DOI: https://doi.org/10.5194/tc-19-3517-2025
تاريخ النشر: 2025-09-05
المؤلف: Alex Gardner وآخرون
الموضوع الرئيسي: دراسات وملاحظات الكريوسفير
نظرة عامة
تقدم هذه القسم نظرة عامة على مجموعة بيانات سرعة وارتفاع الجليد الأرضي بين المهمات التابعة لوكالة ناسا MEaSUREs (ITS_LIVE)، والتي توفر سجلاً عالمياً شاملاً لسرعات سطح الأنهار الجليدية المستمدة من صور الأقمار الصناعية. تغطي أكثر من 36 مليون زوج من الصور من Landsat 4 إلى Landsat 9، بالإضافة إلى Sentinel-1 و Sentinel-2، تمتد مجموعة البيانات على مدى أربعة عقود وتهدف إلى تسهيل فهم ديناميات الأنهار الجليدية في سياق تغير المناخ. تتيح سلسلة المعالجة الآلية تتبع الميزات في الوقت القريب من الزمن، مما يعالج التحديات المرتبطة بحجم البيانات الكبير ويضمن جودة البيانات المتسقة.
تسلط الاستنتاجات الضوء على هدف ITS_LIVE المتمثل في توفير سجل رصدي قوي لتدفق الأنهار الجليدية، تمت معالجته باستخدام أدوات مفتوحة المصدر من أجل الوصول وسهولة الاستخدام. تعمل النسخة 2.0 من مجموعة البيانات على تحسين الدقة المكانية إلى 120 م وتدعم تنسيقات بيانات متنوعة، بما في ذلك الوصول السحابي للتطبيقات الحديثة. من المتوقع أن تعزز مجموعة البيانات من معايرة نماذج الأنهار الجليدية والصفائح الجليدية والتحقق منها، مما يساعد في توقعات تأثيرات المناخ المستقبلية. بالإضافة إلى ذلك، تهدف الجهود المستمرة إلى دمج البيانات التاريخية من المهمات السابقة للأقمار الصناعية، مما يثري مجموعة البيانات أكثر ويمكّن من اكتشاف أنماط جديدة في سلوك الأنهار الجليدية.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التقدم الكبير في ملاحظات سرعة الأنهار الجليدية على مدى العقود الأخيرة، مع التأكيد على دورها الحاسم في فهم ديناميات تدفق الجليد وآثارها الأوسع على أنظمة الأرض والأنشطة البشرية. لقد شكلت حركات الأنهار الجليدية التاريخية المناظر الطبيعية، مثل الفجوردات في غرينلاند، التي تعتبر حيوية للاقتصادات المحلية المعتمدة على الصيد والسياحة. لقد وثقت الملاحظات الحديثة من الأقمار الصناعية تسارع تدفق الأنهار الجليدية، مما أدى إلى زيادة تصريف الجليد إلى المحيط، وارتفاع مستويات البحار، وتغيير دوران المحيط، وزيادة مخاطر الفيضانات، وكل ذلك يبرز الحاجة الملحة لمراقبة ديناميات الأنهار الجليدية في الوقت الحقيقي في سياق تغير المناخ المستمر.
تتبع الورقة تطور تقنيات قياس سرعة الأنهار الجليدية المعتمدة على الأقمار الصناعية، بدءًا من الثمانينيات مع تحديد الميزات يدويًا والتقدم إلى تطوير خوارزميات متطورة وبرامج مفتوحة المصدر لتتبع الإزاحة بشكل منهجي. لقد أنتجت مشاريع بارزة، مثل تلك التي تستخدم بيانات رادار الفتحة الاصطناعية من RADARSAT لرسم خرائط صفائح الجليد في غرينلاند والقارة القطبية الجنوبية، فسيفساء واسعة من سرعات الجليد، مما يسهل التقدم الكبير في البحث الجليدي. مع استمرار زيادة حجم بيانات الاستشعار عن بعد، تؤكد الورقة على ضرورة وجود حلول معالجة محسّنة سحابياً لإدارة وتحليل هذه البيانات بشكل فعال، مما يمهد الطريق للتطورات المستقبلية في هذا المجال. تم تقديم سلسلة المعالجة السحابية للنسخة 2.0 من ITS_LIVE كعنصر رئيسي في هذا الجهد.
مناقشة
يتبنى مشروع ITS_LIVE نهجاً يعتمد على السحابة أولاً لمعالجة صور الأقمار الصناعية، مستخدماً خدمات الويب من أمازون (AWS) لإدارة متطلبات البيانات والمعالجة الواسعة. يتكون النظام من ثلاثة مكونات رئيسية: مراقبة ITS_LIVE، التي تكشف عن صور الأقمار الصناعية الجديدة؛ خط معالجة هجين قابل للتوصيل (HyP3)، الذي ينظم معالجة الصور؛ و HyP3-autoRIFT، الذي يعالج أزواج الصور وينشر حبيبات السرعة إلى دلو S3 من AWS. يستخدم نظام المراقبة بنية معتمدة على الأحداث لتحديد ومعالجة أزواج الصور المؤهلة بكفاءة من مصادر الأقمار الصناعية المختلفة، بما في ذلك Landsat و Sentinel-2، مع وقت معالجة نموذجي يبلغ 15 دقيقة لبيانات Landsat وما يصل إلى 30 ساعة لـ Sentinel-2.
HyP3 هو خط معالجة قابل للتوسع، بدون خادم، يقلل التكاليف من خلال معالجة البيانات حيث يتم تخزينها. يمكنه التعامل مع أحجام كبيرة، حيث يعالج ما يصل إلى 25 مليون زوج من الصور في شهر واحد. خوارزمية autoRIFT، التي تعد جزءاً لا يتجزأ من HyP3، تعالج كل من البيانات البصرية والرادارية، وتولد تقديرات السرعة من خلال نهج من مستويين يشمل المنتجات من المستوى 2 والمستوى 3. تستخدم المعالجة خوارزمية رسم خرائط مباشرة لتعزيز الكفاءة الحاسوبية وتقليل تشويه البيانات. تشير النتائج إلى تسارع كبير في الأنهار الجليدية في غرينلاند وتغيرات ديناميكية في القارة القطبية الجنوبية، مع اختلافات إقليمية استجابة لتغير المناخ، مما يبرز تعقيد سلوك الأنهار الجليدية عبر مناطق مختلفة.
القيود
تسلط قيود نظام معالجة بيانات ITS_LIVE الضوء على عدة عوامل حاسمة تؤثر على دقة وموثوقية قياسات سرعة الأنهار الجليدية. بينما يمكن معالجة أزواج الصور من المستوى 2 بسرعة، فإن إنتاج فسيفساء المستوى 3 يتطلب تأخيراً زمنياً كبيراً، حيث قد تكون الصور مفصولة بفترة تصل إلى 546 يوماً. يمكن أن يؤدي هذا التأخير إلى عدم توفر الملاحظات من أواخر عام 2023 حتى منتصف عام 2025، مما قد يعيق التحليل في الوقت المناسب. تعتمد دقة تتبع الميزات على وجود أسطح مستقرة للتحديد الجغرافي، وتؤثر دقة حسابات السرعة على حجم وجودة بكسل الصورة. يمكن أن تؤدي الفترات الزمنية الأطول بين الصور إلى تحسين دقة السرعة ولكن قد تؤثر أيضاً على الدقة الزمنية، مما قد يؤدي إلى تفسيرات خاطئة بسبب التغيرات في ميزات السطح.
علاوة على ذلك، يختلف توفر البيانات جغرافياً، حيث لوحظت أعداد بيانات أقل في مناطق مثل جبال الأنديز الجنوبية بسبب الغطاء السحابي المستمر ومعدلات التراكم العالية. يمكن أن تؤثر هذه التباينات على موثوقية المقاييس الموسمية، خاصة في المناطق التي تساهم فيها أزواج الصور الأقل في التحليل. قد لا تلتقط عملية التناسب الجيبي المستخدمة لنمذجة التغيرات الموسمية التغيرات من الدرجة الأعلى أو الأحداث العابرة، مثل اندفاع الأنهار الجليدية، مما يمكن أن يشوه التوصيفات العامة. يُشجع المستخدمون على فحص السلسلة الزمنية الكاملة لبيانات المستوى 2 للحصول على فهم شامل لاتجاهات السرعة والتغيرات الموسمية. بالإضافة إلى ذلك، تم إجراء تحديثات في الإبلاغ عن قيم السرعة من النسخة 1.0 إلى النسخة 2.0 من أجل الاتساق، على الرغم من أنه يجب على المستخدمين أن يكونوا على دراية بالتشوهات المحتملة عند المقارنة بالملاحظات في الموقع.
DOI: https://doi.org/10.5194/tc-19-3517-2025
Publication Date: 2025-09-05
Author(s): Alex Gardner et al.
Primary Topic: Cryospheric studies and observations
Overview
The section provides an overview of the NASA MEaSUREs Inter-mission Time Series of Land Ice Velocity and Elevation (ITS_LIVE) dataset, which offers a comprehensive global record of glacier surface velocities derived from satellite imagery. Covering over 36 million image pairs from Landsat 4 to Landsat 9, as well as Sentinel-1 and Sentinel-2, the dataset spans four decades and is designed to facilitate the understanding of glacier dynamics in the context of climate change. The automated processing chain enables near-real-time feature tracking, addressing challenges associated with large data volumes and ensuring consistent data quality.
The conclusions highlight ITS_LIVE’s goal of providing a robust observational record of glacier flow, processed with open-source tools for accessibility and usability. Version 2.0 of the dataset improves spatial resolution to 120 m and supports various data formats, including cloud-native access for modern applications. The dataset is expected to enhance glacier and ice sheet model calibration and validation, aiding in projections of future climate impacts. Additionally, ongoing efforts aim to incorporate historical data from earlier satellite missions, further enriching the dataset and enabling the discovery of new patterns in glacier behavior.
Introduction
The introduction of this research paper highlights the significant advancements in glacier velocity observations over recent decades, emphasizing their critical role in understanding ice flow dynamics and their broader implications for the Earth’s systems and human activities. Historical glacier movements have shaped landscapes, such as the fjords of Greenland, which are vital for local economies reliant on fishing and tourism. Contemporary satellite observations have documented accelerated glacier flow, leading to increased ice discharge into the ocean, rising sea levels, altered ocean circulation, and heightened flooding risks, all of which underscore the urgent need for real-time monitoring of glacier dynamics in the context of ongoing climate change.
The paper traces the evolution of satellite-based glacier velocity measurement techniques, beginning in the 1980s with manual feature identification and progressing to the development of sophisticated algorithms and open-source software for systematic displacement tracking. Notable projects, such as those utilizing RADARSAT synthetic aperture radar data for mapping the Greenland and Antarctic Ice Sheets, have produced extensive ice velocity mosaics, facilitating significant advancements in glaciological research. As the volume of remote sensing data continues to grow, the paper emphasizes the necessity for cloud-optimized processing solutions to manage and analyze this data effectively, paving the way for future developments in the field. The cloud-native processing chain for the ITS_LIVE version 2.0 is introduced as a key component of this effort.
Discussion
The ITS_LIVE project employs a cloud-first approach for processing satellite imagery, utilizing Amazon Web Services (AWS) to manage extensive data and processing requirements. The system comprises three main components: ITS_LIVE Monitoring, which detects new satellite images; the Hybrid Pluggable Processing Pipeline (HyP3), which orchestrates image processing; and HyP3-autoRIFT, which processes image pairs and publishes velocity granules to an AWS S3 bucket. The monitoring system employs an event-driven architecture to efficiently identify and process qualifying image pairs from various satellite sources, including Landsat and Sentinel-2, with a typical processing time of 15 minutes for Landsat data and up to 30 hours for Sentinel-2.
HyP3 is a scalable, serverless processing pipeline that minimizes costs by processing data where it is stored. It can handle large volumes, processing up to 25 million image pairs in a month. The autoRIFT algorithm, integral to HyP3, processes both optical and radar data, generating velocity estimates through a two-tiered approach that includes Level 2 and Level 3 products. The processing utilizes a direct mapping algorithm to enhance computational efficiency and minimize data distortion. The results indicate significant glacier acceleration in Greenland and dynamic changes in Antarctica, with regional variations in response to climate change, highlighting the complexity of glacier behavior across different regions.
Limitations
The limitations of the ITS_LIVE data processing system highlight several critical factors affecting the accuracy and reliability of glacier velocity measurements. While Level 2 image pairs can be processed rapidly, the generation of Level 3 mosaics requires a significant time lag, as images may be separated by up to 546 days. This delay can result in observations from late 2023 not being available until mid-2025, which may hinder timely analysis. The precision of feature tracking is contingent upon the presence of stable surfaces for georeferencing, and the accuracy of velocity calculations is influenced by image pixel size and quality. Longer time intervals between images can improve velocity accuracy but may also compromise temporal resolution, potentially leading to misinterpretations due to changes in surface features.
Moreover, the availability of data varies geographically, with lower data counts observed in regions like the southern Andes due to persistent cloud cover and high accumulation rates. This variability can affect the reliability of seasonal metrics, particularly in areas with fewer image pairs contributing to the analysis. The sinusoidal fitting used to model seasonal variability may not capture higher-order changes or transient events, such as glacier surges, which can distort overall characterizations. Users are encouraged to examine the complete time series of Level 2 data to gain a comprehensive understanding of velocity trends and seasonal variability. Additionally, updates in the reporting of velocity values from version 1.0 to version 2.0 have been made for consistency, although users should be aware of potential projection distortions when comparing with in situ observations.