2012 - Циклоны 2012-2013

РАЗВЕРНУТЫЙ НАУЧНЫЙ  ОТЧЕТ 2012

Проект РФФИ № 12-05-91170

Исследование причинно-следственных факторов, приводящих к изменениям полей фитопланктона при прохождении глубоких циклонов над тропическими и полярными акваториями

Руководитель: ПОЗДНЯКОВ Д,В, ФОНД“ НАНСЕН –ЦЕНТР”


3.1. НОМЕР ПРОЕКТА
12-05-91170

3.2. НАЗВАНИЕ ПРОЕКТА
Исследование причинно-следственных факторов, приводящих к изменениям полей фитопланктона при прохождении глубоких циклонов над тропическими и полярными акваториями

3.3. КОДЫ КЛАССИФИКАТОРА, СООТВЕТСТВУЮЩИЕ СОДЕРЖАНИЮ ФАКТИЧЕСКИ ПРОДЕЛАННОЙ РАБОТЫ (В ПОРЯДКЕ ЗНАЧИМОСТИ)

05-512  05-516  05-113 05-519 05-549 05-514  05-740
ЦЕЛИ ПРОЕКТА И СТЕПЕНЬ ИХ ВЫПОЛНЕНИЯ
Объявленные ранее цели проекта на 2012 год:
1. Анализ всех доступных спутниковых и наземных данных для Баренцева моря, начиная с 2002 года проводимый с целью выявления случаев прохождения глубоких циклонов (2012 год).
2. Разработка алгоритмов определения температуры поверхности океана (SST) и скорости приводного ветра (SSWS) по данным спутникового микроволнового радиометра Advanced Microwave Sounding Radiometer – Earth Observing System (AMSR-E) на борту спутника Aqua (2012 год).
3. Применение разработанных ранее алгоритмов восстановления параметров качества воды (концентрации фитопланктона, ПП взвешенного минерального вещества и растворенного органического вещества) к данным MODIS за несколько дней до и после прохождения циклонов в Баренцевом море (2012-2013 годы).
4. Сбор всех возможных спутниковых и наземных данных, характеризующих как циклон, так и состояние атмосферы и океана до, во время и после прохождения циклонов в Баренцевом море: a) профили температуры (CTD); б) данные измерений AMSR-E Aqua для последующих восстановлений скоростей приводного ветра и температуры поверхности океана; в) интенсивность осадков (RR) по измерениям прибора AMSU-B со спутников серий NOAA; г) альтиметрические данные по высоте уровня моря (продукт Jason, TOPEX/POSEIDON(T/P), Geosat Follow-On (GFO), ERS-2 и Envisat спутников); д) поля геопотенциала по данным реанализа NCEP/NCAR (2012-2013 годы).

Степень выполнения поставленных в проекте задач
1. Спутниковые и наземные данные для Баренцева моря собраны за период с 2002 по 2007 включительно; Данные прошли необходимый первичный анализ и произведено выявление всех без исключения случаев прохождения атмосферных циклов с построением электронной базы данных  (фактически ГИС) об этих циклонах (дата и время, а также направление,с которого пришел циклон, траектория его прохождения над Баренцевым морем и ее нанесение на батиометрическую карту моря, скорость прохождения следа циклона через акваторию  моря, атмосферное давление в центре циклона и его изменение по мере прохождения над морем, скорость ветра у поверхности по траектории прохождения циклона, и т.д.).
2. Разработаны алгоритмы восстановления с ранее недоступной точностью как величина температуры  поверхности моря  и  скорости приводного ветра, так и соответствующих географических привязок.
3. Для указанного в п. 1 временного промежутка, произведено применение разработанных ранее биооптических алгоритмов восстановления параметров качества воды (ПКВ) по спутниковым датчикам видимого и ближнего инфракрасного диапазона электромагнитного спектра к данным MODIS; продолжительность периода восстановления(ПКВ) после прохождения циклона увеличена до 8 суток (необходимость этого показали первые же шаги работы).
4. Параллельно с работами по п.п.1-3, начат и продолжается сбор данных, характеризующих атмосферные параметры, связанные с циклоном (такие как интенсивность осадков, пространствееная неоднородность их выпадения относительно оси траектории циклона)

ПОЛУЧЕННЫЕ РЕЗУЛЬТАТЫ

Получены важнейшие результаты:

Удалось показать, что прохождение действительно глубоких и медленно перемещающихся циклонов над Баренцевым морем приводит к возрастанию по траектории циклона концентрации биомассы фитопланктона. Возрастание концентрации хлорофилла фитопланктона происходит, как правило, на пятый день после того, как циклон переместится дальше по своей траектории. При этом более значительное повышение (до 25%) содержания хлорофилла в поверхностном водном слое в полосе пределах плюс-минус 100 км относительно оси траектории циклона наблюдается справа по отношению направления движения циклона. Важными отличиями от феноменологии явления в верхних широтах от  низких широт являются два выявленных обстоятельства: первое -   температура поверхности моря после прохождения циклона не понижается, а напротив повышается; второе - само явление изменения полей фитопланктона и температуры поверхности воды более "короткоживущее" и не превышает недели.

Работа, выполненная российскими участниками совместного проекта:

Как отмечалось в предыдущих подотделах, проведен планомерный сбор и обработка спутниковых данных широкого спектра назначения, оперирующих в различных диапазонах электромагнитного спектра  [видимый, инфракрасный и микроволновый] за период 2002-2007 гг.
Проведена полная обработка этих данных с получением большого числа биофизических параметров, важных с точки зрения характеристики изучаемого явления и выяснения причинно-следственных связей, связанных с ним. Обнаружены существенные различия в характере этого явления (динамике развития, проявлений в поверхностных биофизических полях) по сравнению с низкими широтами.
Разработаны и внедрены в практику потоковой обработки спутниковых данных по температуре поверхности моря и приповерхностном ветре. Это позволило значительно точнее оценить скорости турбулентного перемешивания, эффективности "работы Экмановского насоса", условий вегетирования фитопланктона и мн. др. Набирается многолетняя статистика по похождению циклонов, их силе, быстроте перемещения, времени их появления в Баренцевом море в рамках вегетационного сезона, оценки влияния других (кроме циклонических) факторов, в том числе и вихревых образований в водном столбе.
Набираются и анализируются данные по атмосферным характеристикам циклонов, проходящих в вегетационный период над Баренцевым морем. Наполняется банк данных по их климатологии, что позволит выявить статистически реально значимые характеристики условий, при которых исследуемое явление действительно оказывает влияние на биопродуктивность моря и гидрологические процессы в нем.
-Традиционные методы оценки скорости приводного ветра по данным микроволновых радиометров позволяют получать точность порядка 2 м/с при самых благоприятных условиях, включающих в себя отсутствие облачности и скорости ветра, не превышающие 15 м/с.
Метод, лежащий в основе алгоритмов, основан на реализации численного эксперимента, в процессе которого последовательно решаются прямая и обратная задачи атмосферной оптики. При рассмотрении параметров океана особую важность приобретает корректное моделирование зависимостей излучения от различных параметров океана – температуры, солености, приводного ветра.Численный эксперимент по замкнутой схеме позволяет моделировать спутниковые измерения с аппаратурой конкретного радиометра и проводить обработку этих квазиизмерений с целью разработки алгоритмов оценок искомых геофизических параметров. В процессе первого этапа реализации численного эксперимента   решения прямой задачи   задавались гидрометеорологические данные (профили метеопараметров, температура облаков, температура океана Ts, скорость приводного ветра V). Расчет радиояркостных температур Тя уходящего излучения на частотах, поляризациях и при угле визирования аппаратуры радиометра AMSR-E позволил получить массив модельных значений Тяi =1,…n (n =12 – число каналов радиометра). Второй этап численного эксперимента - это решение обратной задачи. Обратная задача решалась при помощи применения Нейронных Сетей (НС) к массивам модельных значений радиояркостных температур.Проведение более 20 экспериментов с различными входными параметрами позволило определить, что минимальная погрешность оценки как скорости ветра, так и температуры океана, обеспечивается при использовании в алгоритме четырех низкочастотных каналов – на 6.9 и 10.6 ГГц вертикальной и горизонтальной поляризаций (σV1 = 0.9 м/с, σT = 1 K) (низкочастотный (НЧ) алгоритм). Однако, поскольку пространственное разрешение на этих каналах почти в 2 раза хуже, чем на 18.6, 23.8 и 36.5ГГц-каналах, для ветра также был оставлен альтернативный алгоритм (высокочастотный (ВЧ) алгоритм) с 3-мя входными каналами – на 18.6, 23.8 и 36.5 ГГц вертикальной поляризации. Погрешность данного алгоритма теоретически оценивается как в 2 раза большая (σV2 = 1.8 м/с), чем при использовании каналов на 6.9 и 10.6 ГГц вертикальной и горизонтальной поляризаций, однако, при оптически прозрачной атмосфере данный алгоритм позволяет получать поля ветра в более высоким разрешением (порядка 10 км).

Работа, выполненная зарубежными участниками совместного проекта:

Суть ее была направлена на 1) выявления закономерностей, связанных с возрастанием плотности рыбных косяков при прохождении двух тайфунов (Гони и Коппу) в Южно-Китайском море, и 2) исследование возможности количественно оценивать из космоса характерные размеры фитопланктонных сообществ, или иначе говоря, численно оценивать содержание пико-, нано-, и микропланктона в фитокомплексе. Оба направления самым непосредственным образом связаны с основной тематикой данного совместного проекта.
По первому пункту удалось показать, общее число особей ихтиофауны после "тандемного" прохождения циклонов в указанной морской акватории интегрально увеличилось на 30%. В прибрежной части акватории увеличение составило 24%, в то время как в пелагиальных водах увеличение составило около 53%. При этом, мало- и средне размерные особи  увеличились в числе в прибрежной области, в то время в пелагиальной области увеличение численности коснулось лишь малоразмерных особей. Указанные возрастания в прибрежной зоне  достигали максимума в период между пятым и десятым днями после прохождения циклона, в то время как в пелагиальных водах это происходило в промежутке времени между третьим и восьмым днями.

Методы и подходы, использованные в ходе выполнения проекта (описать, уделив особое внимание степени оригинальности и новизны):

Алгоритмы восстановления скорости приводного ветра и температуры поверхности океана основаны на использовании данных численного моделирования и применения Нейронных Сетей в качестве оператора решения обратной задачи. Алгоритм оценки скорости ветра протестирован с использованием независимых измерений морских буев. По сравнению с мировыми аналогами данный алгоритм демонстрирует существенно (в два раза) более высокие точности в условиях оптически плотных атмосфер и штормовых ветров.
Для получения данных в оптическом диапазоне спектра были применены биооптические алгоритмы, разработанные как в НАСА, так и в Нансен-Центре. Большим преимуществом алгоритмов Нансен-Центра - это их способность на основе математических методов многомерной оптимизации и техники нейронных цепей, одновременно определять не только концентрацию хлорофилла фитопланктона (обеспечиваемую алгоритмом НАСА), но и других основных  параметров качества природных вод.
Кроме того, ряд специализированных алгоритмов Нансен-Центра позволяют не только выделять области массового вегетирования таких вредных микроводорослей как Emiliania huxleyi,  Lepidodinium chlorophorum и такой раздел фитопланктона, как сине-зеленые водоросли.
Все выше перечисленные алгоритмы являются оригинальными, подтвердившими свою адекватность, оперативность и высокую точность на примере совмещенных спутниковых и судовых данных.

СТЕПЕНЬ НОВИЗНЫ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ:

Степень новизны полученных результатов:

Данные по акватории Баренцева моря и акватории Южно-китайского моря во взаимном сравнении являются абсолютно новыми, не имеющими аналога в мировой литературе. Совершенно новым является и тот элемент исследования, что динамика поля поверхностной температуры при прохождении мощных циклонов может кардинальным образом отличаться  для высоких и низких широт, определяясь вертикальной структурой вод, а также полем температуры водной поверхности по периферии следа циклона на поверхности акватории.
Все это оказалось возможным благодаря использованию оригинальныхалгоритмов восстановления параметров как непосредственно характеризующих динамику биофизических полей на морской поверхности, так и важнейшие параметры внешнего физического воздействия.

Сопоставление полученных результатов с мировым уровнем:

Поскольку данная комплексная работа по сравнению исследуемого эффекта в низких и высоких широтах  еще не имеет аналогов, то можно с уверенностью констатировать, что ее результаты находятся на передовых рубежах исследований в этой области. Это касается как   методического инструментария , так и результатов уже полученных в отчетном году.

НАУЧНЫЕ ПУБЛИКАЦИИ







1

  

Приоритетное направление развития науки, по которому, по мнению исполнителей, соответствуют результаты данного проекта:
4-Науки о жизни
Критическая технология РФ, в которой, по мнению исполнителей, соответствуют результаты данного проекта:
8- Нано,–био, информационные, когнитивные

Основное направление технологической модернизации экономики России, которому, по мнению исполнителей, соответствуют результаты данного проекта:
Не очевидно

ПРИЛОЖЕНИЕ  
Among the variety of environmental effects produced by ongoing climate change, significant variations in phytoplankton primary productivity and time- and area-integrated production are becoming increasingly evident (Greene and Pershoing, 2007). Undoubtedly, the shifts in primary production (PP) amply documented are a reflection of serious alterations occurring to the ecosystems of the world’s oceans. Revealed in a wide variety of marine/oceanic regions, the alterations are driven by a host of climate change-related mechanisms that are yet insufficiently understood (Hanshaw et al., 2008).
Deep baric formations in the atmosphere are shown to be able to strongly affect PP variations across oceanic/marine tracts (Chang et al., 1996; Lin et al., 2003; Davis et al., 2004; Tang et al., 2004a,b, 2006; Walker et al., 2005; Zhao and Tang, 2006; Rao et al., 2006; Zheng and Tang, 2007; Zhao et al., 2008, 2009; Toratani, 2008; Byju and Kumar, 2011; Sarangi, 2011; Lin, 2012; Chung et al., 2012; Chen et al., 2012; and more). This is evidenced by quite a number of satellite-based studies employing synergistic approaches. These studies seemingly indicate that the phytoplankton biomass increase provoked by cyclones might arise from a variety in-water processes (Le Fouest et al., 2011). Nearly invariably they were conducted over low-latitude waters in the northern hemisphere: the Western North Pacific (reportedly, the area of the highest incidence of tropical cyclones), and more specifically, South China Sea, as well as in the Indian Ocean (Bay of Bengal and Eastern Arabian Sea), and northern Atlantic Ocean (Gulf of Mexico and the 24N-38N latitudinal belt).
There are reasons to expect that the effect of deep cyclones on the primary production in the Arctic Ocean can also be appreciable/consequential (Le Fouest et al., 2011) regardless of the fact that it is a low production region of the world’s oceans (Arrigo and van Dijken, 2011). We are unaware, however, of any satellite-based investigations of this phenomenon at these latitudes.
Although the Arctic Ocean ecosystems are subject to atmospheric and hydrodynamic forcing of different nature (Bobylev et al., 2003), identification of the role of deep cyclones in PP variations and quantification of the ensuing consequences is an attainable task due to the specific spatial and temporal scales inherent in this driving mechanism. Indeed, when studying a single Nordic Sea, the relevant scales are of a few hundred kilometers and a few days, which are not characteristic of many, but not all, other options of external forcing. (Benzeman, 2009)
Although attainable, the above task must be challenging because of the high incidence of heavy cloud conditions over ice-free tracts of the Arctic (Chernokulsky and Mokhov, 2012). It necessitates the application of spatio-temporal averaging of data in the visible, which, inevitably, will affect the spatio-temporal resolution of spaceborne images, and, thus, complicate the quantitative assessment of the effect sought for. Obviously, a reasonable trade-off should be found to overcome the above impediment.  

Since, in comparison with low-latitude productive waters, the PP levels and variations in the Arctic are rather low, the retrieval error can be significant (Petrenko et al., 2012), and this imposes strict requirements to the inference of the desired information. Statistical substantiation of the data is a prerequisite in this case.

To increase the analytical capacity of the research, a synergistic approach is required in order to consider not solely the ocean color data (from which phytoplankton chlorophyll concentration and PP are retrievable), but also sea surface temperature (SST) and near-surface winds, as well as currents, frontal zones/zones of convergence and divergence, the bathymetry of the target region, and meteorological data on the baric fields.
Below we present the results of our pilot study aimed at revealing and quantitatively assessing the impact of deep cyclones on phytoplankton chlorophyll (chl) spatial and temporal variations in the Arctic. At this stage of research, the target region was confined to the Barents Sea (BS), and the time period was limited to 2002-2004. In the results analysis presented here not all the abovementioned auxiliary data were yet employed in depth. This will be done at later stages of the research implementation.



Figure 1. The bathymetry and limits (blue line) of the BS. Black, red and green lines and arrows indicate tracts and direction of propagation of the cyclones passed over the sea on 15 May 2003, 24-25 2003, 23-25, 2004, and respectively.


Bordered by the shelf edge towards the Norwegian Sea in the west, the islands of Svalbard in the northwest, and the islands of Franz Josef Land and Novaya Zemlya in the northeast and east, the BS (Fig. 1). is characterized by a relatively shallow shelf and fairly complex hydrography. A seasonably variable ice-cover with its edge retreating far to the north in summer, an inflow of warm and saline Atlantic waters (t>3C, salinity > 35 psu) with the Norway Current and their blending with cold and less saline Arctic waters (t<0C, salinity <35 psu) makes this sea very sensitive to atmospheric, hydrodynamic and, ultimately climate change forcing (Reigstad et al., 2002). The average depth is ~300m plunging to a maximum of 600 m in the major Bear Island Trench.

The interaction between warm Atlantic and cold Arctic waters occurs mainly in the Polar Front Zone (PFZ). In summer the PFZ is located at 78-80N extending amid the BS between Svalbard and the southern coast of Novaya Zemlya.

In spring the PFZ structure is frequently affected by mesoscale eddies with characteristic sizes of 25 - 40 km and the water vertical velocity reaching up to 20 mday1. The tidal/ebbing water motions are significant in the Barents Sea with the tidal amplitude and current direction varying greatly. The atmospheric cyclonic activity over the Barents Sea is very pronounced throughout the year.

As the PFZ enhances the vertical and horizontal mixing in the region, and hence channels the nutrients up to the euphotic zone, it is a site of high biological activity. It largely explains that, compared to other marine waters of similar latitude, the BS is a relatively productive high-latitude marine ecosystem. However, it should not be overlooked that in addition to the PFZ, all the aforementioned atmospheric and hydrodynamic factors can also efficiently modulate and spur up the BS productivity.

SOURCES OF DATA
The occurrence of cyclones moving across the BS has been traced down using the reanalysis data on the geopotential of the 1000 mbar isobaric surface (http://www.esrl.noaa.gov/psd) from the National Centers for Environmental Prediction/National Center for Atmospheric Research (NCEP/NCAR) (Kalnay et al. 1996).

Satellite data on wind speed and direction over the ocean employed in the study are from the National Aeronautics and Space Administration (NASA) QUIcK SCATterometer (QuikSCAT) (http://winds.jpl.nasa.gov/missions/quikscat/index.cfm). The spatial resolution of the QuikSCAT and NCEP/NCAR data are, respectively, 25 km and 2.5 (~275 km) with the revisiting frequency of about twice and four times per day, respectively.

Ocean colour data were downloaded from three satellite sensors: Sea-viewing Wide Field-of-view Sensor (SeaWiFS), and Moderate Resolution Imaging Spectroradiometer (MODIS) [on Aqua & Terra] (http://oceancolor.gsfc.nasa.gov). at a spatial resolution of 1.0 and 1.1 km, respectively, and the revisiting frequency of 2-3 and 4-6 times per day for SeaWiFS and MODIS, respectively. SeaWiFS and MODIS (conjointly on Aqua and Terra) ocean colour data were blended daily to obtain a composite image for each specific day. In addition to ocean colour data, MODIS sensors also provide SST data at the space and time resolution equaling that for chl fields.

METHODOLOGY
Algorithms
The concentration of chl was retrieved with the NASA standard algorithms OC4 for SeaWiFS (O'Reilly et al. 1998), and OC3 for MODIS Aqua and Terra (O'Reilly et al. 2000).These are modified cubic polynomial functions based on the band-ratio paradigm and employing remote sensing spectral reflectance in the visible and near infrared channels as an input parameter. The NASA data reprocessed only recently were employed in the present study: MODIS-Aqua was reprocessed by reprocessing R2012.0; MODIS-Terra and SeaWiFS were reprocessed by reprocessing R2010 (http://oceancolor.gsfc.nasa.gov/WIKI/OCReproc.html).

To determine SST, “window-split” retrieval algorithms were employed. They are based on the difference between the satellite-observed water surface apparent (brightness) temperature, Ti determined in two several spectral channels centered at 11 µm (T11) and 12 µm (T12). The NASA algorithm is a four-term expression with proportionality coefficients c1-c4: SST = c1 + c2T11 + c3(T11-T12) + c4[(secə- 1)(T11-T12), where ə is the satellite zenith angle. (ttp://yyy.rsmas.miami.edu/groups/rrsl/pathfinder/Algorithm/algo_index.html#algo-pathsst and http://modis.gsfc.nasa.gov/data/atbd/atbd_mod25.pdf )(Robinson, 1994).
The principal of wind speed measurements rests in the backscatter of QuikSCAT transmitted microwave pulses by the water surface. The backscattered microwave signal is modified by the wind-roughened surface in a certain (logarithmic) proportion to the wind speed and direction. Application of inverse modeling allows retrieving the sought for wind parameters. The system measures winds between 3 and 30 ms‾¹ with an accuracy better than 2 ms‾¹ or 10% in speed and 20° in direction with a spatial resolution of 25 km (Callahan and Lungu, 2006).

Что касается разработки алгоритмов определения температуры поверхности океана (SST) и скорости приводного ветра (SSWS) по данным спутникового микроволнового радиометра Advanced Microwave Sounding Radiometer – Earth Observing System (AMSR-E) на борту спутника Aqua, то они основаны на использовании данных численного моделирования и применения Нейронных Сетей в качестве оператора решения обратной задачи. Алгоритм оценки скорости ветра протестирован с использованием независимых измерений морских буев. По сравнению с мировыми аналогами данный алгоритм демонстрирует существенно (в два раза) более высокие точности в условиях оптически плотных атмосфер и штормовых ветров.
Большинство работ, связанных с исследованием штормовых циклонов над океанами, требуют привлечения спутниковых данных, на основании которых возможно восстановление скорости приводного ветра, поскольку максимальные значения этого параметра являются одной из важнейших характеристик циклонов. На сегодняшний день два типа спутниковых инструментов позволяют восстанавливать скорость ветра вблизи поверхности океана. Это данные активных микроволновых приборов (скаттерометров) и пассивных микроволновых приборов (радиометров микроволнового диапазона). Скаттерометрический ветер невозможно получить в условиях осадков. Кроме того, активный сигнал насыщается при скоростях ветра, превышающих всего лишь 12 м/с. Пассивные микроволновые приборы свободны от этих недостатков, хотя восстановление ветра в условиях оптически плотных атмосфер по прежнему остается сложной задачей, решение которой требует привлечения современных высокотехнологичных методов, каковыми на сегодняшний день являются, например, нейронные сети.
Традиционные методы оценки скорости приводного ветра по данным микроволновых радиометров позволяют получать точность порядка 2 м/с при самых благоприятных условиях, включающих в себя отсутствие облачности и скорости ветра, не превышающие 15 м/с.
Очевидно, что наиболее полное использование возможностей спутниковой микроволновой радиометрии связано с наличием алгоритмов, способных обеспечивать высокие точности оценки скорости приводного ветра при самых разных погодных условиях, включая неблагоприятные – облачность с высокими значениями водозапаса, штормовые ветра.
В данной работе были разработаны алгоритмы оценки скорости ветра и температуры поверхности океана по данным многоканального сканирующего радиометра AMSR-E, обладающего, в отличие от своего предшественника SSM/I, четырьмя низкочастотными каналами, позволяющими регистрировать микроволновое излучение на 6.9 и 10.65 ГГц на вертикальной и горизонтальной поляризациях.
Каналы на данных частотах обладают достаточной чувствительностью к параметрам океана, чтобы измерения в них можно было использовать для оценки не только скорости ветра, но и температуры поверхности океана.
Метод, лежащий в основе алгоритмов, основан на реализации численного эксперимента, в процессе которого последовательно решаются прямая и обратная задачи атмосферной оптики. При рассмотрении параметров океана особую важность приобретает корректное моделирование зависимостей излучения от различных параметров океана – температуры, солености, приводного ветра.Численный эксперимент по замкнутой схеме позволяет моделировать спутниковые измерения с аппаратурой конкретного радиометра и проводить обработку этих квазиизмерений с целью разработки алгоритмов оценок искомых геофизических параметров. В процессе первого этапа реализации численного эксперимента   решения прямой задачи   задавались гидрометеорологические данные (профили метеопараметров, температура облаков, температура океана Ts, скорость приводного ветра V). Расчет радиояркостных температур Тя уходящего излучения на частотах, поляризациях и при угле визирования аппаратуры радиометра AMSR-E позволил получить массив модельных значений Тяi =1,…n (n =12 – число каналов радиометра). Второй этап численного эксперимента - это решение обратной задачи. Обратная задача решалась при помощи применения Нейронных Сетей (НС) к массивам модельных значений радиояркостных температур. Модель НС, используемая для решения регрессионных задач наилучшей аппроксимации, представляла собой многослойный персептрон с обратным распространением ошибок. В рамках данной модели имеется бесконечное число комбинаций разного количества слоев с разным числом нейронов в слоях. Поскольку на сегодняшний день не существует теории, позволяющей обоснованно выбрать конфигурацию модели НС для представления той или иной регрессионной зависимости, оптимальная модель выбиралась экспериментальным путем.
Для определения оптимальной конфигурации нейронной сети в работе использовались различные конфигурации, отличающиеся друг от друга как количеством нейронов на скрытом уровне, так и числом входных сигналов.
Проведение экспериментов, в которых были задействованы каналы на частотах выше 10 ГГц, было обусловлено желанием учесть влияние на оценки атмосферного поглощения. Кроме того, моделирование излучения океана продемонстрировало наличие существенной зависимости излучения от скорости ветра не только на низкочастотных (6.9 и 10.6 ГГц), но и на высокочастотных каналах радиометра.
Во всех случаях использовалась полностью связанная нейронная сеть с количеством входных параметров (которыми служили рядиояркостные температуры) от 3-х до 7 и одним скрытым уровнем нейронов.
Во всех ситуациях с увеличением числа нейронов в скрытом уровне до 10 погрешность оценки, рассчитанная на настроечном массиве, падала. Однако, начиная с числа нейронов, равного 11, погрешность оценки, рассчитанная на тестирующем наборе данных, начинала возрастать, что означало потерю генерализирующих свойств Нейронных Сетей.
Проведение более 20 экспериментов с различными входными параметрами позволило определить, что минимальная погрешность оценки как скорости ветра, так и температуры океана, обеспечивается при использовании в алгоритме четырех низкочастотных каналов – на 6.9 и 10.6 ГГц вертикальной и горизонтальной поляризаций (V1 = 0.9 м/с, T = 1 K) (низкочастотный (НЧ) алгоритм). Однако, поскольку пространственное разрешение на этих каналах почти в 2 раза хуже, чем на 18.6, 23.8 и 36.5ГГц-каналах, для ветра также был оставлен альтернативный алгоритм (высокочастотный (ВЧ) алгоритм) с 3-мя входными каналами – на 18.6, 23.8 и 36.5 ГГц вертикальной поляризации. Погрешность данного алгоритма теоретически оценивается как в 2 раза большая (V2 = 1.8 м/с), чем при использовании каналов на 6.9 и 10.6 ГГц вертикальной и горизонтальной поляризаций, однако, при оптически прозрачной атмосфере данный алгоритм позволяет получать поля ветра в более высоким разрешением (порядка 10 км)
Оптимальные конфигурации Нейронных Сетей для описанных алгоритмов представлены на Рис. 2

Рис. 2. Оптимальные конфигурации Нейронных Сетей, используемые в алгоритмах восстановления:
а) ветра при оптически плотной атмосфере (поглощение на частоте 36.5 ГГц 36 > 0.2) – НЧ алгоритм;
б) ветра при оптически прозрачной атмосфере (поглощение на частоте 36.5 ГГц 36 < 0.2) - ВЧ алгоритм;
в) температуры поверхности

Валидация алгоритмов оценки скорости приводного ветра была проведена на основании сопоставления результатов применения алгоритмов к измерениям морских буев, предоставленных Японским Аэрокосмическим Исследовательским Агенством (Japan Aerospace Exploration Agency - JAXA). Всего было обработано 54882 данных измерений морских буев по всему мировому океану за период с 2003 по 2006 год. Обработка данных включала в себя следующие этапы:
1) Все данные были совмещены в пространстве и во времени с измерениями AMSR-E. Пространственный критерий совмещения – 50 км, временной – 1 час. С учетом геометрии сканирования радиометра выбранному критерию пространственного совмещения удовлетворяло 30 пикселей AMSR-E.
2) После пространствено-временного совмещения к спутниковым радиометрическим измерениям радиояркостной температуры были применены алгоритмы оценки скорости приводного ветра как НЧ, так и ВЧ алгоритмами.
3) Из всего массива данных по скоростям вета были оставлены лишь те данные, для которых вариации спутниковых оценок скорости ветра в 30 пикселях не превышали Vu = 1.5 м/с. Данные c V > Vu рассматривались как пространственно неоднородные и были в дальнейшем исключены из рассмотрения. Более жесткий критерий на Vu приводил к резкому уменьшению количества данных, которые можно было использовать для валидации. Следует отметить, что при использовании разных алгоритмов – ВЧ и НЧ – отбиралось различное количество данных. Оценки ветра ВЧ алгоритмом, использующим более высокие частоты, оказываются более чувствительными к атмосферным неоднородностям, увеличивающим погрешность восстановления ветра. При использовании НЧ алгоритма критерию однородности удовлетворяло 16064 данных, при использовании ВЧ алгоритма – 13803 данных. В результате данные отбирались по ВЧ критерию, и результирующее количество данных составило 13803.
4) Для отобранных данных было проведено тестирование алгоритмов, состоящее из а) вычисления среднеквадратичной ошибки восстановления V - (для всех данных и отдельно для северных и умеренных и тропических широт, отдельно для низких V < 3 м/с, умеренных 3 м/с  V  15 м/с и высоких V > 15 м/с) и б) построения полей скоростей ветра для выборочных случаев для визуальной оценки адекватности работы алгоритмов в различных условиях. Для этих выборочных случаев были также оценены атмосферные условия (величина атмосферного поглощения на частоте 36.5 ГГц). Всего было проанализировано 73 совмещенных данных.
5) Из отобранных 13803 лишь для 452 данных измерений атмосферные условия удовлетворяли условию оптически прозрачной атмосферы (поглощение на частоте 36.5 ГГц 36 < 0.2), т.е. позволяли применить ВЧ алгоритм. К остальным 13351 данным был применен НЧ алгоритм.

Результаты тестирования алгоритмов оценки скорости приводного ветра суммированы в Таблице 1.

Таблица 1. Среднеквадратичная погрешность восстановления скорости приводного ветра, полученная при тестировании ВЧ и НЧ – алгоритмов с использованием отобранных однородных данных морских буев.


Валидация алгоритмов оценки температуры океана с использованием независимых измерений еще не завершена.

Detection of cyclone impact approach
Analyzing the NCEP/NCAR information, a metadata base was compiled to reflect all cases of cyclones passing through the Barents during the vegetation period, i.e. the time of arrival, passage through and leaving off the BS.
For each identified case of cyclone passage, ocean colour images were acquired for the periods of 5 days prior to the cyclone arrival to the confines of the BS, and about 10 days after the definitive cyclone departure from the target marine zone.
Using the NCEP/NCAR data on the cyclone track, a relatively narrow strip of about 200 km width centered at the cyclone’s “eye” was selected from the colour image(s) of the BS, and processed to yield the chl field within the strip.
To mitigate the screening effect due to cloudiness, the retrieved chl fields were blended from the three ocean colour sensors, and a daily to a few days averaging was performed; the exact time period of averaging was prompted in each case by the specific features of the cloud coverage.
The strength of the cyclone (the baric pressure in the “eye’s” zone) and the speed of wind above the ocean were identified for each case and used for further analysis.
To assess the response of the phytoplankton surficial abundance to a cyclone passing through the sea, the chl average level for the period preceding the cyclone passage was compared to the counter value obtained 3 to 5 days after the cyclone definitive departure.
The same approach has been exploited for SST field characterization to be further collated with the respective chl data.
In the case of a cyclone tandem coming to the Barents Sea, the changes triggered by both were assessed in a similar way, but the period of averaging depended on the time-interval between the passages of two baric formations.

RESULTS AND DICUSSION
Here we are presenting our results for three events of cyclones that passed across the BS on May 15, 2003 and  23-25 June and 24-25 July, 2004. As an example, Fig. 1 shows the trajectories of all three cyclones.

On May 15, 2003 the maximum value of the geopotential height of the isobaric surface of 1000 mbar was –86 m2s-2. Fig. 3 illustrates the field of surface winds over the marine area for the moment when the cyclone started moving across the BS.





Figure 3.The SST field on May 15, 2003 in the area of the cyclone coming out in the BS from the main land. The colour bar is in ms-1. Numbers on the horizontal and vertical axes are degrees of latitude and longitude, respectively.

Fig.4 illustrates, for the 15 May cyclone, the time and space averaged chl concentration fields (encompassing the footprint area of this cyclone as it moved from the mainland into the BS) for two time periods, viz. 4 days prior to (a) and 3-5 days after (b) the cyclone left the sounded area of the water surface. Unfortunately, the cloud conditions didn’t permit to extend spaceborne data on chl over the entire cyclone footprint area. Even a cursory comparison of data in Fig.2a,b reveals a notable increase on the chl concentration after the cyclone passage.

  


Figure 4. The chl (mgm-3) field on May 15, 2003 in the area of the cyclone coming out in the BS from the mainland. Left panel: 4 days prior to and right panel: 5 days after the cyclone passage. Numbers on the horizontal and vertical axes are degrees of latitude and longitude, respectively.


Figure 5 A schematic presentation of SST and chl variation patterns for the case of the cyclone that passed the BS on 15 May, 2003.
Fig. 5 presents schematically the temporal variations of sea surface temperature (SST) and chl concentration in the study area. As seen from Fig.5 the cyclone passage through the target area resulted in a rather substantial increase in chl concentration (from ~0.5 g/l to 1.1g/l): it occurred on the fifth day after the cyclone passage and lasted for about 2 days. Later on May 22, the chl concentration returned to its pre-cyclone values.
It can be assumed that the mechanism of the chl concentration increase documented in this case is the same as the one reported by other workers: cyclone provoked vertical water column mixing bringing into the upper layers waters rich in nutrients. A three day delay between the cyclone passage and the onset of chl concentration increase is dictated by the time required for the phytoplankton to develop.
The differences between the chl concentration increase on the right and left sides of the cyclone footprint proved to be very small and were within the retrieval error (O’Reighly et al. 1998)

The pattern of SST variations in Fig.5 formally resembles (but does not duplicate) that of chl: three days after the passage, SST increased from 0.7C to 1.2 C. However, unlike chl, during the next three days, SST increased further up to 1.6C. After that, SST returned to its pre-cyclone event value. Thus, unlike the observations of cyclone impact on aquatic environment at low latitudes, SST has not decreased, but instead increased. The hydrological data (Jakobsen, and Ozhigin, 2011) for this part of the BS are indicative of a vertical structure of waters that is largely influenced by Atlantic water. Turning the Kolar Peninsular, the Atlantic waters, being warmer and more saline, descend under cold and less saline Arctic waters. However, due to intensive vertical turbulent mixing provoked by the cyclone, the water temperature in the column increased. Further, due to the cyclone’s strong peripheral winds, the surficial advection of warm North Atlantic Waters resulted in an additional temporally longer increase in SST: with the propagation of the cyclone further northeast, this mechanism subsided, and SST started dropping to eventually reach the pre-cyclone event level.

The data relating to two other summer time cyclones indicate that the consequences of cyclone passage across the BS are very similar with respect to the sequence of variations in chl: the increase in chl is observed on the fifth day after the cyclone passage (although the increase proved to be less than that described for the 15 May cyclone) and practically disappears on the third day after the cyclone departure from the target area of observations. SST temporal variations resembled those presented in Fig. 4, but are significantly less in amplitude. This is easily explainable as both summer cyclones proved to be shallower (the minimum value of the geopotential was -4 and 19 m2s-2 for the cyclones in June and July, respectively), and hence, it had less potential to affect strongly the aquatic environment they were passing over. In both cases, the cyclone’s impact on the phytoplankton production increase becomes pronounced on the fifth day after the cyclone passage.

CONCLUDING REMARKS

For the first time the impact of cyclones on marine primary production was revealed and documented for the BS in the Arctic Ocean. It was found that (i) the cyclone-driven increase in chl is far less significant compared to low latitude marine environments, and (ii) the typical lag between the cyclone passage over the marine environment and the increase in chl is about five days, i.e. longer than that most frequently reported for low-latitude seas. Both specific features can be explained by less favorable conditions for the phytoplankton growth: lower levels of incident light and rather low water temperatures. This leads to lower productivity rates and longer times required for the enhancement of chl levels observable from space.
The pattern of SST variations associated with the phenomenon of cyclone passage is unlike that observed in low-latitude seas. Instead of SST lowering with the cyclone passage, we observed an increase in SST. We assume that this increase resulted, at first, from the ascension of submerged warmer and more saline Atlantic waters due to cyclone-driven vertical mixing and further, at a later stage, by the horizontal advection to the target site of North Atlantic surficial waters (also warmer than the Arctic waters) due to the cyclone peripheral winds.
These pilot studies indicate that cyclonic activity in the Arctic, like that at lower latitudes, is able to appreciably modulate the marine primary productivity and hence alter the marine ecosystem state. These changes are powered by vertical water mixing processes and obviously result in short term alterations of the structure of surface waters. However, unlike the cyclone-driven SST changes at low latitudes, in the BS, due to a very specific interaction of the Arctic and Atlantic waters, the cyclone passage is conducive to a short-term increase in SST.
The present study is in its initial stage. Further research is required through extending the number of cases of cyclone passages across the BS throughout 2003-2012, and establishing the actual meteorological and hydrodynamic mechanisms responsible for the ensuing alterations of primary productivity in the Arctic Seas.