Onderzoek naar de relatie tussen het zeeoppervlak chlorofyl en belangrijke kenmerken van de Zuid-Chinese Zee met satellietinformatie

De ruimtelijke en temporele patronen van het zeeoppervlak CHL in de SCS werden beschreven aan de hand van satellietwaarnemingen. Satellietinformatie voor CHL (figuur 1A) en SST (figuur 1B) kan worden verontreinigd door bewolking, wat resulteert in een groot deel van de gegevens niet bruikbaar. De opnieuw geanalyseerde wind (figuur 1C) en SLA (Figuur 1D) gegevens werden niet beïnvloed door de dagelijkse wolken. De topografie (figuur 1E) had een prominente invloed op de ruimtelijke verdeling van CHL. High CHL werd voornamelijk verdeeld langs de kust, waar de topografie ondiep is. Wind werd ook beïnvloed door orografie, en de luwte kant van de bergen werd gekenmerkt door zwakke wind; aldus werd een prominente WSC geïdentificeerd ten zuidwesten van de SCS. De SLA’s waren daarentegen niet erg afhankelijk van topografie en in het bekken van de SCS werd een gebied met ongewoon hoge SLA’s aangetroffen. Figuur 1: Originele waarnemingen voor belangrijke parameters op 15 april 2015.(A) Zeeoppervlak chlorofyl (CHL), (B) zeeoppervlaktemperatuur (SST), (C) windstress krul (WSC, arcering) met windstress (WS, vector), (D) zeeoppervlak anomalie, en (E) topografie voor de oceaan bekken. Klik hier om een grotere versie van dit cijfer te bekijken. Vanwege de ernstige impact van de wolk op satellietwaarnemingen waren veel gegevens niet beschikbaar of ruimtelijk inconsistent. Er werd een effectieve en efficiënte methode toegepast om enkele gegevenshiaten op te vullen en het veld glad te strijken. De gegevens werden eerst vervangen door een 3-daags gemiddelde per pixel, die effectief kan vullen sommige hiaten, omdat de wolken variëren dagelijks (Figuur 2B). Bij elke pixel werd verder een ruimtelijk gemiddelde toegepast, zodat de gegevens werden vervangen door het gemiddelde van de omringende waarden (3 x 3 pixels). Zo werd de ruimtelijke inconsistentie sterk verminderd(figuur 2C). Figuur 2: SST voor één dag op 15 april 2015.(A) Originele SST van MODIS, (B) driedaagse gemiddeld SST, en (C) SST na ruimtelijke smoothing. Klik hier om een grotere versie van dit cijfer te bekijken. De dagelijkse verdeling van SST-fronten is afgeleid van de SST-gradiënten(figuur 3A). De hier toegepaste drempels hebben de locatie van de voorzijde(figuur 3B) effectief vastgelegd en gezorgd voor de weergave van de grenzen van hele watermassa’s (figuur 3C). De hellingen en fronten waren vrijwel identiek omdat de voorkant voornamelijk werd verkregen uit de helling. Figuur 3: Procedure voor frontdetectie afgeleid van SST.(A) Omvang van het SST-verloop (B) de verdeling van SST-fronten in dunne zwarte lijnen en (C)voorverdeling op basis van de overeenkomstige SST-gradiënten. Klik hier om een grotere versie van dit cijfer te bekijken. Vanwege clouddekking in de CHL, SST en frontgegevens werden de maandelijkse gemiddelde tijdreeksen berekend en toegepast in deze studie. Een willekeurig voorbeeld wordt weergegeven in figuur 4 voor de maand april 2015. Er was geen bestaande kloof voor een van de parameters. De algemene patronen voor verschillende parameters waren zeer consistent met betrekking tot hun ruimtelijke variantie. CHL was bijvoorbeeld hoog in de buurt van de kust en laag in het centrale bekken, terwijl de SST laag was in de buurt van de kust en hoog in het centrale bekken. Het maandelijkse gemiddelde bood uitgebreide informatie om regionale kenmerken weer te geven. Fronten werden voornamelijk verdeeld langs de kust, waar de dynamiek complex is. Een groot deel van het bassin was vrij van fronten; zo werd het centrum van de SCS gekenmerkt door een waarde dicht bij nul(figuur 4E). Figuur 4: Maandgemiddelde voor belangrijke parameters in april 2015.(A) CHL (in logaritmeschaal), (B) SST, (C) WSC (arcering) met WS (vector), (D) zeeoppervlakteafwijking en (E) frontale waarschijnlijkheid (FP). Klik hier om een grotere versie van dit cijfer te bekijken. De meeste oppervlaktekenmerken werden gekenmerkt door prominente seizoensgebonden variabiliteit, die duidelijk werd waargenomen met behulp van EOF’s. De EOF is een nuttige wiskundige methode die veel wordt gebruikt in de atmosferische en mariene wetenschappen. De methode kan ruimtelijke patronen en temporele signalen uit tijdreeksen over ruimtelijke domeinen28afbakenen. Na spatiotemporale afbraak voor zeeoppervlakken in de SCS zijn de eerste twee modi over het algemeen nodig voor het beschrijven van de ruimtelijke en temporele variabiliteiten. De eerste twee EOF’s voor CHL beschreven respectievelijk 44% en 12% van de totale variantie. EOF1 veroverde een grote variantie in het noordelijke deel van de SCS (figuur 5A). Het overeenkomstige maandgemiddelde van de tijdreeks (Figuur 5C) toonde aan dat CHL in de winter was verhoogd en in de zomer depressief was. De regio naast de zuidwestkust werd gekenmerkt door een zwakke omvang, en de overeenkomstige variabiliteit werd voornamelijk gevangen door EOF2 (Figuur 5B). CHL waarden waren hoog in de zomer en laag in de winter. Dit was voornamelijk uit fase in vergelijking met het noordelijke deel. De maandelijkse tijdreeksen voor EOV’s toonden duidelijke seizoensvariabiliteit, en EOF2 leidde EOF1 met ongeveer 4 maanden (figuur 5E). Figuur 5: De EOF voor CHL.(A) Omvang van EOF1, (B) omvang van EOF2, (C) maandelijkse gemiddelde tijdreeksen voor EOF1, (D) maandelijkse gemiddelde tijdreeksen voor EOF2, en (E) maandelijkse tijdreeksen van EOF1 (zwart) en EOF2 (blauw). Klik hier om een grotere versie van dit cijfer te bekijken. De verklaarde variantie in de eerste twee EOF’s voor SST was opvallend hoog, wat overeenkomt met respectievelijk 91% en 5% voor EOF1 en EOF2. Het is belangrijk te benadrukken dat het totale gemiddelde moet worden verwijderd voordat EOF wordt uitgevoerd; het gemiddelde veld werd dus uitgesloten. EOF1 domineerde de totale variantie, en de omvang ervan was het grootst in de noordelijke SCS en daalde naar het zuiden (figuur 6A). Het overeenkomstige maandgemiddelde van de tijdreeks (Figuur 6C) toonde aan dat de SST in de zomer was verhoogd en in de winter depressief was. De zuidelijke SCS werd gekenmerkt door een zwakke omvang, toegeschreven aan aanhoudende hoge temperaturen op lage breedtegraden. De variabiliteit in het zuidelijke deel werd voornamelijk vastgelegd door EOF2 (figuur 6B). De overeenkomstige SST werd versterkt tussen maart en juni, terwijl de lage waarden bleven bestaan in de resterende maanden. Prominente opwarming vond plaats in 2010 en 2016, waar de SST voor de kust ten zuidwesten van de SCS veel hoger was dan in de andere jaren(figuur 6E). Deze interjaarlijkse variabiliteit wordt voornamelijk toegeschreven aan El Niño gebeurtenissen die de zuidwestelijke zomer moesson te verminderen en resulteren in een zwakke opwelling12. Omdat seizoensgebonden variabiliteit de belangrijkste focus van de huidige studie is, wordt deze functie niet verder besproken. Figuur 6: De EOF voor SST.(A) Omvang van EOF1, (B) omvang van EOF2, (C) maandelijkse gemiddelde tijdreeksen voor EOF1, (D) maandelijkse gemiddelde tijdreeksen voor EOF2, en (E) maandelijkse tijdreeksen van EOF1 (zwart) en EOF2 (blauw). Klik hier om een grotere versie van dit cijfer te bekijken. Vanwege het lawaaierige karakter van de helling, de afgeleide voorzijde verklaard veel minder van de variantie. EOF1 en EOF2 van FP verklaarden immers slechts respectievelijk 19% en 9% van de totale variantie. EOF1 veroverde de verschillen in het noorden en noordoosten van SCS (figuur 7A). Het overeenkomstige maandgemiddelde van de tijdreeks (figuur 7C) toonde aan dat in die regio’s meer FP in de winter en minder in de zomer plaatsvond. De fase voor de kust ten zuidwesten van de SCS was het tegenovergestelde, hoewel de overeenkomstige variabiliteit veel minder prominent was. EOF2 veroverde de veerverbetering van FP (Figuur 7D) in de westelijke SCS (figuur 7B). De maandelijkse tijdreeksen van EOF1 en EOF2 werden gekenmerkt door zwakke interjaarlijkse variabiliteit. Figuur 7: De EOF voor FP.(A) Omvang van EOF1, (B) omvang van EOF2, (C) maandelijkse gemiddelde tijdreeksen voor EOF1, (D) maandelijkse gemiddelde tijdreeksen voor EOF2, en (E) maandelijkse tijdreeksen van EOF1 (zwart) en EOF2 (blauw). Klik hier om een grotere versie van dit cijfer te bekijken. Verschillende factoren werden onderzocht voor hun relaties met CHL (figuur 8). SST kan bijvoorbeeld worden gebruikt om de fundamentele kenmerken van de oceaan te begrijpen die de groeisnelheid van fytoplankton kunnen beïnvloeden en vervolgens CHL kunnen beïnvloeden. Voor het merendeel van de SCS waren er hoge correlaties tussen SST en CHL(figuur 8A),en de meeste correlaties bereikten meer dan -0,8. Het is belangrijk erop te wijzen dat een hoge correlatie niet wijst op oorzakelijk verband tussen deze twee factoren. Aangezien SST zijn jaarlijkse maximum in de zomer bereikte, werd MLD ondiepste21. Voedingsstoffen die aan de euforische laag werden geleverd, waren laag omdat verticaal mengen werd geblokkeerd door intensieve gelaagdheid13. Als gevolg hiervan beperkten lage voedingsstoffen de groei van fytoplankton en resulteerden in een lage CHL. In tegenstelling, hoge CHL vond plaats in de winter toen de MLD dieper was, en lage SST geïnduceerde zwakke stratificatie35. Figuur 8: Correlaties tussen CHL en andere factoren op seizoenschaal.(A) SST, (B) WS, (C) WSC,d) FP, en (E) SLA. De grijze kleur geeft aan dat de correlatie niet significant is. Ruimtelijk gemiddelde variabelen worden berekend op basis van de groene doos in paneel A. Hun tijdreeksen worden gebruikt om de correlatiecoëfficiënten in tabel 1te verkrijgen . Dit cijfer is gewijzigd van Yu et al.17. Klik hier om een grotere versie van dit cijfer te bekijken. Wind-aangedreven mengen kan ongeveer worden gemeten door WS en werd gebruikt om verticale mengen18te beschrijven. Er werden grote correlatiecoëfficiënten vastgesteld, met waarden van ongeveer 0,8, tussen de WS- en CHL-niveaus ten noorden van de SCS (figuur 8B), met name in de regio’s met de sterkste winterwind op het noordelijke schap van de SCS. Zwakke maar significante correlaties werden gevonden in het zuiden. Correlaties tussen WSC en CHL waren significant in de meerderheid van de SCS (figuur 8C), hoewel ze tegengestelde trends in het noorden en zuiden vertoonden. Een positieve correlatiecoëfficiënt tussen CHL en WSC werd in het zuiden vastgesteld, waarbij negatieve waarden in het noorden lagen. De correlatie in de regio tussen hen was niet significant. De WS en CHL bleken sterk gecorreleerd te zijn in de overeenkomstige regio waar de winter WS het grootst was. Fronten kunnen ook CHL variabiliteit veroorzaken. Een grote correlatie werd gevonden in het noordoosten en zuidwesten van de SCS (Figuur 8D). CHL steeg als frontale activiteiten werd actiever36. De SLA vertoonde een significante negatieve correlatie met CHL van de noordoostelijke SCS naar het zuidwesten en een positieve correlatie langs de westkust van de SCS (figuur 8E). Het is interessant op te merken dat de positieve correlaties waren beperkt tot de regio met ondiepe topografie. Ten noordoosten van de SCS waren alle correlaties groot(figuur 8). Zo werden de correlaties van maandelijkse tijdreeksen tussen CHL en andere parameters berekend aan de hand van het ruimtelijk gemiddelde in een aangewezen vak (figuur 8A), en werden de meeste factoren gecorreleerd met significante correlaties (rechterbovenhoek van tabel 1). Omdat de seizoenscyclus de tijdreeks domineerde, was de correlatie niet langer geldig na het verwijderen van het maandgemiddelde (linksonder gedeelte van tabel 1). Chl-a SST (SST) Ws WSC WSC Fp SLA SLA Chl-a -0.8 0.78 0.67 0.74 -0.71 SST (SST) -0.41 -0.47 -0.51 -0.79 0.86 Ws 0.32 0.04 0.63 0.51 -0.38 WSC WSC 0 0.08 -0.02 0.52 -0.37 Fp 0.21 -0.09 0.03 0.15 -0.74 SLA SLA -0.25 0.42 0.07 0.13 -0.08 Tabel 1: Correlatiecoëfficiënten van de tijdreeks tussen factoren, ten noordoosten van het SCS, bijvoorbeeld SST (zeeoppervlaktetemperatuur), FP (frontale waarschijnlijkheid), WSC (windstress krul) en WS (windstress), met behulp van de doos in figuur 8A. De maandelijkse gemiddelden en afwijkingen worden weergegeven in respectievelijk het gedeelte rechtsboven en links. Getallen in vet en cursief geven aan dat de correlatie niet voldoet aan het betrouwbaarheidsniveau van 95%. De tabel is gewijzigd van Yu et al.17. De correlaties in de seizoenscyclus waren niet significant voor sommige regio’s, zoals het zuidwesten van het SCS(figuur 8). De regio wordt gedomineerd door dynamische processen (bijvoorbeeld opwelling en door de wind veroorzaakte offshore transport) die de variabiliteit in CHL17bepalen. Een significante correlatie tussen CHL en andere factoren (bijvoorbeeld SST, WS, fronten en WSC) werd geïdentificeerd in afwijkende velden(figuur 9). De afwijkingen werden berekend voor de maandelijkse tijdreeksen door het overeenkomstige maandgemiddelde te verwijderen. Het effectieve aantal vrijheidsgraden zou kunnen worden verhoogd, maar eerdere studies hebben aangetoond dat het geen invloed heeft op de onderliggende relaties tussen huntijdreeksen 28,37. Figuur 9: Correlatie tussen CHL en andere factoren in de afwijkende velden.(A) SST, (B) WS, (C) WSC,d) FP, en (E) SLA. De grijze kleur geeft aan dat de correlatie niet significant is. Ruimtelijk gemiddelde variabelen worden berekend op basis van het groene vak in paneel A. De tijdreeksen worden gebruikt om de correlatiecoëfficiënten in tabel 2te verkrijgen . Dit cijfer is gewijzigd van Yu et al.17. Klik hier om een grotere versie van dit cijfer te bekijken. In de afwijkende velden waren CHL en SST aanzienlijk gecorreleerd in de meerderheid van de SCS(figuur 9A). Toen SST ongewoon hoog was, werd CHL ongewoon laag, en vice versa. Evenzo heeft een ongewoon hoge WSC en fronten ten zuidwesten van de SCS hoge niveaus van CHL veroorzaakt, en vice versa(figuur 9C, 9D). Bovendien werd een negatieve correlatie gevonden tussen de SLA’s en de CHL-niveaus (figuur 9E). Verschillende vertragingen werden getest, en de correlatie werd alleen significant als er geen vertraging werd gebruikt. Zo werd CHL tegelijkertijd beïnvloed door afwijkingen in SST, WSC, en fronten, evenals SLA. Hun relatie werd verder onderzocht met behulp van de ruimtelijk gemiddelde maandelijkse tijdreeks ten zuidwesten van de SCS, aangeduid als een groene doos in figuur 9A. Uit de resultaten blijkt dat de meeste factoren waren gecorreleerd met significante correlaties in het afwijkende veld (linksonder gedeelte van tabel 2). Chl-a SST (SST) Ws WSC WSC Fp SLA SLA Chl-a -0.15 0.36 0.35 0.26 -0.15 SST (SST) -0.59 -0.48 0.61 0.07 0.17 Ws 0.25 -0.24 -0.14 -0.02 0.1 WSC WSC 0.29 -0.1 0.41 0.53 -0.21 Fp 0.57 -0.42 0.24 0.29 -0.42 SLA SLA -0.3 0.54 -0.23 -0.29 -0.47 Tabel 2: Correlatiecoëfficiënten van de tijdreeks tussen factoren, gelegen ten zuidwesten van de SCS, bijvoorbeeld SST (zeeoppervlaktetemperatuur), FP (frontale waarschijnlijkheid), WSC (windstress krul) en WS (windstress), met behulp van de doos weergegeven in figuur 9A. Het maandgemiddelde en de afwijkingen worden weergegeven in respectievelijk het gedeelte rechtsboven en links. Getallen in vet en cursief geven aan dat de correlatie niet voldoet aan het betrouwbaarheidsniveau van 95%. De tabel is gewijzigd van Yu et al.17. Aanvullende bestanden. Klik hier om dit bestand te downloaden.