Региональная методика восстановления термохалинной структуры вод Черного моря по данным дистанционного зондирования на основе регрессионных соотношений

Е. В. Жук✉, В. Н. Белокопытов

Морской гидрофизический институт РАН, Севастополь, Россия

✉ e-mail: elena.zhuk@mhi-ras.ru

Аннотация

Цель. Целью работы является создание региональной статистической методики расчета термохалинной структуры вод Черного моря по спутниковым данным поверхностной температуры воды и уровня моря.

Методы и результаты. В работе использовались массивы контактных измерений температуры и солености воды, ежедневных аномалий альтиметрического уровня моря (сетка 0,125°) и температуры поверхности моря (сетка 0,05°) уровня обработки _L_4 за период 1993‒2023 гг., а также климатический массив термохалинных полей Черного моря за период 1950‒2023 гг. Для расчета гидрологических полей использовался метод множественной линейной регрессии, устанавливающий статистические зависимости между физическими параметрами состояния поверхностного слоя моря и значениями температуры и солености на глубинах до 300 м. Для учета многолетних изменений использовались поправки климатических значений на современный период и поправки на линейные тренды. Валидация методики путем сравнения рассчитанного 30-летнего массива реанализа и данных контактных измерений показала, что общие среднеквадратические ошибки воспроизведения температуры 0,4 °C и солености 0,2 соответствуют средней нормированной ошибке 0,4, что является хорошим показателем для статистического метода. Погрешности воспроизведения максимальны в слое сезонного термоклина и постоянного галоклина, где амплитуда мезомасштабного шума резко возрастает. Наилучшие показатели точности расчетов относятся к циклоническим круговоротам в центральной части моря, наихудшие – к периферии моря, Батумскому антициклону и зоне Основного Черноморского течения, для солености – также к северо-западному шельфу. Сравнение уровня ошибок нескольких массивов реанализа термохалинных полей Черного моря показало, что точность данной методики близка к точности массивов CMEMS, рассчитываемых по современным гидродинамическим моделям и использующих сложные методы ассимиляции данных. По некоторым позициям для солености регрессионная модель даже превосходит показатели точности указанных реанализов, несмотря на отсутствие в данном варианте блока усвоения контактных данных.

Выводы. Разработана методика оперативного диагноза и реанализа трехмерной термохалинной структуры вод Черного моря по спутниковым данным на основе регрессионных соотношений, которая обеспечивает достаточно хороший уровень ошибок воспроизведения температуры и солености при минимизации вычислительных ресурсов. Методика использует регулярную, широко доступную информацию из открытых источников, не требует высокопроизводительного оборудования, что имеет прикладное значение, и может рассматриваться как быстрый эффективный метод оценки состояния морской среды. Регрессионный алгоритм также может использоваться в блоках усвоения оперативной информации прогностических моделей в условиях отсутствия данных гидрологических измерений.

Ключевые слова

Черное море, термохалинная структура, линейная регрессия, альтиметрия, реанализ

Благодарности

Работа выполнена в рамках темы государственного задания ФГБУН ФИЦ МГИ FNNN-2024-0014..

Информация об авторах

Жук Елена Владимировна, младший научный сотрудник, отдел океанографии, ФГБУН ФИЦ МГИ (299011, Россия, г. Севастополь, ул. Капитанская, д. 2), SPIN-код: 3814-6300, ORCID ID: 0000-0002-4263-7734, WoS ResearcherID: JCD-8660-2023, Scopus Author ID: 57191412660, elena.zhuk@mhi-ras.ru

Белокопытов Владимир Николаевич, ведущий научный сотрудник, заведующий отделом океанографии, ФГБУН ФИЦ МГИ (299011, Россия, г. Севастополь, ул. Капитанская, д. 2), доктор географических наук, WoS ResearcherID: ABA-1230-2020, ORCID ID: 0000-0003-4699-9588, Scopus Author ID: 6602381894, SPIN-код: 5697-5700, belokopytov.vn@mhi-ras.ru

Для цитирования

Жук Е. В., Белокопытов В. Н. Региональная методика восстановления термохалинной структуры вод Черного моря по данным дистанционного зондирования на основе регрессионных соотношений // Морской гидрофизический журнал. 2026. Т. 42, № 2. С. 216–234. EDN ACHDHL.

Zhuk, E.V. and Belokopytov, V.N., 2026. Regional Methodology for Reconstructing Thermohaline Structure of the Black Sea based on Remote Sensing Data using Regression Relationships. Physical Oceanography, 33 (2), pp. 263-280.

Список литературы

  1. The Ocean Reanalyses Intercomparison Project (ORA-IP) / M. A. Balmaseda [et al.] // Journal of Operational Oceanography. 2015. Vol. 8, iss. suppl. 1. P. s80–s97. EDN CSAKME. https://doi.org/10.1080/1755876X.2015.1022329
  2. Ocean reanalyses: Recent advances and unsolved challenges / A. Storto [et al.] // Frontiers in Marine Science. 2019. Vol. 6. 418. EDN DPDWEQ. https://doi.org/10.3389/fmars.2019.00418
  3. In situ-based reanalysis of the global ocean temperature and salinity with ISAS: Variability of the heat content and steric height / F. Gaillard [et al.] // Journal of Climate. 2016. Vol. 29, iss. 4. P. 1305–1323. EDN WPRUIH. https://doi.org/10.1175/JCLI-D-15-0028.1
  4. Good S. A., Martin M. J., Rayner N. A. EN4: Quality controlled ocean temperature and salinity profiles and monthly objective analyses with uncertainty estimates // Journal of Geophysical Research: Oceans. 2013. Vol. 118, iss. 12. P. 6704–6716. https://doi.org/10.1002/2013JC009067
  5. The CORA dataset: Validation and diagnostics of in-situ ocean temperature and salinity measurements / C. Cabanes [et al.] // Ocean Science. 2012. Vol. 9. P. 1273–1312. https://doi.org/10.5194/os-9-1-2013
  6. Bretherton F. P., Davis R. E., Fandry C. B. A technique for objective analysis and design of oceanographic experiments applied to MODE-73 // Deep-Sea Research. 1976. Vol. 23. P. 559–582. EDN XPLVDS. https://doi.org/10.1016/0011-7471(76)90801-1
  7. NOAA Atlas NESDIS 81. World Ocean Atlas 2018. Volume 1: Temperature / R. A. Locarnini [et al.] ; Techn. ed. A. Mishonov. USA : NOAA, 2019. 52 p. https://data.nodc.noaa.gov/woa/WOA18/DOC/woa18_vol1.pdf3
  8. NOAA Atlas NESDIS 82. World Ocean Atlas 2018. Volume 2: Salinity / M. M. Zweng [et al.] ; Techn. ed. A. Mishonov. USA : NOAA, 2019. 50 p. https://data.nodc.noaa.gov/woa/WOA18/DOC/woa18_vol2.pdf
  9. Carnes M. R., Mitchell J. L., de Witt P. W. Synthetic temperature profiles derived from Geosat altimetry: Comparison with air-dropped expendable bathythermograph profiles // Journal of Geophysical Research: Oceans. 1990. Vol. 95, iss. C10. P. 17979–17992. https://doi.org/10.1029/JC095iC10p17979
  10. Relationship of TOPEX/Poseidon altimetric height to steric height and circulation in the North Pacific / J. Gilson [et al.] // Journal of Geophysical Research: Oceans. 1998. Vol. 103, iss. C12. P. 27947–27966. https://doi.org/10.1029/98JC01680
  11. Combining Argo and remote-sensing data to estimate the ocean three-dimensional temperature fields-A first approach based on simulated observations / S. Guinehut [et al.] // Journal of Marine Systems. 2004. Vol. 46, iss. 1–4. P. 85–98. https://doi.org/10.1016/j.jmarsys.2003.11.022
  12. High resolution 3-D temperature and salinity fields derived from in situ and satellite observations / S. Guinehut [et al.] // Ocean Science. 2012. Vol. 8, iss. 5. P. 845–857. https://doi.org/10.5194/os-8-845-2012
  13. Коротаев Г. К., Лишаев П. Н., Кныш В. В. Методика анализа данных измерений температуры и солености Черного моря с использованием динамического альтиметрического уровня // Морской гидрофизический журнал. 2015. № 2. С. 26–42. EDN VDVDCT. https://doi.org/10.22449/0233-7584-2015-2-26-42
  14. Применение метода адаптивной статистики для реанализа полей Черного моря c ассимиляцией псевдоизмерений температуры и солености в модели / Г. К. Коротаев [и др.] // Морской гидрофизический журнал. 2018. Т. 34, № 1. С. 40–56. https://doi.org/10.22449/0233-7584-2018-1-40-56
  15. Белокопытов В. Н., Жук Е. В. Климатическая изменчивость термохалинных характеристик Черного моря (1950–2023 годы) // Морской гидрофизический журнал. 2024. Т. 40, № 6. С. 838–852. EDN CRAJHZ.

Файлы

Полный текст

JATS XML

Мы используем Яндекс Метрику. Подробнее.