Name: 바다 표면 엽록소와 위성 정보와 남중국해의 주요 특징 사이의 관계를 조사 (동영상) | JoVE Journal
Uploaded: 2020-06-13T13:30:00.000+00:00
Duration: 10 min 28 s
Description: 학습하세요 위성 관측을 활용한 해양 엽록소와 온도 분석 방법으로 남중국해 생태계 동태를 파악하는 기법입니다. 이 방법은 해양 보호와 해양 역학 이해에 활용됩니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

중국 국가 핵심 연구 개발 프로그램(2016YFC1401601호), 장쑤성 대학원 연구 및 실천 혁신 프로그램 지원(No. SJKY19_0415) 중앙대학의 기초연구기금(2019B62814호), 중국 국립자연과학재단(41806026호, 41730536호), 벵골만과 인도양 동부의 공동첨단해양생태학연구기금(No. 41890805) 등이 크게 인정받았다. 저자는 국립 항공 우주 국 (NASA), 중거리 기상 예보 (ECMWF)에 대한 유럽 센터, 코페르니쿠스 해양 및 환경 모니터링 서비스 (CMEMS) 및 국립 해양 대기 관리 (NOAA)를 포함한 소스에서 데이터의 제공을 주셔서 감사합니다.

1. 데이터 셋 획득
<ol><li>SST 및 CHL<ol>
<li>MODIS-Aqua(podaac-tools.jpl.nasa.gov/)에서 SST 및 CHL에 대한 위성 관측 데이터를 다운로드하여 두 데이터 집합의 공간 해상도는 일일 간격으로 약 4.5km입니다. 참고: 보충 파일에서 사용할 수 있는 예제 스크립트 폴더 다음 디렉터리 및 데이터를 구조화합니다. 위성 데이터의 .nc 파일을 '데이터' 폴더에 저장합니다. 분석 소프트웨어(예: MATLAB)에서 NetCDF 도구 상자에 경로를 추가합니다. 하위 폴더를 사용하여 추가를 선택하여 '유틸리티' 폴더및 하위 폴더의 경로를 둘러싸습니다.</li>
		<li>시간 범위를 결정합니다. 서로 다른 데이터 집합 간의 일관성을 유지하려면 모든 매개 변수에 대해 동일한 시간 범위를 사용합니다. 시간 적용 범위에 따라 시간 범위를 조정하고 서로 다른 데이터 집합 중 가장 긴 관찰 기간을 사용합니다. 이 프로토콜의 경우 2002년 10월부터 2017년 9월까지 15년간의 데이터를 다운로드하십시오.</li>
		<li>공간 커버리지를 결정합니다. 참고: 설계된 스터디 영역은 105°E와 123°E 사이이며 0°에서 25°N 사이입니다.</li>
		<li>전처리 지침을 확인합니다. SST 및 CHL 데이터의 전처리 요구 사항(예: 배율 조정이 필요한지 여부)에 대한 .nc 파일의 지침을 읽습니다. 참고: 다운로드한 데이터 집합은 이미 육지와 해안선에서 5km 이내의 데이터를 제외할 뿐만 아니라 구름에 의해 오염된 데이터를 제외합니다.</li>
		<li>SST 및 CHL 데이터를 분석 소프트웨어에 로드합니다. 명령 창에 Read_MODIS_SST 입력하여 SST 데이터를 읽습니다. 마찬가지로 명령 창에 Read_MODIS_CHL 입력하여 CHL 데이터를 읽습니다. CHL 데이터를 로그-일반분포(31)가있기 때문에 logarithmically 변환합니다. 참고: 로드된 변수에는 각각 자조 위치, 구역 위치 및 며칠 의 시간을 나타내는 3차원의 SST 및 CHL이 포함됩니다. SST의 범위는 -2와 44 사이이며 CHL의 범위는 0.01에서 20 사이입니다.</li>
	</ol></li>
	<li>해수면 이상 (SLA)<ol>
<li>2002년부터 2017년까지 25km의 공간 해상도로일일 SLA 데이터를 다운로드하십시오. 참고: SLA는 관측된 해수면 높이와 해당 픽셀에 대해 20년(1993-2012)의 평균 해표면 높이 의 차이를 설명합니다. SLA 데이터는 SSALTO/DUACS에 의해 처리되며 위성 해양 데이터의 보관, 유효성 검사 및 해석에 의해 배포됩니다(AVISO, https://www.aviso.altimetry.fr).</li>
		<li>분석 소프트웨어에 데이터를 로드합니다. 명령 창에 Read_SLA 입력하여 일일 SLA 데이터를 로드합니다. 참고: 보충 파일의 '데이터' 폴더에는 그림에 대한 스크립트에 하나의 샘플 데이텀만 포함됩니다.</li>
	</ol></li>
	<li>풍속<ol>
<li>유럽 중거리 기상 예보 센터(ECMWF)33에서개발한 글로벌 대기 재분석 데이터 세트인 ERA-중간 재분석 제품으로부터 풍력 정보를 입수한다. CHL 및 SST 데이터와 일관성을 유지하기 위해 같은 기간(2002년 10월~2017년 9월)에 대한 풍력 데이터를 다운로드합니다. 참고: 풍력 데이터 집합은 약 25km의 공간 해상도를 가지며 원래 데이터 집합에서 약 0.7°의 공간 해상도로 보간되었습니다.</li>
		<li>분석 소프트웨어에 데이터를 로드합니다. 명령 창에 Read_WindVector 입력하여 1개월 간의 바람 데이터를 읽습니다. 6h 간격의 원래 데이터를 평균화하여 월별 평균을 계산합니다.</li>
	</ol></li>
	<li>지형<ol>
<li>국립환경정보센터 홈페이지(NCEI, https://maps.ngdc.noaa.gov/viewers/wcs-client/)에서 고해상도 지형 데이터를 다운로드하십시오. 공간 해상도는 ~2km입니다. 선택한 스터디 영역에 대한 XYZ 형식의 암반에 대한 ETOPO1 데이터를 가져옵니다.</li>
		<li>분석 소프트웨어에 데이터를 로드합니다. 명령 창에 Read_topography 입력하여 지형 데이터를 분석 소프트웨어에 로드합니다.</li>
	</ol></li>
</ol>2. 데이터 전처리
<ol><li>시간 평균<ol>
<li>SST 및 CHL 데이터의 큰 클라우드 범위로 인해 원래 데이터를 3일 평균 데이터로 바꿉다. 이렇게 하려면 Read_MODIS_SST.m 및 Read_MODIS_CHL.m 스크립트(1.1.5단계)를 실행한 후 명령 창에 Temporal_average 입력하여 스크립트를 실행합니다.</li>
	</ol>
</li>
	<li>동일한 그리드로의 보간<ol>
<li>공간 해상도가 서로 다른 데이터 집합에 대해 일치하지 않기 때문에 SST 및 CHL 데이터를 비교하기 전에 바람 및 SLA 공간 그리드와 동일한 공간 그리드로 보간합니다. Temporal_average.m 및 Read_WindVector.m 스크립트를 실행한 후 명령 창에 Interpolation_grid 입력하여 스크립트를 실행합니다.</li>
	</ol>
</li>
	<li>바람 의 스트레스와 바람 스트레스 컬<ol>
<li>명령 창에 Wind_stress_curl 입력하여 다음 방정식을 사용하여 바람 응력(WSC) 및 바람 응력 컬(WSC)을 계산합니다. <img alt="Equation 1" src="/files/ftp_upload/61172/61172equ01.jpg"> <img alt="Equation 2" src="/files/ftp_upload/61172/61172equ02.jpg"> 바람속도 벡터는 어디, <img alt="Equation 10" src="/files/ftp_upload/61172/icon01.jpg"> <img alt="Equation 10" src="/files/ftp_upload/61172/icon02.jpg"> 바람 벡터와 동일한 방향으로 WS; <img alt="Equation 10" src="/files/ftp_upload/61172/icon03.jpg"> 및 <img alt="Equation 10" src="/files/ftp_upload/61172/icon04.jpg"> 동쪽과 북쪽 방향에서 <img alt="Equation 10" src="/files/ftp_upload/61172/icon05.jpg"> WS; 각각 1.2 kg/m3에해당하는 공기 밀도; 및 C는 항력 계수(0.0015의값이 사용됨)이다.</li>
	</ol>
</li>
	<li>월평균<ol>
<li>스크립트를 실행하려면 Monthly_average 입력하여 월별 SST, 바람 및 SLA 타임 시리즈를 각 픽셀의 평균 30일로 계산합니다. 높은 클라우드 커버리지 비율로 인해 매월15일 이후 30일 전부터 30일을 포함하여 CHL의 월 평균 시간대로 60일 평균을 사용하십시오.</li>
	</ol>
</li>
</ol>3. SST 전면 감지
<ol><li>공간 스무딩<ol>
<li>각 픽셀의 3일 SST 데이터를 평균화하기 위해 스크립트를 실행하려면 Spatial_smoothing 입력합니다. 참고: SST 데이터에서 많은 양의 노이즈가 확인되었습니다. 따라서, 데이터는 3 x 3 공간 평균으로 부드럽게되었다. 원래 3일 평균 데이터에서 데이터를 사용할 수 없는 경우 공간 평균 데이터를 사용할 수 없는 것으로 설정되었습니다.</li>
	</ol>
</li>
	<li>SST 그라데이션<ol>
<li>SST_gradient 입력하여 수학식(3)을 통해 해당 거리로 나눈 가장 가까운 두 픽셀 간의 SST 차이로 구역 및 자이온 SST 그라데이션(즉, Gx 및 Gy)을계산하기 위해 스크립트를 실행한다. 획득한 그라데이션 벡터를 사용하여 총 그라데이션G를 수학식(4)으로 계산합니다. <img alt="Equation 3" src="/files/ftp_upload/61172/61172equ03.jpg"> <img alt="Equation 4" src="/files/ftp_upload/61172/61172equ04.jpg">
</li>
	</ol>
</li>
	<li>로컬 최대 값<ol>
<li>SST 그라데이션 값을 테스트하여 전면을 식별합니다: 값이 지정된 임계값보다 큰 경우 픽셀을 잠재적 인 전두엽 픽셀로 레이블을 지정합니다. 임계값보다 큰 값을 가진 연결된 픽셀이 있는 경우에만 그라데이션 방향에 수직으로 로컬 최대 픽셀을 유지합니다. 여기서, 임계값을 이전 연구10,28에따라 0.035°C/km로 정의한다. 참고: 해당 스크립트'Local_maximum.m'는 보충 파일에서사용할 수 있습니다.</li>
	</ol>
</li>
	<li>월간 정면 확률(FP) 참고: 정면 확률(FP)은 전면을 관찰할 확률을 설명합니다.<ol>
<li>스크립트를 실행하기 위해 Monthly_FP 입력하여 특정 시간 범위(이 경우 월별 간격)에 대한 FP를 계산합니다. 시간 창 동안 각 픽셀의 전선 발생을 구름이 없는 일 수로 나눕니다.</li>
	</ol>
</li>
</ol>4. 공간 및 측두형 가변성
<ol><li>계절주기<ol>
<li>다른 요인의 계절 주기를 다른 계절의 평균으로 계산합니다. 다음 시즌을 정의 : 겨울은 12 월에서 2 월, 봄은 3 월에서 5 월, 여름은 6 월에서 8 월이며, 가을은 9 월에서 11 월입니다. 참고: 계절주기는 이 연구에 표시되지 않습니다. 다음 방법은 공간 및 측두적인 가변성을 설명하는 데 사용됩니다.</li>
	</ol>
</li>
	<li>경험적 직교 기능 (EOF)<ol>
<li>시간 적 평균 및 사용할 수없는 픽셀을 제거합니다. EOF를 수행하기 전에 각 픽셀의 전체 평균값을 빼고 클라우드 커버리지로 인해 누락된 관측이 20%를 초과하는 위치를 제외합니다. 명령 창에 로드('Monthly_data_for_EOF.mat')를 입력하여 데이터를 로드합니다.</li>
		<li>EOF를 적용하여 서로 다른 매개 변수의 공간 및 시간 적 분산성을 설명합니다. Empirical_orthogonal_function.m 입력하여 데이터 집합에 대한 EOF의 크기(Mag), eigenvalue(Eig), 및 진폭(Amp)을 계산하기 위해 스크립트를 실행합니다(예: 월 평균 SST, 바람 응력, 바람 응력 컬, CHL 및 FP). 참고: 이 함수는 월별 시계열을 공간 및 시간 패턴으로 구성된 다른 모드로 분해하며 각 모드에 설명된 분산은 모드 수가 증가함에 따라 감소합니다.</li>
	</ol>
</li>
</ol>5. 상관 관계
<ol><li>계절적 척도의 상관 관계<ol>
<li>스크립트를 실행하려면 Seasonal_correlation 입력하여 각 픽셀의 시계열을 사용하여 두 요소 간의 상관 관계를 계산합니다. 계절 주기가 제거되지 않으므로 모든 상관 관계에 대한 상관 관계의 중요성을 확인합니다.</li>
	</ol>
</li>
	<li>비정상적인 필드의 상관 관계<ol>
<li>월별 CHL 이상과 SST, WS, 전선 및 SLA와 같은 기타 요인 간의 상관 관계를 계산합니다. 월별 표준시에서 해당 월의 전체 평균을 빼서 월별 이상(즉, 평균 상태에서의 편차)을 가져옵니다. 스크립트를 실행하고 상관 관계를 얻기 위해 Anomalous_correlation 입력합니다.</li>
	</ol>
</li>
</ol>6. 정보 표시 및 관계 계산
<ol><li>위성 정보를 표시합니다.<ol>
<li>스크립트를 실행하려면 Sat_SCS_Fig3457 입력하여 SST, CHL 및 정면 분포를 비롯한 위성 정보 쇼케이스를 생성합니다. 현재 폴더를 데이터 'Sat_SCS_data.mat'이 있는 '스크립트'로 설정합니다. 참고: 그림 1, 도 2, 그림 3및 도 4는 선택한 날짜에 대한 SST, CHL, 전선, 바람 및 지형을 예로 들 수 있습니다.</li>
	</ol>
</li>
	<li>스크립트를 실행하기 위해 Sat_SCS_Fig890.m 입력하여 EOF 결과를 표시합니다. 참고: 그림 5, 그림 6및 도 7은 각각 CHL, SST 및 전선에 대한 처음 두 가지 모드의 공간 크기, 월평균 및 시간 시리즈를 설명합니다.</li>
	<li>CHL과 계절별 시간대의 다른 요소 간의 관계와 스크립트를 실행하기 위해 Sat_SCS_Fig1112.m 입력하여 비정상적인 필드에 대한 관계를 계산합니다. 계절적 변동에 대한 상관관계 맵을획득(도 8)및 이상(도9).</li>
</ol>

저자는 공개 할 것이 없습니다.

이 연구에서는 해양 시스템의 주요 특징이 위성 관측을 사용하여 설명됩니다. 해양 생산을 나타내는 데 사용할 수 있는 CHL은 지표 요인으로 선택됩니다. CHL 변동성과 관련된 요인은 월별 평균 기간 시리즈(예: SST, WSC, WSC, FP 및 SLA)를 사용하여 조사되었습니다. 이 연구에서는 다양한 매개 변수에 대한 위성 데이터 수집, EOF를 통한 공간 및 시간 적 변동성 설명, 상관 관계 계수를 계산하여 서로 다른 요소 간의 상호 관계를 결정하는 세 가지 중요한 단계가 설명되어 있습니다. SST 관측에서 파생된 일일 정면 분포에 대한 식별을 보여주는 자세한 절차가 포함되어 있습니다. SST 전면 감지를 위해 두 가지 주요 접근법이 개발되었습니다: 그라데이션방법(10,38) 및 히스토그램방법(39,40). 히스토그램 방법은 물 질량을 다른 그룹으로 나누는 데 사용할 수 있는 SST에 대한 유사한 값 범위를 기반으로 합니다. 전환 대역의 픽셀을 나타내는 서로 다른 그룹 간의 값이 있는 픽셀은 전면으로 정의됩니다. 반면, 그라데이션 방법은 그라데이션 값이 큰 픽셀로 비교적 균일한 수문 여러 체분을 분리합니다. 비교 연구가 수행되었고, 그들은 히스토그램 방법을 사용하여 더 낮은 거짓 비율을 발견하고 그라데이션 방법(41)을사용하여 누락 된 전선이 적다. 본 연구에서, 그라데이션 기반방법(38)은 이전 연구10,28에따라 채택되었다. 알고리즘은 크기를 더 작은 임계값 이하의 수준으로 감소시켜 여러 가장자리 조각으로 전면 침입을 방지할 수 있습니다. 여기에 포함된 데이터 집합 외에도 에어로졸 지수와 같은 다른 위성 관측도 유사한 접근 방식으로 사용될 수 있다.
대부분의 절차는 다른 지역 이나 데이터 집합에 직접 적용할 수 있습니다. 전면 감지 의 임계값을 변경 하기 위해 수정이 일어날 수 있습니다. SCS의 SST 그라데이션은 동부 경계 전류시스템(28)과유사하기 때문에 현재 스터디에 대해 동일한 임계값이 구현되었습니다. 이전 연구에 따르면 서로 다른 데이터 집합의 SST 그라데이션은42배까지3배까지 다양하여 방법을 더 적게 객관적으로 만듭니다. 실질적인 연구는 글로벌 바다 주변의 정면 활동을조사했다 28,43. 전선의 유효성을 검사하는 가장 좋은 방법은 시투 관측에서 이를 비교하는 것입니다. Yao44는 SCS의 월간 정면 분포를 설명했습니다. 그들의 결과는 시투 측정과 잘 동의했습니다. 전체 그라데이션은 공간 해상도 및 계측에 따라 값이 다를 수 있으므로 전체 그라데이션을 점검하고 조정해야 합니다. 특히 다른 SST 데이터 집합을 사용할 때 임계값을 업데이트해야 합니다. 지역 역학에 대한 기본적인 이해는 전두근45,46,47을이해하는 데 기본이다. 전면 검색 스크립트는 이 백서의 설명에 따라 개별 작성자에서 개발할 수 있습니다.
위성 정보는 표면 기능에 대한 포괄적인 이해를 제공하며, 결과 비교는 시투 관측에서 신뢰성을 평가하는 데 도움이 될 수 있습니다. 그러나 위성 관측은 바다 표면으로 제한되어 수열의 수직 구조를 이해하는 응용 프로그램을 제한합니다. 최근 연구에서 위성 관측결과, 표면 CHL이 15배 증가했지만 수직통합값은 2.5배48배만증가한 것으로 나타났다. 이러한 차이는 표면 값이 MLD의 식물성 플랑크톤 성장과 밀링의 공동 효과에 의해 영향을 받아 표면에서 실현 불가능한 값을 초래했기 때문입니다. 따라서 표면 피쳐는 전체 물 열에 대한 정확한 설명을 제공하지 않을 수 있습니다. 또한 클라우드 커버리지의 영향은 위성의 지속적인 관찰을 제한합니다. 따라서 월별 타임 시리즈는 동일한 지역과 같은 기간에 걸쳐 다른 요인에 대해 계산됩니다. 이것은 다른 요인 들 간의 상관 관계를 계산의 신뢰성을 보장 합니다. 그러나 며칠에서 일주일 동안 지속되는 태풍과 같은 단기 적인 사건은 해결되지 않습니다.
이전 연구에 비해 제안 된 방법은 픽셀 수준에서 공간 정보를 제공 할 수 있으며, 이는 보다 상세한 방식으로 역학을 평가하는 데 도움이 될 수 있습니다. 일부 이전 연구는 전체 SCS를 단일 숫자로 평균하고 타임 시리즈를 획득했습니다. 그(것)들은 비정상적으로 강한 WS 및 높은 SST가 현재 결과와 일치하는 비정상적으로 높은 CHL16을유도할 수 있다는 것을 것을을 발견했습니다. 그러나 관계의 공간 적 변화는 해결되지 않았습니다. 이 연구에서는 WS와 CHL 간의 분지 규모 상관 관계가 비정상적인 분야에서 약했습니다. 큰 중요한 상관관계는 SCS(도9B)의중심과 같은 특정 영역에 대해서만 확인되었다. 따라서, 현재 방법은 공간 변화를 조사하기 위한 포괄적인 설명을 제공한다. 마찬가지로, 두 개의 바이오 아르고 수레에서 관찰이 사용되었고 WSC가 CHL 변동성(20)과상관 관계가 없는 것으로 나타났습니다. 그러나 두 수레의 궤적은 특정 지역에만 있습니다. 이 경우, CHL 레벨과 WSC 사이의 상관관계가 중요하지 않은 밴드 내에 정확히있었다(도 8D). 제안된 방법은 글로벌 바다의 근본적인 특징인 요인들 간의 공간 의존성을 해결하는 데 매우 유용합니다.
요약하자면, 여기서 사용되는 방법은 위성 관측을 사용하여 해양 표면 피처의 공간 분포 및 측두형 가변성을 정확하게 설명할 수 있다. 위성 데이터 집합의 해상도가 증가함에 따라 보다 자세한 기능을 식별하고 조사하여 CHL, SST 및 SSH를 포함한 지역 기능에 대한 일반적인 이해를 가능하게 합니다. 서로 다른 요인 들 간의 월별 시계시리즈의 상관 관계는 그들의 역동적인 관계와 생태계에 대한 잠재적 영향을 이해하는 데 도움이 될 수있습니다(49). 상관 관계는 크게 다른 공간 위치에 다를 수 있으므로 제안된 메서드는 상세하고 포괄적인 설명을 제공합니다. 전 세계 모든 해양 유역에 유사한 접근 방식을 적용할 수 있으며, 이는 해양 역학 및 생태계에 대한 이해를 향상시키는 데 매우 도움이 될 것입니다.

원격 감지 기술은 대규모 공간 스케일과 해양 환경을 설명하기 위한 오랜 기간의 훌륭한 데이터 집합을 제공합니다. 위성의 공간 해상도가 증가함에 따라, 자세한 기능은 이제 지역 규모에서 수백 미터1,2로해결됩니다. 해양 역학에 대한 향상된 이해는 대부분의 업데이트 된 위성 관측3을통해 달성 될 수있다.
원격 감지 플랫폼에 여러 센서를 통합하면 다양한 매개 변수에 대한 포괄적인 설명이 가능합니다. 해수면 온도(SST)는 반세기 이상 관찰된 기본 파라미터(SST)이다. 최근에는 해면 엽록소(CHL)에 대한 관측이 가능해졌으며 해양 생산성을 설명하는 데 사용될 수있다. 고도항도 위성은 바다 표면 높이를측정하는 데 사용된다6,7,이는 강하게 글로벌 바다에서 중형 에디 활동과 관련이8,9. 에디 외에도 전두엽 활동은 지역 역학 및 1 차 생산10에영향을 미치는 데 에도 중요합니다.
현재 연구의 주요 초점은 다른 해양 요인의 공간 분포 및 측두근성을 설명하는 표준 절차를 찾는 것입니다. 이 방법에서는 SST 그라데이션에서 파생된 SST, CHL, SSH 및 전면 데이터를 분석하여 패턴을 결정합니다. 특히, CHL은 바다의 생산성을 나타내는 데 사용되며, CHL 및 기타 해양 파라미터 간의 관계를 조사하는 방법이 도입된다. 이 방법을 검증하기 위해 남중국해에서 2002년 10월부터 2017년 9월까지의 기간은 모든 매개 변수를 검사하는 데 사용되었습니다. 이 방법은 주요 해양 패턴을 포착하고 해양 역학이 생태계에 미치는 영향을 탐구하기 위해 전 세계 다른 지역에서 쉽게 사용할 수 있습니다.
남중국해(SCS)는 위성 관측비율이 상대적으로 높기 때문에 연구 지역으로 지정되었습니다. SCS는 태양 복사에 풍부하다; 따라서, CHL은 주로영양소(11,12)의가용성에 의해 결정된다. 더 많은 영양소가 내포층으로 운반되면 CHL 수치가13을증가시킬 수 있습니다. 바람에 의해 유도된 혼합은 양분을 바다 표면에 도입하고 CHL14를향상시킬 수 있다. SCS는 이 지역의 역학과 생태계를 결정하는 몬순 풍력 시스템에 의해 독특하게 지배됩니다. 몬순 바람은 겨울15동안 가장 강하다. 여름에는 바람이 방향을 바꾸고 풍속은겨울 16,17보다훨씬 약합니다. 바람 강도는 수직 혼합의 강도를 결정할 수 있으며, 겨울에 바람이 증가함에 따라 혼합층 깊이(MLD)가 심화되고 여름18에바람이 감소함에 따라 얕아진다. 따라서 바람이19이고 CHL이 올해20,21의가장 높은 지점에 도달할 때 겨울 동안 더 많은 영양소가 연중 유포층으로 운반된다.
바람 이외에, MLD는 궁극적으로 영양 분함량 및 CHL22에영향을 미치는 SST 및 해수면 이상(SLA)과 같은 다른 요인을 사용하여 결정될 수 있다. 겨울 동안, 약한 수직 그라데이션은 표면20에서저온과 연관된다. 해당 MLD는 깊고 더 많은 영양소를 위쪽으로 운반할 수 있습니다. 따라서, 표면 층의 CHL은17가높다. CHL 레벨의 증가 변화는 수직 수송 및 혼합23을유도하는 메조스케일 에디에 기인할 수 있다. Upwelling은 일반적으로 우울한SLA와관련되었던 사이클론 에디에서 발견8,9 및 높은 CHL 농도24. 다운웰링은 일반적으로 높은SLA와관련된 항사이클론 에디에서 발견8,9 및 우울한 CHL 농도24. 다른 계절에 대 한, MLD 얕은 되 고 혼합 약한 되 면; 따라서, 낮은 CHL은분지(25)의대부분을 통해 관찰될 수 있다. CHL 수준의 계절 주기는 이후 지역26에대한 우세하다.
혼합 이외에, 전선 및 관련 해안 팽창은 CHL을 더욱 조절할 수 있습니다. 서로 다른 물 덩어리의 경계로 정의되는 전면은 지역 순환 및 생태계대응(27)을결정하는 데 중요하다. 프론토발생은 일반적으로 영양분을 유도하고 식물성 플랑크톤(30)의 성장을 촉진할 수 있는 해안 팽창 및융합(28,29)과관련이 있다. 히스토그램 및 SST 그라데이션 방법을 포함하여 위성 관측에서 전선을 자동으로 식별하기 위해 다양한 알고리즘이 개발되었습니다. 후자의 접근방식은 이 연구28에서채택된다.
CHL과 다양한 요소 간의 시계열의 상관 관계는 관계를 정량화하는 데 큰 통찰력을 제공합니다. 현재 연구는 생산성과 관련된 지역 해양 역학을 밝히기 위해 위성 관측을 사용하는 방법에 대한 포괄적 인 설명을 제공합니다. 이 설명은 바다의 모든 부분에서 표면 프로세스를 조사하기위한 가이드로 사용할 수 있습니다. 이 문서의 구조에는 단계별 프로토콜이 포함되며 텍스트와 그림에서 설명 결과가 따릅니다. 방법의 장단점 이외에 적용성은 이후에 논의된다.

<table><tbody><tr><td>Matlab</td><td>MathWorks</td><td>Matlab R2016</td><td>https://www.mathworks.com/products/matlab.html; 프로토콜에서 분석 소프트웨어를 가리킴</td></tr><tr><td>바다 표면 엽록소</td><td>NASA</td><td>MODIS</td><td>mg/mg3 (podaac-tools.jpl.nasa.gov)</td></tr><tr><td>바다 표면 높이</td><td>AVISO</td><td>AVISO</td><td>미터 (www.aviso.altimetry.fr)</td></tr><tr><td>바다 표면 온도</td><td>NASA</td><td>MODIS</td><td>& 도그; C (podaac-tools.jpl.nasa.gov)</td></tr><tr><td>지형</td><td>NOAA</td><td>NGDC</td><td>미터 (maps.ngdc.noaa.gov/viewers/wcs-client/)</td></tr><tr><td>바람</td><td>ECMWF</td><td>ERA-중간</td><td>m/s (www.ecmwf.int/en/forecasts/datasets)</td></tr></tbody></table>

바다 표면 엽록소와 위성 정보와 남중국해의 주요 특징 사이의 관계를 조사

Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information

위성 관측은 해면 엽록소(CHL), 해표면 온도(SST), 해수면 높이(SSH), 이러한 매개변수(예: 전선)에서 파생된 요인 등 주요 해양 파라미터의 특징을 조사하는 훌륭한 접근법을 제공합니다. 이 연구는 위성 관측을 사용하여 계절및 비정상적인 필드에서 주요 매개 변수와 관계를 설명하는 단계별 절차를 보여줍니다. 이 방법은 남중국해(SCS)의 표면 특징을 설명하는 데 사용된 2002-2017년의 위성 데이터 집합을 사용하여 설명합니다. 클라우드 커버리지로 인해 이 연구에서 월별 평균 데이터가 사용되었습니다. 경험적 직교 기능(EOF)은 서로 다른 요인의 공간 분포 및 측두체 변성을 설명하기 위해 적용되었다. 몬순 바람은 분지의 변동성을 지배합니다. 따라서, 재분석 데이터 집합에서 바람은 다른 매개 변수에 대한 그것의 원동력을 조사하기 위해 사용되었다. CHL의 계절 적 변동성은 눈에 띄었으며 SCS의 대다수에서 다른 요인과 크게 상관관계가 있었습니다. 겨울에는 강한 북동쪽 몬순이 분지 전체에 깊은 혼합층과 높은 수준의 엽록소를 유도합니다. 중요한 상관 관계 계수는 계절 주기의 요인 들 사이에서 찾아냈습니다. 여름에, 높은 CHL 수준은 주로 서부 SCS에서 찾아냈습니다. 계절적 의존도가 높은 대신, 이 지역은 매우 역동적이었고, 비정상적으로 높은 CHL 수준이 비정상적으로 강한 바람과 강렬한 정면 활동과 관련이 있는 비정상적인 분야에서 요인이 크게 상관관계가 있었습니다. 이 연구는 위성 관측을 사용하여 계절및 비정상적인 분야에서 주요 매개 변수와 관계를 설명하는 단계별 절차를 제시합니다. 이 방법은 다른 글로벌 해양에 적용 할 수 있으며 해양 역학을 이해하는 데 도움이 될 것입니다.

위성 관측에서 얻어지거나 추출한 바다 표면 엽록소, 온도, 해수면 높이, 바람 및 전면 데이터는 바다를 특성화하는 효과적인 방법을 제공합니다. 제시는 지역 역학 및 생태계를 완전히 이해하기 위해 전체 평균, 계절 주기 및 상호 상관 관계를 포함한 이러한 데이터에 대한 포괄적인 연구를 위한 방법입니다.

Satellite observations offer a great approach to investigate the features of major marine parameters, including sea surface chlorophyll (CHL), sea surface ...

위성 관측은 바다 표면 엽록소와 온도, 해수면 높이, 그리고 전선과 같은 이러한 매개 변수에서 파생된 요인을 포함한 주요 해양 매개 변수의 특징을 조사하는 훌륭한 방법을 제공합니다. 우리의 연구는 주요 매개 변수와 그들의 관계를 설명하기 위해 위성 관측을 사용하는 방법을 보여줍니다. 2002년부터 2017년까지 의 위성 데이터 과학은 남중국해의 표면 특징을 설명하는 데 사용되었습니다.엽록소의 위성 관측은 해양 보호에 사용되는 요소입니다. 엽록소 가변성과 관련된 요인은 타임시리즈를 사용하여 조사되었다. 이 방법은 다른 글로벌 해양에 적용될 수 있으며 해양 역학 및 생태계를 이해하는 데 도움이 될 것입니다.우리는 공간 및 측두적인 변동성을 설명하고 서로 다른 요인 간의 상호 관계를 결정하는 다양한 매개 변수의 위성 데이터를 획득하기위한 단계별 절차를 보여줍니다. 매개 변수의 공간 및 측두적인 분산성을 얻습니다. 그들은 경험적 직교 기능이며 서로 다른 요인 간의 상호 관계는 제로 상관 계수에 의해 획득됩니다.바다 표면 온도 및 해면 엽록소 데이터 수집의 경우 MODIS Aqua에서 위성 관측 데이터를 다운로드하여 두 데이터 세트의 공간 해상도는 매일 간격으로 약 4.5km입니다. 다운로드한 위성 파일을 데이터 폴더에 저장하고 표시된 대로 폴더의 디렉터리구조를 구성합니다. MATLAB에서 NetCDF 파일에 대한 도구 상자의 경로를 추가하고 하위 폴더로 추가를 선택하여 스크립트 폴더의 경로를 둘러싸습니다.데이터 및 함수의 필요한 모든 디렉터리경로가 MATLAB 검색 경로에 나타납니다. 그런 다음 바다 표면 온도 데이터를 분석 소프트웨어에 로드합니다. 해수면 변칙 데이터 집합 수집의 경우, 동일한 기간에서 25km 공간 해상도로 일일 해수면 변칙 데이터를 다운로드하고 명령을 입력하여 하루 해수면 변칙 데이터를 로드합니다.풍속 데이터를 얻으려면 ERA 중간 재분석 제품에서 같은 기간의 풍속 데이터를 다운로드하여 명령을 입력하여 1개월 풍력 데이터를 읽습니다. 획득된 u, v 및 시간 변수는 각각 구역 및 자오선 의 모든 속도와 해당 시간을 나타낸다. 지형 데이터 집합에 액세스하려면 국립 환경 정보 센터 웹 사이트에서 고해상도 지형 데이터를 다운로드하고 분석을 소프트웨어에 지형 데이터를 로드하는 명령을 입력합니다.XX, YY 및 ZZ 변수는 각각 위도, 경도 및 해당 깊이를 나타냅니다. 해면 온도 및 해면 엽록소 데이터의 큰 구름 커버리지로 인해 명령을 사용하여 원래 데이터를 3일 평균 데이터로 대체합니다. 공간 해상도가 서로 다른 데이터 집합에 대해 일치하지 않기 때문에, 바다 표면 온도및 해면 엽록소 데이터를 바람과 해수면 이상 공간 그리드와 동일한 공간 그리드로 보간하는 명령을 입력합니다.표시된 대로 명령을 입력하여 바람 응력과 바람 응력 컬을 계산합니다. 월별 해수면 온도, 바람 및 해수면 변칙 타임 시리즈를 각 픽셀의 30일 평균으로 계산하려면 표시된 대로 명령을 입력합니다. 공간 스무딩을 위해 명령을 입력하여 각 픽셀의 3일 평균 해표면 온도 데이터를 원활하게 하기 위해 스크립트를 실행합니다.바다 표면 온도 그라데이션을 결정하기 위해, 명령을 입력하여 종단을 실행하여 해당 거리로 나눈 가장 가까운 두 픽셀 사이의 바다 표면 온도 차이로 모든 해수면 온도 그라데이션을 계산한다. 바다 표면 온도 그라데이션의 값을 테스트하여 전면을 식별하려면 값이 지정된 임계값보다 큰 경우 픽셀을 잠재적 인 전두엽 픽셀로 레이블을 지정합니다. 특정 시간 범위에 대해 전면을 관찰할 월별 정면 확률을 계산하려면 명령을 입력합니다.분석을 위해 월별 데이터를 로드하려면 명령을 입력하고 경험적 직교 함수를 적용하여 서로 다른 매개 변수의 공간 및 측두적인 분산성을 설명합니다. 이 프로그램은 데이터 집합에 대한 경험적 직교 함수의 크기, eigenvalue 및 진폭을 계산합니다. 계절 척도에서 상관 관계를 확인하려면 명령을 입력하여 각 픽셀에서 시계열을 사용하여 두 요소 간의 상관 관계를 계산합니다.그런 다음 명령을 입력하여 바다 표면 엽록소및 기타 요인의 월별 이상 사이의 상관 관계를 계산합니다. 위성 정보를 표시하려면 명령을 입력하여 스크립트를 실행하여 해면 엽록소, 온도 및 바람, 해수면 이상 및 정면 분포를 포함한 위성 정보의 쇼케이스를 생성합니다. 명령을 입력하여 경험성 직교 함수 결과를 표시합니다.그런 다음 지시된 대로 명령을 입력하여 계절및 비정상적인 필드에서 엽록소와 기타 요인 간의 관계를 계산합니다. 지형은 지형이 얕은 남중국해 해안을 따라 주로 분포된 공해 표면 엽록소와 함께 해수면 엽록소의 공간 분포에 큰 영향을 미칩니다. 바람은 또한 약한 바람과 남중국해의 남서쪽에 확인 된 눈에 띄는 바람 스트레스 컬을 특징으로 산의 임대 측면과 오로그래피에 의해 영향을받습니다.여기에 적용된 임계값은 전면의 위치를 효과적으로 캡처하고 전체 물 질량의 경계를 묘사합니다. 이 분석에서 경험적 직교 기능은 남중국해 북부에서 큰 차이를 포착했습니다. 해당 월간 평균 시간대는 겨울철에 해표면 엽록소가 상승하여 여름동안 우울해진 것으로 나타났다.남서해안 옆 지역은 진도가 약하고, 그에 상응하는 가변성은 주로 경험적 직교 기능 2에 의해 포착되었다. 해면 엽록소 값은 여름에 높았고 겨울에는 낮았으며, 북부 지역에 비해 주로 위상이 낮았다. 실제로, 경험적 직교 기능에 대한 월간 시계시리즈는 경험성 직교 기능2 주요 경험적 직교 기능을 가진 명확한 계절 적 가변성을 보여 주며 약 4 개월씩.엽록소와 다른 요인 사이의 상관 관계는 요인의 상호 관계를 나타냅니다. 예를 들어, 이러한 분석에서, 바다 표면 온도는 엽록소와 부정적으로 상관되며 바람 응력은 엽록소와 양호하게 상관된다. 따라서, 높은 엽록소는 이러한 데이터에 대한 저온 및 강한 바람과 연관되었다.해양 매개 변수의 가변성을 식별하고 엽록소와의 관계를 조사하는 것은 해양 역학 및 해양 생태계에 매우 중요하고 중요합니다. 높은 엽록소는 일반적으로 전면과 연관되기 때문에 전두근 활동은 특히 중요합니다. 전면 검출의 임계값을 변경하기 위해 수정이 이루어질 수 있으며 전면을 검증하는 가장 좋은 방법은 이를 연구소 관측과 비교하는 것입니다.요약하자면, 위성 관측을 사용하면 해양 표면 피처의 공간 분포와 측두형 가변성을 정확하게 설명할 수 있습니다. 더 자세한 기능의 해상도가 증가함에 따라 향후 식별 및 조사 할 수 있습니다.

investigating-relationship-between-sea-surface-chlorophyll-major

Research

연구

JoVE Journal

Environment

환경

플랑크톤과 중단된 한 입자는 바다 생물 지구 화학적 순환에 중요 한 역할을 재생합니다. 여기, 우리 해 수의 큰 볼륨을 처리 하는 능력 입자와 바다에서 플랑크톤의 다양 한 크기의 컬렉션에 대 한 매우 깨끗 하 고 낮은 스트레스 방법을 제공 한다.

크기 분류 한 해양 플랑크톤과 중단된 한 입자를 수집 하기 위해 매우 깨끗 한 다층 기구

우리는 PAM및 에서 신호의 검출을 위한 스펙트럼 방사선계를 사용하여 엽록소의 형광 및 잎 반사의 동시 측정을 관련시키는 더 높은 식물에 있는 광합성 반응을 공부하는 새로운 기술적인 접근을 기술합니다 애기장대에서 같은 잎 지역.

잎 반사 및 엽록소 형광 분석의 동시 측정을 통해 광합성 거동 평가

이 프로토콜은 외계 행성의 빛 곡선에서 정보를 추출하고 표면 지도를 구성합니다. 그것은 프록시 외계 행성 역할을 지구의 빛 곡선을 사용하여 접근 방식을 보여줍니다.

단일 점 라이트 커브를 사용하여 지구와 같은 외계 행성의 표면 매핑

시아노균 꽃과 관련 시아노톡신의 조기 발견을 위한 빠른 종합 전략은 여기에서 기술된다. 그것은 24 시간에서 물 샘플 및 바이밸브 샘플과 같은 유기 매트릭스에서 시아노박테리아 및 관련 시아노톡신의 검출을 허용합니다.

빠른 검출 전략을 사용하여 시아노균 꽃과 관련 된 Cyanotoxins의 조기 발견

이 프로토콜은 해수 샘플에서 유해한 조류 꽃과 관련 미생물군유전체를 모니터링하기 위해 16S rRNA 및 18S rRNA 유전자를 대상으로 메타바코딩 분석 단계를 소개합니다. 그것은 강력한 분자 기반 도구이지만 시각적으로 단계별로 여기에 설명되는 몇 가지 절차가 필요합니다.

메타바코딩 분석을 통해 칠레의 유해한 조류 꽃을 모니터링하기 위한 표준화된 절차

여기에서는 식물성 플랑크톤 현미경 이미지를 벡터 그래픽과 반복적인 패턴으로 변환하여 60년 동안 식물성 플랑크톤 분류군과 바이오매스의 변화를 시각화할 수 있는 프로토콜을 제시합니다. 이 프로토콜은 전 세계적으로 다른 플랑크톤 시계열 및 데이터 세트에 활용할 수 있는 접근 방식을 나타냅니다.

식물성 플랑크톤의 장기적인 변화를 묘사하기 위한 해양학적 데이터 시각화

이 프로토콜은 산호초 군집의 구조적 복잡성, 군집 구성 및 인구 통계에 대한 메트릭을 추출하는 데 사용되는 4단계 대면적 이미징 조사 방법론을 다룹니다. 수집된 이미지의 품질과 소스 이미지에 대한 통합 액세스는 프로토콜의 각 단계 내에서 우선 순위가 지정됩니다.

Measuring the Structure, Composition, and Change of Underwater Environments with Large-Area Imaging(대면적 이미징을 통한 수중 환경의 구조, 구성 및 변화 측정)

바다 표면에 microplastics 샘플링, 입자의 microplastic 화학적 식별의 분리 : 프로토콜은 아래의 방법을 설명합니다. 이 프로토콜은 해양 쓰레기에 MSFD 기술 하위 그룹에 의해 출판 microplastics 모니터링을위한 권고와 일치한다.

바다 표면 및 샘플 분석에 Microplastics 샘플링을위한 프로토콜

메탄 베어링 퇴적 물에서 황의 유황 동위 원소 구성 (δ34S)의 분석 일반적으로 대량 샘플에 집중 했다. 여기, 우리는 다양 한 황 세대 pyritization diagenetic 역사 이해의 δ34S 값을 분석 2 차 이온 질량 분광학 적용.

제자리에서 유황 동위 원소 분석 심즈를 사용 하 여 메탄 베어링 퇴적 물에서 Authigenic 황의 준비

이 문서는 postharvest 해충에 대 한 산화 질소 (NO) 훈 증 프로토콜을 설명합니다. 질소 (N2) 아니오 전에 ultralow 산소 조건 설정 하로 훈 증 챔버 플러시 주입. 끝에, 챔버 N2 없음2에 노출을 방지 하기 위해 주변 공기에 제품을 노출 하기 전에 노 희석 플러시됩니다.

산화 질소 가스와 해충에 대 한 훈 증 실험실의 절차

학습하세요 위성 관측을 활용한 해양 엽록소와 온도 분석 방법으로 남중국해 생태계 동태를 파악하는 기법입니다. 이 방법은 해양 보호와 해양 역학 이해에 활용됩니다.

바다 표면 엽록소와 위성 정보와 남중국해의 주요 특징 사이의 관계를 조사

더 많은 동영상 탐색