Pronósticos mejorados del hielo marino del Ártico en la temporada de deshielo al recuperar el grosor del hielo marino a partir de GNSS‐R basado en DNN

Resumen La previsión precisa del hielo marino es esencial para una navegación segura en el Océano Ártico, pero sigue siendo particularmente desafiante durante la temporada de deshielo en verano. Esta dificultad surge principalmente de la inicialización incompleta del hielo marino debido a la escasez de observaciones del grosor del hielo marino (SIT) de mayo a septiembre. Para abordar este problema, desarrollamos un método para recuperar el SIT utilizando una red neuronal profunda. El modelo integra datos de reflexión del Sistema Global de Navegación por Satélite-Reflectometría (GNSS‐R) con la concentración de hielo marino (SIC) derivada de satélites y parámetros atmosféricos y oceánicos relevantes. El SIT recuperado y el SIC observado se asimilan en un modelo acoplado hielo-oceano que permite la mesoscalabilidad para generar un conjunto de datos de “re-análisis” continuo del hielo marino durante toda la temporada de deshielo. La evaluación muestra que nuestro re-análisis supera a los conjuntos de datos existentes, reduciendo los errores tanto en SIC como en SIT en más del 10%. Proporciona una distribución de hielo marino notablemente mejorada en zonas marginales clave y sirve como un campo inicial superior para pronósticos de hielo marino a escala sinóptica. Los errores de pronóstico del SIT se reducen sustancialmente en regiones con sesgos de predicción históricamente grandes, como el Mar de Beaufort, donde el error de pronóstico a los 7 días disminuye en más del 80% en comparación con los pronósticos que no utilizan nuestro SIT recuperado. Este estudio confirma el valor de combinar la tecnología GNSS‐R con datos atmosféricos y oceánicos para recuperar el SIT, y destaca su importancia para mejorar los pronósticos de hielo marino ártico a corto plazo.