Havoverflateklorfyll, temperatur, havnivåhøyde, vind og frontdata innhentet eller avledet fra satellittobservasjoner gir en effektiv måte å karakterisere havet på. Presentert er en metode for den omfattende studien av disse dataene, inkludert samlet gjennomsnitt, sesongsyklus og interkorrelasjonsanalyser, for å fullt ut forstå regional dynamikk og økosystemer.
Satellittobservasjoner gir en god tilnærming til å undersøke funksjonene til store marine parametere, inkludert havoverflateklorofyll (CHL), havoverflatetemperatur (SST), havoverflatehøyde (SSH) og faktorer avledet fra disse parametrene (f.eks. fronter). Denne studien viser en trinnvis prosedyre for å bruke satellittobservasjoner for å beskrive viktige parametere og deres relasjoner i sesongmessige og uregelmessige felt. Denne metoden er illustrert ved hjelp av satellittdatasett fra 2002-2017 som ble brukt til å beskrive overflatefunksjonene i Sør-Kinahavet (SCS). På grunn av skydekning ble månedlige gjennomsnittsdata brukt i denne studien. Den empiriske ortogonale funksjonen (EOF) ble brukt til å beskrive romlig fordeling og temporale variasjoner av ulike faktorer. Monsunvinden dominerer variasjonen i bassenget. Dermed ble vind fra reanalysedatasettet brukt til å undersøke sin drivkraft på ulike parametere. Den sesongmessige variasjonen i CHL var fremtredende og betydelig korrelert med andre faktorer i et flertall av SCS. Om vinteren induserer en sterk nordøstmonsun et dypt blandet lag og høyt nivå av klorofyll i hele bassenget. Signifikante korrelasjonskoeffisienter ble funnet blant faktorene i sesongsyklusen. Om sommeren ble det for det meste funnet høye CHL-nivåer i det vestlige SCS. I stedet for en sesongmessig avhengighet var regionen svært dynamisk, og faktorer korrelerte betydelig i uregelmessige felt slik at uvanlig høye CHL-nivåer var forbundet med unormalt sterk vind og intense frontale aktiviteter. Studien presenterer en trinnvis prosedyre for å bruke satellittobservasjoner for å beskrive viktige parametere og deres relasjoner i sesongmessige og uregelmessige felt. Metoden kan brukes på andre globale hav og vil være nyttig for å forstå marin dynamikk.
Fjernmålingsteknologi gir flotte datasett med store romlige skalaer og lange perioder for å beskrive marine miljøer. Med den økende romlige oppløsningen av satellitter, er detaljerte funksjoner nå løst fra den regionale skalaen til noen hundre meter1,2. En forbedret forståelse av marin dynamikk kan oppnås med de fleste oppdaterte satellittobservasjoner3.
Ved å innlemme flere sensorer på en fjernmålingsplattform, er en omfattende beskrivelse av ulike parametere mulig. Havoverflatetemperatur (SST) er den grunnleggende parameteren som har blitt observert i mer enn et halvt århundre4. Nylig har observasjoner for havoverflaten klorofyll-a (CHL) blitt tilgjengelige og kan brukes til å beskrive marin produktivitet5. Høydemålssatellitter brukes til måling av havoverflatehøyde6,7, som er sterkt relatert til mesoscale eddy aktiviteter i det globalehavet 8,9. I tillegg til eddies er frontalaktiviteter også viktig for å påvirke regional dynamikk og primærproduksjon10.
Hovedfokuset i den nåværende studien er å finne en standard prosedyre for å beskrive romlig fordeling og timelige variasjoner av ulike havfaktorer. I denne metoden analyseres SST-, CHL-, SSH- og frontdata, som er avledet fra SST-graderinger, for å bestemme mønstre. Spesielt brukes CHL til å representere havets produktivitet, og en metode innføres for å undersøke forholdet mellom CHL og andre havparametere. For å validere metoden ble tidsperioden mellom oktober 2002 og september 2017 i Sør-Kinahavet brukt til å undersøke alle parametere. Metoden kan enkelt brukes til andre regioner over hele verden for å fange opp store havmønstre og utforske hvordan marin dynamikk påvirker økosystemet.
Sør-Kinahavet (SCS) ble utpekt som studieregionen på grunn av sin relativt høye dekningsgrad av satellittobservasjoner. SCS er rikelig i solstråling; Dermed er CHL hovedsakelig bestemt av tilgjengeligheten av næringsstoffer11,12. Med flere næringsstoffer som transporteres inn i det eufotiske laget, kan CHL-nivåene øke13. Blanding, indusert av vind, kan introdusere næringsstoffer i havoverflaten og forbedre CHL14. SCS er unikt dominert av et monsunvindsystem, som bestemmer dynamikken og økosystemet i regionen. Monsunvinden er sterkest om vinteren15. Om sommeren endrer vinden retning og vindhastighetene er mye svakere enn de om vinteren16,17. Vindintensiteten kan bestemme styrken av vertikal blanding, slik at blandet lagdybde (MLD) blir dypere etter hvert som vinden øker om vinteren og blir grunnere etter hvert som vinden minker sommeren18. Dermed blir flere næringsstoffer transportert inn i euforisk lag om vinteren når vinden er sterk19 og CHL når sitt høyeste punkt i året20,21.
I tillegg til vinden kan MLD også bestemmes ved hjelp av andre faktorer, for eksempel SST og havnivåanomalier (SLA), som til slutt påvirker næringsinnhold og CHL22. Om vinteren er den svake vertikale gradienten forbundet med lave temperaturer på overflaten20. Den tilsvarende MLD er dyp og flere næringsstoffer kan transporteres oppover; Dermed er CHL i overflatelaget høy17. En økende variasjon i CHL nivåer kan tilskrives mesoscale eddies, som induserer vertikal transport og blanding23. Oppgang finnes vanligvis i sykloniske eddies forbundet med deprimerte SLA8,9 ogforhøyede CHL konsentrasjoner24. Downwelling finnes vanligvis i anticyclonic eddies forbundet med forhøyede SLA8,9 og deprimerte CHL konsentrasjoner24. For andre sesonger blir MLD grunn, og blanding blir svak; Dermed kan lav CHL observeres over mesteparten av bassenget25. De sesongmessige syklusene av CHL nivåer er senere dominerende for regionen26.
I tillegg til blanding kan fronter og tilhørende kystoppgang ytterligere modulere CHL. Fronten, som er definert som en grense for ulike vannmasser, er viktig for å bestemme den regionale sirkulasjons- og økosystemresponsen27. Frontogenese er vanligvis forbundet med kystoppgang og konvergens28,29, som kan indusere næringsstoffer og heve veksten av planteplankton30. Ulike algoritmer er utviklet for å automatisk identifisere fronter fra satellittobservasjoner, inkludert histogrammet og SST gradient metoder. Den sistnevnte tilnærmingen er vedtatt i denne studien28.
Sammenhengen mellom tidsserier mellom CHL og ulike faktorer gir stor innsikt for å kvantifisere forholdet. Den nåværende studien gir en omfattende beskrivelse av hvordan du bruker satellittobservasjoner for å avsløre regional marin dynamikk knyttet til produktivitet. Denne beskrivelsen kan brukes som en veiledning for å undersøke overflateprosessene i alle deler av havet. Strukturen i denne artikkelen inneholder en trinnvis protokoll, etterfulgt av beskrivende resultater i teksten og figurene. Anvendelsen i tillegg til fordeler og ulemper ved metoden diskuteres senere.
I denne studien er de viktigste funksjonene i marine systemer beskrevet ved hjelp av satellittobservasjoner. CHL, som kan brukes til å representere havproduksjon, er valgt som en indikatorfaktor. Faktorer relatert til CHL-variasjon ble undersøkt ved hjelp av månedlige gjennomsnittlige tidsserier, for eksempel SST, WS, WSC, FP og SLA. Tre kritiske trinn er beskrevet i denne studien: anskaffe satellittdata for ulike parametere, beskrive deres romlige og timelige variasjoner via EOF, og bestemme sammenhenger mellom ulike faktorer ved å beregne korrelasjonskoeffisienter. En detaljert prosedyre som viser identifikasjon for daglig frontal distribusjon, som er avledet fra SST observasjoner, er inkludert. To store tilnærminger er utviklet for SST frontdeteksjon: gradientmetoden10,38 og histogrammetmetode 39,40. Histogrammet metoden er basert på et lignende verdiområde for SST, som kan brukes til å dele vannmassene i forskjellige grupper. Pikslene med verdier mellom ulike grupper som representerer pikselen i et overgangsbånd, defineres som fronter. På den annen side skiller graderingsmetoden flere relativt ensartede vannlegemer som piksler med store graderingsverdier. En sammenligningsstudie ble utført, og de fant lavere falske priser ved hjelp av histogrammet metoden og færre tapte fronter ved hjelp av gradientmetoden41. I denne studien ble den gradientbaserte metoden38 vedtatt etter tidligere studier10,28. Algoritmen kan unngå frontbrudd i flere kantfragmenter ved å la størrelsen reduseres til et nivå under en mindre terskel. I tillegg til datasettet som er inkludert her, kan andre satellittobservasjoner, som aerosolindeksen, også brukes med en lignende tilnærming.
De fleste prosedyrene kan brukes direkte i andre regioner eller datasett. Det kan skje endringer for å endre terskelen for frontdeteksjon. Fordi SST-graderingen i SCS er sammenlignbar med Eastern Boundary Current System28, ble de samme terskler implementert for den gjeldende studien. En tidligere studie viste at SST-gradienten fra forskjellige datasett kan variere så mye som tre ganger42, noe som gjør metoden på en eller annen måte mindre objektiv. Betydelige studier har undersøkt frontalaktiviteter rundt de globale havene28,43. Den beste tilnærmingen til å validere fronter er å sammenligne dem med in situ observasjoner. Yao44 beskrev den månedlige frontalfordelingen for SCS. Deres resultater var godt enig med in situ målinger. Den generelle gradienten bør kontrolleres og justeres siden verdien kan variere avhengig av romlig oppløsning og instrumenter. Terskelen bør spesielt oppdateres når et annet Datasett for SST brukes. En grunnleggende forståelse av den regionale dynamikken er grunnleggende for å forstå frontogenese45,46,47. Frontdeteksjonsskriptet kan utvikles av individuelle forfattere basert på beskrivelsen i dette papiret.
Satellittinformasjon gir en omfattende forståelse av overflatefunksjoner, og en resultatsammenligning med in situ observasjoner kan bidra til å evaluere troverdighet. Imidlertid er satellittobservasjoner begrenset til havoverflaten, noe som begrenser applikasjonen for å forstå den vertikale strukturen i vannsøylen. I en fersk studie viste satellittobservasjoner at overflaten CHL økte med 15 ganger, men den vertikale integrerte verdien økte bare med 2,5 ganger48. Denne forskjellen var fordi overflateverdien ble påvirket av kaffects av planteplankton vekst og stimering av MLD, noe som resulterer i en urealiserbar verdi på overflaten. Dermed kan overflatefunksjonen ikke gi en nøyaktig beskrivelse for hele vannkolonnen. I tillegg begrenser påvirkningen av skydekning de kontinuerlige observasjonene av satellitter. Dermed beregnes månedlige tidsserier for ulike faktorer i samme region og samme periode. Dette vil garantere troverdigheten til å beregne korrelasjonene mellom ulike faktorer. Men kortperiodehendelsene, for eksempel tyfoner som varer i noen dager til en uke, vil ikke bli løst.
Sammenlignet med tidligere studier kan den foreslåtte metoden tilby romlig informasjon på pikselnivå, noe som kan bidra til å evaluere dynamikken på en mer detaljert måte. Noen tidligere studier gjennomsnitt hele SCS som et enkelt tall og fikk en tidsserie. De fant at en uvanlig sterk WS og høy SST kan indusere uregelmessig høy CHL16, som er i samsvar med dagens resultat. Den romlige variasjonen i relasjonene ble imidlertid ikke løst. I denne studien var korrelasjonen i bassengskala mellom WS og CHL svak i det uregelmessige feltet. En stor signifikant korrelasjon ble bare identifisert for visse områder, for eksempel i midten av SCS (figur 9B). Dermed tilbyr den nåværende metoden en omfattende beskrivelse for å undersøke romlige variasjoner. Tilsvarende ble observasjoner fra to Bio-Argo flyter brukt og viste at WSC ikke korrelerte med CHL variabilitet20. Banene til de to flytene er imidlertid bare plassert i visse regioner. I dette tilfellet var det nøyaktig innenfor bandet hvor korrelasjonen mellom CHL-nivået og WSC ikke var signifikant (figur 8D). Den foreslåtte metoden er svært nyttig for å løse den romlige avhengigheten blant faktorer, noe som er en grunnleggende egenskap ved det globale havet.
Oppsummert kan metoden som brukes her nøyaktig beskrive romlig fordeling og temporal variasjon i havoverflatefunksjoner ved hjelp av satellittobservasjoner. Med den økende oppløsningen av satellittdatasett kan mer detaljerte funksjoner identifiseres og undersøkes, noe som muliggjør en generell forståelse av regionale funksjoner, inkludert CHL, SST og SSH. Korrelasjonen av månedlige tidsserier mellom ulike faktorer kan bidra til å forstå deres dynamiske relasjoner og potensiell innvirkning på etøkosystem 49. Fordi korrelasjonen i stor grad kan variere på forskjellige romlige steder, tilbyr den foreslåtte metoden en detaljert og omfattende beskrivelse. En lignende tilnærming kan brukes på ethvert havbasseng over hele verden, noe som vil være svært nyttig for å forbedre forståelsen av marin dynamikk og økosystemer.
The authors have nothing to disclose.
Støtten fra National Key Research and Development Program of China (nr. 2016YFC1401601), Postgraduate Research & Practice Innovation Program i Jiangsu-provinsen (nr. SJKY19_0415) støttet av Fundamental Research Funds for de sentrale universitetene (nr. 2019B62814), National Natural Science Foundation of China (nr. 41890805, 41806026 og 41730536) og Joint Advanced Marine and Ecological Studies i Bengalbukta og det østlige ekvatoriale Indiahavet ble sterkt anerkjent. Forfatterne setter pris på levering av data fra kilder, inkludert National Aeronautics and Space Administration (NASA), European Centre for Medium-Range Weather Forecasts (ECMWF), Copernicus Marine and Environment Monitoring Service (CMEMS) og National Oceanic and Atmospheric Administration (NOAA).
Matlab | MathWorks | Matlab R2016 | https://www.mathworks.com/products/matlab.html; referred to analysis software in the protocol |
Sea surface chlorophyll | NASA | MODIS | mg/mg3 (podaac-tools.jpl.nasa.gov) |
Sea surface height | AVISO | AVISO | meter (www.aviso.altimetry.fr) |
Sea surface temperature | NASA | MODIS | °C (podaac-tools.jpl.nasa.gov) |
Topography | NOAA | NGDC | meter (maps.ngdc.noaa.gov/viewers/wcs-client/) |
Wind | ECMWF | ERA-interim | m/s (www.ecmwf.int/en/forecasts/datasets) |