Havsytan klorofyll, temperatur, havsnivåhöjd, vind, och främre data som erhållits eller härrör från satellitobservationer erbjuder ett effektivt sätt att karakterisera havet. Presenteras är en metod för omfattande studie av dessa data, inklusive övergripande genomsnitt, säsongscykel, och interkorrelation analyser, att till fullo förstå regional dynamik och ekosystem.
Satellitobservationer erbjuder ett bra tillvägagångssätt för att undersöka funktionerna hos stora marina parametrar, inklusive havsyta klorofyll (CHL), havsyttemperatur (SST), havsytans höjd (SSH) och faktorer som härrör från dessa parametrar (t.ex. fronter). Denna studie visar en steg-för-steg-procedur för att använda satellitobservationer för att beskriva större parametrar och deras relationer i säsongs- och avvikande fält. Denna metod illustreras med hjälp av satellitdatauppsättningar från 2002–2017 som användes för att beskriva ytegenskaperna i Sydkinesiska havet (SCS). På grund av molntäckning användes månatliga genomsnittliga data i denna studie. Den empiriska ortogonala funktionen (EOF) tillämpades för att beskriva den rumsliga fördelningen och tidsmässiga variabilities av olika faktorer. Monsunvinden dominerar variabiliteten i bassängen. Således användes vind från datauppsättningen för omanalyser för att undersöka dess drivkraft på olika parametrar. Den säsongsvariationer i CHL var framträdande och signifikant korrelerade med andra faktorer i en majoritet av SCS. På vintern inducerar en stark nordostmonsun ett djupt blandat lager och hög nivå av klorofyll i hela bassängen. Betydande korrelationskoefficienter konstaterades bland faktorer vid säsongscykeln. På sommaren, hög CHL nivåer hittades mestadels i västra SCS. I stället för en säsongsberoende, regionen var mycket dynamisk, och faktorer korrelerade betydligt i avvikande fält så att ovanligt höga CHL nivåer var associerade med onormalt starka vindar och intensiva frontalaktiviteter. Studien presenterar ett stegvis förfarande för att använda satellitobservationer för att beskriva viktiga parametrar och deras samband i säsongs- och avvikande fält. Metoden kan tillämpas på andra globala oceaner och kommer att vara till hjälp för att förstå marin dynamik.
Fjärranalysteknik erbjuder bra datauppsättningar med stora rumsliga skalor och långa perioder för att beskriva marina miljöer. Med den ökande rumsliga upplösningen av satelliter, detaljerade funktioner är nu löst från den regionala skalan till några hundra meter1,2. En förbättrad förståelse för marin dynamik kan uppnås med de flesta uppdaterade satellitobservationer3.
Genom att införliva flera sensorer på en fjärranalysplattform är en omfattande beskrivning av olika parametrar möjlig. Havsytans temperatur (SST) är den grundläggande parameter som har observerats i mer än ett halvt sekel4. Nyligen har observationer för havsyta klorofyll-a (CHL) blivit tillgängliga och kan användas för att beskriva marin produktivitet5. Altimetry satelliter används för att mäta havsytahöjd 6,7, som är starkt relaterade till mesoskala virvel verksamhet i den globalaoceanen 8,9. Förutom virvlar är frontasala aktiviteter också viktiga för att påverka den regionala dynamiken och primärproduktionen10.
Den aktuella studiens huvudfokus är att hitta ett standardförfarande för att beskriva den rumsliga utbredningen och de tidsmässiga variansen hos olika havsfaktorer. I den här metoden analyseras SST, CHL, SSH och front-data, som härledas från SST-lutningar, för att bestämma mönster. I synnerhet används CHL för att representera havets produktivitet, och en metod införs för att undersöka förhållandet mellan CHL och andra havsparametrar. För att validera metoden användes tidsperioden mellan oktober 2002 och september 2017 i Sydkinesiska havet för att undersöka alla parametrar. Metoden kan enkelt användas för andra regioner runt om i världen för att fånga stora havsmönster och utforska hur marin dynamik påverkar ekosystemet.
Sydkinesiska havet (SCS) utsågs till studieregion på grund av dess relativt höga täckningsgrad för satellitobservationer. DEN SCS är riklig i solstrålning; således bestäms CHL huvudsakligen av tillgången på näringsämnen11,12. Med mer näringsämnen som transporteras in i det euphotiska lagret, CHL-nivåer kan öka13. Blandning, framkallas av vind, kan införa näringsämnen i havsytan och förbättra CHL14. SCS domineras unikt av ett monsunvindsystem, som bestämmer dynamiken och ekosystemet i regionen. Monsunvinden är starkast under vintern15. På sommaren, vindarna ändra riktning och vindhastigheterna är mycket svagare än de på vintern16,17. Vindintensiteten kan bestämma styrkan i vertikal blandning, så att den blandade skikt djup (MLD) fördjupas när vinden ökar på vintern och blir grundare som vinden minskar under sommaren18. Således transporteras mer näringsämnen in i det euphotiska lagret under vintern när vinden ärstark 19 och CHL når sin högsta punkt på året20,21.
Förutom vinden kan MLD också bestämmas med hjälp av andra faktorer, såsom SST och avvikelser havsnivån (SLA), som i slutändan påverkar näringsinnehåll och CHL22. Under vintern är den svaga vertikala lutningen förknippad med låga temperaturer vid ytan20. Motsvarande MLD är djup och mer näringsämnen kan transporteras uppåt; således är CHL i ytskiktet hög17. En ökande variation i CHL-nivåer kan hänföras till mesoskala virvlar, som inducerar vertikala transporter och blandning23. Upwelling finns vanligtvis i cykloniska virvlar i samband med deprimerad SLA8,9 och förhöjda CHL koncentrationer24. Downwelling finns vanligtvis i anticykloniska virvlar i samband med förhöjda SLA8,9 och deprimerad CHL koncentrationer24. För andra säsonger blir MLD ytlig, och blandning blir svag; således kan låg CHL observeras över majoriteten av bassängen25. De säsongs- cyklar av CHL jämnar är därpå dominera för regionen26.
Förutom att blanda, fronter och deras tillhörande kustnära uppvällning kan ytterligare modulera CHL. Fronten, som definieras som en gräns för olika vattenmassor, är viktig för att bestämma den regionala cirkulationen ochekosystemsvaren 27. Frontogenes är vanligtvis förknippas med kustnära uppvällningoch konvergens 28,29, som kan framkalla näringsämnen och höja tillväxten av fytoplankton30. Olika algoritmer har utvecklats för att automatiskt identifiera fronter från satellitobservationer, inklusive histogram och SST-gradientmetoder. Det sistnämnda tillvägagångssättet antas i denna studie28.
Korrelationen av tidsserier mellan CHL och olika faktorer ger stora insikter för att kvantifiera deras relation. Den aktuella studien ger en omfattande beskrivning av hur man använder satellitobservationer för att avslöja regional marin dynamik i samband med produktivitet. Denna beskrivning kan användas som vägledning för att undersöka ytprocesserna i någon del av havet. Strukturen i denna artikel innehåller ett stegvis protokoll, följt av beskrivande resultat i texten och figurerna. Tillämpligheten utöver metodens för- och nackdelar diskuteras därefter.
I denna studie beskrivs de viktigaste inslagen i marina system med hjälp av satellitobservationer. CHL, som kan användas för att representera havsproduktionen, väljs som indikatorfaktor. Faktorer relaterade till CHL variabilitet undersöktes med hjälp av månatliga genomsnittliga tidsserier, t.ex., SST, WS, WSC, FP och SLA. Tre kritiska steg beskrivs i denna studie: att förvärva satellitdata för olika parametrar, beskriva deras rumsliga och tidsmässiga variabilities via EOF, och bestämma inbördes samband mellan olika faktorer genom att beräkna korrelationskoefficienter. Ett detaljerat förfarande som visar identifieringen för daglig frontalfördelning, som härleds från SST-observationerna, ingår. Två större tillvägagångssätt har utvecklats för SST front upptäckt: gradienten metod10,38 och histogram metoden39,40. Histogrammetoden bygger på ett liknande värdeintervall för SST, som kan användas för att dela upp vattenmassorna i olika grupper. Pixlarna med värden mellan olika grupper som representerar pixeln i ett övergångsband definieras som fronter. Å andra sidan separerar gradientmetoden flera relativt enhetliga vattenförekomster som pixlar med stora gradientvärden. En jämförelsestudie genomfördes, och de fann lägre falska priser med histogram metoden och färre missade fronter med hjälp av toning metod41. I denna studie antogs den gradientbaserademetoden 38 efter tidigare studier10,28. Algoritmen kan undvika front break-up i flera kantfragment genom att låta magnitud minska till en nivå under en mindre tröskel. Förutom den datamängd som ingår här kan även andra satellitobservationer, såsom aerosolindexet, användas med ett liknande tillvägagångssätt.
De flesta av förfarandena kan direkt tillämpas i andra regioner eller datauppsättningar. Ändring kan ske för att ändra tröskeln för frontdetektering. Eftersom SST-gradienten i SCS är jämförbar med eastern boundary current system28implementerades samma tröskelvärden för den aktuella studien. En tidigare studie visade att SST-gradienten från olika datamängder kan variera så mycket som tre gånger42, vilket gör metoden på något sätt mindre objektiv. Betydande studier har undersökt frontasala aktiviteter runt de globala haven28,43. Det bästa tillvägagångssättet för att validera fronter är att jämföra dem med in situ observationer. Yao44 beskrev den månatliga frontalfördelningen för SCS. Deras resultat överens väl med in situ mätningar. Den övergripande lutningen bör kontrolleras och justeras eftersom dess värde kan variera beroende på den rumsliga upplösningen och instrumenten. Tröskeln bör särskilt uppdateras när en annan SST-datamängd används. En grundläggande förståelse av den regionala dynamiken är grundläggande för att förstå frontogenesis45,46,47. Den främre upptäckt skript kan utvecklas av enskilda författare baserat på beskrivningen i detta papper.
Satellitinformation erbjuder en omfattande förståelse av ytan funktioner, och ett resultat jämförelse med in situ observationer kan stöd i utvärderingen av trovärdighet. Satellitobservationer är dock begränsade till havsytan, vilket begränsar tillämpningen för att förstå vattenpelarens vertikala struktur. I en nyligen genomförd studie visade satellitobservationer att ytan CHL ökade med 15 gånger, men det vertikala integrerade värdet ökade bara med 2,5 gånger48. Denna skillnad var att ytan värdet påverkades av coeffects av fytoplankton tillväxt och stimning av MLD, vilket resulterar i en unrealizable värde vid ytan. Således kanske inte ytfunktionen erbjuder en korrekt beskrivning för hela vattenpelaren. Dessutom begränsar påverkan av molntäckningen de kontinuerliga observationerna av satelliter. Således beräknas månatliga tidsserier för olika faktorer under samma region och samma period. Detta kommer att garantera trovärdigheten att beräkna sambanden mellan olika faktorer. Men kortperioden händelser, t.ex.
Jämfört med tidigare studier kan den föreslagna metoden erbjuda rumslig information på pixelnivå, vilket kan bidra till att utvärdera dynamiken på ett mer detaljerat sätt. Några tidigare studier i genomsnitt hela SCS som ett enda nummer och fick en tidsserie. De fann att en ovanligt stark WS och hög SST kan inducera anomala hög CHL16, vilket är förenligt med det aktuella resultatet. Den rumsliga variationen i sambanden löstes dock inte. I denna studie var bassängskala korrelationen mellan WS och CHL svag i det avvikande området. En stor betydande korrelation identifierades endast för vissa områden,t.ex. Den nuvarande metoden erbjuder således en omfattande beskrivning för att undersöka rumsliga variationer. På samma sätt användes observationer från två Bio-Argo-flottor och avslöjade att WSC inte korrelerade med CHL-variabilitet20. Banorna för de två flottörerna ligger dock bara i vissa regioner. I detta fall var det exakt inom bandet där korrelationen mellan CHL-nivån och WSC inte var signifikant (figur 8D). Den föreslagna metoden är till stor hjälp för att lösa det rumsliga beroendet bland faktorer, vilket är ett grundläggande kännetecken för det globala havet.
Sammanfattningsvis kan den metod som används här exakt beskriva den rumsliga fördelningen och temporala variationer i havsytans funktioner med hjälp av satellitobservationer. Med den ökande upplösningen av satellitdatauppsättningar kan mer detaljerade funktioner identifieras och undersökas, vilket möjliggör en allmän förståelse av regionala funktioner, inklusive CHL, SST och SSH. Sambandet mellan månatliga tidsserier mellan olika faktorer kan bidra till att förstå deras dynamiska relationer och potentiella inverkan på ett ekosystem49. Eftersom korrelationen till stor del kan variera på olika rumsliga platser, erbjuder den föreslagna metoden en detaljerad och omfattande beskrivning. Ett liknande tillvägagångssätt kan tillämpas på alla havsområden i hela världen, vilket kommer att vara till stor hjälp för att förbättra förståelsen av den marina dynamiken och ekosystemen.
The authors have nothing to disclose.
Stödet från Kinas nationella viktiga forsknings- och utvecklingsprogram (nr. 2016YFC1401601), postgraduate Research & Practice Innovation Program of Jiangsu-provinsen (nr. SJKY19_0415) som stöds av de grundläggande forskningsfonderna för de centrala universiteten (nr. 2019B62814), National Natural Science Foundation of China (nr. 41890805, 41806026 och 41730536) och Gemensamma avancerade marina och ekologiska studier i Bengaliska viken och östra ekvatorial indiska oceanen erkändes starkt. Författarna uppskattar tillhandahållandet av data från källor, inklusive National Aeronautics and Space Administration (NASA), European Centre for Medium-Range Weather Forecasts (ECMWF), Copernicus Marine and Environment Monitoring Service (CMEMS) och 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) |