Klimatförändringarna i Arktis sker i en snabbare takt än någon annanstans på jorden. I regionen är det framförallt havsisens utbredning som drabbas, vilken har minskat med 3.8 % av medelstorleken per decennium under åren 1979-2012. För att klimatmodellerna ska kunna göra så bra beräkningar som möjligt av det framtida klimatet behövs mer observationsdata och bättre förståelse av Arktis klimatsystem. Det arktiska klimatet är komplext, svåråtkomligt för observationer och därför mindre utforskat än klimatsystemen på resten av jorden. Detta gör att klimatmodellerna i nuläget har begränsningar för regionen. De arktiska molnen utgör en osäker faktor i sammanhanget. Molnen är en viktig del i strålningsbalansen och har en stark korrelation med havsisen. De arktiska molnen har en tydlig säsongsvariation med mer molnighet sommartid än under vinterhalvåret. Detta gör att molnen över Arktis till skillnad från i jordens övriga regioner har en totalt sett värmande effekt alla årstider förutom sommaren. Forskarna är även överens om att mer observationsdata och kunskap behövs inom området, vilket skulle förbättra klimatmodellerna och öka kunskapen kring korrelationen mellan molnen och den arktiska havsisen. / In the Arctic the climate changes faster than anywhere on the planet. It is especially the expansion of the sea ice that is affected. Over the years 1979-2012, the annual average extent of the Arctic sea ice has been reduced with 3.8 % per decade. In order for climate models to make the best possible calculations of the future climate, more observation data and better understanding of the Arctic climate system are needed. The Arctic climate is complex, difficult to reach for observations and therefore less explored than the climate systems in the rest of the world. This means that climate models currently have limitations for the region. The Arctic clouds constitute an uncertain factor in this context. Clouds are an important part of the radiation balance and have a strong correlation with the sea ice. The Arctic clouds have a clear seasonal variation with more cloudiness in summer than during the winter. This makes the Arctic clouds, unlike in the rest of the world, to have a total warming effect all seasons except during the summer. The researchers also agree that more observation data and knowledge are needed for the area. It would improve climate models and expand the science about the correlation between the clouds and the Arctic sea ice.

The atmospheric boundary layer in the Arctic is essential for the understanding of climate change and improving regional weather prediction. The aim of this study is to investigate to which degree wind speed profiles retrieved in the Arctic agree with well known wind profile concepts and understand which local impact factors influence the wind speed profile. As part of the Nansen Legacy project, scientists from the University Centre in Svalbard and the University of Bergen installed two wind lidars onboard the research vessel “Kronprins Haakon” during the “Winter Process Cruise” in February 2021. Wind speed profiles were collected over a period of two weeks. They were manually classified into three categories based on their shape. The ideally shaped profiles were fitted against the wind profile power law to identify the exponent, α, for use in the Arctic marine boundary layer. α was found to be 4-5 times smaller than the conventionally applied α = 1/7 for profiles retrieved over open water, which was associated with unstable atmospheric conditions. Additionally, α was found to be considerably larger than 1/7 when sea ice was present, which was associated with stable conditions. A dependency on wind speed was also found. These results underline the importance of adjusting the exponent in order to ac- curately model the wind speed in the Arctic marine boundary layer. The results might be important for optimizing potential wind energy production, which is of great interest with the increasing human activ- ity in the Arctic. Reversed profiles (wind speed maxima closest to the surface) were mainly measured over open ocean and during low wind speeds and were speculated to be related to swell conditions. Pro- files containing a maxima in low levels were primarily measured during stable atmospheric conditions when sea ice was present. Future research in Arctic conditions would benefit from extending wind speed measurements to even lower levels and including stability measurements for an even deeper analysis.

The extent of Arctic sea ice has decreased over the years and the importance of sea ice monitoring is expected to increase. Remote sensing change detection compares images acquired over the same geographic area at different times in order to identify changes that might have occurred in the area of interest. Change detection methods have been developed for cryospheric topics. The Kittler-Illingworth thresholding algorithm has proven to be an effective change detection tool, but has not been used for sea ice. Here it is applied to Arctic sea ice data. The objective is to investigate the unsupervised detection of changes in Arctic sea ice using multi-temporal SAR images. The well-known Kittler-Illingworth algorithm is tested using two density function models, i.e., the generalized Gaussian and the log-normal model. The difference image is obtained using the modified ratio operator. The histogram of the change image, which approximates its probability distribution, is considered to be a combination of two classes, i.e., the changed and unchanged classes. Histogram fitting techniques are used to estimate the unknown density functions and the prior probabilities. The optimum threshold is selected using a criterion function directly related to classification error. In this thesis three datasets were used covering parts of the Beaufort Sea from the years 1992, 2002, 2007 and 2009. The SAR and ASAR C-band data came from satellites ERS and ENVISAT respectively. All three were interpreted visually. For all three datasets, the generalized Gaussian detected a lot of change, whereas the log-normal detected less. Only one small subset of a dataset was validated against reference data. The log-normal distribution then obtained 0% false alarm rate through all trials. The generalized Gaussian obtained false alarm rates around 4% for most of the trials. The generalized Gaussian achieved detection accuracies around 95%, whereas the log-normal achieved detection accuracies around 70%. The overall accuracies for the generalized Gaussian were about 95% in most trials. The log-normal achieved overall accuracies at around 85%. The KHAT for the generalized Gaussian was in the range of 0.66-0.93. The KHAT for log-normal was in the range of 0.68-0.77. Using one additional speckle filter iteration increased the accuracy for the log-normal distribution. Generally, the detection of positive change has been accomplished with higher level of accuracy compared with negative change detection. A visual inspection shows that the generalized Gaussian distribution probably over-estimates the change. The log-normal distribution consistently detects less change than the generalized Gaussian. Lack of validation data made validation of the results difficult. The performed validation might not be reliable since the available validation data was only SAR imagery and differentiating change and no-change is difficult in the area. Further due to the lack of reference data it could not be decided, with certainty, which distribution performed the best. / Ytan av arktisk havsis har minskat genom åren och vikten av havsisövervakning förväntas öka. Förändrigsdetection jämför bilder från samma geografiska område från olika tidpunkter föra att identifiera förändringar som kan ha skett i intresseområdet. Förändringsdekteringsmetoder har utvecklats för kryosfäriska ämnen. Tröskelvärdesbestämning med Kittler-Illingworth algoritmen har visats sig vara ett effektivt verktyg för förändringsdetektion, men har inte änvänts på havsis. Här appliceras algoritmen på arktisk havsis. Målet är att undersökra oövervakad förändringsdetektion i arktisk havsis med multitemporella SAR bilder. Den välkända Kittler-Illingworth algoritmen testas med två täthetsfunktioner, nämligen generaliserad normaldistribution och log-normal distributionen. Differensbilden erhålls genom den modifierad ratio-operator. Histogrammet från förändringsbilden skattar dess täthetsfunktion, vilken anses vara en kombination av två klasser, förändring- och ickeförändringsklasser. Histogrampassningstekniker används för att uppskatta de okända täthetsfunktionerna och a priori sannolikheterna. Det optimala tröskelvärdet väljs genom en kriterionfunktion som är direkt relaterad till klassifikationsfel. I detta examensarbete användes tre dataset som täcker delar av Beaufort-havet från åren 1992, 2002, 2007 och 2009. SAR C-band data kom från satelliten ERS och ASAR C-band data kom från satelliten ENVISAT. Alla tre tolkades visuellt och för alla tre detekterade generaliserad normaldistribution mycket mer förändring än lognormal distributionen. Bara en mindre del av ett dataset validerades mot referensdata. Lognormal distributionen erhöll då 0% falska alarm i alla försök. Generalised normaldistributionen erhöll runt 4% falska alarm i de flesta försöken. Generaliserad normaldistributionen nådde detekteringsnoggrannhet runt 95% medan lognormal distributionen nådde runt 70%. Generell noggrannheten för generaliserad normaldistributionen var runt 95% i flesta försöken. För lognormal distributionen nåddes en generell noggrannhet runt 85%. KHAT koefficienten för generaliserad normaldistributionen var i intervallet 0.66-0.93. För lognormal distributionen var den i intervallet 0.68-0.77. Med en extra speckle-filtrering ökades nogranneheten för lognormal distributionen. Generellt sett, detekterades positiv förändring med högre nivå av noggrannhet än negativ förändring. Visuell inspektion visar att generaliserad normaldistribution troligen överskattar förändringen. Lognormal distributionen detekterar konsistent mindre förändring än generaliserad normaldistributionen. Bristen på referensdata gjorde valideringen av resultaten svårt. Den utförda valideringen är kanske inte så trovärdig, eftersom den tillgänliga referensdatan var bara SAR bilder och att särskilja förändring och ickeförändring är svårt i området. Vidare, på grund av bristen på referensdata, kunde det inte bestämmas med säkerhet vilken distribution som var bäst.

The seasonal retreat of sea ice in the austral spring and summer around Antarctica has a significant effect on phytoplankton activity, mainly due to light availability, meltwater input of dissolved iron, and surface water stratification. Phytoplankton produce dimethylsulfoniopropionate, the precursor to the climate-cooling gas dimethyl sulphide, which is ventilated to the atmosphere and oxidised to methane sulphonic acid (MSA). MSA is preserved in firn and ice cores from both the Arctic and Antarctica. Attempts to reconstruct sea ice conditions in different regions of Antarctica with the help of MSA records from ice cores have had varying success, highlighting the often-regional relationship between ice core MSA and sea ice. This study uses MSA records from three firn cores and one ice core drilled on Fimbul Ice Shelf in Dronning Maud Land, East Antarctica, to investigate the relationship to satellite-derived sea ice extent (SIE) in five sectors of the Southern Ocean. Chlorophyll-a concentrations, serving as a measure of phytoplankton biomass, are correlated to the MSA records to further test the MSA – SIE relationship. The firn cores are named after the ice rise where they were drilled: Kupol Ciolkovskogo (KC), Kupol Moskovskij (KM), and Blåskimen Island (BI). The ice core is named S100. The results show that there is a significant, yet weak positive correlation between summer MSA in the KM core and winter SIE in the Weddell Sea Sector. There is also a significant, weak positive correlation between summer MSA in the BI core and summer chlorophyll-a concentrations in the Weddell Sea Sector. There are no significant correlations between MSA in the low-accumulation KC or S100 cores and SIE or chlorophyll-a concentrations. Furthermore, the two high-accumulation core sites in this study, BI and KM, do not display the same relationship between MSA and SIE or MSA and chlorophyll-a, which is likely due to very local wind patterns. Surface winds on Fimbul Ice Shelf are easterly or north-easterly which results in a more coastal influence at the KM site compared to the BI site, likely introducing the differences observed when comparing the two MSA records. More research aimed at evaluating the meteorological conditions that prevail at the core sites is needed to further assess the use of the MSA records from the high-accumulation ice rise cores BI and KM as proxies for SIE in the Weddell Sea region, but in their current state these MSA records are not suitable to use for sea ice reconstruction. / Havsisen kring Antarktis smälter årligen under vår- och sommarmånaderna, vilket har en betydande inverkan på fytoplankton eftersom isen reglerar tillgången till solljus, det viktiga näringsämnet järn samt vattenkolumnens stabilitet. Fytoplankton producerar ämnet dimetylsulfid som oxideras till metansulfonsyra (MSA) i atmosfären. MSA kan sedan transporteras till Antarktis där det avsätts och bevaras i snön. Genom att borra upp iskärnor kan man erhålla ett daterat MSA-arkiv, som i flera fall har använts för att försöka rekonstruera havsisens utbredning. Dessa försök har haft varierande framgång, vilket beror på att förhållandet mellan MSA och havsis ofta är regionalt betingat. I den här studien har MSA-arkiven från tre firnkärnor och en iskärna tagna från Fimbulisen i Dronning Maud Land, Östra Antarktis, använts för att undersöka förhållandet till havsisutbredning i Antarktiska Oceanen. Dessutom har klorofyll-a, ett sätt att mäta fytoplanktonens biomassa i havet, också korrelerats till MSA-arkiven för att ytterligare testa förhållandet mellan MSA och havsis. Firnkärnorna är döpta efter platsen de borrades på: Kupol Ciolkovskogo (KC), Kupol Moskovskij (KM) och Blåskimen Island (BI). Iskärnan kallas S100. Resultaten av korrelationsberäkningarna påvisar en signifikant men svagt positiv korrelation mellan sommar-MSA i KM-kärnan och havsisutbredning under vintern i Weddellhavet. Dessutom finns det en signifikant, svag korrelation mellan sommar-MSA i BI-kärnan och klorofyll-a under sommaren i Weddellhavet. Inga signifikanta korrelationer mellan MSA i KC- eller S100-kärnorna och havsis eller klorofyll-a kan påvisas. Det faktum att MSA-arkiven från BI- och KM-kärnorna inte uppvisar samma förhållande till havsisutbredning eller klorofyll-a kan förklaras av de lokala vind- och transportmönstren som är aktiva på olika delar av Fimbulisen. Marknära vindar är ostliga eller nordostliga i det här området vilket resulterar i ett högre inflytande av kustliga vindar vid KM jämfört med vid BI. Detta är förmodligen tillräckligt för att påverka MSA-arkiven att uppvisa olika korrelationsmönster till havsis och klorofyll-a. För att fortsatt utreda lämpligheten av MSA-arkiven från KM och BI för att rekonstruera havsisutbredning i Weddellhavet behövs mer forskning kring de specifika meteorologiska förhållanden som är aktiva på Fimbulisen.