Материалы 17-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса», Москва, ИКИ РАН, 2019 год

(http://conf.rse.geosmis.ru)

Структура поля температуры поверхности океана в Тихоокеанском секторе Арктики

Кивва К.К. (1)
(1) ФГБНУ "ВНИРО", Москва, Россия
Температура поверхности океана (ТПО) отражает одновременное протекание ряда процессов, таких как нагрев/охлаждение водной поверхности, адвекция тепла течениями, вертикальное перемешивание водной толщи. Данные о ТПО на регулярной основе собираются с надводных и спутниковых платформ, а современные методы обработки данных позволяют заполнить пробелы в них с достаточной точностью. При этом какие-либо другие регулярные и многолетние данные, в такой же мере, как ТПО, обеспеченные реальными наблюдениями, для многих районов океана отсутствуют. Поэтому ТПО и производные от неё параметры (например, аномалия ТПО – АТПО) широко применяются в качестве одного из индикаторов состояния и динамики абиотической части экосистем. При этом, однако, структура поля самой ТПО обычно не учитывается, и данные обобщаются по произвольным районам. Потенциально это может привести к потере сигналов, важных для одних районов, и получению артефактов в других. Цель работы – определение районов с синхронной изменчивостью АТПО в многолетнем масштабе в Тихоокеанском секторе Арктики и характеристика динамики ТПО в них в 1982-2018 гг.
Использованы данные массива NOAA OI SST v2 [1] за 1982-2018 гг., имеющие пространственное разрешение 1°×1° и временное разрешение 1 месяц. В качестве основы для анализа выбраны данные 1982-2011 гг. (первые 30 лет массива). Для снижения размерности рядов рассчитаны среднегодовые АТПО. Ряды проверены на нормальность тестом Шапиро-Уилка. Поскольку часть узлов продемонстрировали распределение, заметно отличающееся от нормального, в качестве меры сходства рядов использован коэффициент корреляции Спирмена. Группировка узлов выполнена методом DBSCAN [2]. Объективного способа определить оптимальное сочетание параметров радиуса поиска (eps) и минимального числа соседей (minPts) для DBSCAN не существует [3]. Для выбора наиболее подходящего сочетания для всех комбинаций параметров eps = {0,040, 0,045, 0,050, … 0,180} и minPts = {5, 6, 7, … 70} проверено число групп и доля «шума» (узлов, не отнесённых ни к одной группе). Отдельно рассмотрены ситуации для minPts = 31 (размерность данных плюс единица) и minPts = 60 (удвоенная размерность ряда) [4]. На основе визуального анализа выбрано сочетание eps = 0,10, minPts = 31. Данные осреднены по полученным районам, и рассчитаны средние месячные и годовые аномалии ТПО для каждого района.
Анализ показал, что западная и восточная части Берингова моря (ЗБМ и ВБМ) в некоторые годы демонстрировали несинхронное изменение ТПО. 1998-2002 гг. были относительно холодными в ЗБМ: среднегодовая АТПО была отрицательной и значения АТПО для многих месяцев отклонялись от среднего больше, чем на стандартное отклонение. Однако с 2003 г. там почти всё время (за исключением 2009 и 2012 гг.) наблюдались положительные АТПО. Во многие месяцы 2014-2018 гг. наблюдались аномальные положительные АТПО. В восточной части моря динамика АТПО была несколько иной. Выраженно холодным был 1999 г., а 2001-2006 гг. были относительно тёплыми. В отличие от ЗБМ, 2007-2012 гг. оказались очень холодными в ВБМ. При этом 2014-2018 гг., также как и в ЗБМ, были аномально тёплыми.
Чукотское море во всех вариантах анализа отделялось от Берингова моря. По всей видимости, это связано с особенностями ледового покрова Чукотского моря, до начала 2000-х годов, наличие которого на большой части акватории моря большую часть года давало низкую среднегодовую ТПО в нём.
Северная часть Берингова моря (СБМ), во многих исследованиях выделяемая в отдельную экосистему, для всех рассмотренных комбинаций параметров оказалась зоной «шума». То есть, в пределах СБМ пространственная автокорреляция радов АТПО не так ярко выражена, как в ЗБМ и ВБМ. При этом межгодовая изменчивость там выше, а в динамике АТПО в разные годы могут проявляться черты окружающих районов.

Ключевые слова: Берингово море, Чукотское море, ТПО, районирование, DBSCAN, динамика климата
Литература:
  1. Reynolds R.W., Rayner N.A., Smith T.M., Stokes D.C., Wang, W. An improved in situ and satellite SST analysis for climate // Journal of climate. 2002. 15(13). P. 1609-1625.
  2. Ester M., Kriegel H.P., Sander J., Xu X. A density-based algorithm for discovering clusters in large spatial databases with noise // KDD. 1996. Vol. 96. No. 34. P. 226-231.
  3. Schubert E., Sander J., Ester M., Kriegel H.P., Xu X. DBSCAN revisited, revisited: why and how you should (still) use DBSCAN // ACM Transactions on Database Systems (TODS). 2017. 42(3). 19.
  4. Sander J., Ester M., Kriegel H.P., Xu X. Density-based clustering in spatial databases: The algorithm gdbscan and its applications // Data mining and knowledge discovery. 1998. 2(2). P. 169-194.

Дистанционные исследования поверхности океана и ледяных покровов

276