell’ambito della missione NASA Operation IceBridge (OIB) tra il 2011 e il 2014, rappresentate da linee rosse. Le traiettorie coprono una vasta porzione dell’Artico occidentale, con un focus particolare sul Mar di Beaufort e sul Mar di Chukchi, estendendosi fino alla costa settentrionale della Groenlandia e dell’Alaska. La densità delle linee in alcune aree indica un campionamento intensivo, progettato per coprire una varietà di condizioni del ghiaccio marino, dai lastroni di primo anno a quelli pluriennali. Le misurazioni OIB, che includono 772.090 stime dello spessore del ghiaccio marino, sono state effettuate utilizzando radar e altimetri laser, strumenti ideali per determinare con precisione lo spessore del ghiaccio. Tuttavia, queste osservazioni sono limitate alla primavera, un periodo in cui le condizioni ambientali (assenza di stagni di fusione e maggiore stabilità del ghiaccio) facilitano le misurazioni aeree. La copertura estesa di OIB rende questo dataset particolarmente adatto per un confronto su larga scala con le stime satellitari di CryoSat-2, offrendo un campionamento rappresentativo di una porzione significativa dell’Artico occidentale.
Figura 15b – ESA CryoSat-2 Validation Experiment (CryoVEx): Questo pannello evidenzia i percorsi delle campagne aeree condotte nell’ambito dell’Esperimento di Validazione di CryoSat-2 dell’ESA (CryoVEx) tra il 2010 e il 2012, rappresentati da linee verdi. Rispetto a OIB, la copertura di CryoVEx è più limitata, con percorsi concentrati in regioni specifiche dell’Artico, come le aree a nord della Groenlandia e dell’Isola di Ellesmere, e alcune traiettorie che si estendono verso il Polo Nord e il Mar Glaciale Artico centrale. Le campagne CryoVEx hanno prodotto 430 stime dello spessore combinato di ghiaccio e neve, raccolte utilizzando altimetri laser per misurare l’altezza della superficie e tecniche elettromagnetiche (EM) per determinare lo spessore totale del ghiaccio e della neve. Come per OIB, le misurazioni CryoVEx sono state effettuate esclusivamente in primavera, un periodo ottimale per evitare le complicazioni legate alla fusione estiva, e coprono una varietà di spessori e tipi di ghiaccio, dal ghiaccio di primo anno a quello pluriennale. Sebbene il numero di stime sia inferiore rispetto a OIB, i dati CryoVEx offrono un’importante validazione locale in regioni critiche dell’Artico, dove il ghiaccio è spesso e la variabilità dello spessore è elevata.
Figura 15c – Beaufort Gyre Exploration Project (BGEP): Questo pannello mostra le posizioni delle boe sonar a visione verso l’alto (ULS) del programma Beaufort Gyre Exploration Project (BGEP), attive tra il 2010 e il 2013, rappresentate da tre punti blu. Le boe sono localizzate nel Mar di Beaufort, a nord dell’Alaska, a circa 75°N, in posizioni fisse che riflettono la natura stazionaria di queste piattaforme di osservazione. Il programma BGEP ha raccolto 80 milioni di stime del pescaggio del ghiaccio marino, misurando la porzione di ghiaccio sommersa sotto la superficie dell’acqua. A differenza di OIB e CryoVEx, le osservazioni BGEP sono disponibili per tutto l’anno, offrendo una continuità temporale preziosa per analizzare le variazioni stagionali del ghiaccio marino. Tuttavia, la loro posizione fissa limita il campionamento a una distribuzione ristretta di ghiaccio, principalmente all’interno del Gyre di Beaufort, una corrente oceanica circolare che influenza la deriva del ghiaccio in questa regione. Questa limitazione spaziale riduce la rappresentatività del dataset rispetto all’intera regione artica, ma fornisce comunque dati utili per il confronto con CryoSat-2 in un’area specifica.

Interpretazione scientifica

La Figura 15 offre una panoramica critica delle differenze nella copertura spaziale e temporale dei tre dataset di validazione, evidenziando i loro punti di forza e le loro limitazioni nel contesto della validazione delle stime di CryoSat-2. Il dataset OIB, con la sua ampia copertura dell’Artico occidentale, rappresenta una risorsa ideale per un confronto su larga scala, catturando una varietà di condizioni del ghiaccio marino in una regione significativa dell’Artico. Tuttavia, la sua limitazione alla primavera implica che non può essere utilizzato per analizzare le variazioni stagionali del ghiaccio al di fuori di questo periodo. Il dataset CryoVEx, pur avendo una copertura più ristretta, fornisce dati complementari in regioni chiave come il nord della Groenlandia, dove il ghiaccio è spesso e la variabilità dello spessore è elevata. Anch’esso è limitato alla primavera, ma la combinazione di altimetri laser e tecniche elettromagnetiche consente una stima precisa dello spessore combinato di ghiaccio e neve, un parametro cruciale per validare le stime satellitari che devono tenere conto della neve.

Il dataset BGEP, invece, si distingue per la sua continuità temporale, con misurazioni disponibili tutto l’anno, che permettono di analizzare le variazioni stagionali del pescaggio del ghiaccio marino nel Mar di Beaufort. Tuttavia, la sua distribuzione spaziale limitata a tre posizioni fisse riduce la rappresentatività del campionamento rispetto all’intero Artico, catturando principalmente il ghiaccio influenzato dal Gyre di Beaufort. Questa limitazione spaziale implica che il dataset BGEP è più adatto per confronti locali e temporali, piuttosto che per un’analisi su scala regionale.

Implicazioni per la validazione

La diversità dei dataset rappresentati nella Figura 15 è essenziale per una validazione completa delle stime di CryoSat-2. OIB e CryoVEx, con la loro capacità di coprire una varietà di condizioni del ghiaccio in primavera, forniscono un benchmark robusto per valutare l’accuratezza delle stime satellitari dello spessore del ghiaccio, mentre BGEP offre un’opportunità unica per analizzare le variazioni temporali del pescaggio del ghiaccio in una regione specifica. Tuttavia, le differenze nei parametri misurati (spessore del ghiaccio per OIB, spessore combinato di ghiaccio e neve per CryoVEx, e pescaggio per BGEP) richiedono conversioni per il confronto con CryoSat-2, come l’aggiunta o la sottrazione della profondità della neve per CryoVEx e il calcolo del pescaggio da CryoSat-2 per il confronto con BGEP, come descritto nel testo. Queste conversioni introducono ulteriori incertezze, ma sono necessarie per armonizzare i dataset e garantire un confronto significativo.

Conclusione

La Figura 15 fornisce una rappresentazione visiva chiara e dettagliata delle posizioni geografiche dei dataset indipendenti utilizzati per validare le stime dello spessore del ghiaccio marino di CryoSat-2, evidenziando la complementarità tra OIB, CryoVEx e BGEP. La combinazione di una copertura spaziale ampia (OIB), di misurazioni dettagliate in regioni chiave (CryoVEx) e di una continuità temporale (BGEP) consente un’analisi multidimensionale dell’accuratezza delle stime satellitari, pur con le limitazioni legate alla stagionalità e alla distribuzione spaziale dei dati. Queste informazioni sono fondamentali per comprendere la rappresentatività dei dataset di validazione e per identificare le aree in cui ulteriori osservazioni potrebbero migliorare la validazione delle stime satellitari, contribuendo a una comprensione più completa delle dinamiche del ghiaccio marino artico.

La Figura 16 comprende quattro grafici a dispersione che forniscono un’analisi dettagliata e quantitativa dell’accuratezza delle stime dello spessore del ghiaccio marino artico derivate dal satellite CryoSat-2 (CS-2), attraverso un confronto sistematico con tre dataset indipendenti: Operation IceBridge (OIB), CryoSat-2 Validation Experiment (CryoVEx) e Beaufort Gyre Exploration Project (BGEP). Ogni grafico rappresenta una valutazione comparativa tra le misurazioni di CryoSat-2 e quelle dei dataset indipendenti, con l’obiettivo di quantificare l’accordo tra i dati e identificare eventuali bias o discrepanze. Le statistiche riportate in ciascun grafico, come il coefficiente di correlazione (R²), la differenza media (md) e la deviazione standard delle differenze (sdd), offrono una misura oggettiva della corrispondenza tra i dataset e delle incertezze associate.

Analisi dettagliata dei grafici

Figura 16a – Confronto con Operation IceBridge (OIB), marzo/aprile 2011-2014: Questo grafico presenta un confronto tra lo spessore del ghiaccio marino misurato da CryoSat-2 (asse y, in metri) e quello derivato dalle misurazioni aeree di OIB (asse x, in metri), per il periodo primaverile compreso tra il 2011 e il 2014. I punti rossi rappresentano 1110 valori distinti, ottenuti grigliando i dati su una griglia di 0,4° di latitudine per 4° di longitudine. La linea diagonale (y=x) indica la perfetta corrispondenza tra le due stime. Le statistiche riportate indicano un coefficiente di correlazione R² di 0,67, che suggerisce una buona correlazione tra i due dataset, una differenza media (md) di 0,004 m (equivalente a 0,4 cm), che evidenzia un accordo eccellente, e una deviazione standard delle differenze (sdd) di 0,66 m (66 cm), che riflette una certa dispersione nei dati. I punti si distribuiscono generalmente vicino alla linea y=x, indicando un buon accordo tra CryoSat-2 e OIB, ma mostrano una dispersione più marcata per spessori superiori a 3 m, probabilmente a causa della variabilità regionale del ghiaccio marino e delle differenze nelle scale di campionamento.
Figura 16b – Confronto con CryoSat-2 Validation Experiment (CryoVEx), marzo/aprile 2011-2012: Questo grafico confronta lo spessore combinato di ghiaccio e neve misurato da CryoSat-2 (asse y) con quello derivato dalle misurazioni elettromagnetiche (EM) di CryoVEx (asse x), per il periodo primaverile del 2011 e 2012. I punti verdi rappresentano 64 valori distinti, anch’essi grigliati sulla stessa griglia di 0,4° di latitudine per 4° di longitudine. Le statistiche riportano un coefficiente di correlazione R² di 0,73, leggermente superiore rispetto a quello con OIB, indicando una correlazione più stretta, una differenza media (md) di -0,21 m (equivalente a una sottostima di 21 cm da parte di CryoSat-2), e una deviazione standard delle differenze (sdd) di 0,55 m (55 cm). La distribuzione dei punti mostra una tendenza di CryoSat-2 a sottostimare lo spessore rispetto a CryoVEx, particolarmente per valori superiori a 2 m, un fenomeno che può essere attribuito alle incertezze nella stima della profondità della neve e alla variabilità locale del ghiaccio marino.
Figura 16c – Confronto con Beaufort Gyre Exploration Project (BGEP), ottobre-aprile 2010/11-2012/13: Questo grafico analizza il pescaggio del ghiaccio marino calcolato da CryoSat-2 (asse y) rispetto a quello misurato dalle boe sonar a visione verso l’alto (ULS) di BGEP (asse x), per il periodo compreso tra ottobre e aprile degli anni 2010-2013. I punti blu rappresentano 58 valori distinti, calcolati come medie mensili entro un raggio di 100 km da ciascuna boa BGEP. Le statistiche indicano un coefficiente di correlazione R² di 0,72, simile a quello di CryoVEx, una differenza media (md) di 0,10 m (equivalente a una sovrastima di 10 cm da parte di CryoSat-2), e una deviazione standard delle differenze (sdd) di 0,34 m (34 cm), la più bassa tra i tre confronti. La dispersione dei punti è minore rispetto agli altri grafici, soprattutto per pescaggi inferiori a 2 m, un risultato attribuibile alla limitata distribuzione geografica delle boe BGEP, che riduce la variabilità spaziale del campionamento.
Figura 16d – Differenza combinata (sdd) tra CryoSat-2 e tutti i dataset in situ: Questo grafico sintetizza il confronto complessivo tra lo spessore del ghiaccio marino combinato derivato dai dataset in situ (OIB, CryoVEx, BGEP, asse x) e quello di CryoSat-2 (asse y). I punti sono colorati in base al dataset di provenienza: rossi per OIB, verdi per CryoVEx e blu per BGEP. Le statistiche riportano un coefficiente di correlazione R² di 0,72, coerente con i valori dei grafici precedenti, una differenza media (md) di 0,002 m (equivalente a 0,2 cm), che indica un bias praticamente trascurabile, e una deviazione standard delle differenze (sdd) di 0,34 m (34 cm). La minima differenza media combinata conferma che CryoSat-2 non presenta un bias significativo rispetto ai dataset indipendenti, mentre la deviazione standard riflette le incertezze intrinseche dei diversi metodi di misurazione.

Interpretazione scientifica

I grafici della Figura 16 dimostrano un buon accordo tra le stime di CryoSat-2 e i dataset indipendenti, con coefficienti di correlazione (R²) che variano tra 0,67 e 0,73, indicando una relazione lineare solida tra le misurazioni satellitari e quelle in situ. La differenza media più bassa si osserva nel confronto con OIB (0,4 cm), evidenziando un’ottima corrispondenza per lo spessore del ghiaccio marino, mentre CryoSat-2 sottostima di 21 cm rispetto a CryoVEx e sovrastima di 10 cm rispetto a BGEP. La differenza combinata di 0,2 cm, calcolata considerando tutti i dataset (Figura 16d), conferma l’assenza di un bias significativo nelle stime di CryoSat-2, un risultato ulteriormente supportato dalle deviazioni standard dello spessore di CryoSat-2 (28 cm in primavera e 19 cm in autunno, Sezione 6.1), che rendono la differenza media trascurabile.

Le deviazioni standard delle differenze (sdd) variano tra i dataset: 66 cm per OIB, 55 cm per CryoVEx e 34 cm per BGEP. Questi valori sono coerenti con le incertezze stimate per i dataset indipendenti (40 cm per OIB, 10 cm per CryoVEx e BGEP) e per CryoSat-2 (13 cm), come riportato in letteratura (Farrell et al., 2012; Haas et al., 2009; Melling et al., 1995; Wingham et al., 2006). La maggiore dispersione nel confronto con OIB (66 cm) riflette la variabilità su una vasta area dell’Artico occidentale, dove le condizioni del ghiaccio marino possono variare significativamente. La dispersione minore con BGEP (34 cm) è attribuibile alla limitata distribuzione geografica delle boe, che campionano una regione più omogenea nel Mar di Beaufort. La sottostima di CryoSat-2 rispetto a CryoVEx (21 cm) può essere legata alle incertezze nella stima della profondità della neve, un parametro critico per convertire lo spessore combinato di ghiaccio e neve in spessore del solo ghiaccio, mentre la sovrastima rispetto a BGEP (10 cm) può derivare da errori nella conversione del pescaggio in spessore, che dipende da parametri come la densità del ghiaccio e della neve.

Implicazioni e conclusioni

La Figura 16 conferma l’affidabilità delle stime dello spessore del ghiaccio marino derivate da CryoSat-2, evidenziando un buon accordo con i dataset indipendenti e un bias complessivo trascurabile (0,2 cm). Le discrepanze osservate, espresse attraverso le deviazioni standard, rientrano nei margini di incertezza attesi per ciascun metodo di misurazione, suggerendo che CryoSat-2 è uno strumento valido e robusto per il monitoraggio del ghiaccio marino artico. Tuttavia, le differenze specifiche, come la sottostima rispetto a CryoVEx, sottolineano l’importanza di migliorare le stime della profondità della neve e di considerare la variabilità locale del ghiaccio marino, che può influire sulla precisione delle misurazioni satellitari. Questi risultati sono cruciali per gli studi sul cambiamento climatico, poiché lo spessore del ghiaccio marino è un indicatore chiave delle dinamiche ambientali nell’Artico. Futuri miglioramenti, come l’aggiornamento delle stime con la Baseline-C di CryoSat-2 e l’integrazione di ulteriori osservazioni in situ, potrebbero ridurre ulteriormente le incertezze e affinare la comprensione delle variazioni del ghiaccio marino su scala stagionale e interannuale.

6.3. Analisi del volume del ghiaccio marino artico

I dati raccolti durante il periodo di osservazione del satellite CryoSat-2 evidenziano marcate variazioni stagionali nel volume del ghiaccio marino dell’Emisfero Nord (Fig. 17). In ciascun anno analizzato, si osserva un incremento mensile del volume totale del ghiaccio marino durante la stagione di accrescimento, che si estende da ottobre a marzo o, in alcuni casi, ad aprile. Nella maggior parte degli anni, si registra una lieve riduzione del volume totale tra marzo e aprile, attribuibile all’inizio della fusione estiva. Tale dinamica si riflette anche nel volume del ghiaccio di primo anno (First-Year Ice, FYI) e del ghiaccio pluriennale (Multi-Year Ice, MYI), sebbene questi mostrino una variabilità mensile più pronunciata. L’incertezza associata alle stime del volume di FYI, MYI e del ghiaccio totale tende ad aumentare nel corso della stagione di crescita, principalmente a causa dell’accresciuta incertezza nella determinazione della profondità del manto nevoso (cfr. Sezione 5.1 e Fig. 13).

Parallelamente alle variazioni stagionali, il volume della copertura di ghiaccio marino artico presenta notevoli fluttuazioni interannuali (Fig. 17). Le variazioni più significative si manifestano in autunno, con il MYI che si distingue come il tipo di ghiaccio più variabile. Tra il 2010 e il 2012, il volume autunnale di MYI ha subito una riduzione del 31% (equivalente a 1670 km³), seguita da un incremento dell’89% (3281 km³) nel 2013 e da una successiva diminuzione del 27% (1877 km³) nel periodo 2013-2016. Queste oscillazioni hanno avuto un impatto diretto sul volume totale del ghiaccio marino autunnale, che è diminuito del 14% (1272 km³) tra il 2010 e il 2012, per poi aumentare del 42% (3295 km³) nel 2013 e ridursi nuovamente del 25% (2782 km³) tra il 2013 e il 2016. Il massimo volume autunnale registrato nel 2013 si è concretizzato in una copertura di ghiaccio particolarmente spessa nella regione del MYI, localizzata a nord della Groenlandia e dell’isola di Ellesmere (Fig. 14), dove lo spessore medio del ghiaccio è risultato superiore del 17% rispetto alla media calcolata sui sei anni di osservazione. Questa persistenza di ghiaccio spesso durante la stagione di fusione estiva è stata correlata a una riduzione del 5% nei giorni di fusione rispetto alla media dei tre anni precedenti (Tilling et al., 2015), riflettendo condizioni ambientali più simili a quelle osservate alla fine degli anni ’90. L’aumento repentino del volume del ghiaccio marino dopo un’unica estate caratterizzata da temperature più fresche sottolinea la straordinaria capacità di risposta del ghiaccio marino artico alle variazioni ambientali.

In contrasto con il MYI, il volume del ghiaccio FYI in autunno mostra una variabilità interannuale significativamente inferiore. In primavera, le fluttuazioni del volume a livello emisferico risultano meno marcate rispetto all’autunno per tutti i tipi di ghiaccio. Ad esempio, l’aumento del volume del ghiaccio marino registrato in autunno 2013 è stato seguito da un incremento del 6% nel volume primaverile del 2014 rispetto alla media dei tre anni precedenti; tuttavia, tale variazione non è risultata statisticamente significativa. Questi risultati evidenziano la complessità delle dinamiche del ghiaccio marino artico, influenzate sia da fattori stagionali che da variazioni climatiche a lungo termine, e sottolineano l’importanza di un monitoraggio continuo per comprendere le risposte del sistema a un ambiente in rapida evoluzione.

Analisi dettagliata della Figura 17: Stime del volume del ghiaccio marino artico tramite CryoSat-2 (2011-2017)

La Figura 17 riporta le stime del volume del ghiaccio marino artico ottenute attraverso le osservazioni del satellite CryoSat-2 nel periodo compreso tra il 2011 e il 2017, offrendo una rappresentazione grafica delle variazioni stagionali e interannuali di questo parametro critico per il monitoraggio del sistema climatico polare. Il grafico presenta tre serie di dati distinte: il volume totale del ghiaccio marino (indicato con stelle rosse), il volume del ghiaccio di primo anno (First-Year Ice, FYI, rappresentato con diamanti blu) e il volume del ghiaccio pluriennale (Multi-Year Ice, MYI, indicato con triangoli verdi). L’asse verticale riporta il volume in migliaia di km³, con valori che variano da 0 a 35 migliaia di km³, mentre l’asse orizzontale rappresenta il tempo, con campionamenti stagionali (dicembre, marzo, giugno e settembre) per ciascun anno del periodo di studio. Le barre di incertezza associate a ciascun dato, descritte in dettaglio nella Sezione 5 del testo, forniscono un’indicazione della variabilità e dell’affidabilità delle stime, influenzate principalmente dall’incertezza nella determinazione della profondità della neve.

Variazioni stagionali del volume del ghiaccio marino

Il grafico evidenzia una chiara ciclicità stagionale nel volume del ghiaccio marino artico, coerente con i pattern attesi in un ambiente polare. In ciascun anno, il volume totale del ghiaccio marino (stelle rosse) mostra un incremento progressivo durante la stagione di accrescimento, che si estende da ottobre a marzo o, in alcuni casi, ad aprile. Questo aumento è il risultato delle basse temperature invernali che favoriscono la formazione e l’ispessimento del ghiaccio. Il picco massimo del volume totale si registra generalmente in primavera (marzo), con valori che oscillano tra 20 e 30 migliaia di km³ a seconda dell’anno. A partire da marzo, si osserva una lieve diminuzione del volume totale verso aprile, dovuta all’inizio della fusione estiva, che diventa più pronunciata nei mesi di giugno e settembre, quando il volume totale scende ai suoi minimi annuali, spesso inferiori a 10 migliaia di km³. Questo pattern stagionale è rispecchiato anche nei volumi di FYI e MYI, sebbene con una variabilità mensile più marcata. Il FYI, che si forma durante l’inverno e tende a essere più sottile, mostra una crescita significativa da dicembre a marzo, mentre il MYI, più spesso e resistente, contribuisce in modo rilevante al volume totale durante tutto l’anno, ma con fluttuazioni più evidenti nei mesi estivi.

Fluttuazioni interannuali e dinamiche del MYI

Le variazioni interannuali del volume del ghiaccio marino sono particolarmente pronunciate e si manifestano con maggiore evidenza in autunno (settembre), come evidenziato dalla Figura 17. Il MYI, che rappresenta il ghiaccio sopravvissuto ad almeno una stagione di fusione estiva, mostra la variabilità più significativa tra i tipi di ghiaccio analizzati. Tra il 2011 e il 2012, il volume autunnale di MYI subisce una riduzione del 31%, passando da circa 5 migliaia di km³ a circa 3,5 migliaia di km³, riflettendo condizioni di fusione estiva particolarmente intense in quegli anni. Tuttavia, nel 2013 si registra un incremento straordinario dell’89%, con il volume autunnale di MYI che raggiunge circa 7 migliaia di km³. Questo picco è seguito da una nuova diminuzione del 27% tra il 2013 e il 2016, con valori che tornano a livelli più bassi, intorno a 5 migliaia di km³. Queste oscillazioni del MYI hanno un impatto diretto sul volume totale del ghiaccio marino in autunno, che segue una traiettoria simile: una diminuzione del 14% (circa 1272 km³) tra il 2010 e il 2012, un aumento del 42% (circa 3295 km³) nel 2013, con un picco di circa 12 migliaia di km³, e una successiva riduzione del 25% (circa 2782 km³) tra il 2013 e il 2016. In contrasto, il FYI mostra una variabilità interannuale più contenuta, con volumi autunnali che rimangono relativamente stabili, oscillando intorno a 3-5 migliaia di km³, riflettendo la sua natura più effimera e la sua dipendenza dalle condizioni di congelamento dell’inverno precedente.

Evento del 2013 e condizioni ambientali

Un elemento di particolare interesse nella Figura 17 è il picco autunnale del 2013, che si distingue come un’anomalia positiva nel periodo di studio. In quell’anno, il volume totale del ghiaccio marino e il volume di MYI raggiungono i valori più alti dell’intera serie temporale, con il MYI che contribuisce in modo significativo a questa crescita. Questo evento è associato a una spessa copertura di ghiaccio MYI nella regione a nord della Groenlandia e dell’isola di Ellesmere, dove lo spessore medio del ghiaccio risulta superiore del 17% rispetto alla media dei sei anni di osservazione (cfr. Figura 14). Tale aumento è stato favorito da condizioni ambientali eccezionali durante l’estate del 2013, caratterizzata da una riduzione del 5% nei giorni di fusione rispetto alla media dei tre anni precedenti (Tilling et al., 2015). Queste condizioni, più simili a quelle tipiche della fine degli anni ’90, hanno permesso una maggiore ritenzione di ghiaccio spesso durante la stagione estiva, dimostrando la capacità del ghiaccio marino artico di rispondere rapidamente a variazioni climatiche, anche su scale temporali brevi.

Incertezze e variabilità primaverile

Le barre di incertezza mostrate nel grafico sono più ampie durante la stagione di crescita (inverno e primavera), riflettendo l’aumento dell’incertezza nella stima della profondità della neve, un parametro cruciale per il calcolo del volume del ghiaccio marino (Sezione 5). In primavera, le variazioni interannuali del volume totale e dei singoli tipi di ghiaccio (FYI e MYI) risultano meno marcate rispetto all’autunno. Ad esempio, l’aumento del volume autunnale nel 2013 è seguito da un incremento del 6% nel volume primaverile del 2014 rispetto alla media dei tre anni precedenti, ma questa variazione non è statisticamente significativa, indicando una minore sensibilità del sistema alle fluttuazioni interannuali in questa stagione.

Implicazioni scientifiche

In sintesi, la Figura 17 fornisce una panoramica completa delle dinamiche del volume del ghiaccio marino artico, evidenziando sia la sua ciclicità stagionale che la sua variabilità interannuale. Le fluttuazioni del MYI emergono come il principale driver delle variazioni del volume totale, con eventi estremi come il picco del 2013 che sottolineano l’influenza di fattori climatici transitori, come estati più fresche, sulla dinamica del ghiaccio. Questi dati sottolineano l’importanza di un monitoraggio continuo e ad alta risoluzione per comprendere la risposta del ghiaccio marino artico ai cambiamenti ambientali, un aspetto cruciale per prevedere gli impatti del cambiamento climatico sull’ecosistema polare e sul clima globale.

6.4. Analisi della relazione tra estensione, spessore e volume del ghiaccio marino artico

Le dinamiche del ghiaccio marino artico sono determinate dalla complessa interazione tra la sua estensione superficiale, lo spessore medio e il volume totale, parametri che mostrano variazioni sia stagionali che interannuali durante il periodo di osservazione del satellite CryoSat-2 (Figg. 18a–c). L’aumento del volume del ghiaccio durante la stagione di crescita, che si estende da ottobre a marzo, è il risultato combinato dell’espansione dell’estensione e dell’incremento dello spessore medio della copertura di ghiaccio marino (Fig. 18a e 18b, rispettivamente). Per ogni anno analizzato, l’estensione totale del ghiaccio marino cresce progressivamente mese dopo mese durante questo periodo, raggiungendo il suo massimo in marzo, per poi registrare una leggera diminuzione in aprile, coincidente con l’inizio della fusione estiva. Un pattern analogo si osserva per l’estensione del ghiaccio di primo anno (First-Year Ice, FYI), che segue una traiettoria di crescita simile a quella del ghiaccio totale. Al contrario, l’estensione del ghiaccio pluriennale (Multi-Year Ice, MYI) mostra una tendenza alla diminuzione durante la maggior parte delle stagioni di crescita, con l’eccezione del periodo 2012-2013 (Fig. 18a). Questo comportamento è attribuibile a due processi principali che regolano l’estensione del MYI nell’Artico: l’invecchiamento del FYI, che si trasforma in MYI all’inizio della stagione di crescita, e l’esportazione di ghiaccio verso regioni più meridionali, un fenomeno che persiste durante tutto l’anno (Kwok et al., 2013; Kwok, 2004). Poiché l’invecchiamento del ghiaccio è confinato ai mesi iniziali della stagione (ottobre/novembre), l’esportazione continua del MYI determina una riduzione graduale della sua estensione dopo questo periodo, come evidenziato da Ye et al. (2016).

Dinamiche stagionali di spessore e volume

Lo spessore medio del ghiaccio marino, analizzato nella Figura 18b, mostra un incremento per il ghiaccio totale e per il FYI nel passaggio da marzo ad aprile in ogni anno del periodo di studio. Un comportamento simile si osserva per il MYI, con l’eccezione degli anni 2012 e 2013, durante i quali lo spessore medio del MYI rimane costante nello stesso intervallo temporale. Questa stabilità potrebbe essere legata alla crescita per congelamento del ghiaccio marino artico, che continua anche dopo che l’estensione ha raggiunto il suo massimo annuale, come descritto da Wadhams (2000). Tuttavia, le dinamiche del ghiaccio, come la divergenza e la convergenza della banchisa, giocano un ruolo significativo nel modulare sia l’estensione che lo spessore medio (Kwok e Cunningham, 2015). La divergenza del ghiaccio può portare a un assottigliamento netto della copertura, creando nuove aree di acqua libera che favoriscono la formazione di FYI. Al contrario, la convergenza del ghiaccio può causare un ispessimento della banchisa senza che vi sia una crescita termodinamica diretta (Kwok e Cunningham, 2015). Nonostante l’incremento dello spessore del ghiaccio totale e del FYI tra marzo e aprile, il volume di questi tipi di ghiaccio segue un andamento simile a quello dell’estensione: cresce mensilmente da ottobre a marzo e subisce una leggera diminuzione in aprile, riflettendo l’inizio della fusione estiva. Anche il volume del MYI aumenta durante la stagione di crescita, ma mostra una variabilità mensile più pronunciata rispetto al FYI. Questi dati suggeriscono che, a livello stagionale, le fluttuazioni dell’estensione e del volume totale del ghiaccio marino nell’Artico sono principalmente guidate dalle variazioni del FYI, che domina in termini di estensione e volume, e che il declino stagionale inizia con l’avvento della fusione primaverile.

Variazioni interannuali e ruolo del MYI

A scala interannuale, le variazioni nell’estensione, nello spessore e nel volume del MYI esercitano un’influenza significativa sui parametri complessivi del ghiaccio marino artico. Un esempio emblematico è rappresentato dall’autunno 2012, durante il quale si registra il minimo storico dell’estensione totale del ghiaccio nel periodo di CryoSat-2 (Fig. 18a), in concomitanza con il minimo dell’estensione del MYI. Tuttavia, il minimo dello spessore medio (Fig. 18b) e del volume (Fig. 18c) del ghiaccio totale e del MYI si verifica nell’autunno 2011, evidenziando una sfasatura temporale tra i tre parametri. Un altro evento significativo si osserva nella primavera del 2014, quando l’estensione totale del ghiaccio è la seconda più bassa del periodo per quella stagione (dopo il 2017), ma il volume totale raggiunge il valore più alto. Questo picco volumetrico è associato a un massimo nello spessore medio del ghiaccio totale, determinato da valori record di estensione, spessore e volume del MYI in quello stesso periodo. Questi risultati sottolineano una caratteristica fondamentale del ghiaccio marino artico: i cambiamenti nell’estensione non si traducono necessariamente in variazioni proporzionali del volume. Ad esempio, un’estensione ridotta può coesistere con un volume elevato se lo spessore medio è significativo, come nel caso della primavera 2014. Ciò evidenzia la necessità di integrare le informazioni sullo spessore con quelle sull’estensione per ottenere una valutazione accurata dello stato della banchisa.

Implicazioni per lo studio del ghiaccio marino

L’analisi combinata di estensione, spessore e volume del ghiaccio marino artico rivela la complessità delle dinamiche che governano questo sistema. A livello stagionale, il FYI domina le variazioni di estensione e volume, mentre il MYI gioca un ruolo cruciale nelle fluttuazioni interannuali, influenzando in modo significativo lo stato complessivo della banchisa. Eventi come il minimo dell’estensione nel 2012 e il picco volumetrico del 2014 dimostrano come fattori dinamici e termodinamici interagiscano per determinare l’evoluzione del ghiaccio marino. Questi risultati sottolineano l’importanza di un monitoraggio integrato che tenga conto di tutti e tre i parametri – estensione, spessore e volume – per comprendere appieno le risposte del ghiaccio marino artico ai cambiamenti ambientali e climatici, un aspetto essenziale per prevedere gli impatti a lungo termine sull’ecosistema polare e sul clima globale.

Analisi approfondita della Figura 18: Stime di estensione, spessore e volume del ghiaccio marino artico tramite CryoSat-2 (2011-2017)

La Figura 18 presenta un’analisi dettagliata delle stime di tre parametri fondamentali del ghiaccio marino artico – estensione, spessore medio e volume – ottenute attraverso le osservazioni del satellite CryoSat-2 nel periodo compreso tra il 2011 e il 2017. La figura è strutturata in tre pannelli distinti (a, b, c), ciascuno dedicato a uno dei tre parametri, e riporta i dati relativi al ghiaccio marino totale (indicato con stelle rosse), al ghiaccio di primo anno (First-Year Ice, FYI, rappresentato con diamanti blu) e al ghiaccio pluriennale (Multi-Year Ice, MYI, indicato con triangoli verdi). L’asse temporale, comune a tutti i pannelli, è organizzato in campionamenti stagionali (dicembre, marzo, giugno e settembre) per ciascun anno, consentendo un’analisi sia delle variazioni stagionali che di quelle interannuali. I dati di estensione sono elaborati utilizzando il processore UCL CPOM (Sezione 4.10), mentre le stime di spessore e volume sono derivate direttamente dalle osservazioni di CryoSat-2.

Pannello (a): Estensione del ghiaccio marino

Il pannello (a) riporta l’estensione del ghiaccio marino in milioni di km² (scala 10⁶ km²), evidenziando una chiara ciclicità stagionale. L’estensione totale (stelle rosse) e quella del FYI (diamanti blu) mostrano un incremento progressivo durante la stagione di crescita, che si estende da ottobre a marzo, con valori massimi che si attestano generalmente tra 14 e 16 milioni di km² per il ghiaccio totale in marzo. A partire da aprile, si osserva una leggera diminuzione dell’estensione, che diventa più marcata nei mesi estivi (giugno e settembre), quando i valori scendono al di sotto dei 5 milioni di km², riflettendo l’intensa fusione estiva. L’estensione del MYI (triangoli verdi) segue un andamento differente: pur mantenendo una certa stabilità, con valori compresi tra 2 e 4 milioni di km², tende a diminuire durante la maggior parte delle stagioni di crescita, con l’eccezione del periodo 2012-2013. Questa riduzione è attribuibile all’esportazione di ghiaccio verso regioni più meridionali, un processo continuo durante l’anno, mentre l’invecchiamento del FYI in MYI, che contribuisce all’estensione del MYI, è limitato all’inizio della stagione di crescita (ottobre/novembre). A livello interannuale, il minimo storico dell’estensione totale si registra nell’autunno 2012, con un valore di circa 3,5 milioni di km², in coincidenza con il minimo dell’estensione del MYI. Inoltre, la primavera del 2014 mostra la seconda estensione totale più bassa per quella stagione, superata solo dal 2017, evidenziando la variabilità interannuale di questo parametro.

Pannello (b): Spessore medio del ghiaccio marino

Il pannello (b) rappresenta lo spessore medio del ghiaccio marino in metri, fornendo un’indicazione della robustezza della banchisa. Lo spessore medio del ghiaccio totale e del FYI mostra un incremento graduale durante la stagione di crescita, con valori che raggiungono il massimo tra marzo e aprile. Per il ghiaccio totale, lo spessore medio varia tra 2 e 2,5 m nei mesi di picco, mentre per il FYI si attesta tra 1 e 1,5 m, riflettendo la natura più sottile di questo tipo di ghiaccio. Il MYI, che è intrinsecamente più spesso, presenta valori di spessore medio compresi tra 2,5 e 3 m, con un incremento meno pronunciato rispetto al FYI. È interessante notare che nel 2012 e 2013 lo spessore medio del MYI rimane costante tra marzo e aprile, un fenomeno che potrebbe essere legato alla crescita per congelamento che persiste anche dopo il raggiungimento della massima estensione annuale, come suggerito da Wadhams (2000). Le dinamiche del ghiaccio, come la divergenza e la convergenza della banchisa, influenzano ulteriormente lo spessore medio, creando variazioni locali che possono portare a un assottigliamento o ispessimento netto senza necessariamente riflettere processi termodinamici (Kwok e Cunningham, 2015). A livello interannuale, il minimo dello spessore medio del ghiaccio totale e del MYI si verifica nell’autunno 2011, con valori intorno a 1,5 m per il totale. Al contrario, la primavera del 2014 registra un picco nello spessore medio del ghiaccio totale (circa 2,5 m), guidato da un massimo nello spessore del MYI, che raggiunge valori prossimi a 3 m.

Pannello (c): Volume del ghiaccio marino

Il pannello (c) riporta il volume del ghiaccio marino in migliaia di km³ (scala 10³ km³) ed è equivalente alla Figura 17, ma è qui replicato per facilitare il confronto con estensione e spessore. Il volume totale (stelle rosse) e quello del FYI (diamanti blu) seguono un andamento stagionale simile a quello dell’estensione, con un aumento mensile da ottobre a marzo, raggiungendo picchi di 20-30 mila km³ per il ghiaccio totale, e una leggera diminuzione in aprile, seguita da un calo più marcato in estate. Il volume del MYI (triangoli verdi) cresce anch’esso durante la stagione di crescita, ma mostra una variabilità mensile più pronunciata, con valori che oscillano tra 5 e 10 mila km³. A livello interannuale, il minimo del volume totale e del MYI si registra nell’autunno 2011, con valori di circa 5-7 mila km³ per il totale, mentre la primavera del 2014 segna il massimo volume totale del periodo di studio, con circa 30 mila km³, un valore associato a un picco nel volume del MYI. Questo evento è coerente con il massimo spessore medio osservato nello stesso periodo, evidenziando il ruolo cruciale del MYI nel determinare le variazioni volumetriche.

Implicazioni e considerazioni

La Figura 18 mette in luce la complessa interazione tra estensione, spessore e volume del ghiaccio marino artico, rivelando pattern distinti a scala stagionale e interannuale. A livello stagionale, il FYI domina le variazioni di estensione e volume, con un chiaro ciclo di crescita invernale e fusione estiva. Tuttavia, a scala interannuale, il MYI emerge come un fattore determinante per le variazioni complessive della banchisa, influenzando in modo significativo i parametri totali. Ad esempio, il minimo dell’estensione nell’autunno 2012 non coincide con il minimo del volume, che si verifica invece nell’autunno 2011, dimostrando che una bassa estensione non implica necessariamente un volume ridotto. Al contrario, la primavera del 2014 evidenzia come un’alta concentrazione di MYI, con valori record di estensione, spessore e volume, possa portare a un volume totale massimo, nonostante un’estensione non particolarmente elevata. Questi risultati sottolineano un aspetto critico: l’estensione da sola non è un indicatore sufficiente dello stato del ghiaccio marino, poiché variazioni nello spessore possono compensare o amplificare gli effetti delle variazioni di estensione sul volume totale. Pertanto, un monitoraggio integrato di tutti e tre i parametri è essenziale per comprendere appieno le dinamiche del ghiaccio marino artico e le sue risposte ai cambiamenti ambientali, un elemento chiave per valutare gli impatti del cambiamento climatico sull’ecosistema polare e sul sistema climatico globale.

7. Conclusioni: Sintesi e prospettive della ricerca sul ghiaccio marino artico con CryoSat-2

La missione CryoSat-2 dell’Agenzia Spaziale Europea (ESA) ha rappresentato un punto di svolta nello studio del ghiaccio marino dell’Emisfero Nord, grazie alla sua capacità di fornire una copertura senza precedenti di questa regione. Dal novembre 2010, i dati acquisiti da CryoSat-2 hanno permesso di generare stime a livello emisferico dello spessore e del volume del ghiaccio marino, offrendo un contributo essenziale per comprendere le dinamiche di cambiamento della banchisa artica in un contesto di rapido mutamento climatico. In questo studio, abbiamo presentato una descrizione completa e dettagliata delle procedure di elaborazione adottate presso il Centre for Polar Observation and Modelling (CPOM) per derivare le stime dello spessore e del volume del ghiaccio marino artico a partire dai dati di CryoSat-2. Abbiamo inoltre condotto un’analisi approfondita delle incertezze associate al nostro metodo di recupero, accompagnata da una valutazione critica del nostro prodotto di spessore del ghiaccio marino. Il metodo sviluppato si è dimostrato teoricamente applicabile anche al recupero degli spessori del ghiaccio marino nell’Emisfero Sud, ponendo le basi per lo sviluppo di sistemi di elaborazione del ghiaccio marino per altri altimetri radar satellitari in orbita polare, ampliando così le potenzialità di monitoraggio delle regioni polari.

Limiti e incertezze delle stime

Un aspetto critico emerso dalla nostra analisi è la necessità di migliorare la stima delle incertezze associate alle misurazioni dello spessore del ghiaccio marino. Idealmente, sarebbe auspicabile calcolare un errore specifico per ogni misurazione puntuale, anziché limitarsi a valori medi su celle di griglia. Tuttavia, questo obiettivo è attualmente ostacolato dalla mancanza di informazioni dettagliate sulle scale di correlazione spaziale e sulle variazioni temporali di parametri chiave, come la profondità e la densità della neve, oltre che la densità del ghiaccio marino stesso. Tra i principali fattori che contribuiscono all’incertezza delle nostre stime, la profondità e la densità della neve emergono come i più significativi, con un impatto medio mensile rispettivamente del 10% e del 6% sull’errore totale stimato del volume del ghiaccio marino. È importante sottolineare che queste stime di incertezza potrebbero essere sovrastimate, evidenziando la necessità di sviluppare metodi più precisi per quantificare il carico di neve sul ghiaccio marino. Inoltre, ulteriori indagini sono necessarie per comprendere meglio l’influenza della velocità di propagazione radar e della profondità attraverso la coltre nevosa, parametri che possono influenzare significativamente l’accuratezza delle stime.

Validazione e confronto con dati indipendenti

Nonostante le incertezze descritte, le stime dello spessore del ghiaccio marino derivate da CryoSat-2 si sono rivelate altamente affidabili quando confrontate con misurazioni indipendenti. In particolare, i nostri dati mostrano un accordo con stime di spessore e pescaggio del ghiaccio marino ottenute da piattaforme aeree e oceaniche, con una differenza media di appena 2 mm. Questa discrepanza è notevolmente inferiore rispetto all’accuratezza tipica di entrambi i dataset, che varia tra 10 e 40 cm, confermando la robustezza del nostro metodo. Tuttavia, questa validazione iniziale, condotta utilizzando le stime di spessore del ghiaccio marino di CryoSat-2 Baseline-B, dovrebbe essere ripetuta con le più recenti stime Baseline-C per garantire una maggiore accuratezza. Un miglioramento significativo della validazione potrebbe essere ottenuto attraverso l’acquisizione di dati indipendenti più coincidenti nello spazio e nel tempo con le misurazioni di CryoSat-2, come quelli derivati dai sorvoli CryoVEx e Operation IceBridge (OIB). Inoltre, sarebbe necessario tenere conto della deriva del ghiaccio marino tra il momento e il luogo delle diverse misurazioni, un fattore che può introdurre ulteriori complessità nell’interpretazione dei dati.

Prospettive per il miglioramento delle stime

Per affinare ulteriormente le stime di spessore e volume del ghiaccio marino e ridurre le incertezze associate, è fondamentale approfondire la comprensione della propagazione radar attraverso la neve sul ghiaccio marino artico e delle caratteristiche di ritorno, come l’orizzonte di scattering dominante. Questo potrebbe essere realizzato attraverso misurazioni in situ, come quelle ottenute con radar a penetrazione del suolo (GPR) e rilevamenti diretti della neve (Beckers et al., 2015; Willatt et al., 2010, 2011), oppure mediante studi con altimetri radar a doppia frequenza. Studi recenti hanno dimostrato che l’orizzonte di scattering effettivo di un altimetro radar satellitare in banda Ka si trova più in alto nella coltre di neve rispetto a quello del radar in banda Ku di CryoSat-2 (Armitage e Ridout, 2015; Guerreiro et al., 2016). Tuttavia, tali studi sono limitati dalla scarsa coincidenza spaziale e temporale tra i dataset dei due satelliti e dalla differenza nelle dimensioni delle loro impronte, che complicano un confronto diretto. L’uso di ritorni radar a doppia frequenza potrebbe anche fornire informazioni preziose sull’interazione dei segnali radar con i regimi di neve e ghiaccio più complessi dell’Antartide, caratterizzati da una maggiore variabilità e stratificazione (Massom e Lubin, 2006; Massom et al., 2001; Maksym e Jeffries, 2000; Willatt et al., 2010; Schwegmann et al., 2016).

Implicazioni per future missioni satellitari

Lo studio sottolinea il potenziale beneficio di future missioni satellitari dotate di un carico utile multi-strumentale, che consentirebbe di integrare dati provenienti da diverse fonti per migliorare la comprensione delle dinamiche del ghiaccio marino. Per analizzare il comportamento del ghiaccio marino su scala di bacino e su orizzonti temporali decennali, è essenziale garantire la continuità del monitoraggio satellitare, un elemento cruciale per documentare i cambiamenti a lungo termine della banchisa. Parallelamente, è necessario sviluppare e perfezionare le tecniche di recupero dello spessore del ghiaccio, affrontando le lacune ancora esistenti nella comprensione dei fattori che influenzano le misurazioni radar, come la variabilità della neve e le proprietà fisiche del ghiaccio. Solo attraverso un approccio integrato, che combini avanzamenti tecnologici, validazioni più robuste e una migliore conoscenza dei processi fisici, sarà possibile ottenere una rappresentazione accurata e dettagliata dello stato del ghiaccio marino, contribuendo così a una valutazione più precisa degli impatti del cambiamento climatico sulle regioni polari e sul sistema climatico globale.

https://doi.org/10.1016/j.asr.2017.10.051

Pubblicato da Alessandro il Aprile 24, 2025Aprile 24, 2025

0 commenti

Lascia un commento Annulla risposta

posts recenti

Declino dello spessore del ghiaccio marino artico Un’Analisi Dettagliata di Variabilità Spaziale, Annuale e Interannuale Attraverso un Quarto di Secolo di Dati Sottomarini

Stallo Decennale nella Perdita di Ghiaccio Marino Artico: Evidenze Osservative e Modellistiche di una Pausa Inattesa ma Prevedibile

Decifrando la Perdita di Ghiaccio Marino Artico: Il Ruolo della Variabilità Atmosferica Interna nei Modelli Climatici e nelle Osservazioni

Rivelare le Dinamiche del Ghiaccio Marino Artico: Una Metodologia Avanzata per la Stima di Spessore e VolumeUtilizzando i Dati di CryoSat-2

Pubblicato da Alessandro il Aprile 24, 2025Aprile 24, 2025

0 commenti

Lascia un commento Annulla risposta

posts recenti

Articoli correlati

Declino dello spessore del ghiaccio marino artico Un’Analisi Dettagliata di Variabilità Spaziale, Annuale e Interannuale Attraverso un Quarto di Secolo di Dati Sottomarini

Stallo Decennale nella Perdita di Ghiaccio Marino Artico: Evidenze Osservative e Modellistiche di una Pausa Inattesa ma Prevedibile

Decifrando la Perdita di Ghiaccio Marino Artico: Il Ruolo della Variabilità Atmosferica Interna nei Modelli Climatici e nelle Osservazioni