Усвоение данных наблюдений в моделях океанских экосистем

Тип работы:
Диссертация
Предмет:
Океанология
Страниц:
82


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Последние годы отмечены все возрастающим интересом к математическому моделированию океанских экосистем. Это связано прежде всего с необходимостью как можно точнее оценить первичную продукцию океана и биогеохимические источники и стоки углерода, что важно как для оценки роли океанской биоты в поглощении избыточного атмосферного СО2 океаном, так и для исследования ее реакции на антропогенные воздействия [1]. Решение проблемы рационального использования природных ресурсов океана также невозможно без построения моделей экосистем.

Однако, большинство известных на сегодняшний момент математических моделей океанских экосистем имеют одну неприятную особенность, связанную с тем, что процессы, контролирующие динамику и функционирование сложных биологических систем, не являются достаточно изученными, а их описание в рамках математических моделей полностью установленным. Кроме того, параметризации этих процессов содержат значительное число плохо известных параметров, которые зачастую не поддаются непосредственным измерениям. В этой связи центральным становится вопрос о калибровке и настройке математических моделей океанских экосистем по данным наблюдений [2]. ния объема спутниковой информации (хотя и менее точной), с другой, использование последней для калибровки экосистемных моделей представляется более перспективным. Спутниковые снимки являются источником данных, которые могут быть использованы для мониторинга долгопериодных и крупномасштабных изменений в биологии океана. В последние годы на основе спутниковых наблюдений цветности океана получены уникальные в своем роде оценки глобальной первичной продукции [3, 4].

Следует отметить, что существующие методы усвоения данных наблюдений в математические модели природных явлений были разработаны и успешно применяются для решения метеорологических задач. Однако использование этих методов в экосистемном моделировании сопряжено с определенными трудностями, связанными со спецификой моделей океанских экосистем, для которых характерны сильные нелинейные взаимодействия между отдельнымии компонентами.

Цель настоящей работы заключалась в разработке метода ассимиляции данных наблюдений в экосистемные модели океана, учитывающего ограниченность модельного описания сложных биологических систем, и его верификации на основе спутниковых данных о приповерхностной концентрации хлорофилла. В основные задачи диссертационной работы входило: темные модели океана-

— оценка пространственно-временной изменчивости первичной продукции, концентраций фитопланктона, детрита, нитратов, биомассы зоопланктона и параметров модели для умеренных широт Северной Атлантики на основе усвоения спутниковых данных о приповерхностной концентрации хлорофилла в экосистемную модель верхнего квазиоднородного слоя (ВКС) океана- л

— оценка соотношения качества модели и усваиваемых данных наблюдений-

— разработка метода оценки точности используемых в модели параметризаций биологических процессов.

Сформулированные задачи определяют структуру работы. В первой главе рассматриваются основные подходы к усвоению данных наблюдений в моделях океанских экосистем. Во второй главе формулируется модифицированный метод обобщенной инверсии и рассматривается его приложение к усвоению данных спутниковых измерений приповерхностной концентрации хлорофилла & quot-а"- в 4-х компонентную модель экосистемы ВКС океана. В третьей главе обсуждаются результаты применения предлагаемой процедуры ассимиляции для оценки изменчивости параметров и характеристик используемой экосистемной модели в умеренных широтах Северной Атлантики. В последней (четвертой) главе представлены оценки качества модельных уравнений и данных наблюдений, а также даны рекомендации по улучшению точности модельных параметризаций биогеохимических процессов. В заключении перечислены основные результаты работы.

ЗАКЛЮЧЕНИЕ

1. Предложен новый метод (модифицированный метод обобщенной инверсии) усвоения данных наблюдений в моделях океанских экосистем, учитывающий специфические свойства этих моделей: сильную нелинейность модельных уравнений и определенный произвол выбора параметризаций биогеохимических процессов. Предложенный метод, в отличие от традиционных, позволяет не только подобрать оптимальные значения плохо известных модельных параметров, но и учесть неточности модельных уравнений и ошибки данных наблюдений. Метод может быть использован при ассимиляции как спутниковых, так и экспедиционных данных.

2. На основе усвоения средних месячных спутниковых данных о приповерхностной концентрации хлорофилла «а& quot- в 4-х компонентную (фитопланктон, зоопланктон, детрит, нитраты) модель ВКС океана получены оценки пространственно-временной изменчивости концентраций фитопланктона, первичной продукции, биомассы зоопланктона, концентраций детрита и нитратов в ВКС умеренных широт (30° - 60° с.ш.) Северной Атлантики.

Использование указанной процедуры усвоения привело к заметному улучшению согласования модельного решения и имеющихся данных наблюдений. Наибольшее улучшение, согласования достигнуто для распределения хлорофилла, особенно для широт, больших 40 0 с.ш.

Воспроизведена так-называемая & quot-раскатывающаяся зеленая ковровая дорожка& quot- (запаздывание во времени момента начала весенней вспышки продуктивности фитопланктона с ростом широты), впервые обнаруженная по спутниковым данным.

3. Построены карты пространственного распределения оптимизируемых средних годовых модельных параметров: наклона, а Р — I кривой, максимальной скорости роста фитопланктона Ур, удельных скоростей ?11 и ?12 смертности соответственно фито- и зоопланктона и коэффициентов дик, регулирующих потребление пищи зоопланктоном. Сравнение рассчитаных значений Ур и, а с результатами экспедиционных измерений этих параметров [10] свидетельствует об их качественном согласовании. Значительная пространственная неоднородность, присущая всем оптимизируемым параметрам говорит о том, что вряд ли можно рассчитывать на нахождение некоторых постоянных (для достаточно крупных океанских провинций или даже всего Мирового океана) значений этих параметров. Отсюда следует, что предложенная в [49] классификация биогеохимических провинций по особенностям поверхностной циркуляции океана, возможно, слишком груба и не учитывает существенных различий в биогеохимических процессах внутри выделенных провинций.

4. В рамках модифицированного метода обобщенной инверсии предложен способ оценки степени адекватности используемой модели и качества усваеваемых данных наблюдений. Анализ указанной 4-х компонентной модели ВКС океана и спутниковых данных о приповерхностной концентрации хлорофилла в исследуемой области показал, что: а) спутниковые данные содержат большие ошибки в прибрежных

-г и мелководных районах Северной Атлантики, б) используемая модель достаточно адекватно описывает динамику экосистемы только в центральной части океана. В других районах, по-видимому, должны учитываться дополнительные факторы, конто-лируюгцие поведение реальной экосистемы. К ним относятся: адвективный перенос биологических субстанций, вертикальные миграции зоопланктона, взаимодействие с бентосной системой и др.

5. Предложен метод оценки точности модельных параметризаций биологических процессов, основанный на апостериорном знании решения ассимиляционной задачи и невязок, в модельных уравнениях. Для условий станции «5» (Бермудские о-ва) показано, что основные неточности воспроизведения динамики экоситемы связаны с неадекватным описанием потерь фито- и зоопланктона и процесса разложения детрита, и, значит, параметризации этих процессов нуждаются в уточнении.

ПоказатьСвернуть

Содержание

1. СУЩЕСТВУЮЩИЕ МЕТОДЫ УСВОЕНИЯ ДАННЫХ НАБЛЮДЕНИЙ В ЭКОСИСТЕМНЫХ

МОДЕЛЯХ ОКЕАНА.

2. МОДИФИЦИРОВАННЫЙ МЕТОД ОБОЩЕННОЙ ИНВЕРСИИ И ЕГО ИСПОЛЬЗОВАНИЕ

В ЭКОСИСТЕМНОЙ МОДЕЛИ ВЕРХНЕГО КВАЗИОДНОРОДНОГО СЛОЯ ОКЕДНА.

2.1. Модифицированный метод обобщенной инверсии.

2.2. Модель экосистемы ВКС океана.

2.3. Данные наблюдений.

3. ПРОСТРАНСТВЕННО-ВРЕМЕННАЯ ИЗМЕНЧИВОСТЬ ХАРАКТЕРИСТИК ЭКОСИСТЕМЫ В ВКС СЕВЕРНОЙ АТЛАНТИКИ.

3.1. Концентрация хлорофилла & quot-а"-.

3.2. Первичная продукция.

3.3. Концентрация нитратов.

3.4. Биомасса зоопланктона.

3.5. Концентрация детрита.

3.6. Оптимизируемые модельные параметры.

4. ОЦЕНКА ТОЧНОСТИ ИСХОДНОЙ ИНФОРМАЦИИ.

4.1. Оценка соотношения точности модели и данных наблюдений.

4.2. Оценка точности модельных параметризаций биологических процессов.

Список литературы

1. Sarmiento J.L., Fasham M.J., Slater R., Toggweiler J.R., Ducklow H. The role of biology in the chemistry of CO2 in the ocean/ Chemistry of the Greenhouse Effect (Farrell M. ed.)// Lewis Pub.- New York. -1989.

2. Doney S.C. Commentary: Assessing Ocean Modeling And Data Assimilation Requirements For The Next Decade// U.S. JGOFS Newsletter.- 1997.

3. Longhurst A., Sathyendranath S., Piatt T., Caverhill C. An estimate of global primary production in the ocean from satellite radiometer data// J. Plankton Res.- 1995.- Vol. 17.- No 6. -P. 1245−1271.

4. Antoine D., Andre J. -M. and Morel A. Oceanic primary production: II. Estimation at global scale from satellite (Coastal Zone Color Scanner) chlorophyll// Global Biogeochemical Cycles.- 1996.- Vol. 10.- P. 57−69.

5. Evans G.T. and Parslow S.J. A model of annual plankton cycles// Biol. Oceanogr.- 1985.- Vol. 3.- P. 327−347.

6. Frost B. Grazing control of phytoplankton stok in the open subarctic Pacific Ocean: a model assessing the role of mesozooplankton, particulary the large calanoid copepods Neccalanus //Mar. Ecol. Prog. Ser.- 1987.- Vol. 39.- P. 49−68.

7. Fasham M.J.R., Ducklow H.W., McKelvie S.M. A nitrogen-based model of plankton dynamics in the oceanic mixed layer// J. Mar. Res.- 1990.- Vol. 48.- No.3.- P. 591−639.

8. Radach G. and Moll A. Estimation of the variability of producion by simulating annual cycles of phytopldnkton in the central North Sea// Progr. Oceanogr.- 1993.- Vol. 31. P. 339−419

9. Виноградов M.E. и 3 др. Характеристика эпипелагических экосистем Тихого океана на основе спутниковых и экспедиционных данных. Абиотические параметры и продукционные показатели фитопланктона// Океанология.- 1995.- Т. 35.- N 2.- С. 226−236.

10. Piatt Т., Sathyendranath S. Oceanic primary production: Estimation by remote sensing at local and regional scales// Science.- 1988. -Vol. 241.- P. 1613−1620.

11. Ishizaka J. In.: Towards a Model of Ocean Biogeochemical Processes: Global Environmental Change/ G.T. Evans and M.J.R. Fasham (eds.)// NATO ASI Ser.- Ser.l.- 1993- Vol. 10. -P. 295−316.

12. Armstrong R., Sarmiento J.L. and Slater R. D Monitoring Ocean Productivity by Assimilating Satellite chlorofyll into Ecosystem

13. Models/ T.M. Powell and J.H. Steele (ed)// Ecological Time Series. -Chapman and Hall.- U.K.- P. 379−390. I

14. Marchuk G.I. Formulation of the theory of perturbation for complicated models. Applied. Math, and Optimization.- 1975. -Vol.l.- No 1.- P. l-33.

15. Fasham M.J.R., Evans G.T. The use of optimization techniques to model marine ecosystem dynamics at the JGOFS station at 47° N 20° W// Phil. Trans. R. Soc.- Lond. B.- 1995.- Vol. 348.- No. 1324. -P. 203−210.

16. Hurtt G.C., Armstrong R.A. A pelagic ecosystem model calibrated with BATS data// Deep-Sea Res. II.- 19&6.- Vol. 43.- No. 2−3.- P. 653−683.

17. Prunet P., Minster J. -F. and Ruiz-Pino D. Assimilation of surface data in a one-dimensional physical-biogeochemical model of the surface ocean.1. Method and preliminary results// Global Biogeochemical Cycles. -1996.- vol. 10.- NO. 1.- P. 111−138.

18. Matear R. J. Parameter optimization and analysis of ecosystem models using simulated annealing: A case study at Station P// Journal of Marine Research.- 1995.- Vol. 53.- P. 571−607.

19. Matear R. J. and G. Holloway. Modeling the inorganic phosphorus cycle of the North Pacific using an adjoint data assimilation model to assess the role of dissolved organic phosphorus// Global

20. Biogeochemical Cycles.- 1995.- Vol.9.- NO. 1.- P. 101−119. j

21. Y. Spitz, J.R. Moisan, M.R. Abbott, J.G. Richman. Data Assimilation and a Pelagic Ecosystem Model: Parameterization using Time Series Observations// Jornal of Marine System (in press.).

22. Тихонов A.H., Леонов А. С., Ягода А. Г. Нелинейные некорректные задачи// Наука. 1995.

23. Pires С., Vatuard R., Talagrand О. On extending the limits of variational assimilation in nonlinear chaotic systems // Tellus. -1996. -Vol. A45.- P. 96−121.

24. Bennett A.F. Inverse methods in phisicafoceanography// Cambridge University Press.- Cambridge. -1992. 346 p.

25. Каган Б. А., Кивман Г. А., Лоза C.H., Рябченко В. А. Ассимиляция спутниковых измерений концентрации хлорофилла в экосистем-ной модели верхнего квазиоднородного слоя океана// Доклады А Н.- 1997.- Т. 355.- No 5.- С. 688−692

26. Ten Brummelhuis P.G.J., Heemink A.W., and van den Boogaard H.F.P. Identification of shallow sea models// Int. J. Numer. Methord Fluids.- 1993.- Vol. 17. -P. 637−665.

27. Losa S.N. A method for assimilation of satellite chlorophyll data into an ecosystem model of the ocean mixed layer// Annales Geophysical.- 1996.- Part II.- Supplement II to vol. 14.- P. 426.

28. Eknes M. and Evensen G. Parameter estimation solving a weak constraint variational formulation for an Ekman model// J. Geophys. Res. (in press.).

29. Bissett W.P., M.B. Meyers, J.J. Walsh and F.E. Muller-Karger //J. Geophys. Res.- 1994.- Vol. 99.- P. 7539−7553.

30. Dee D.P. On-line estimation of error covariance parameters for3atmospheric data assimilation// it Mon. Wea. Rev. -1994.- Vol. -123. -P. 1128−1145.

31. Wahba G. Spline Methods for observational Data// SIAM.- 1990. -169 pp.

32. Kivman G.A. Weak constrainad data assimilation for tides in the Artie Ocean// Proc. Workshop on 'Data assimilation in large-scale models'.- Delft. 1997.- P. 571−607.

33. Мину M. Математическое программирование// Наука. Главная редакция физико-математической литературы.- Москва. 1990. -С. 102−110.

34. Popova Е.Е. Non-universal sensitivity of a robust ecosystem model of the ocean upper mixed layer// Ocean Modelling.- 1995.- Issue 109. -P. 2−5.

35. Laws E.A. and Bannister T.T. Nutrient- and light-limited growth of Thalassiosira fluviatilis in continuous culture, with implications for phytoplankton growth in the ocean// Limnol. Oceanogr.- 1980.- Vol. I25.- P. 457−473.

36. Kiefer D. A. and Mitchell B.G. A simple, steady state description of phytoplankton growth based on absorption cross section and quantum efficiency// Limmnol. Oceanogr.- 1983. Vol. 28.- P. 770−776.

37. Geider, R.J. Light and temperature dependence of the carbon to chlorophyll a ratio in microalgae and cyanobacteria: Implications for physiology and growth of phytoplankton// New Phytol.- 1987. -Vol. 106.- P. 1−34.

38. Geider R.J., Macintyre H.L., Капа T.M. A dynamic model of photoadaptation in phytoplankton// Limnol. Oceanogr.- 1996.- Vol. 41.- No 1.- P. l-15.

39. Cloern J.E., Grenz С., Vidergar-Lucas L. An empirical model of the phytoplankton chlorophyll: carbon ratio the conversion factor between productivity and growth rate// Limnol. Oceanogr.- 1995. -Vol. 40.- N 7.- P. 1313−1321.

40. Океанология. Химия океана/ ред. Бордовский O.K. и Иваненко В. Н. // Издательство & quot-Наука"-.- Москва.- 1979.- Т. 1.- С. 176−184.

41. Belch et al. The remote sensing of ocean primary productivity: Use of a new data compilation to test satellite algorithms// Journal of Geophysical Research. -1992.- Vol. 97.- P. 2279−2293.

42. Gordon H.R. and Clark D.K. Remote sensing optical properties of a strarified ocean: An improved interpretation// Applied Optics. -1980.- Vol. 19.- P. 3428−3430.

43. Gordon H.R. and McCluney W.R. Estimation of sunlight penetration in the sea for remote sensing// Applied Optics.- 1975.- Vol. 14.- P. 413−516.

44. Gordon H.R. et al. Satellite measurements of the phytoplankton pigment concentration in the surface waters of a warm core Gulf Stream ring// Jornal of Marine Research.- 1982.- Vol. 40.- P. 491 502.

45. Evans R.H. and Gordon H.R. Coastal Zone Color Scanner «system calibration»: a retrospective examination// Jornal of Geophysycal Research.- 1994.- Vol. 99.- P. 7293−7307. '

46. Feldman G. and 12 others. Ocean color. Availability of the global data set// EOS.- 1989.- Vol. 70.- P. 634−641.

47. Oberhuber J.M. An atlas based on the COADS data set: The budgets of heat, buoyancy and turbulent kinetic energy at the surfase of the global ocean// Hamburg.- 1988.

48. Levitus S., Boyer T.P. World Ocean Atlas. Temperature// Washington, D.C.: NOAA.- 1994.- Vol.4.- 117 p.

49. Conkright M.E., Levitus S., Boyer.P. World Ocean Atlas. Nutrients// Washington, D.C.: NOAA.- 1994.- Vol.1. 150 p.

50. Sathyendranath S., Longhurst A., Caverhill C., Piatt T. Regionally and seasonally differentiated primary production in the North Atlantic// Deep-Sea Res.- 1995.- Vol. 42.- No 10.- P. 1773−1802.

51. Piatt T., Sathyendranath S. and Caverhill C., Basin-Scale Estimates of Oceanic Primery Production by Remote Sensing: The North Atlantic// J. Geophys. Res.- 1991.- Vol. 96.- NO. C8.- P. 15,14 715,159. j

52. Ocean Color from Space // CZCS Images prepared by the NSF/NASA. Internet work, Inc.- 1989.- 8p.- 12 ill.

53. V.A. Ryabchenko, M.J.R. Fashem, A.V. Osipov and E.E. Popova What causes short-term oscilletions in the ecosystem models of the ocean mixed layer?// Jornal of Marine Systems.- 1997.- Vol. 13. 33−50.

54. Gordon H.R. and 5 others. Phytoplankton pigments concentrations in the Middle Atlantic Bight: comparison of ship determinations and

55. CZCS estimates// Appl. Optics.- 1983.- Vol. 22.- P. 20−36. 2

56. Losa S.N. Generalized inversion of satellite chlorophyll data for the primary production in the North Atlantic using a four-component ecosystem model// Annales Geophysicae.- 1997.- Part II.- Supplement II to vol. 15.- P. 411.

57. Виноградов M.E. и 3 др. Фотосинтетическая продукция Мирового океана по спутниковым и экспедиционным данным// Океанология.- 1996.- Т. 36.- N 4.- С. 566−575.

58. Manade S. and Stouffer R.J. Century-scale effects of increased atmospheric CO2 on the ocean-atmosphere system// Nature.- Vol. 364.- P. 215−218.

Заполнить форму текущей работой