Мадэляванне паверхневых акіянічных плыняў з выкарыстаннем акіянаграфічных спадарожнікавых дадзеных
Павярхоўныя акіянічныя плыні з'яўляюцца ключавым кампанентам акіянаграфічнай дынамікі, уплываючы на розныя працэсы ў моры, ад размеркавання цяпла і забруджвальных рэчываў да міграцыі біёты і нават бяспекі навігацыі. Дакладнае разуменне заканамернасцей паверхневых плыняў мае важнае значэнне для падтрымкі планавання прыбярэжных зон, змякчэння наступстваў стыхійных бедстваў і кіравання марскімі рэсурсамі. З развіццём тэхналогій дыстанцыйнага зандзіравання акіянаграфічныя спадарожнікавыя дадзеныя становяцца ўсё больш важнай крыніцай інфармацыі, забяспечваючы шырокі прасторавы ахоп, рэгулярны маніторынг і паслядоўныя назіранні з цягам часу. У гэтым артыкуле абмяркоўваюцца канцэпцыі, выкарыстоўваныя спадарожнікавыя дадзеныя, метады мадэлявання, а таксама праблемы і магчымасці мадэлявання паверхневых акіянічных плыняў.
1. Асноўнае паняцце паверхневых акіянічных плыняў
Павярхоўныя акіянічныя плыні ў асноўным абумоўлены сіламі ветру, розніцай шчыльнасці з-за змен тэмпературы і салёнасці, а таксама ўплывам кручэння Зямлі праз сілу Карыёліса. У прыбярэжных раёнах на плыні таксама ўплываюць прылівы, форма берагавой лініі, батыметрыя і ўзаемадзеянне з хвалямі. У цэлым існуе два асноўныя падыходы да разумення паверхневых плыняў: (1) прамое назіранне з выкарыстаннем прыбораў in-situ, такіх як вымяральнікі цячэнняў, ADCP (акустычны доплераўскі прафіляры плыняў) або дрэйферы, і (2) ускосная ацэнка з дапамогай мадэлявання, якое выкарыстоўвае спадарожнікавыя дадзеныя і прынцыпы дынамікі вадкасцей.
Спадарожнікавыя дадзеныя не вымяраюць плыні непасрэдна, як прыборы, якія вымяраюцца на месцы, але яны даюць інфармацыю пра зменныя, цесна звязаныя з рухам водных мас, такія як узровень мора, тэмпература паверхні мора і паверхневыя вятры. Гэтыя зменныя можна аб'яднаць для атрымання кампанентаў плыняў з выкарыстаннем падыходаў акіянаграфічнай фізікі і метадаў, заснаваных на дадзеных.
2. Тыпы адпаведных акіянаграфічных спадарожнікавых дадзеных
Мадэляванне паверхневых плыняў звычайна выкарыстоўвае наступныя спадарожнікавыя прадукты:
а. Спадарожнікавая альтыметрыя (вышыня паверхні мора/SSH)
Спадарожнікавыя альтыметры вымяраюць узровень мора адносна эліпсоіда. Па прасторавых зменах узроўню мора мы можам вылічыць нахіл паверхні мора, звязаны з геастрафічнымі плынямі. Для ацэнкі мезамаштабных плыняў (напрыклад, вялікіх плыняў і віхравых віхур) часта выкарыстоўваюцца вытворныя прадукты, такія як анамалія ўзроўню мора (SLA) і абсалютная дынамічная тапаграфія (ADT).
b. Рассейвальнік і прадукты наземнага ветру
Рассейвальнікі вымяраюць хуткасць і кірунак вятроў на паверхні акіяна. Вецер з'яўляецца асноўным рухавіком паверхневых плыняў Экмана і спрыяе ўтварэнню ўзыходзячых і сыходных плыняў. Дадзеныя аб ветры таксама важныя для стварэння лікавых акіянаграфічных мадэляў.
c. Тэмпература паверхні мора (ТПМ)
Тэмпература плыні (ТПМ) атрымліваецца з дапамогай інфрачырвоных і мікрахвалевых датчыкаў. Карціны ТПМ могуць быць індыкатарамі акіянаграфічных франтоў, узняцця плыняў і адвекцыі водных мас. Хоць ТПМ не з'яўляецца мерай плыняў, яе градыент і эвалюцыя дапамагаюць інтэрпрэтаваць дынаміку плыняў і могуць быць заснаваны на мадэлях.
г. Колер акіяна (хларафіл-а)
Дадзеныя аб колеры акіяна адлюстроўваюць канцэнтрацыю хларафіла-а і аптычныя параметры марской вады. Заканамернасці канцэнтрацыі хларафіла часта адпавядаюць працэсам адвекцыі плыняў, што робіць іх карыснымі ў якасці трасераў для праверкі кірунку і структуры руху водных мас, асабліва ў прыбярэжных раёнах і прадуктыўных зонах.
е. Павярхоўная салёнасць (салёнасць паверхні мора/SSS)
Такія спадарожнікі, як SMOS або SMAP, даюць ацэнкі салёнасці паверхні. Гэтая інфармацыя важная для тэрмахаліннай шчыльнасці і цыркуляцыйных працэсаў, хоць яе раздзяляльная здольнасць часта грубейшая, чым у SST.
3. Прынцыпы мадэлявання патокаў па спадарожнікавых дадзеных
а. Ацэнка геастрафічных плыняў
Адзін з найбольш распаўсюджаных падыходаў — разлік геастрафічных плыняў па градыентах узроўню мора. Ва ўмовах геастрафічнай раўнавагі (адносна справядліва для сярэдніх і буйных маштабаў і далёка ад экватара) сіла градыенту ціску ўраўнаважваецца сілай Карыёліса. Проста кажучы, паверхневыя геастрафічныя плыні можна атрымаць па нахіле ADT/SSH. Гэты метад эфектыўны для вызначэння буйных плыняў, такіх як Інданезійскі праходны паток (у пэўных кантэкстах), заходнія берагавыя плыні і мезамаштабныя віры. Аднак у вузкіх прыбярэжных раёнах або на мелкаводдзі геастрафічны падыход часта недакладны з-за ўплыву трэння аб дно, прыліваў і складанасці тапаграфіі.
б. Экманаўскія кампаненты ветру
Плынь Экмана — гэта рэакцыя паверхневага пласта акіяна на зрух ветру. Спадарожнікавыя дадзеныя аб ветры дазваляюць ацаніць кампанент пераносу Экмана, у тым ліку кірунак пераносу, які звычайна адхіляецца ад кірунку ветру з-за эфекту Карыёліса. Гэтыя ацэнкі дапамагаюць дапоўніць інфармацыю аб паверхневых плынях, якія не цалкам ахопліваюцца геастрафічнымі плынямі, асабліва ў сутачным і тыднёвым маштабах і ў раёнах, якія знаходзяцца пад моцным уплывам сезонных вятроў.
c. Асіміляцыя дадзеных у лікавыя мадэлі
Больш комплексны падыход заключаецца ў выкарыстанні гідрадынамічнай/акіянаграфічнай мадэлі (напрыклад, цыркуляцыйнай мадэлі) з улікам атмасферных уздзеянняў (вецер, цеплавы паток) і межавых умоў, а затым асіміляцыі спадарожнікавых дадзеных (SSH, SST, SSS). Асіміляцыя дадзеных накіравана на карэкцыю стану мадэлі, каб ён больш дакладна адпавядаў назіраным умовам. Такім чынам, мадэль можа генераваць фізічна ўзгодненае поле цячэння, якое адпавядае спадарожнікавым назіранням.
г. Метады, заснаваныя на машынным навучанні
Нядаўна машыннае навучанне выкарыстоўвалася для картаграфавання ўзаемасувязі паміж шматпараметравымі спадарожнікавымі дадзенымі (SST, SSH, вецер, хларафіл) і паверхневымі плынямі, даступнымі з дадзеных in situ або паўторнага аналізу ў якасці «метак». Яго перавагай з'яўляецца здольнасць фіксаваць нелінейныя залежнасці і запаўняць прабелы ў дадзеных. Аднак гэты метад патрабуе надзейнага набору дадзеных для навучання і рызыкуе дрэннай абагульняльнасцю, калі акіянаграфічныя ўмовы істотна зменяцца.
4. Агульны працоўны працэс мадэлявання
Карацей кажучы, працоўны працэс мадэлявання паверхневых плыняў са спадарожніка можа ўключаць:
1. Збор дадзеных: выберыце перыяд даследавання, тэрыторыю і адпаведныя спадарожнікавыя прадукты (ADT/SLA, вецер, SST, хларафіл).
2. Папярэдняя апрацоўка: кантроль якасці, абрэзка вобласці, пераразмеркаванне сеткі для аднастайнага разрознення і фільтрацыя шуму.
3. Разлік кампанентаў плыняў: напрыклад, геастрафічных плыняў ад ADT і плыняў Экмана ад ветру.
4. Зліццё: аб'яднанне кампанентаў току для атрымання агульнай ацэнкі паверхневага току або ўвод дадзеных у лікавую мадэль шляхам асіміляцыі.
5. Праверка: параўнанне вынікаў з наборамі дадзеных дрэйфераў, ADCP, буёў або паўторнага аналізу. Праверка важная для ацэнкі зрушэння, статыстычнай памылкі і сезонных паказчыкаў.
6. Паглыблены аналіз: вызначэнне віхравых плыняў, франтоў, шляхоў пераносу, абласцей канвергенцыі/дывергенцыі і наступстваў для з'яў навакольнага асяроддзя.
5. Праблемы мадэлявання паверхневых плыняў
Нягледзячы на вялікую карысць спадарожнікавых дадзеных, існуе шэраг праблем:
– Прасторава-часовае разрозненне: традыцыйная альтыметрыя мае абмежаванае разрозненне для прыбярэжных і дробнамаштабных з'яў. Такія з'явы, як вузкія прыбярэжныя плыні або прыліўныя плыні, патрабуюць высокага разрознення.
– Перашкоды ў прыбярэжных раёнах: спадарожнікавыя сігналы часта забруджваюцца зямлёй, хвалямі або атмасфернымі ўмовамі, таму якасць дадзеных пагаршаецца паблізу ўзбярэжжа.
– Абмежаванні геастрафічнага дапушчэння: на мелкаводдзі, паблізу экватара або ў вельмі малых маштабах геастрафічная раўнавага не заўсёды дзейнічае.
– Уплыў прыліваў і хваль: паверхневыя плыні ў многіх прыбярэжных раёнах моцна знаходзяцца пад уплывам прыліваў, у той час як спадарожнікавыя дадзеныя больш надзейныя для фіксацыі сігналаў сярэдняга маштабу.
– Абмежаваная праверка: дадзеныя in-situ не заўсёды даступныя ў дастатковай шчыльнасці для праверкі мадэляў па ўсім рэгіёне.
6. Магчымасці і напрамкі развіцця
Распрацоўка спадарожнікавых тэхналогій новага пакалення, удасканаленыя метады апрацоўкі і даступнасць адкрытых дадзеных адкрываюць значныя магчымасці. Інтэграцыя некалькіх датчыкаў (альтыметрыя, SST, вецер, колер акіяна, салёнасць) можа палепшыць дакладнасць мадэлявання. Акрамя таго, спалучэнне фізічных мадэляў і мадэляў на аснове штучнага інтэлекту прапануе прывабны гібрыдны падыход: фізічныя мадэлі падтрымліваюць дынамічную ўзгодненасць, у той час як штучны інтэлект дапамагае з карэкцыяй зрушэння і павялічвае прасторавае разрозненне (памяншэнне маштабу). У будучыні больш дакладнае мадэляванне паверхневых плыняў значна палепшыць практычныя прымяненні, такія як прагназаванне размеркавання разліваў нафты, эфектыўнае планаванне маршрутаў суднаў, аналіз патэнцыялу энергіі цячэнняў і падтрымка пошукава-выратавальных аперацый (SAR) у моры.
Закрыццё
Мадэляванне паверхневых акіянскіх плыняў з выкарыстаннем акіянаграфічных спадарожнікавых дадзеных становіцца ўсё больш важным падыходам да разумення дынамікі акіяна ў шырокім сэнсе і ўстойлівым плане. Выкарыстоўваючы альтыметрыю для геастрафічных плыняў, дадзеныя аб ветры для плыняў Экмана і падтрымку SST, колеру і салёнасці акіяна, даследчыкі могуць атрымаць больш поўную карціну паверхневых плыняў. Хоць інтэграцыя дадзеных з розных крыніц, іх асіміляцыя ў лікавыя мадэлі і выкарыстанне метадаў машыннага навучання ўсё яшчэ з'яўляюцца складанымі задачамі, асабліва ў прыбярэжных раёнах і ў малых маштабах, яны прапануюць перспектыўныя напрамкі развіцця. Такім чынам, спадарожнікавыя дадзеныя не толькі ўзбагачаюць навуковае разуменне, але і даюць адчувальныя перавагі розным сектарам, якія абапіраюцца на інфармацыю аб стане акіяна.
