Прогноз изменения концентрации летнего фитопланктона на основе методов усвоения спутниковых данных
Аннотация
Работа посвящена использованию методов математического моделирования как основного инструмента исследований функционирования водных экосистем, а именно прогнозирования изменения концентрации фитопланктона в летний период в мелководном водоеме с применением спутниковых данных. Системный подход на основе синтеза математического моделирования с методами усвоения данных дистанционного зондирования позволил выполнить комплексный анализ динамики изменения биогеохимических процессов, протекающих в пространстве и во времени, с учетом совокупного действия физико-химических, биологических и антропогенных факторов, влияющих на изучаемую водную экосистему. Разработанная математическая модель, коррелирующая со спутниковой информацией, позволяет осуществлять прогнозирование поведения летнего фитопланктона в мелководном водоеме, изменения плотности выделенных планктонных популяций в условиях ускоренного времени, описывать окислительно-восстановительные процессы водной среды, сульфатредукции, трансформации биогенных веществ (минерального питания фитопланктона), изучать развитие заморных явлений, возникающих в результате антропогенной эвтрофикации, строить прогнозы изменения кислородного и биогенного режимов функционирования водоема. Для прогнозирования поведения летнего фитопланктона построен и реализован исследовательско-прогнозный комплекс, а также алгоритм его взаимодействия с ГИС. Разработанный программно-алгоритмический аппарат позволяет оценивать масштабы развития стихийных катаклизмов (эвтрофирования, «цветения», загрязнение водных систем различной этиологии и пр.), но и строить кратко- и среднесрочные прогнозы их развития в ускоренном времени для дальнейшего предотвращения негативных последствий экономического и социального характеров. Разработан оперативный алгоритм восстановления параметров качества вод Азовского моря, которой базируется на методе многомерной оптимизации Левенберга — Марквардта. В качестве входных данных использовано пространственное распределение фитопланктонных популяций, являющееся результатом применения метода локальных бинарных шаблонов к спутниковым снимкам, полученным авторами данного метода.
Скачивания
Литература
2. Pitarch JRuiz-Verdú ASendra M. [et al.] (2017) Evaluation and reformulation of the maximum peak height algorithm (MPH) and application in a hypertrophic lagoon. Journal of Geophysical Research: Oceans. 122 (2). P. 1206–1221. DOI
3. Bresciani M. [et al.] (2009) Imaging spectrometry of productive inland waters. Application to the lakes of Mantua. Italian Journal of Remote Sensing. 41 (2). P. 147–156. DOI
4. Shutyaev V. P. (2019) Methods for observation data assimilation in problems of physics of atmos-phere and ocean. Izvestiya, Atmospheric and Oceanic Physics. 55 (1). P. 17–31. DOI
5. Korotaev G. K. and Shutyaev V. P. (2020) Numerical Simulation of Ocean Circulation with Ultrahigh Spatial Resolution. Izvestiya, Atmospheric and Ocean Physics. Vol. 56, No 3. P. 289–299. DOI
6. Marchuk G. I., Paton B. E., Korotaev G. and Zalesny V. B. (2013) Data-computing technologies: a new stage in the development of operational oceanography. Izvestiya, Atmospheric and Oceanic Physics. 49 (6). P. 579–591. DOI
7. Zelen’ko A. A. and Resnyanski Yu. D. (2018) Marine Observing Systems as an Integral Part of Operational Oceanology: A Review. Meteorologiya I gidrologiya. (12). P. 5–30 (in Russian)
8. Parmuzin E. I., Agoshkov V. I., Zakharova N. B. and Shutyaev V. P. (2018) Variational assimilation of satellite observation data in the model of sea hydrothermodynamics. Information technologies in remote sensing of the Earth – RORSE 2018: electr. collection of articles by participants of the 16th conference of the Institute of Space Research of the Russian Academy of Sciences (Moscow, November 12–16, 2018). Moscow, 2018. – P. 1–8. DOI
9. Agoshkov V. I., Parmuzin E. I., Zakharova N. B. and Shutyaev V. P. (2018) Variational assimilation with covariance matrices of observation data errors for the model of the Baltic Sea dynamics. Russian Journal of Numerical Analysis and Mathematical Modelling. 33 (3). P. 149–160. DOI
10. Kabanikhin S. I. and Krivorotko O. I. (2018) An Algorithm for Source Reconstruction in Nonlinear Shallow-Water Equations. Comput. Math. Math. Phys. 58 (8). P. 1334–1343. DOI
11. Marchuk G. I. and Shutyaev V. P. (2012) Adjoint equations and iterative algorithms in problems of variational data assimilation. Proc. Steklov Inst. Math. (Suppl.). 276. P. 138–152 (in Russian)
12. Marchuk G. I., Agoshkov V. I. and Ipatova V. M. (2011) The theory of solvability of initial boundary value problems and assimilation problems for the basic equations of the ocean. Proceedings of the Moscow Institute of Physics and Technology. 3 (1). P. 93–101 (in Russian)
13. Chao Y., Farrara J., Zhang H. and Armenta J. (2018) Universidad AbiertaDevelopment, Implementation, and Validation of a California Coastal Ocean Modeling, Data Assimilation, and Forecasting System. Deep-Sea Research Part II: Topical Studies in Oceanography. 151. P. 49–63. DOI
14. Robertson R. and Dong C. (2019) An evaluation of the performance of vertical mixing parameterizations for tidal mixing in the Regional Ocean Modeling System (ROMS). Geoscience Letters. 6 (1). DOI
15. Artal O., Sepúlveda H., Mery D. and Pieringer C. (2019) Detecting and characterizing upwelling filaments in a numerical ocean model. Computers and Geosciences. 122. P. 25–34. DOI
16. Themistocleous K., Papoutsa C., Michaelides S. and Hadjimitsis D. (2020) Investigating Detection of Floating Plastic Litter from Space Using Sentinel-2 Imagery. Remote Sensing. 12 (16). DOI
17. Liu H. and Jezek K. C. (2004) Automated extraction of coastline from satellite imagery by integrating Canny edge detection and locally adaptive thresholding methods. International Journal of Remote Sensing. 25 (5). P. 937–958. DOI
18. Rumyantsev K. E. (ed.) (1991) Primenenie sredstv lokacii dlja kontrolja parametrov vodnoj sredy [The use of location tools to control the aquatic environment parameters]. Taganrog: TRTU Publishing House (in Russian)
19. Kasyanov A. O. and Zagorovsky V. I. (2001) Razrabotka SVCh-komponentov radiolokaci-onnoj seti sbora operativnoj informacii ob jekologicheskoj obstanovke v akvatorii [Development of microwave components of a radar network for collecting operational information about the environmental situation in the water area]. Izvestija of the TRTU. A thematic issue. Mathematical modeling and system research in ecology. (2). P. 113–116 (in Russian)
20. Chetverushkin B. N. (2013) Resolution limits of continuous media mode and their mathematical formulations. Math. Models Comput. Simul. 5 (3). P. 266–279. DOI
21. Yakushev E. V. (1995) Mathematical modeling of the influence of marine biota on the carbon dioxide ocean-atmosphere exchange in high latitudes. In: Jaehne B. and Monahan E.C. (ed.) Air-Water Gas Transfer. Sel. Papers: Proceedings of Third Int. Symp., Hanau, Heidelberg University, AEON Verlag & Studio, P. 37–48 (in Russian)
22. Kopelevich O. V. (1983) Maloparametricheskaja model’ opticheskih svojstv morskoj vody [Maloparametric model of optical properties of seawater]. Optics of the ocean. M. : Nauka. 1. P. 208–234 (in Russian)
23. Pozdnyakov D. V., Korosov A. A., Petrova N. A., Petterson L. H. and Grassl H. (2009) Issledovanie «gisterezisnogo» haraktera vozvrashhenija Ladozhskogo ozera iz mezotrof-nogo sostojanija [Investigation of the “hysteresis” character of the return of Ladoga Lake from the mesotrophic state]. Issledovanie Zemli iz kosmosa. 1. P. 1–15 (in Russian)
24. Haltrin V. I. and Kattawar G. W. (1993) Self-consistent solutions to the equation of transfer with elastic and inelastic scattering in oceanic optics: I. Model. Applied Optics. 32 (27). P. 5356– 5367. DOI
25. Sukhinov A. I. and Panasenko N. D. (2022) Comparative investigation of neural and locally binary algorithms for image identification of plankton populations. Computational Mathematics and Information Technologies. 1 (2). P. 70–80. DOI
26. The official website of Earth observing system. URL
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
