Спутниковые наблюдения предлагают отличный подход к исследованию особенностей основных морских параметров, включая хлорофилл поверхности моря и температуру, высоту поверхности моря, а также факторы, вытекающие из этих параметров, таких как фронты. Наше исследование показывает, как использовать спутниковые наблюдения для описания основных параметров и их взаимосвязей. Наука о спутниковых данных с 2002 по 2017 год использовалась для описания особенностей поверхности южно-китайского моря.
Спутниковое наблюдение хлорофилла является фактором, который используется для защиты океана. Факторы, связанные с изменчивостью хлорофилла были исследованы с использованием тайм-ряда. Этот метод может быть применен к другим глобальным океанам и будет полезен для понимания морской динамики и экосистемы.
Мы показываем пошаговую процедуру получения спутниковых данных различных параметров, описывающих пространственные и временные изменчивости и определяющих взаимосвязи между различными факторами. Получены пространственные и временные изменчивости параметров. Они являются эмпирической ортогональной функцией, и взаимосвязь между различными факторами приобретается нулевыми коэффициентами корреляции.
Для получения данных о температуре поверхности моря и поверхности моря загрузите набор данных спутниковых наблюдений от MODIS Aqua, для которых пространственное разрешение обоих наборов данных составляет примерно 4,5 километра с ежедневными интервалами. Храните загруженные спутниковые файлы в папке данных и структурировать каталог папок, как показано на снимке. Добавьте путь инструментария для файла NetCDF в MATLAB и выберите добавить с субфолдерами, чтобы приложить пути папки скриптов.
Путь для всех необходимых каталогов данных и функций появится в поисковом пути MATLAB. Затем загрузите данные о температуре поверхности моря в программное обеспечение для анализа. Для сбора набора данных об аномалиях уровня моря загрузите ежедневные данные об аномалиях уровня моря с пространственным разрешением 25 километров с того же периода времени и введите команду для загрузки данных об аномалиях уровня моря за один день.
Чтобы получить данные о скорости ветра, загрузите данные о ветре за тот же период времени из промежуточного продукта повторного анализа ERA и введите команду для чтения данных о ветре за один месяц. Полученные переменные u, v и time представляют зональные и меридианы на всех скоростях и соответствующем времени соответственно. Чтобы получить доступ к набору топографий, загрузите топографические данные высокого разрешения с веб-сайта Национальных центров экологической информации и введите команду для загрузки топографические данные в программное обеспечение для анализа.
Переменные XX, YY и No указывают на широту, долготу и соответствующую глубину соответственно. Из-за большого облачного покрытия температуры поверхности моря и данных хлорофилла поверхности моря, используйте команду, чтобы заменить исходные данные на трехдневные средние данные. Поскольку пространственное разрешение не соответствует различным набором данных, введите команду интерполировать данные о температуре поверхности моря и поверхности моря в пространственную сетку, которая такая же, как пространственная сетка ветра и уровня моря.
Введите команду, как указано для расчета ветра стресс и ветер стресс локон. Чтобы рассчитать ежемесячную температуру поверхности моря, температуру ветра и аномалии уровня моря как 30-дневные средние показатели в каждом пикселе, введите команду, как указано. Для пространственного сглаживания введите команду для запуска скрипта для сглаживания трехдневных данных о средней температуре поверхности моря в каждом пикселе.
Чтобы определить градиент температуры поверхности моря, введите команду для запуска скрипта для расчета зональных и меридианных всех градиентов температуры поверхности моря в качестве разницы температуры поверхности моря между ближайшими двумя пикселями, разделенными на соответствующее расстояние. Чтобы определить переднюю часть, проверяя значение градиента температуры поверхности моря, обозначите пиксель как потенциальный фронтальный пиксель, если значение было больше назначенного порога. Чтобы рассчитать ежемесячную фронтальную вероятность наблюдения фронта в течение определенного промежутка времени, введите команду.
Чтобы загрузить ежемесячные данные для анализа, введите команды и примените эмпирическую ортогоническую функцию для описания пространственной и временной изменчивости различных параметров. Программа вычислит величину, eigenvalues, и амплитуду эмпирических ортогональных функций для набора данных. Чтобы определить корреляцию в сезонной шкале, введите команду для расчета корреляций между двумя факторами, используя их ряд времени на каждом пикселе.
Затем введите команду для расчета корреляции между ежемесячными аномалиями хлорофилла поверхности моря и другими факторами. Для отображения спутниковой информации введите команду для запуска сценария для создания демонстрации спутниковой информации, включая хлорофилл поверхности моря, температуру и ветер, а также аномалию уровня моря и лобовое распределение. Введите команду для отображения эмпирического результата ортогональной функции.
Затем введите команду, как указано для расчета взаимосвязи между хлорофиллом и другими факторами на сезонных и аномальных полях. Топография оказывает заметное влияние на пространственное распределение хлорофилла поверхности моря с высоководным хлорофиллом, главным образом распределенным вдоль побережья южно-китайского моря, где топография неглубокая. Ветер также находится под влиянием орографии с арендой стороне гор характеризуется слабым ветром и видным ветром стресс локон определены юго-западе южно-китайского моря.
Применяемые здесь пороги эффективно фиксируют расположение фронта и обеспечивают изображение границ целых водных масс. В этом анализе эмпирическая ортогональная функция запечатлела большую дисперсию в северной части южно-китайского моря. Соответствующее среднемесячное значение часовых рядов показало, что хлорофилл поверхности моря был повышен в зимний период и подавлен летом.
Район, на данный момент на юго-западном побережье, характеризовался слабой величиной, и соответствующая изменчивость была в основном зафиксирована эмпирической ортогональной функцией 2. Значения хлорофилла на поверхности моря были высокими летом и низкими зимой, что было в основном вне фазы по сравнению с северным регионом. Действительно, ежемесячные сроки для эмпирических ортогональных функций продемонстрировали явную сезонную изменчивость с эмпирической ортогональной функцией двух ведущих эмпирических ортогональных функций по одному примерно на четыре месяца.
Корреляции между хлорофиллом и другими факторами представляют собой взаимосвязи факторов. Например, в этом анализе температура поверхности моря отрицательно коррелирует с хлорофиллом, в то время как ветровой стресс положительно коррелирует с хлорофиллом. Таким образом, высокий хлорофилл был связан с низкой температурой и сильным ветром для этих данных.
Определение изменчивости параметров океана и определение их взаимосвязи с хлорофиллом имеют решающее значение и имеют важное значение для динамики океана и морской экосистемы. Фронтальная деятельность особенно важна, потому что высокий хлорофилл обычно ассоциируется с фронтом. Изменения могут иметь место для изменения порога переднего обнаружения и лучший подход для проверки фронта заключается в том, чтобы сравнить их с наблюдениями института.
Таким образом, с помощью спутниковых наблюдений можно точно описать пространственное распределение и височную изменчивость особенностей поверхности океана. С увеличением разрешения более подробные функции могут быть определены и исследованы в будущем.
