Advanced

Arctic sea ice drift - A comparison of modeled and remote sensing data

Karlsson, Stina LU (2016) FYSK02 20161
Department of Physics
Combustion Physics
Abstract
The Arctic climate and the sea ice drift are important to study both for the improvement in short-term forecasts and to get a better understanding of the climate change. Short-term forecasts are needed to improve the shipping and offshore industries in the Arctic Ocean. Changes in the ice thickness and concentration can have massive consequences for people and the environment. In the present work, modeled sea-ice drift from a coupled ocean-ice model was compared with observational sea ice drift from remote sensing data with the aim to se if they correspond to each other. Hybrid Coordinate Ocean Model (HYCOM) was used as an ocean model and Los Alamos Sea ice Model (CICE) was the used sea ice model. The data sets were analyzed with Matlab... (More)
The Arctic climate and the sea ice drift are important to study both for the improvement in short-term forecasts and to get a better understanding of the climate change. Short-term forecasts are needed to improve the shipping and offshore industries in the Arctic Ocean. Changes in the ice thickness and concentration can have massive consequences for people and the environment. In the present work, modeled sea-ice drift from a coupled ocean-ice model was compared with observational sea ice drift from remote sensing data with the aim to se if they correspond to each other. Hybrid Coordinate Ocean Model (HYCOM) was used as an ocean model and Los Alamos Sea ice Model (CICE) was the used sea ice model. The data sets were analyzed with Matlab with reason to create plots and easily readable information. The data sets were from year 2015 and showed that sea-ice maximum occurs in late winter and sea-ice minimum appears in late summer. (Less)
Popular Abstract (Swedish)
Det är välkänt att isarna på polerna krymper och att temperaturerna över hela världen ökar. Att kunna förutsäga vädret i Arktis för att på förhand förstå sig på och ta sig an konsekvenserna av de rådande klimatförändringarna är därför viktigt. Precis som att det görs prognoser av vädret för att underlätta för människors levnad görs det prognoser över Arktis för att förutspå tillväxten och smältningen av is. Detta görs både med modeller och observationer.
I denna undersökning har isdriften i Arktis modellerats. Isdriften beskriver hur isen rör sig. Den modell som utnyttjats är en kopplad is- och havsmodell som används av Danmarks Meteorologiska Institut (DMI). Isdriften är hur isen rör sig. Denna modell beräknar förflyttningen av isen med... (More)
Det är välkänt att isarna på polerna krymper och att temperaturerna över hela världen ökar. Att kunna förutsäga vädret i Arktis för att på förhand förstå sig på och ta sig an konsekvenserna av de rådande klimatförändringarna är därför viktigt. Precis som att det görs prognoser av vädret för att underlätta för människors levnad görs det prognoser över Arktis för att förutspå tillväxten och smältningen av is. Detta görs både med modeller och observationer.
I denna undersökning har isdriften i Arktis modellerats. Isdriften beskriver hur isen rör sig. Den modell som utnyttjats är en kopplad is- och havsmodell som används av Danmarks Meteorologiska Institut (DMI). Isdriften är hur isen rör sig. Denna modell beräknar förflyttningen av isen med både parametrar från det underliggande havet och isen själv. Den modellerade datan jämförs sedan med observationer av isen under samma period, för att på så sett se hur bra den modellerade datan stämmer överens med verkligheten. Observationsdatan som används kommer från radarbilder.
Parametrarna som undersöktes i den modellerade datan var främst koncentrationen av isen, isens tjocklek och dess hastighet år 2015. Med iskoncentration menas hur mycket av en viss yta som är täckt av is. Är iskoncentrationen 100 % finns det inga områden med öppet vatten just där. Med hjälp av dessa parametrar kan isdriften beräknas. Utifrån ovan nämna parametrar beräknades medelvärden för isens tjocklek, koncentration och hastighet. Från detta drogs slutsatsen att den högsta koncentrationen av is hittas i april och den lägsta i september. NASA som har gjort mätningar för samma period har beräknat den största isutbredningen till den 28 februari och den minsta den till den 11 september. En av anledningarna till att resultaten skiljer sig åt är att mätningarna i den här rapporten började 1 april 2015 och sträckte sig till 31 januari 2016. Det är även svårt att jämföra ett värde för en dag med värden för en hel månad. (Less)
Please use this url to cite or link to this publication:
author
Karlsson, Stina LU
supervisor
organization
course
FYSK02 20161
year
type
M2 - Bachelor Degree
subject
language
English
id
8886860
date added to LUP
2016-09-20 12:39:46
date last changed
2016-09-20 12:39:46
@misc{8886860,
  abstract     = {The Arctic climate and the sea ice drift are important to study both for the improvement in short-term forecasts and to get a better understanding of the climate change. Short-term forecasts are needed to improve the shipping and offshore industries in the Arctic Ocean. Changes in the ice thickness and concentration can have massive consequences for people and the environment. In the present work, modeled sea-ice drift from a coupled ocean-ice model was compared with observational sea ice drift from remote sensing data with the aim to se if they correspond to each other. Hybrid Coordinate Ocean Model (HYCOM) was used as an ocean model and Los Alamos Sea ice Model (CICE) was the used sea ice model. The data sets were analyzed with Matlab with reason to create plots and easily readable information. The data sets were from year 2015 and showed that sea-ice maximum occurs in late winter and sea-ice minimum appears in late summer.},
  author       = {Karlsson, Stina},
  language     = {eng},
  note         = {Student Paper},
  title        = {Arctic sea ice drift - A comparison of modeled and remote sensing data},
  year         = {2016},
}