![Sample our Environment & Agriculture journals, sign in here to start your access, latest two full volumes FREE to you for 14 days]({"type":"image" , "src" : "/sda/5934/TOC-Subject-Sample-2021-Environment-Agriculture.jpg"})
RÉSUMÉ
A mesure que notre préoccupation pour l'environnement terrestre s'intensifie, nous devons faire appel à de nouvelles sources de données et de nouveaux outils d'analyse pour nous aider à identifier les endroits et le moment où des changements sont susceptibles de se manifester. L'analyse en composantes principales de longues séries chronologiques d'imagerie satellitaire émerge rapidement comme un outil indispensable. Dans cet article, nous démontrons l'utilité de l'analyse en composantes principales pour évaluer un segment du système global du climat - la glace de mer - en tant qu'indicateur intermédiaire de changement climatique. Des données de concentration de glace de mer acquises au cours d'une période de neuf ans en Arctique, entre 1978 et 1987 (mesurées à l'aide du capteur SMMR -Scanning Multichannel Microwave Radiometer/Radiomètre en hyperfréquence multibande à balayage), sont examinées afin de caractériser la variabilité saisonnière de la glace. L'analyse en composantes principales permet d'identifier non seulement les conditions “normales” ou “typiques” de la glace mais elle constitue aussi un outil utile pour extraire la structure spatiale anormale à partir de longues séries chronologiques d'images.
SUMMARY
As our concern for the Earth's environment heightens we must begin to look for new data sources and analysis tools to help us identify where and when changes are occurring. Principal components analysis of long temporal sequences of remote sensing imagery is quickly emerging as one such tool. In this paper we document the utility of principal components analysis for assessing one part of the global climate system - sea ice - as a proxy indicator for climate changes. The nine-year Arctic sea ice concentration record between 1978 and 1987 (as measured by the Scanning Multichannel Microwave Radiometer) is examined with the objective of documenting the characteristics of seasonal ice variability. PCA not only identifies “normal” or “typical” conditions, but it is also a valuable tool for extracting anomalous spatial structure from long time sequences of imagery.
Additional information
Notes on contributors
Joseph M. Piwowar
Joseph M. Piwowar and Ellsworth F. LeDrew are with Waterloo Laboratory for Earth Observations, Department of Geography, University of Waterloo, Waterloo, ON, Canada N2L 3G1
Ellsworth F. LeDrew
Joseph M. Piwowar and Ellsworth F. LeDrew are with Waterloo Laboratory for Earth Observations, Department of Geography, University of Waterloo, Waterloo, ON, Canada N2L 3G1
