Моделиране на повърхностните океански течения с помощта на океанографски сателитни данни
Повърхностните океански течения са ключов компонент на океанографската динамика, влияейки върху различни процеси в морето, от разпределението на топлината и замърсителите до миграцията на биотата и дори безопасността на корабоплаването. Точното разбиране на моделите на повърхностните течения е от съществено значение за подпомагане на крайбрежното планиране, смекчаването на бедствия и управлението на морските ресурси. С напредъка на технологиите за дистанционно наблюдение , океанографските сателитни данни се превръщат във все по-важен източник на информация, осигурявайки широко пространствено покритие, редовен мониторинг и последователни наблюдения във времето. Тази статия разглежда концепциите, използваните сателитни данни, методите за моделиране, както и предизвикателствата и възможностите при моделирането на повърхностните океански течения.
1. Основна концепция за повърхностните океански течения
Повърхностните океански течения се задвижват предимно от силата на вятъра, разликите в плътността, дължащи се на температурни и солени колебания, и влиянието на въртенето на Земята чрез силата на Кориолис. В крайбрежните райони теченията се влияят и от приливите и отливите, формата на бреговата линия, батиметрията и взаимодействието с вълните. Като цяло има два основни подхода за разбиране на повърхностните течения: (1) директно наблюдение с помощта на in-situ инструменти, като например измерватели на течението, ADCP ( акустични доплерови профилометри на теченията ) или дрифтери, и (2) индиректна оценка чрез моделиране, което използва сателитни данни и принципи на флуидната динамика.
Сателитните данни не измерват теченията директно като in-situ инструментите, но предоставят променливи, тясно свързани с движението на водните маси , като морско равнище, температура на морската повърхност и повърхностни ветрове. Тези променливи могат да бъдат комбинирани, за да се получат компонентите на теченията, използвайки подходи на океанографската физика и техники, основани на данни.
2. Видове релевантни океанографски сателитни данни
Моделирането на повърхностните течения обикновено използва следните сателитни продукти:
а. Сателитна алтиметрия (височина на морската повърхност/SSH)
Сателитните алтиметри измерват надморската височина морско равнище спрямо елипсоида. От голямата пространствена вариация морско равнище, можем да изчислим наклона на морската повърхност, свързан с геострофичните течения. Производни продукти като аномалия на морското равнище (SLA) и абсолютна динамична топография (ADT) често се използват за оценка на мезомащабни течения (напр. големи течения и вихри).
б. Скатерометър и продукти за повърхностен вятър
Скатерометрите измерват скоростта и посоката на ветровете на повърхността на океана. Вятърът е основният двигател на повърхностните Екман течения и допринася за образуването на възходящи и низходящи течения. Данните за вятъра са от съществено значение и за създаването на числени океанографски модели.
c. Температура на морската повърхност (Температура на морската повърхност/SST)
SST се получава от инфрачервени и микровълнови сензори. SST моделите могат да бъдат индикатори за океанографски фронтове, издигане на течението и адвекция. водна масаВъпреки че SST не е текуща мярка, нейният градиент и еволюция помагат за интерпретиране на текущата динамика и могат да бъдат асимилирани в модели.
г. Цвят на океана (хлорофил-а)
Данните за цвета на океана показват концентрацията на хлорофил-а и оптичните параметри. морска водаМоделите на концентрация на хлорофил често следват процеса на адвекция на течението, така че са полезни като „трасер“ за валидиране на посоката и структурата на движението на водната маса, особено в крайбрежни райони и продуктивни зони.
д. Повърхностна соленост (Соленост на морската повърхност/SSS)
Сателити като SMOS или SMAP предоставят оценки за повърхностната соленост. Тази информация е важна за термохалинната плътност и циркулационните процеси, въпреки че нейната резолюция често е по-груба от тази на SST.
3. Принципи на моделирането на потоците от сателитни данни
а. Оценка на геострофичните течения
Един от най-разпространените подходи е изчисляването на геострофичните течения от градиентите на морското равнище. При условия на геострофично равновесие (относително валидно за средни и големи мащаби и далеч от екватора), силата на градиента на налягането се балансира от силата на Кориолис. С прости думи, повърхностните геострофични течения могат да бъдат изведени от наклона ADT/SSH. Този метод е ефективен за идентифициране на големи течения, като например Индонезийския проточен поток (в определени контексти), течения на западния бряг и мезомащабни водовъртежи. Въпреки това, в тесни крайбрежни райони или плитки води, геострофичният подход често е неточен поради влиянието на триенето на дъното. възходи и паденияи топографска сложност.
б. Компоненти на вятъра по Екман
Течението на Екман е реакцията на повърхностния слой на океана на срязването на вятъра. Данните за вятъра от сателити могат да оценят преносния компонент на Екман, включително посоката на пренос, която обикновено се отклонява от посоката на вятъра поради ефекта на Кориолис. Тези оценки помагат за попълване на информация за повърхностните течения, които не са напълно обхванати от геострофичните течения, особено в дневни до седмични мащаби и в райони, силно повлияни от сезонни ветрове.
в. Асимилация на данни в числени модели
По-цялостен подход е да се използва хидродинамичен/океанографски модел (напр. циркулационен модел) с входни данни за атмосферното въздействие (вятър, топлинен поток) и гранични условия, след което да се асимилират сателитни данни (SSH, SST, SSS). Асимилацията на данни има за цел да коригира състоянието на модела, за да съответства по-точно на наблюдаваните условия. По този начин моделът може да генерира физически последователно поле на течението, което съответства на сателитните наблюдения.
г. Методи, базирани на машинно обучение
Напоследък машинното обучение се използва за картографиране на връзката между многопараметрични сателитни данни (SST, SSH, вятър, хлорофил) и повърхностни течения, достъпни от in-situ или повторни данни като „етикети“. Предимството му е способността му да улавя нелинейни зависимости и да запълва пропуски в данните. Този метод обаче изисква надежден набор от данни за обучение и рискува лоша обобщаемост, ако океанографските условия се променят значително.
4. Общ работен процес за моделиране
В обобщение, работен процес за моделиране на повърхностни течения, базиран на сателит, може да включва:
1. Събиране на данни: изберете периода на изследване, района и съответните сателитни продукти (ADT/SLA, вятър, SST, хлорофил).
2. Предварителна обработка: контрол на качеството, изрязване на региони, преструктуриране до равномерна резолюция и филтриране на шума.
3. Изчисляване на компонентите на тока: например геострофични течения от ADT и течения на Екман от вятъра.
4. Сливане: комбиниране на текущите компоненти за получаване на обща оценка на повърхностния ток или въвеждане на данни в числен модел чрез асимилация.
5. Валидиране: сравняване на резултатите с набори от данни от дрейфуващи обекти, ADCP, буй или повторен анализ. Валидирането е важно за оценка на отклоненията, статистическите грешки и сезонните показатели.
6. Разширен анализ: идентифициране на водовъртежи, фронтове, транспортни пътища, области на конвергенция/дивергенция и последици за екологичните явления.
5. Предизвикателства при моделирането на повърхностни течения
Въпреки че сателитните данни са много полезни, има редица предизвикателства:
– Пространствена и времева резолюция: традиционната алтиметрия има ограничена резолюция за крайбрежни и дребномащабни явления. Явления като тесни крайбрежни течения или приливни течения възходи и падения изисква висока резолюция.
– Смущения в крайбрежните райони: сателитните сигнали често са замърсени от сушата, вълните или атмосферните условия, така че качеството на данните намалява близо до брега.
– Ограничения на геострофичното предположение: в плитки води, близо до екватора или в много малки мащаби, геострофичното равновесие не винаги е приложимо.
– Влиянието на приливите и отливите и вълните: течения повърхност в много крайбрежни райони силно повлияни от приливите и отливите, докато сателитните данни са по-силни при улавяне на сигнали от среден мащаб.
– Ограничена валидация: данните от „на място“ не винаги са налични в достатъчна плътност, за да се валидират модели в целия регион.
6. Възможности и насоки за развитие
Разработването на сателитни технологии от ново поколение, подобрените методи за обработка и наличието на отворени данни предлагат значителни възможности. Многосензорната интеграция (алтиметрия, SST, вятър, цвят на океана, соленост) може да подобри точността на моделирането. Освен това, комбинирането на физически и базирани на изкуствен интелект модели предлага атрактивен хибриден подход: физическите модели поддържат динамична съгласуваност, докато изкуственият интелект подпомага корекцията на отклоненията и увеличава пространствената разделителна способност (намаляване на мащаба). В бъдеще по-точното моделиране на повърхностните течения значително ще подобри практическите приложения, като например прогнозиране на разпределението на нефтени разливи, ефективно планиране на маршрута на корабите, анализ на енергийния потенциал на теченията и подкрепа за операции по търсене и спасяване (SAR) в морето.
Затваряне
Моделирането на повърхностните океански течения с помощта на океанографски сателитни данни е все по-важен подход за разбиране на океанската динамика в широк и устойчив смисъл. Чрез използване на алтиметрията за геострофични течения, данните за вятъра за теченията на Екман и подкрепата от SST, цвета и солеността на океана, изследователите могат да получат по-цялостна картина на повърхностните течения. Макар че все още е предизвикателство, особено в крайбрежните райони и в малки мащаби, интегрирането на данни от множество източници, асимилацията в числени модели и използването на техники за машинно обучение предлагат обещаващи насоки за развитие. По този начин сателитните данни не само обогатяват научното разбиране, но и предоставят осезаеми ползи за различни сектори, които разчитат на информация за състоянието на океана.
