Summary

衛星情報を用いた南シナ海の海面クロロフィルと主要な特徴の関係を調べ

Published: June 13, 2020
doi:

Summary

海面クロロフィル、温度、海面高さ、風、および衛星観測から得られた、または衛星観測から得られた前線データは、海洋を特徴付ける効果的な方法を提供します。本講演は、これらのデータの総合的な研究方法であり、全体の平均、季節周期、相関分析を含め、地域のダイナミクスや生態系を十分に理解する方法です。

Abstract

衛星観測は、海面クロロフィル(CHL)、海面温度(SST)、海面高さ(SSH)、およびこれらのパラメータ(例えば、前面)から得られる要因を含む主要な海洋パラメータの特徴を調査するための素晴らしいアプローチを提供します。この研究は、衛星観測を使用して、季節および異常な分野における主要なパラメータとその関係を記述するためのステップバイステップの手順を示しています。この方法は、南シナ海(SCS)の表面特徴を記述するために使用された2002年から2017年の衛星データセットを使用して示されています。クラウドのカバレッジにより、この調査では月平均データが使用されました。経験的直交関数(EOF)を適用して、異なる因子の空間分布と時間的変動を記述した。モンスーン風が流域の変動を支配している。したがって、再分析データセットからの風は、異なるパラメータの駆動力を調査するために使用されました。CHLの季節変動は顕著であり、SCSの大部分の他の要因と有意に相関していた。冬には、強い北東モンスーンが深い混合層と高レベルのクロロフィルを流域全体に誘導します。季節周期の因子の間に有意な相関係数が見つかった。夏には、高いCHLレベルは主に西部SCSで発見されました。季節的な依存の代わりに、この地域は非常にダイナミックであり、異常に高いCHLレベルが異常に強い風と激しい前線活動に関連するほど、異常に高いCHLレベルが関連する異常な分野で有意に相関した。この研究では、衛星観測を使用して、季節的および異常な分野における主要なパラメータとその関係を記述するためのステップバイステップの手順を示しています。この方法は、他のグローバル海洋に適用することができ、海洋ダイナミクスを理解するのに役立ちます。

Introduction

リモートセンシング技術は、海洋環境を記述するための大きな空間スケールと長い期間を持つ優れたデータセットを提供します。衛星の空間分解能が高まる中、詳細な特徴が地域規模から数百メートル1、2に解決されるようになりました。海洋ダイナミクスの理解の向上は、最新の衛星観測3で達成することができます。

リモートセンシングプラットフォームに複数のセンサを組み込むことで、さまざまなパラメータの包括的な説明が可能です。海面温度(SST)は、半世紀以上4世紀以上観察されてきた基本的なパラメータです。近年、海面クロロフィルa(CHL)の観測が可能になり、海洋生産性5を記述するために使用することができる。高度計衛星は、世界の海8、9におけるメソスケール渦の活動に強く関連する面高6、7の測定に使用される。渦に加えて、前線活動は地域のダイナミクスと一次生産10に影響を与えるためにも重要です。

現在の研究の主な焦点は、異なる海洋因子の空間分布と時間変動を記述するための標準的な手順を見つけることです。この方法では、SST勾配から導出されるSST、CHL、SSH、およびフロントデータを分析してパターンを決定します。特に、海の生産性を表すためにCHLを用い、CHLと他の海洋パラメータとの関係を調べる方法が導入されている。この方法を検証するために、南シナ海における2002年10月から2017年9月までの期間を使用して、すべてのパラメータを調べました。この方法は、世界中の他の地域で簡単に使用して、主要な海洋パターンをキャプチャし、海洋ダイナミクスが生態系にどのような影響を与えるかを調べることができます。

南シナ海(SCS)は、衛星観測のカバレッジ率が比較的高いため、研究地域に指定されました。SCSは日射量が豊富です。したがって、CHLは主に栄養素11,12の入手可能性によって決定される。より多くの栄養素が陶酔層に運ばれていると, CHL レベルは増加することができます 13.混合は、風によって誘発され、海面に栄養素を導入し、CHL14を増強することができる。SCSはモンスーン風システムによって一意に支配され、地域のダイナミクスと生態系を決定します。モンスーン風は冬15の間に最も強いです。夏には、風が方向を変え、風速は冬の16、17の風速よりもはるかに弱いです。風強度は、冬季に風が大きくなるにつれて混合層深度(MLD)が深くなり、夏18で風が小さくなるにつれて浅くなるような、垂直混合の強度を決定することができる。したがって、より多くの栄養素は、風が強いの間に陶酔層に輸送され、CHLは20、21年の最高点に達する。

風に加えて、MLDは、最終的に栄養成分およびCHL22に影響を与えるSSTおよび海面異常(SLA)などの他の要因を使用して決定することができる。冬の間、弱い垂直勾配は表面20で低温と関連している。対応するMLDは深く、より多くの栄養素を上方に運ぶことができます。したがって、表面層のCHLは高い17である。CHLレベルの変化の増加は、垂直輸送と混合23を誘導するメソスケール渦に起因する可能性がある。アップウェルは、通常、うつ病のSLA8、9および高いCHL濃度24に関連するサイクロン渦に見られる。ダウンウェルは、通常、上昇したSLA8、9およびうつCHL濃度24に関連する抗サイクロン渦に見られる。他の季節では、MLDは浅くなり、混合は弱くなります。したがって、低CHLは、流域25の大部分にわたって観察することができる。CHLレベルの季節周期は、その後、地域26のために優勢である。

混合に加えて、フロントおよびそれに関連する沿岸のアップウェルは、CHLをさらに調節することができます。異なる水塊の境界として定義されている前線は、地域の循環と生態系応答27を決定するために重要である。前頭形成は通常、沿岸の上昇と収束28、29に関連付けられており、栄養素を誘導し植物プランクトン30の成長を高めることができる。ヒストグラムやSST勾配法など、衛星観測から前線を自動的に識別するさまざまなアルゴリズムが開発されています。後者のアプローチは、この研究28で採用されている。

CHLと異なる要因の間の時系列の相関関係は、それらの関係を定量化するための大きな洞察を提供します。現在の研究では、衛星観測を使用して生産性に関連する地域の海洋ダイナミクスを明らかにする方法の包括的な説明が提供されています。この説明は、海洋の任意の部分の表面プロセスを調査するためのガイドとして使用できます。この記事の構造には、手順ごとのプロトコルが含まれ、その後にテキストと図の説明的な結果が続きます。この方法の長所と短所に加えて、適用可能性について後で説明します。

Protocol

1. データセットの取得 SST および CHL 両方のデータセットの空間分解能が毎日の間隔で約 4.5 km である MODIS-Aqua (podaac-tools.jpl.nasa.gov/) から SST および CHL の衛星観測データのデータセットをダウンロードします。注 : 補助ファイルで使用できるスクリプト フォルダの例に従ってディレクトリとデータを構成 します。サテライト データの .nc ファイルを ‘Data’ フォルダに格納します。解析ソフトウェア (MATLAB) の NetCDF ツールボックスへのパスを追加します。「 サブフォルダーを追加 」を選択して、’UTILITIES’ フォルダーとそのサブフォルダーのパスを囲みます。 期間を決定します。異なるデータセット間の一貫性を維持するには、すべてのパラメーターに同じ期間を使用します。時間カバレッジに基づいて期間を調整し、異なるデータセット間で最長の観測期間を使用します。このプロトコルでは、2002 年 10 月から 2017 年 9 月までの 15 年間のデータをダウンロードしてください。 空間カバレッジを決定します。注: 設計されたスタディ領域は、105°E ~ 123°E で、0°から 25°N の間にあります。 前処理の手順を確認します。SST および CHL データの前処理要件 (スケーリングが必要かどうかなど) に関する .nc ファイルの説明を読んでください。注: ダウンロードしたデータセットは、陸上および海岸線から 5 km 以内のデータと、雲によって汚染されたデータを既に除外しています。 SST および CHL データを分析ソフトウェアにロードします。コマンド ウィンドウに Read_MODIS_SST 入力して、SST データを読み取ります。同様に、CHL データを読み取るコマンド ウィンドウに Read_MODIS_CHL と入力します。CHL データは対数正規分布31を持つため、CHL データを対数的に変換します。注: ロードされた変数には、それぞれ、経軸位置、ゾーナル位置、および時間を表す 3 次元の SST と CHL が含まれます。SST の範囲は -2 ~ 44 で、CHL の範囲は 0.01 から 20 です。 海面異常 (SLA) 2002 年から 2017年 32までの 25 km の空間解像度で、毎日の SLA データをダウンロードします。注: SLA は、観測された海面高さと、20 年間の平均海面高さの違いを記述します (1993-2012) 対応するピクセルについて説明します。SLA データは SSALTO/DUACS によって処理され、衛星海洋データのアーカイブ、検証、および解釈 (AVISO、https://www.aviso.altimetry.fr) によって配布されます。 解析ソフトウェアにデータをロードします。コマンド ウィンドウに 「Read_SLA」 と入力して、1 日の SLA データを読み込みます。注: 補足ファイル の 「データ」フォルダーには、説明用のスクリプトに 1 つのサンプル・データムのみが含まれています。 風速 欧州中距離天気予報センター(ECMWF)33が開発した世界的な大気再分析データセットであるERA中間再分析製品から風の情報を取得します。CHL および SST データとの整合性を保つために、同じ期間 (2002 年 10 月 ~ 2017 年 9 月) の風向データをダウンロードします。注: 風データセットの空間分解能は約 25 km で、元のデータセットから約 0.7°の空間分解能で補間されました。 解析ソフトウェアにデータをロードします。コマンド ウィンドウに Read_WindVector 入力して、1 か月の風のデータを読み取ります。元のデータを平均して月平均を計算します( 6 時間間隔)。 地形 国立環境情報センター(NCEI、https://maps.ngdc.noaa.gov/viewers/wcs-client/)から高解像度の地形データをダウンロードしてください。空間解像度は約 2 km です。選択したスタディ領域の岩盤の ETOPO1 データを XYZ 形式で取得します。 解析ソフトウェアにデータをロードします。コマンド ウィンドウに Read_topography 入力して、解析ソフトウェアにトポグラフィ データを読み込みます。 2. データ前処理 時間平均 SST データと CHL データのクラウド カバレッジが大きいため、元のデータを 3 日間の平均データに置き換えます。これを行うには 、Read_MODIS_SST.m を実行し、スクリプトを Read_MODIS_CHL.m した後 (手順 1.1.5)、コマンド ウィンドウに Temporal_average を入力してスクリプトを実行します。 同じグリッドへの補間 空間解像度はデータセットによって一貫していないため、比較を行う前に、SST データと CHL データを、風と SLA 空間グリッドと同じ空間グリッドに補間します。 Temporal_average.m スクリプトを実行して Read_WindVector.m した後、コマンド ウィンドウに Interpolation_grid 入力してスクリプトを実行します。 風応力と風応力カール コマンド ウィンドウに Wind_stress_curl と入力し、次の式を使用して、風応力(WS)と応力カール(WSC)を計算します。ここで 、風速ベクトル は、風速ベクトルと同じ方向 のWSであり、それぞれ東方および北方向のWS であり、空気密度(1.2 kg/m3に等しい)であり、Cは中立的な安定性条件34の下でのドラッグ係数(0.0015の値が使用される)である。 月平均 スクリプトを実行する Monthly_average 入力して、各ピクセルの SST、風、および SLA の時系列を 30 日の平均として計算します。クラウドカバレッジ率が高いため、CHL の月間時系列として、月の 15日目 の 30 日前から 30 日後までの期間を含む 60 日の平均を使用します。 3. SST フロント検出 空間スムージング Spatial_smoothing 入力して 、スクリプトを実行して、各ピクセルの 3 日間の SST データを平均化します。メモ:SSTデータで大量のノイズが確認されました。したがって、データは3 x 3の空間平均で平滑化されました。元の 3 日間平均データでデータが利用できない場合、空間平均データは利用不可に設定されました。 SST グラデーション SST_gradientと入力して、SSTのグラデーション (すなわち、GxとGy)を計算するスクリプトを、最も近い 2 つのピクセルの SST の差を、方程式 (3) を介して対応する距離で割った値として計算します。取得した勾配ベクトルを使用して、合計勾配Gをスカラー次式 (4) として計算します。 ローカルの最大値 SST グラデーション値をテストして前面を識別する: 値が指定されたしきい値より大きい場合は、ピクセルに潜在的な正面ピクセルとしてラベルを付けます。しきい値よりも大きいピクセルが接続されている場合は、ローカルの最大ピクセルをグラデーション方向に垂直に維持します。ここでは、以前の研究10、28に続いて、しきい値を0.035 °C/kmと定義します。注 : 対応するスクリプト ‘Local_maximum.m’ は、補足ファイルで使用できます。 月次正面確率 (FP)注: 正面の確率 (FP) は、正面を観察する確率を表します。 スクリプトを実行する Monthly_FP 入力して、特定の期間 (この場合は月単位) の FP を計算します。タイム ウィンドウ中の各ピクセルでの正面の発生を、雲のない日数で割ります。 4. 空間的および時間的変動 季節サイクル 異なる季節の平均として異なる要因の季節サイクルを計算します。季節を定義する:冬は12月から2月、春は3月から5月、夏は6月から8月、秋は9月から11月です。注:季節周期はこの研究では示されていません。次の方法は、空間的および時間的な変動性を説明するために使用されます。 経験的直交関数(EOF) 時間平均と使用できないピクセルを削除します。EOF を実行する前に、各ピクセルで全体平均を引き、雲のカバレッジのために観測値が 20% を超える場所を除外します。コマンド ウィンドウに load(‘Monthly_data_for_EOF.mat’) と 入力してデータを読み込みます。 EOF を適用して、さまざまなパラメーターの空間的および時間的な変動を記述します。Empirical_orthogonal_function.m と入力 して、データセットの EFS の大きさ (Mag)、固有値 (Eig)、振幅 (Amp) (たとえば、月平均 SST、風応力、風応力カール、CHL、FP の時系列) を計算します。注: この関数は、月次時系列を異なるモードに分解し、空間パターンと時間パターンで構成され、各モードで説明される分散は、モード数が増加するにつれて減少します。 5. 相互相関 季節スケールでの相関 各ピクセルで時系列を使用して、2 つの因子間の相関を計算するには 、Seasonal_correlation を入力してスクリプトを実行します。季節周期は削除されないので、すべての相関の相関の有意性を確認してください。 異常フィールドの相関 毎月の CHL 異常と、SST、WS、フロント、SLA などの他の要因との間の相関関係を計算します。月次時系列から対応する月の平均を差し引いて、月次異常(平均ステータスからの偏差)を取得します。 Anomalous_correlation 入力してスクリプトを実行し、相互関係を取得します。 6. 情報の表示と関係の計算 衛星情報を表示します。 スクリプトを実行するSat_SCS_Fig3457入力して、SST、CHL、および正面分布を含む衛星情報のショーケースを生成します。現在のフォルダを、データ ‘Sat_SCS_data.mat’ が配置されている 「スクリプト」として設定します。注:図 1、図2、図 3、および図 4は、選択した日付の SST、CHL、前面、風、および地形を例として示しています。 スクリプトを実行する Sat_SCS_Fig890.m 入力して、EOF の結果を表示します。注: 図 5、図 6、および 図 7 は、CHL、SST、および前面の最初の 2 つのモードの空間的な大きさ、月平均、時系列をそれぞれ示しています。 CHL と季節的なタイムスケールの他の因子との関係を計算するには、スクリプトを実行するためにSat_SCS_Fig1112.mを入力して、異常なフィールドに対して行います。季節変動性と異常の相関マップを取得します (図 9)。

Representative Results

SCSにおける海面CHLの空間的および時間的パターンは、衛星観測を用いて記述された。CHL (図1A) および SST (図 1B) の衛星情報は、クラウドのカバレッジによって汚染され、データの大部分が使用できなくなる可能性があります。再分析された風 (図 1C)と SLA (図 1D)のデータは、毎日の雲の影響を受けにくいものでした。高CHLは主に地形が浅い海岸沿いに分布していたのが、図1EはCHLの空間分布に顕著な影響を与えた。風もオグラフィーの影響を受け、山のリー側は弱い風によって特徴づけられました。したがって、SCSの南西で顕著なWSCが同定された。対照的に、SLAは地形にあまり依存せず、SCSの流域には異常に高いSLAの領域が見つかりました。 図1:2015年4月15日の主要パラメータの元の観測値(A)海面クロロフィル (CHL) (B) 海面温度 (SST) (C) 風応力付き風応力カール (WSC, ベクトル) , (D) 海面異常,海盆地の地形.この図の大きなバージョンを表示するには、ここをクリックしてください。 衛星観測に対するクラウドの影響が深刻であるため、多くのデータが利用できないか、空間的に矛盾していました。効果的かつ効率的な方法を適用して、データギャップを埋め、フィールドを滑らかにしました。データは、最初に各ピクセルで 3 日間の平均に置き換えられました。空間平均は、データが周囲の値(3 x 3 ピクセル)の平均に置き換えられるような、各ピクセルでさらに適用されました。したがって、空間的な不一致は大幅に減少しました (図 2C)。 図 2: 2015 年 4 月 15 日の 1 日の SST。(A) MODIS のオリジナル SST、 (B) 3 日間平均 SST、空間平滑化後の SST (C) SST この図の大きなバージョンを表示するには、ここをクリックしてください。 SST フロントの日次分布は、SST の勾配から導き出されました (図 3A)。ここで適用される閾値は、正面(図3B)の位置を効果的に捉え、水塊全体の境界を確実に描写した(図3C)。前部は主に勾配から得られたため、勾配と前面はほぼ同じであった。 図3:SSTから導出されたフロント検出の手順(A) SST 勾配の大きさ、(B)細い黒い線での SST フロントの分布、および対応するSST 勾配に基づくフロント分布 この図の大きなバージョンを表示するには、ここをクリックしてください。 CHL、SST、およびフロントデータのクラウドカバレッジにより、毎月の平均時系列が計算され、この調査で適用されました。2015 年 4 月のランダムな例を図 4に示します。パラメータに対して既存のギャップはありませんでした。異なるパラメータの一般的なパターンは、空間分散に関して非常に一貫していました。例えば、CHLは海岸付近が高く、中央流域が低く、SSTは海岸付近が低く、中央流域では高かった。月平均は、地域の特徴を描写するための包括的な情報を提供しました。前線は主に海岸沿いに分布し、ダイナミクスは複雑でした。流域の大部分は前線から離れていた。したがって、SCSの中心はゼロに近い値によって特徴づけられました(図4E)。 図4:2015年4月の主要パラメータの月平均。(A) CHL (対数スケール) (B) SST、 (C) WSC (シェーディング) WS (ベクトル) 、 (D) 海面異常、 (E) 前頭確率 (FP) この図の大きなバージョンを表示するには、ここをクリックしてください。 ほとんどの表面特徴は、EFSを使用して明確に観察された顕著な季節変動によって特徴付けられていた。EOFは大気および海洋科学で広く使用されている有用な数学の方法である。この方法は、空間ドメイン28を介して時系列から空間パターンと時間信号を線引きすることができます。SCS で海面フィーチャの時間的な分解が行われ、空間的および時間的な変動を記述するためには、最初の 2 つのモードが一般的に必要になります。CHL の最初の 2 つの EAF は、それぞれ全分散の 44% と 12% を説明しました。EOF1は、SCSの北部のセクションで大きな分散を捉えました(図5A)。時系列の対応する月平均(図5C)は、CHLが冬の間に上昇し、夏の間に落ち込んでいたことを示しました。南西海岸に隣接する地域は、弱い大きさを特徴とし、それに対応する変動性は主にEOF2によって捉えられた(図5B)。CHL値は夏は高く、冬は低かった。これは主に北部区間と比較して位相がずれていた。EAF の月次時系列は、季節的な変動が明確であり、EOF2 は EOF1 を約 4 か月で導いた (図 5E)。 図 5: CHL の EOF。(A) EOF1の大きさ、(B)EOF2のマグニチュード、EOF1 の月平均時系列、EOF2 の月平均時系列(D)、および(E)EOF1 (黒) および EOF2 (青) の月次時系列。この図の大きなバージョンを表示するには、ここをクリックしてください。 SST の最初の 2 つの EAF の説明された分散は顕著に高く、EOF1 と EOF2 の場合は 91% と 5% に等しかった。EOF を実行する前に、全体の平均を削除する必要があることを強調することが重要です。したがって、平均フィールドは除外されました。EOF1は総分散を支配し、その大きさは北部SCSで最大であり、南下した(図6A)。時系列の対応する月平均(図6C)は、SSTが夏の間に上昇し、冬の間に落ち込んでいたことを示しました。南SCSは、低緯度で持続的な高温に起因する弱い大きさによって特徴付けられました。南部のセクションの変動性は、主にEOF2(図6B)によって捉えられました。対応するSSTは3月から6月の間に強化され、残りの月には低い値が持続しました。顕著な温暖化は2010年と2016年に発生し、SCSの南西沖のSSTは他の年よりもはるかに高かった(図6E)。この年間の変動は、主に南西の夏のモンスーンを減らし、弱い上昇12をもたらすエルニーニョイベントに起因する。季節変動が現在の研究の主な焦点であるため、この特徴はそれ以上議論されていません。 図 6: SST の EOF。(A) EOF1の大きさ、(B)EOF2のマグニチュード、EOF1 の月平均時系列、EOF2 の月平均時系列(D)、および EOF1 (黒) および EOF2 (青) の月次時系列この図の大きなバージョンを表示するには、ここをクリックしてください。 勾配の騒がしい性質のために、派生したフロントは、分散のはるかに少ない説明しました。実際、FPのEOF1とEOF2は、それぞれ総分散の19%と9%しか説明していません。EOF1は、北と北東のSCSの分散を捉えました(図7A)。時系列の対応する月平均(図7C)は、これらの地域では、冬の間にはより多くのFPが発生し、夏の間に少ないことを示しました。SCSの南西の海岸沖のフェーズは反対でしたが、対応する変動ははるかに顕著ではありませんでした。EOF2は、西部SCSでFP(図7D)のばね増強を捉えた(図7B)。EOF1とEOF2の月次時系列は、年間変動が弱いことを特徴としていた。 図 7: FP の EOF。(A) EOF1の大きさ、(B)EOF2のマグニチュード、EOF1 の月平均時系列、EOF2 の月平均時系列(D)、および EOF1 (黒) および EOF2 (青) の月次時系列この図の大きなバージョンを表示するには、ここをクリックしてください。 CHLとの関係について、異なる要因を調べた(図8)。例えば、SSTは、植物プランクトンの増殖速度に影響を与え、その後CHLに影響を与える海洋の基本的な特徴を理解するために使用することができる。SCSの大部分では、SSTとCHL(図8A)の間には高い相関があり、ほとんどの相関は-0.8以上に達した。相関が高い場合、これら2つの要因の因果関係を示すものではないことを指摘することが重要です。SSTが夏に年間最大に達したので、MLDは最も浅い21になりました。垂直方向混合が集中的な階層化13によってブロックされたため、陶酔層に供給される栄養素は低かった。その結果、低栄養分は植物プランクトンの増殖速度を制限し、低CHLをもたらした。対照的に、MLDが深い冬には高いCHLが発生し、低SSTは弱い層化35を誘導した。 図8:季節スケールにおけるCHLとその他の要因との相関(A) SST、B) WS、 (C) WSC 、 (D) FP 、 および (E) SLA 。灰色の色は、相関が重要でなかっていることを示します。空間平均変数は、パネル Aの緑色のボックスに基づいて計算されます。これらの時系列は、 表 1の相関係数を取得するために使用されます。この図は、Yu et al.17から変更されています。 この図の大きなバージョンを表示するには、ここをクリックしてください。 風駆動混合は、WSによってほぼ測定することができ、垂直混合18を記述するために使用された。SCSの北方の棚に位置する最も強い冬風を有する地域において、SCSの北側のWSとCHLレベル(図8B)の間には、約0.8の大きな相関係数が同定された。南側には弱いが有意な相関関係が見つかった。WSCとCHLの間の相関は、SCS(図8C)の大部分で有意であったが、南北の対立傾向を示した。CHLとWSCの間の正の相関係数が南に同定され、負の値は北にあった。それらの間の領域の相関関係は有意ではなかった。WSとCHLは、冬のWSが最も大きい対応する地域で強く相関していることが判明した。 フロントはまた、CHL変動を誘導することができます。SCSの北東と南西に大きな相関関係が見つかりました(図8D)。前頭活動がより活発になるにつれてCHLが増加する 36.SLAは、北東SCSから南西に向かってCHLと有意な負の相関を示し、SCSの西海岸に沿って正の相関を示した(図8E)。興味深いことに、正の相関は浅い地形を持つ領域に限られていたことに注意してください。 SCSの北東に、すべての相関が大きかった(図8)。したがって、CHLと他のパラメータ間の月次時系列の相関は、指定されたボックス(図8A)の空間平均を用いて計算され、また、大部分の因子は有意な相関と相関していた( 表1の右上部)。季節周期が時系列を支配していたため、月平均( 表1の左下セクション)を削除した後、相関は無効になりました。 Chl-a Sst Ws Wsc Fp Sla Chl-a -0.8 0.78 0.67 0.74 -0.71 Sst -0.41 -0.47 -0.51 -0.79 0.86 Ws 0.32 0.04 0.63 0.51 -0.38 Wsc 0 0.08 -0.02 0.52 -0.37 Fp 0.21 -0.09 0.03 0.15 -0.74 Sla -0.25 0.42 0.07 0.13 -0.08 表1:SCSの北東に位置する因子間の時系列の相関係数、例えば、SST(海面温度)、FP(前頭確率)、WSC(風応力カール)およびWS(風応力)を、図8Aに示すボックスを使用する。 毎月の平均と異常は、それぞれ右上のセクションと左下のセクションに表示されます。太字と斜体の数字は、相関が 95% 信頼水準を満たしていないことを示します。テーブルはYuら17から変更されました。 季節周期の相関は、SCSの南西など、一部の地域では有意ではなかった(図8)。この地域は、CHL17の変動性を決定する動的プロセス(例えば、アップウェルおよび風力誘発洋上輸送)によって支配されている。CHLと他の要因(例えば、SST、WS、フロント、WSC)との間に有意な相関が認められていた(図9)。異常は、対応する月平均を削除することによって、毎月の時系列について計算されました。有効な自由度の数は増やすことができるが、以前の研究では、時系列28,37の間の基礎となる関係には影響しないことが示されている。 図9:異常場におけるCHLと他の因子との相関(A) SST、B) WS、 (C) WSC 、 (D) FP 、 および (E) SLA 。灰色の色は、相関が重要でなかっていることを示します。空間平均変数は、パネル A の緑色のボックスに基づいて計算されます。 この図は、Yu et al.17から変更されています。この図の大きなバージョンを表示するには、ここをクリックしてください。 異常なフィールドでは、CHLとSSTはSCSの大部分で有意に相関していた(図9A)。SSが異常に高いとき、CHLは異常に低くなり、その逆もまた同様でした。同様に、SCSの南西に異常に高いWSCと前線が高レベルのCHLを誘導し、その逆もまた同様である(図9C、9D)。また、SLAとCHLレベルの間に負の相関が見られた(図9E)。異なるラグがテストされ、ラグが採用されていない場合にのみ相関が有意になりました。したがって、CHL は SST、WSC、およびフロントの異常と SLA の異常によって同時に影響を受けました。彼らの関係は、図9Aの緑色のボックスとして指定されたSCSの南西の空間平均の月次時系列を使用してさらに調査された。結果は、ほとんどの因子が異常なフィールド(表2の左下のセクション)における有意な相関と相関していたことを示している。 Chl-a Sst Ws Wsc Fp Sla Chl-a -0.15 0.36 0.35 0.26 -0.15 Sst -0.59 -0.48 0.61 0.07 0.17 Ws 0.25 -0.24 -0.14 -0.02 0.1 Wsc 0.29 -0.1 0.41 0.53 -0.21 Fp 0.57 -0.42 0.24 0.29 -0.42 Sla -0.3 0.54 -0.23 -0.29 -0.47 表2:SCSの南西に位置する因子間の時系列の相関係数、例えば、SST(海面温度)、FP(前頭確率)、WSC(風応力カール)およびWS(風応力)を、図9Aに示すボックスを用いた。 毎月の平均と異常は、それぞれ右上のセクションと左下のセクションに表示されます。太字と斜体の数字は、相関が 95% 信頼水準を満たしていないことを示します。テーブルはYuら17から変更されました。 補助ファイル。 このファイルをダウンロードするには、ここをクリックしてください。

Discussion

本研究では、海洋システムの主な特徴を衛星観測を用いて説明する。海洋生産を表すために使用できるCHLは、指標因子として選択されます。CHL変動に関連する要因は、SST、WS、WSC、FP、SLAなどの月平均時系列を使用して調査された。この研究では、異なるパラメータの衛星データの取得、EOFによる空間的および時間的変動性の記述、相関係数の計算による異なる因子間の相互関係の決定という3つの重要なステップについて説明しています。SST観測から導き出される日次正面分布の識別を示す詳細な手順が含まれています。SSTフロント検出のための2つの主要なアプローチが開発されました: 勾配法10,38およびヒストグラム法39,40.ヒストグラム法は、SSTの同様の範囲の値に基づいており、水塊を異なるグループに分割するために使用できます。遷移バンドのピクセルを表す異なるグループ間の値を持つピクセルは、正面として定義されます。一方、グラデーション法では、比較的均一な水域を、大きなグラデーション値を持つピクセルとして分離します。比較調査を行い、ヒストグラム法を用いた偽率が低く、勾配法41を用いて見逃した前線が少ないことが判明した。本研究では、勾配ベース法38は、以前の研究10,28に続いて採用された。このアルゴリズムは、大きさが小さい閾値より小さいレベルまで減少させることによって、複数のエッジフラグメントへのフロント・ブレイクアップを回避できます。ここに含まれるデータセットに加えて、エアロゾル指数などの他の衛星観測も同様のアプローチで使用できます。

ほとんどのプロシージャは、他のリージョンまたはデータセットに直接適用できます。改変は、フロント検出の閾値を変更するために行われる。SCS の SST 勾配は東境界電流システム28と同等であるため、現在の調査では同じしきい値が実装されています。以前の研究では、異なるデータセットからのSST勾配は42倍も変化することが明らかであり、この方法は何らかの意味で客観的ではありません。実質的な研究は、世界の海洋の周りの前線活動を調査しました28,43.前線を検証する最善の方法は、その場での観測値と比較することです。Yao44はSCSの月次正面分布について説明した。彼らの結果は、その範囲の測定とよく一緒に合意しました。全体の勾配は、空間解像度や計測器によって値が異なる場合があるため、チェックおよび調整する必要があります。特に、別の SST データセットを使用する場合は、しきい値を更新する必要があります。地域ダイナミクスの基本的な理解は、前頭発生45、46、47を理解するための基本です。フロント検出スクリプトは、本論文の記述に基づいて、個々の著者によって開発することができます。

衛星情報は表面の特徴を包括的に理解し、その場での観測結果との比較は信頼性の評価に役立つ可能性があります。しかし、衛星観測は海面に限られており、水柱の垂直構造を理解するためのアプリケーションが制限されています。最近の研究では、衛星観測では、表面CHLが15倍に増加したが、垂直積分値は2.5倍の48だけ増加したことが明らかになった。この違いは、表面値がMLDの植物プランクトン成長と浅瀬の共効果の影響を受け、表面で実現不可能な値をもたらしたためです。したがって、表面特徴は、水柱全体の正確な説明を提供しない場合があります。さらに、雲のカバレッジの影響は、衛星の継続的な観測を制限します。したがって、月次時系列は、同じ地域と同じ期間の異なる要因に対して計算されます。これにより、さまざまな要因間の相関を計算する信頼性が保証されます。しかし、数日間から1週間続く台風など、短期間の事象は解決されません。

以前の研究と比較して、提案された方法は、より詳細な方法でダイナミクスを評価するのに役立つピクセルレベルで空間情報を提供することができます。いくつかの以前の研究は、単一の数として全体のSCSを平均し、時系列を得た。その結果、異常に強いWSおよび高SSTが、現在の結果と一致する異常に高いCHL16を誘導できることを発見した。ただし、リレーションシップの空間的な変動は解決されませんでした。本研究では、WSとCHLの流域スケール相関が異常な分野で弱かった。大きな有意な相関は、特定の領域(例えば、SCSの中央)でのみ同定された(図9B)。したがって、現在の方法では、空間変動を調査するための包括的な説明が提供されます。同様に、2つのバイオアルゴフロートからの観測が使用され、WSCがCHL変動性20と相関していないことを明らかにした。ただし、2 つのフロートの軌道は特定の領域にのみ配置されます。この場合、CHLレベルとWSCの相関が有意でないバンド内であった(図8D)。提案された方法は、地球海洋の基本的な特徴である要因間の空間的依存性を解決するのに非常に役立つ。

要約すると、ここで使用される方法は、衛星観測を使用して、海洋表面フィーチャの空間分布と時間的変動を正確に記述することができます。衛星データセットの解像度が高まる中、より詳細な機能を特定して調査できるため、CHL、SST、SSH などの地域機能の一般的な理解が可能になります。さまざまな要因間の月次時系列の相関関係は、生態系に対する動的な関係と潜在的な影響を理解する上で役立ちます49.相関関係は空間的な場所によって大きく異なるため、提案された方法は詳細で包括的な説明を提供します。同様のアプローチは、世界中の海洋流域にも適用することができ、海洋ダイナミクスと生態系の理解を深める上で非常に役立ちます。

Disclosures

The authors have nothing to disclose.

Acknowledgements

中国国家主要研究開発プログラム(2016YFC1401601)、江蘇省大学院研究・実践イノベーションプログラム(No.SJKY19_0415)中央大学基礎研究基金(2019B62814)の支援を受け、中国国立自然科学財団(第41890805、41806026、41730536)、ベンガル湾と東赤道インド洋における海洋生態学共同研究が大いに認められました。著者らは、米国航空宇宙局(NASA)、欧州中距離天気予報センター(ECMWF)、コペルニクス海洋環境監視サービス(CMEMS)、米国海洋大気局(NOAA)などの情報源からのデータの提供を高く評価している。

Materials

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)

References

  1. Behrenfeld, M. J., Falkowski, P. G. Photosynthetic rates derived from satellite-based chlorophyll concentration. Limnology and Oceanography. 42 (1), 1-20 (1997).
  2. Loisel, H., et al. Assessment and analysis of the chlorophyll-a concentration variability over the Vietnamese coastal waters from the MERIS ocean color sensor (2002-2012). Remote Sensing of Environment. 190, 217-232 (2017).
  3. Gohin, F., et al. Towards a better assessment of the ecological status of coastal waters using satellite-derived chlorophyll-a concentrations. Remote Sensing of Environment. 112 (8), 3329-3340 (2008).
  4. Bates, J. J., Smith, W. L. Sea surface temperature: Observations from geostationary satellites. Journal of Geophysical Research. 90, 11609-11618 (1985).
  5. Antoine, D., Andre, J., Morel, A. Oceanic primary production: 2. Estimation at global scale from satellite (Coastal Zone Color Scanner) chlorophyll. Global Biogeochemical Cycles. 10 (1), 57-69 (1996).
  6. Mason, E., Pascual, A., McWilliams, J. C. A new sea surface height-based code for oceanic mesoscale eddy tracking. Journal of Atmospheric and Oceanic Technology. 31 (5), 1181-1188 (2014).
  7. Sterlini, P., De Vries, H., Katsman, C. A. Sea surface height variability in the North East Atlantic from satellite altimetry. Climate Dynamics. 47, 1285-1302 (2016).
  8. Chelton, D. B., Schlax, M. G., Samelson, R. M., De Szoeke, R. A. Global observations of large oceanic eddies. Geophysical Research Letters. 34, 15606 (2007).
  9. Chelton, D. B., Schlax, M. G., Samelson, R. M. Global observations of nonlinear mesoscale eddies. Progress in Oceanography. 91 (2), 167-216 (2011).
  10. Castelao, R. M., Wang, Y. Wind-driven variability in sea surface temperature front distribution in the California Current System. Journal of Geophysical Research: Oceans. 119 (3), 1861-1875 (2014).
  11. Pauly, D., Christensen, V., Sherman, K., Alexander, L. M., Gold, B. D. Stratified model of large marine ecosystems: A general approach and an application to the South China Sea. Large Marine Ecosystems: Stress, Mitigation, and Sustainability. , 148-174 (1993).
  12. Gao, S., Wang, H., Liu, G., Li, H. Spatio-temporal variability of chlorophyll a and its responses to sea surface temperature, winds and height anomaly in the western South China Sea. Acta Oceanologica Sinica. 32 (1), 48-58 (2013).
  13. Chen, Y. L. Spatial and seasonal variations of nitrate-based new production and primary production in the South China Sea. Deep-sea Research Part I. 52 (2), 319-340 (2005).
  14. Kahru, M., et al. Global correlations between winds and ocean chlorophyll. Journal of Geophysical Research. 115, 12040 (2010).
  15. Wu, C. R., Shaw, P. T., Chao, S. Y. Seasonal and Interannual Variations in the Velocity Field of the South China Sea. Journal of Oceanography. 54, 361-372 (1998).
  16. Liu, K. K., et al. Inter-annual variation of chlorophyll in the northern South China Sea observed at the SEATS Station and its asymmetric responses to climate oscillation. Biogeosciences. 10, 7449-7462 (2013).
  17. Yu, Y., et al. The variability of chlorophyll-a and its relationship with dynamic factors in the basin of the South China Sea. Journal of Marine Systems. 200, 103230 (2019).
  18. Qu, T., Du, Y., Gan, J., Wang, D. Mean seasonal cycle of isothermal depth in the South China Sea. Journal of Geophysical Research. 112, 02020 (2007).
  19. Chen, C. C., Shiah, F. K., Chung, S. W., Liu, K. K. Winter phytoplankton blooms in the shallow mixed layer of the South China Sea enhanced by upwelling. Journal of Marine Systems. 59, 97-110 (2006).
  20. Zhang, W. Z., Wang, H., Chai, F., Qiu, G. Physical drivers of chlorophyll variability in the open South China Sea. Journal of Geophysical Research: Oceans. 121, 7123-7140 (2016).
  21. Zeng, L., Wang, D., Chen, J., Wang, W., Chen, R. SCSPOD14, a South China Sea physical oceanographic dataset derived from in situ measurements during 1919-2014. Scientific Data. 3, 160029 (2016).
  22. Greer, A. T., Cowen, R. K., Guigand, C. M., Hare, J. A. Fine-scale planktonic habitat partitioning at a shelf-slope front revealed by a high-resolution imaging system. Journal of Marine Systems. 142, 111-125 (2015).
  23. Piontkovski, S. A., Nezlin, N. P., Alazri, A., Alhashmi, K. Mesoscale eddies and variability of chlorophyll-a in the Sea of Oman. Journal of Remote Sensing. 33 (17), 5341-5346 (2012).
  24. Kahru, M., Fiedler, P. C., Gille, S. T., Manzano, M., Mitchell, B. G. Sea level anomalies control phytoplankton biomass in the Costa Rica Dome area. Geophysical Research Letters. 34, 22601 (2007).
  25. Palacz, A. P., Xue, H., Armbrecht, C., Zhang, C., Chai, F. Seasonal and inter-annual changes in the surface chlorophyll of the South China Sea. Journal of Geophysical Research. 116, 09015 (2011).
  26. Tang, S., Liu, F., Chen, C. Seasonal and intraseasonal variability of surface chlorophyll a concentration in the South China Sea. Aquatic Ecosystem Health and Management. 17, 242-251 (2014).
  27. Fedorov, K. N. . The physical nature and structure of oceanic fronts. , 333 (1986).
  28. Wang, Y., Castelao, R. M., Yuan, Y. Seasonal variability of alongshore winds and sea surface temperature fronts in Eastern Boundary Current Systems. Journal of Geophysical Research: Oceans. 120 (3), 2385-2400 (2015).
  29. Chen, H. H., Qi, Y., Wang, Y., Chai, F. Seasonal variability of SST fronts and winds on the southeastern continental shelf of Brazil. Ocean Dynamics. 69 (11), 1387-1399 (2019).
  30. Woodson, C. B., Litvin, S. Y. Ocean fronts drive marine fishery production and biogeochemical cycling. Proceedings of the National Academy of Sciences of the United States of America. 112 (6), 1710-1715 (2015).
  31. Siegel, D. A., et al. Regional to global assessments of phytoplankton dynamics from the SeaWiFS mission. Remote Sensing of Environment. 135, 77-91 (2013).
  32. Ducet, N., Traon, P. Y. L., Reverdin, G. Global high-resolution mapping of ocean circulation from Topex/Poseidon and ERS-1/2. Journal of Geophysical Research-Atmospheres. 105 (8), 19477-19498 (2000).
  33. Dee, D. P., et al. The ERA Interim reanalysis: Configuration and performance of the data assimilation system. Quarterly Journal of the Royal Meteorological Society. 137 (656), 553-597 (2011).
  34. Hellerman, S. Computations of wind stress fields over the Atlantic Ocean. Monthly Weather Review. 93 (4), 239-244 (1965).
  35. Xian, T., Sun, L., Yang, Y. J., Fu, Y. F. Monsoon and eddy forcing of chlorophyll-a variation in the northeast South China Sea. International Journal of Remote Sensing. 33 (23), 7431-7443 (2012).
  36. Hu, J. Y., Kawamura, H., Tang, D. Tidal front around the Hainan Island, northwest of the South China Sea. Journal of Geophysical Research. 108 (11), 3342 (2003).
  37. Chelton, D. B. Large-scale response of the California Current to forcing by the wind stress curl. CalCOFI Reports. 23, 130-148 (1982).
  38. Canny, J. A computational approach to edge-detection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 6, 679-698 (1986).
  39. Cayula, J. F., Cornillon, P., Holyer, R., Peckinpaugh, S. Comparative study of two recent edge-detection algorithms designed to process sea-surface temperature fields. IEEE Geoscience and Remote Sensing Letters. 29 (1), 175-177 (1991).
  40. Cayula, J. F., Cornillon, P. Cloud detection from a sequence of SST images. Remote Sensing of Environment. 55 (1), 80-88 (1996).
  41. Ullman, D. S., Cornillon, P. Evaluation of Front Detection Methods for Satellite-Derived SST Data Using in Situ Observations. Journal of Atmospheric and Oceanic Technology. 17 (12), 1667-1675 (2000).
  42. Oey, L., Chang, M. C., Huang, S., Lin, Y. C., Lee, M. The influence of shelf-sea fronts on winter monsoon over East China Sea. Climate Dynamics. 45, 2047-2068 (2015).
  43. Legeckis, R. A survey of worldwide sea surface temperature fronts detected by environmental satellites. Journal of Geophysical Research. 83 (9), 4501-4522 (1978).
  44. Yao, J., Belkin, I. M., Chen, J., Wang, D. Thermal fronts of the southern South China Sea from satellite and in situ data. International Journal of Remote Sensing. 33 (23), 7458-7468 (2012).
  45. Chen, G., et al. Eddy heat and salt transports in the South China Sea and their seasonal modulations. Journal of Geophysical Research. 117, 05021 (2012).
  46. Wang, G., Li, J., Wang, C., Yan, Y. Interactions among the winter monsoon, ocean eddy and ocean thermal front in the South China Sea. Journal of Geophysical Research. 117, 08002 (2012).
  47. Guo, L., et al. Enhanced chlorophyll concentrations induced by Kuroshio Intrusion Fronts in the Northern South China Sea. Geophysical Research Letter. 44 (22), 565-572 (2017).
  48. Xing, X. G., Qiu, G. Q., Boss, E., Wang, H. L. Temporal and Vertical Variations of Particulate and Dissolved Optical Properties in the South China Sea. Journal of Geophysical Research-Oceans. 124 (6), 3779-3795 (2019).
  49. Belkin, I. M., Cornillon, P., Sherman, K. Fronts in Large Marine Ecosystems. Progress in Oceanography. 81, 223-236 (2009).

Play Video

Cite This Article
Chen, H., Tang, R., Zhang, H., Yu, Y., Wang, Y. Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information. J. Vis. Exp. (160), e61172, doi:10.3791/61172 (2020).

View Video