Формирование и изменчивость оптических характеристик поверхностных вод полярных акваторий тема диссертации и автореферата по ВАК РФ 00.00.00, доктор наук Глуховец Дмитрий Ильич

• Глуховец Дмитрий Ильич
• доктор наук
• 2026

Оглавление диссертации доктор наук Глуховец Дмитрий Ильич

ВВЕДЕНИЕ

ГЛАВА 1. ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАНЕЕ ПРОВЕДЕННЫХ ИССЛЕДОВАНИЙ

ОПТИЧЕСКИХ ХАРАКТЕРИСТИК ВОД ПОЛЯРНЫХ АКВАТОРИЙ

1.1 Гидрооптические характеристики и их использование в океанологии

1.2 Малопараметрические модели гидрооптических характеристик

1.3 Аппаратура для измерения значений гидрооптических характеристик

1.4 Факторы, определяющие значения гидрооптических характеристик поверхностных вод полярных акваторий

1.5 Данные спутниковых сканеров цвета

1.6 Выводы по Главе

ГЛАВА 2. РАЗРАБОТАННЫЕ И ИСПОЛЬЗОВАННЫЕ МЕТОДИКИ И АППАРАТУРА

2.1 Натурные измерения

2.2 Разработка и использование новых гидрооптических приборов и методик

2.2.1 Палубные спектрорадиометры

2.2.2 Расчет спектров коэффициента яркости моря по данным о яркости восходящего от воды излучения, полученным с авианосителя

2.2.3 Спектральные флуориметры

2.2.4 Методика определения абсолютных величин показателя поглощения света морской водой

2.3 Спутниковые сканеры цвета и данные реанализа

2.4 Региональные алгоритмы и обработка спутниковых данных

2.5 Гидрооптическое моделирование

2.5.1 Моделирование распространения и поглощения солнечного излучения в морской воде

2.5.2 Методы решения уравнения переноса излучения

2.5.3 Моделирование спектров флуоресценции морской воды

2.6 Выводы по Главе

ГЛАВА 3. РЕГИОНАЛЬНЫЕ СООТНОШЕНИЯ МЕЖДУ ПЕРВИЧНЫМИ И

ВТОРИЧНЫМИ ГИДРООПТИЧЕСКИМИ ХАРАКТЕРИСТИКАМИ ПО ДАННЫМ ЭКСПЕДИЦИОННЫХ ИЗМЕРЕНИЙ И МОДЕЛИРОВАНИЯ

3.1 В осстановление полного набора первичных оптических характеристик

3.2 Влияние вертикальной стратификации биооптических характеристик на параметры световых полей

3.2.1 Модифицированная модель вод первого оптического типа

3.2.2 Модель вод второго оптического типа

3.3 Влияние биооптических характеристик на альбедо океана

3.4 Влияние биооптических характеристик на прогрев морской воды

3.5 Влияние фикоэритрина на точность оценки концентрации хлорофилла

3.6 Выводы по Главе

ГЛАВА 4. ОПТИЧЕСКИЕ ХАРАКТЕРИСТИКИ ВОД ПОВЕРХНОСТНОГО СЛОЯ

4.1 Оптические характеристики поверхностного слоя вод исследуемых арктических морей по данным судовых измерений

4.2 Особенности вод Баренцева моря

4.3 Особенности вод Карского моря

4.3.1 Динамика распространения поверхностного опресненного слоя в Карском море по данным спутниковых сканеров цвета

4.3.2 Индивидуальный тип опреснения вод поверхностного слоя у восточных берегов Новой Земли

4.4 Особенности вод моря Лаптевых

4.5 Особенности вод моря Уэдделла

4.6 Выводы по Главе

ГЛАВА 5. ПРОСТРАНСТВЕННЫЕ И ВРЕМЕННЫЕ РАСПРЕДЕЛЕНИЯ

БИООПТИЧЕСКИХ ХАРАКТЕРИСТИК ПО ДАННЫМ СПУТНИКОВЫХ СКАНЕРОВ ЦВЕТА

5.1 Обновление Атласа биооптических характеристик вод российских морей

5.1.1 Сезонные региональные алгоритмы оценки концентрации хлорофилла а

в Карском море

5.1.2 Региональный алгоритм оценки концентрации хлорофилла а в море Лаптевых

5.2 Пространственные распределения биооптических характеристик, рассчитанных по данным спутниковых сканеров цвета

5.3 Временная изменчивость среднемесячных величин биооптических характеристик

5.4 Тренды среднемесячных значений биооптических характеристик

5.5 Выводы по Главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

Введение диссертации (часть автореферата) на тему «Формирование и изменчивость оптических характеристик поверхностных вод полярных акваторий»

ВВЕДЕНИЕ

Актуальность исследования оптических характеристик поверхностных вод полярных акваторий в первую очередь связана с происходящими изменениями климата. Известно, что в полярных регионах наиболее ярко проявляется глобальное потепление (Гулев, 2023; IPCC, 2023; Favier et al., 2017; Holland and Bitz, 2003). Так, в Арктике в последние десятилетия регистрируется снижение площади ледяного покрова (Comiso, 2012; Meier and Stroeve, 2022). В Южном океане летний сезон 2019-2020 гг. был самым теплым за всю историю инструментальных наблюдений, причем значительный нагрев наблюдался в области Антарктического полуострова (Robinson et al., 2020). Изменения климата приводят к изменению фитопланктонных сообществ в полярных акваториях: в Арктике происходят смещения сроков цветений (Белевич и др., 2022; Kahru et al., 2011); изменяются видовой и размерный составы водорослей (Demidov et al., 2024; Pautova et al., 2015; Terrado et al., 2013) и величины первичной продукции (Bélanger et al., 2013; Belevich et al., 2024); изменяется видовой состав и антарктического фитопланктона (Mendes et al., 2013; Sinha and Hader, 2016), некоторые виды которого содержат пигменты из группы фикобилинов (Mendes et al., 2013, 2018). В Баренцевом море наблюдаются ежегодные цветения кокколитофорид Emiliania huxleyi (Буренков и др., 2011; Pozdnyakov et al., 2019; Smyth et al., 2004), этот вид фитопланктона был обнаружен в море Уэдделла в конце 1990-х (Winter et al., 1999). За прошедшие годы наблюдался рост их популяции в полярных регионах (Winter et al., 2014). Также климат влияет на содержание растворенной органики в водах арктических морей за счет таяния льдов и изменения объемов речного стока (Gonçalves-Araujo et al., 2016). В атлантическом секторе Южного океана изменения ледяного покрова происходят в обоих направлениях (King, 2014); в частности, в море Уэдделла проходит граница между сокращением и увеличением ледового покрова.

Оптические методы, в частности, спутниковые, позволяют эффективно отслеживать изменения морских экосистем, происходящие в период климатических изменений. Получаемые в результате использования этих методов значения оптических характеристик зависят от количественного и качественного состава растворенного и взвешенного вещества, содержащегося в морской воде (Копелевич и др., 2018). Этот состав чрезвычайно изменчив и разнообразен: окрашенные органические соединения, фитопланктон, бактерии, детрит, взвешенные частицы, выносимые в море реками и ветром. Информация о содержании и вариативности этих компонентов морской воды необходима для оценки биопродуктивности океана, прогнозирования климатических изменений, верификации циркуляционных моделей, а также при расчете потоков парниковых газов в системе «атмосфера-океан» и для оперативного

мониторинга и оценки состояния морских экосистем (Копелевич и Костяной, 2018). Задачи, связанные с получением такой информации в различных пространственных и временных масштабах, могут быть успешно решены с помощью совместного использования дополняющих друг друга контактных и дистанционных оптических методов. Спутниковые сканеры цвета позволяют рассчитывать искомые биооптические характеристики для всей акватории исследуемых морей за весь период исследований. Порой они становятся единственным источником информации. С другой стороны, полярная ночь, частая облачность над полярными морями и ледовая обстановка существенно ограничивают возможность использования этих данных. Экспедиционные исследования таких регионов сопряжены с большими трудностями из-за суровых погодных условий, поэтому судовые данные фрагментарны в пространстве и времени. Но именно эти данные позволяют получить абсолютные значения исследуемых характеристик, что необходимо для разработки и верификации региональных спутниковых алгоритмов. Подход, примененный в работе, основан на совместном использовании судовых и спутниковых данных, что обеспечивает возможность комплексного исследования труднодоступных акваторий арктических морей. Проведение необходимых судовых измерений при возможной необратимости происходящих изменений, связанных с вызванными глобальным потеплением процессами, поддерживается утвержденной программой развития Института океанологии им. П.П. Ширшова РАН (ИО РАН) на 2019-2024 гг., включающей исследования морей Арктики и Антарктиды (https://ocean.ru/phocadownload/programma razvitiia ioran.pdf). В работе использованы результаты судовых измерений, полученные с помощью современных оптических методов, в экспедициях ИО РАН в Баренцевом и Карском морях, в море Лаптевых и море Уэдделла с 2013 по 2024 гг. Для сравнения привлекались данные экспедиционных исследований ИО РАН в Атлантическом океане, а также Черном и Норвежском морях.

Подтверждение актуальности исследований биооптических характеристик вод полярных акваторий непосредственно следует из явного указания необходимости научного освоения Мирового океана, Арктики и Антарктики среди наиболее значимых для научно-технологического развития больших вызовов (Указ Президента Российской Федерации от 28.02.2024 г. № 145 «О Стратегии научно-технологического развития Российской Федерации»). Кроме того, актуальность работы напрямую относится к рациональному природопользованию, что входит в приоритетные направления развития науки, технологий и техники РФ. В настоящее время существует широкий интерес к исследованиям Арктического региона, связанный, помимо яркого проявления глобального потепления, с его планируемым активным освоением и развитием (Росгидромет, 2023; Серых и Толстиков, 2022). Решение поставленных в исследовании задач связано с развитием технологий мониторинга и прогнозирования состояния

окружающей среды, предотвращения и ликвидации ее загрязнений, которые могут возникать в связи с активным технологическим освоением Арктики. Круг этих вопросов широко обсуждается на Международных арктических форумах «Арктика - территория диалога», которые проводятся с 2010 года. Кроме того, оно необходимо для «оценки водных биологических ресурсов Антарктики ... для обеспечения экономически эффективного рыбного промысла» (Распоряжение Правительства Российской Федерации от 30 октября 2010 года № 1926-р). Огромный интерес представляет и исследование биологической продуктивности наиболее высокопродуктивной зоны пан-антарктической экосистемы крупномасштабного круговорота моря Уэдделла, где формируются высокие концентрации антарктического криля (Морозов и др., 2019).

Степень разработанности темы исследования. Несмотря на существование общих представлений о биооптических характеристиках поверхностного слоя вод полярных акваторий, пространственные распределения, сезонная и межгодовая изменчивость абсолютных величин этих характеристик оставались недостаточно изученными. В связи с этим для исследования выбраны четыре региона со значительными различиями физико-географических характеристик акваторий: смешением вод Атлантического и Северного Ледовитого океанов в Баренцевом море (Копелевич и др., 2018; Giraudeau et а1., 2016; Напске et а1., 2014; Hovland et а1., 2014), влиянием речного стока в Карском море и море Лаптевых (Буренков и др., 2010; Зацепин и др., 2010; Burenkov, 1993; Нет et а1., 2014; Osadchiev et а1., 2021) и Антарктического циркумполярного течения в море Уэдделла (^ип^а et а1., 2023; Sa1yuk et а1., 2022). Ряд особенностей этих акваторий вносит существенные погрешности при использовании стандартных спутниковых алгоритмов, с помощью которых проводятся оценки значений биооптических характеристик поверхностного слоя, в частности, концентрации хлорофилла а (Хл). Эти алгоритмы рассчитаны на определенное соотношение между концентрацией Хл, концентрацией других пигментов фитопланктона, взвешенного вещества и содержанием растворенного органического вещества. Специфика исследуемых акваторий обуславливает необходимость разработки региональных биооптических алгоритмов. При разработке таких алгоритмов необходимо учитывать общее для исследуемых акваторий высокоширотное расположение, поскольку низкое положение Солнца на протяжении большей части светлого времени суток определяет специфические условия освещенности. Развитый в диссертации подход основан на разработке и применении региональных биооптических алгоритмов, позволяющих получать достоверные оценки характеристик поверхностного слоя исследуемых полярных морей по данным спутниковых сканеров цвета.

Цель настоящей работы - разработка и обобщение современных представлений о формировании и изменчивости оптических характеристик вод поверхностного слоя Баренцева и

Карского морей, моря Лаптевых и моря Уэдделла в связи с океанологическими факторами на основе усовершенствованных методов количественного исследования биогеохимических параметров с использованием судовых и спутниковых данных.

Для осуществления этой цели поставлены и решены следующие задачи:

1. Совершенствование аппаратуры и методик оптических исследований для расширения числа измеряемых параметров и увеличения точности измерений гидрооптических характеристик морской воды.

2. Выявление факторов, определяющих формирование оптических характеристик вод в полярных регионах. Обоснование выбора исследуемых акваторий.

3. Разработка, валидация и модернизация региональных биооптических спутниковых алгоритмов для расчета концентраций хлорофилла а и взвешенного вещества, показателей поглощения желтым веществом и рассеяния назад взвешенными частицами. Проведение массовых расчетов значений биооптических характеристик морской воды в период 1998-2025 гг.

4. Разработка и настройка региональных гидрооптических моделей для расчета параметров световых полей в толще морской воды. Уточнение количественной оценки величин солнечной радиации, поступающей в эвфотический слой исследуемых морей, в зависимости от значений биооптических характеристик морской воды. Получение физической интерпретации результатов флуоресцентных измерений в кювете и при использовании морского флуоресцентного лидара.

5. Использование гидрооптических характеристик для количественного исследования биооптических параметров и процессов формирования их пространственного распределения в акваториях Баренцева и Карского морей, а также моря Лаптевых и моря Уэдделла. Сравнение субрегионов исследованных морей.

6. Оценка межгодовых и сезонных изменений биооптических характеристик в разных регионах исследованных морей в период 1998-2024 гг., оценка трендов.

7. Обобщение и сравнительный анализ полученных данных судовых и спутниковых измерений оптических характеристик вод исследуемых акваторий для получения физической картины, описывающей современные закономерности формирования и изменчивости этих характеристик.

8. Разработка практических рекомендаций для мониторинга состояния полярных акваторий.

Ключ к решению поставленных задач - возможность использования контактных данных, получаемых в научных экспедициях Института океанологии им. П.П. Ширшова РАН, и

обработка спутниковых данных с помощью региональных алгоритмов, разработанных в Лаборатории оптики океана Института.

Научную новизну исследования составляют основные положения, выносимые на защиту:

1. Разработана серия палубных спектрорадиометров и флуориметров, а также методики обработки данных судовых измерений, что позволило расширить набор и увеличить объем измеряемых в морских экспедициях биооптических характеристик более чем на порядок.

2. С использованием данных судовых измерений построен ряд региональных физических моделей, связывающих первичные и вторичные гидрооптические характеристики, для Баренцева и Карского морей, а также моря Уэдделла.

3. Разработаны новые и модернизированы существовавшие региональные биооптические алгоритмы, относящиеся к периоду происходящих в Арктике климатических изменений (1998-2024 гг.). Их использование позволяет получать более точные оценки значений биооптических характеристик по данным спутниковых сканеров цвета, а также величин альбедо океана и поглощенной в толще морской воды солнечной радиации.

4. На основе усовершенствованных региональных спутниковых алгоритмов обновлен и расширен Атлас биооптических характеристик с данными о пространственных распределениях этих характеристик и их временной изменчивости за период работы современных спутниковых сканеров цвета в Баренцевом (1998-2025 гг.), Карском море и море Лаптевых (2003-2025 гг.).

5. Установлено, что основными факторами, определяющими аномалии биооптических характеристик поверхностного слоя в Баренцевом море, является кокколитофоридное цветение, в Карском и Лаптевых - речной сток, в море Уэдделла - наличие пигмента фикоэритрина.

6. Сформулированы современные представления о формировании и изменчивости оптических характеристик вод поверхностного слоя Баренцева и Карского морей, моря Лаптевых и моря Уэдделла в связи с различными океанологическими факторами на основе усовершенствованных методов количественного исследования биогеохимических параметров с использованием судовых и спутниковых данных, а также численного моделирования.

Достоверность научных результатов обеспечивается комплексным подходом, основанным на широком наборе методов исследования: (1) выполнение судовых измерений современным калиброванным оборудованием с постоянным контролем его рабочего состояния; (2) использование при моделировании признанных гидрооптических методов и алгоритмов (HydroLight, Монте-Карло, DISORT, GЮP); (3) достижение статистически значимого согласия результатов моделирования с данными натурных измерений; (4) обработку данных нескольких

спутниковых сканеров цвета с помощью верифицированных региональных алгоритмов Лаборатории оптики океана ИО РАН, прошедших валидацию по данным многолетних судовых измерений; (5) сопоставление с полученными результатами других исследователей (в тех регионах, где проводились такие исследования).

Научная и практическая значимость работы определяется ее фундаментальной целью - формулированием современных представлений об оптических характеристиках поверхностных вод полярных акваторий и факторах их формирования на основе комплексного анализа судовых и спутниковых измерений, а также результатов гидрооптического моделирования. Применение разработанных в рамках исследования оригинальных методик и аппаратуры позволило выявить и описать закономерности формирования и изменчивости оптических характеристик вод поверхностного слоя Баренцева и Карского морей, моря Лаптевых и моря Уэдделла. Научная значимость исследования заключается в разработке гидрооптических моделей, настроенных по данным судовых измерений, для генерации синтетических массивов данных с широким диапазоном вариаций характеристик. Этот подход позволяет преодолеть дефицит натурных данных в труднодоступных полярных акваториях, где измерение полного набора параметров в различных комбинациях практически невозможно. Практическая значимость проявляется, во-первых, в использовании полученных синтезированных данных для усовершенствования спутниковых региональных биооптических алгоритмов. Во-вторых, полученная количественная информация о содержании и изменчивости биооптических характеристик морской воды необходима для решения ряда прикладных задач: оценки биопродуктивности, прогнозирования климатических изменений, верификации циркуляционных моделей, а также для оперативного мониторинга состояния морских экосистем.

Личный вклад автора заключается в том, что он: 1. Подготовил аппаратуру и выполнил комплекс натурных измерений оптических характеристик вод исследуемых морей в 13-ти экспедициях ИО РАН в период 2013-2024 гг.: 125-й рейс НИС «Профессор Штокман»; 63-й, 65-й, 68-й, 71-й, 79-й, 80-й, 83-й, 84-й, 88-й, 89-й, 92-й и 96-й рейсы НИС «Академик Мстислав Келдыш». Координировал планирование и проведение натурных измерений для валидации данных спутниковых сканеров цвета, выступая руководителем гидрооптических отрядов в семи экспедициях и начальником этапа - в одной. Полученные массивы данных включают в себя: спектры яркости выходящего из воды излучения; спектры показателя поглощения морской водой, взвешенных частиц и растворенного органического вещества; спектры флуоресценции морской воды; вертикальные профили показателя ослабления света морской водой и характеристик световых полей; пространственные распределения интенсивностей флуоресценции хлорофилла а и окрашенного растворенного

органического вещества и показателя ослабления, полученные в поверхностном слое вдоль маршрута судна.

2. Разработал и испытал макет модернизированного палубного спектрорадиометра и руководил разработкой четырехканального проточного спектрального флуориметра.

3. Разработал методику определения абсолютных величин показателя поглощения света морской водой посредством спектрофотометра с интегрирующей сферой.

4. Выполнил комплексную обработку данных натурных оптических измерений совместно с данными спутниковых наблюдений; провел анализ комплекса данных оптических и гидрофизических натурных и спутниковых измерений, прямых определений концентрации хлорофилла а и взвешенного вещества. Получил региональные соотношения для определения концентрации хлорофилла а по флуоресцентным данным. Разработал спектральный флуоресцентный метод оперативной оценки концентрации хлорофилла а в морской воде.

5. Получил физическую интерпретацию результатов флуоресцентных измерений в кювете и при использовании морского флуоресцентного лидара на основе численного решения уравнения переноса излучения, валидированного по данным измерений спектров флуоресценции морской воды.

6. Разработал процедуру настройки гидрооптической модели HydroLight для решения прямой задачи в водах второго оптического типа с учетом влияния речного стока, кокколитофоридного цветения, дополнительных пигментов фитопланктона и стратификации гидрооптических характеристик и провел расчеты характеристик световых полей.

7. Выполнил региональную регуляризацию широко используемой гидрооптической модели GЮP для более точного и устойчивого решения обратной задачи по определению набора биооптических характеристик в водах полярных акваторий.

8. Разработал и применил на практике методику исследования распространения пресноводного стока по данным измерений с помощью проточной системы и спутниковых наблюдений, а также оценки распространения речного стока в Карском море по данным спутниковых распределений показателя поглощения окрашенного органического вещества. Применил метод скользящих корреляций для определения влияния талых ледниковых и речных вод в исследуемых морях.

9. Участвовал в разработке и модернизации ряда региональных биооптических алгоритмов и гидрооптических моделей. Руководил и принимал непосредственное участие в обновлении и дополнении Атласа биооптических характеристик Лаборатории оптики океана ИО РАН.

10. Выполнил обобщение полученных данных об оптических характеристиках вод поверхностного слоя исследуемых морей, что позволило сформулировать современные

представления об этих характеристиках и определяющих их факторах, а также о возможности их использования для решения ряда практических задач.

Апробация диссертационной работы. Основные результаты настоящей диссертации представлялись на нескольких заседаниях Ученого совета Физического направления ИО РАН (октябрь 2024 г., ноябрь 2025 г., март 2026 г.), Всероссийском семинаре ИКИ РАН «Проблемы дистанционного зондирования Земли из космоса» (июнь 2025 г.), семинаре отдела 55 ИКИ РАН (февраль 2026 г.), общеинститутском научном семинаре МГИ РАН (февраль 2026 г.), семинаре кафедры светотехники МЭИ (март 2026 г.), семинаре в Наньхайском институте Харбинского инженерного университета (Китай, г. Санья, апрель 2025 г.) и докладывались на международных и всероссийских конференциях:

• Ocean Optics XXIV, Дубровник, 2018 г.; Ocean Optics XXVI, Лас-Пальмас, 2024 г.;

• Second International Ocean Colour Science Meeting, IOCCG, Сан-Франциско, 2015 г.;

• 2nd Ocean Carbon from Space Workshop, онлайн, 2025 г.;

• «Современные проблемы оптики естественных вод», СПбФ ИО РАН, Санкт-Петербург, 2015-2025 гг.;

• Международный симпозиум «Оптика атмосферы и океана. Физика атмосферы», ИОА СО РАН, Томск, 2022 г.; ИО РАН, Москва, 2023 г., Санкт-Петербург, 2024 г.;

• «Современные проблемы дистанционного зондирования Земли из космоса», ИКИ РАН, Москва, 2014-2025 гг.;

• «Комплексные исследования Мирового океана», ИО РАН, Москва, 2017 г.; СПбГУ, Санкт-Петербург, 2018 г., 2023 г.; МГИ РАН, Севастополь, 2019 г., АО ИО РАН, Калининград, 2020 г.; ННЦМБ ДВО РАН, Владивосток, 2024 г.;

• «Комплексные исследования морей России», МГИ РАН, Севастополь, 2016 г.;

• «Современные методы и средства океанологических исследований», ИО РАН, Москва, 2017-2025 гг.;

• «Геология морей и океанов», ИО РАН, Москва, 2017, 2022, 2023 гг.;

• «Экосистема Карского моря - новые данные экспедиционных исследований», ИО РАН, Москва, 2015 г.;

• Международные Школы-семинары: «Спутниковые методы и системы исследования Земли», ИКИ РАН, Таруса, 2014-2025 гг.

Внедрение результатов исследования. В ходе диссертационной работы разработан, испытан и внедрен в практику судовых измерений Лаборатории оптики океана ИО РАН ряд новых приборов и методик, включая серию палубных спектрорадиометров, спектральных флуориметров и методику определения абсолютных значений показателя поглощения света

морской водой с применением интегрирующей сферы. Применение этих приборов и методик позволило существенно расширить набор измеряемых в экспедициях гидрооптических характеристик, добавив к результатам традиционных измерений Лаборатории оптики океана ИО РАН высокоточные спектральные данные о коэффициенте яркости моря, интенсивности флуоресценции морской воды и показателе поглощения. Разработанный комплекс региональных биооптических спутниковых алгоритмов интегрирован в Атлас биооптических характеристик Лаборатории оптики океана ИО РАН (www.optics.ocean.ru). Результаты расчетов представлены в нем в виде карт, диаграмм и таблиц, отражающих межгодовую изменчивость среднемесячных параметров для различных субрегионов исследуемых морей за 1998-2025 гг.

Публикации по теме диссертации. По теме диссертации опубликовано более 150 работ, в том числе 51 статья в изданиях из списка, рекомендованного ВАК, 1 монография, более 100 тезисов докладов на международных и российских научных конференциях.

Статьи, опубликованные в изданиях из перечня ВАК:

1. Аглова Е.А., Глуховец Д.И. Примеры влияния динамики вод на пространственное распределение интенсивности флуоресценции хлорофилла а в поверхностном слое Баренцева и Норвежского морей // Фундаментальная и прикладная гидрофизика. - 2022. - Т. 15. - № 4. - С. 54-62.

2. Вазюля С.В., Аглова Е.А., Салинг И.В., Демидов А.Б., Глуховец Д.И. Алгоритмы оценки концентрации хлорофилла в море Лаптевых по данным спутниковых сканеров цвета // Современные проблемы дистанционного зондирования Земли из космоса. - 2025. - Т. 22. - № 4. - С. 87-97.

3. Володин В.Д., Павлова М.А., Глуховец Д.И. Малогабаритный измеритель коэффициента яркости моря // Фундаментальная и прикладная гидрофизика. - 2025. - Т. 18. - № 4. - С. 138-145.

4. Глухов В.А., Гольдин Ю.А., Глитко О.В., Аглова Е.А., Глуховец Д.И., Родионов М.А. Лидарные исследования в первом этапе 89-го рейса НИС "Академик Мстислав Келдыш" // Фундаментальная и прикладная гидрофизика. - 2023. - Т. 16. - № 4. - С. 107-115.

5. Глухов В.А., Гольдин Ю.А., Глитко О.В., Глуховец Д.И., Родионов М.А. Сопоставление информативности ортогонально поляризованных компонент лидарного эхо-сигнала для оценки гидрооптических характеристик приповерхностного слоя // Фундаментальная и прикладная гидрофизика. - 2024. - Т. 17. - № 3. - С. 32-43.

6. Глуховец Д.И. Исследование биооптических характеристик вод поверхностного слоя Баренцева и Норвежского морей летом 2017 года // Океанологические исследования. - 2019. - Т. 47. - № 1. - С. 145-160.

7. Глуховец Д.И. Метод Монте-Карло для расчета характеристик световых полей в морской

воде // Океанологические исследования. - 2024. - Т. 52. - № 3. - С. 5-20.

8. Глуховец Д.И. Расчет обусловленного солнечной радиацией удельного потока тепла в водах Геленджикского района Черного моря // Океанология. - 2025. - Т. 65. - № 6. - С. 907-915.

9. Глуховец Д.И., Артемьев В.А. Спутниковые наблюдения распространения речного стока в море Лаптевых // Современные проблемы дистанционного зондирования Земли из космоса. -2017. - Т. 14. - № 1. - С. 175-184.

10. Глуховец Д.И., Гольдин Ю.А. Гидрооптические исследования в Институте океанологии РАН: к 60-летию Лаборатории оптики океана и 70-летию с начала проведения исследований // Океанологические исследования. - 2025. - Т. 53. - № 4. - С. 275-299.

11. Глуховец Д.И., Гольдин Ю.А. Исследование биооптических характеристик вод Карского моря с использованием данных спутниковых и судовых измерений // Современные проблемы дистанционного зондирования Земли из космоса. - 2014. - Т. 11. - № 4. - С. 346-350.

12. Глуховец Д.И., Гольдин Ю.А. Исследование связи солености и флуоресценции желтого вещества в Карском море // Фундаментальная и прикладная гидрофизика. - 2018. - Т. 11. - № 3.

- С. 34-39.

13. Глуховец Д.И., Гольдин Ю.А. Исследование флуоресценции хлорофилла «а» культур фитопланктона при различных длинах волн возбуждения // Процессы в геосредах. - 2018. - Т. 17.

- № 3. - С. 60-61.

14. Глуховец Д.И., Гольдин Ю.А. Обзор работ Олега Викторовича Копелевича по оптике океана // Фундаментальная и прикладная гидрофизика. - 2022. - Т. 15. - № 3. - С. 9-17.

Список литературы диссертационного исследования доктор наук Глуховец Дмитрий Ильич, 2026 год

- ■Л

01 ^ип 15 -1ип 29 .Юп 13-М 27 М 10 Аид 24 Аид 07 5ер 21 5ер

01-Л1П 15^иг29 Лп И М 27-М 10-Аид 24 Аид 07 5ер 21 5ер

Рисунок 4.17 - Временные диаграммы напряжения трения ветра для центральной части Карского моря. Интервал осреднения - 7 дней. Направление ветра показано цветом

Рассмотрим основные черты трансформации границ ПОС под влиянием ветра в 2014-2018 гг. Северо-северо-западный ветер в середине августа 2014 г. (рисунок 4.17) вызвал смещение

ПОС на юго-запад в конце августа (изолиния 3 на рисунке 4.16), что привело к западному типу переноса. В 2015 г. сильный (т > 0,1 Н/м2) восточный ветер в конце июля привел к быстрому переносу границы ПОС в северо-западном направлении (изолинии 2 и 3 на рисунке 4.16). Восточный ветер в течение второй недели июля 2016 г. вызвал перемещение границы ПОС на северо-запад (изолинии 2 и 3 на рисунке 4.16). В последствии, устойчивые западные ветра сформировали восточный тип переноса (изолинии 4 и 5 на рисунке 4.16). Юго-восточный ветер во вторую неделю сентября переместил границу ПОС на север (изолинии 5 и 6). Смена типа распространения ПОС с восточного на западный в 2017 г. объясняется сильными (т > 0,1 Н/м2) ветрами северо-восточного направления во вторую неделю сентября, которые вызвали смещение границы ПОС на запад, к берегам Новой Земли, в конце сентября (изолиния 8). Самый сильный ветер за рассматриваемый период зафиксирован в 1 неделю сентября 2018 г. (т ~ 0,14 Н/м2). Этот ветер привел к перемещению западной части ПОС, занимавшую центральную часть моря, на восток (изолинии 5 и 6 на рисунке 4.16).

Соотношения, полученные в работе (Ектап, 1905), позволяют сделать оценку величины перемещения ПОС под действием ветра. При расчетах использовано характерное значение т = 0,1 Н/м2 (рисунок 4.17), соответствующее скорости ветра 8 м/с. Толщина слоя ПОС принята за 10 м (Зацепин и др., 2010б), плотность воды за 1015 кг/м3 (Зацепин и др., 2010а, 2010б), среднее значение широты за 75° с.ш.. При этом средняя по глубине ПОС скорость чисто дрейфового течения будет равна 7 см/с, что соответствует смещению границ слоя на 6 км в день и примерно на 40 км в неделю. Результат оценки вполне согласуется с рисунками 4.16 и 4.17.

Кроме типа распространения можно отметить различие площадей, занимаемых ПОС в разные годы. Эта изменчивость обусловлена различием величины речных стоков Оби и Енисея. Например, в 2015 г. зафиксирован самый большой за рассматриваемый период объем стока (~850 куб. км с 1 мая по 30 сентября), который привел к наибольшей площади ПОС. Минимальный объем стока зарегистрирован в 2013 (~640 куб. км с 1 мая по 30 сентября), что соответствует существенно меньшей площади (рисунок 4.16).

Сопоставление данных судового проточного измерительного комплекса, полученных в моменты пересечения границ ПОС, с результатами расчета показателя поглощения ОРОВ с помощью регионального алгоритма для Карского моря, позволило дать достаточно строгое обоснование использования спутниковых данных. На основе выполненного анализа в качестве критерия границы ПОС приняты значения %(443) = 0,25-0,5 м-1, что соответствует солености порядка 25 епс. Использование в качестве критерия интервала значений обусловлено немонотонностью пространственных распределений солености в области фронтальных зон. Критерий получен на основе анализа судовых и спутниковых данных за шестилетний период,

характеризовавшихся изменением условий в широких пределах. Это дает основание для применения этого критерия в другие годы, например, для всего периода работы сканера цвета MODIS.

Параметры облачного покрова над акваторией Карского моря в исследованные годы существенно различались. Так, в 2014 г. удалось построить всего три карты с недельным усреднением и достаточно хорошим для определения границ ПОС заполнением. А в 2017 г. спутниковые данные обеспечили возможность построения восьми изолиний.

Отмечена значительная межгодовая изменчивость типов распределения ПОС. Центральный тип распределения ПОС наблюдался в 2013 г. и в начале 2015 г., восточный - в 2016 и 2018 г., западный сформировался в конце 2017 г. Иногда в течение сезона наблюдались смешанные распределения: в 2014 г. тип распределения ПОС имел восточные и западные черты, в 2015 г. к сформировавшемуся в начале сезона центральному впоследствии добавились черты западного типа.

Тип распространения ПОС определяется тремя основными факторами. Речной сток определяет площадь опресненного слоя, эффект Кориолиса приводит к смещению этого слоя на восток, а разнообразие интенсивности и направления ветра определяет вариации этого смещения. В 2013-2018 гг. в большинстве случаев тип распространения ПОС определялся ветром. В годы слабых переменных по направлению ветров, например, в 2013 г., наблюдался центральный тип распространения, сформированный речным стоком и эффектом Кориолиса.

Поскольку значения показателя поглощения света в ПОС существенно выше, чем в окружающих морских водах (Буренков и др., 2010а; Granskog й а1., 2015), его конфигурацию необходимо учитывать при расчете солнечной энергии, поступающей в водную толщу в течение сезона, когда акватория Карского моря свободна от льда. Полученные результаты могут быть использованы также при анализе биопродуктивности Карского моря. На основании полученных данных может быть выполнено краткосрочное прогнозирование трансформации опресненного слоя, что может быть полезно при планировании экспедиционных работ (Флинт, 2010).

4.3.2 Индивидуальный тип опреснения вод поверхностного слоя у восточных

берегов Новой Земли

Интерес представляет исследование процессов, происходящих у берегов Новой Земли, которые возникают из-за появления дополнительного фактора, влияющего на оптические характеристики вод, - островного стока, образованного малыми реками и талыми ледниковыми водами. Важную роль в этих процессах может играть континентальный речной сток, несмотря на

то, что устья рек удалены от исследованных заливов на 500-600 км. Влияние различных опресняющих источников на биооптические характеристики вод в пяти заливах восточного побережья Новой Земли было исследовано в работе (Glukhovets and Goldin, 2019). Выполнение работы стало возможным благодаря уникальному стечению обстоятельств: в достаточно короткий период времени удалось получить данные судовых измерений в пяти заливах архипелага Новая Земля; за несколько месяцев до проведения исследований начал работу новый спутниковый сканер цвета высокого разрешения MSI, установленный на спутнике Sentinel-2, данные которого были использованы в работе; достаточно редкое отсутствие облачности в регионе исследований позволило получить спутниковые данные в моменты времени, близкие к моменту проведения судовых исследований; в 2015 году наблюдался сильный западный перенос поверхностного опресненного слоя, и опресненные речным стоком воды достигали восточного побережья архипелага. Относительно небольшие размеры опресненных ледниковыми водами областей и близость к берегам Новой Земли обуславливают необходимость использования спутниковых данных высокого разрешения для исследования положения границ и пространственной структуры этих областей.

В период таяния ледников у берегов Новой Земли за счет поступления талых ледниковых вод у поверхности возникают локальные опресненные области. Пресные талые ледниковые воды не содержат РОВ (Дроздова и др., 2017). В областях, подверженных влиянию этих вод, регистрируется положительная корреляция солености и интенсивности флуоресценции ОРОВ (Артемьев и др., 2017; Глуховец и др., 2017б). В то же время они характеризуются высоким содержанием взвешенного вещества, поступающего с берегов Новой Земли. Высокая концентрация взвеси в заливах - маркер талых ледниковых вод. Этот маркер позволяет эффективно регистрировать области, занятые талыми ледниковыми водами как контактными, так и дистанционными методами. Положение границ и структура ПОС, формируемого указанными процессами, может быть определена с помощью непрерывных судовых измерений, выполняемых с помощью проточного измерительного комплекса (Буренков и др., 2010а; Глуховец и Гольдин, 2014; Глуховец и др., 2017; Гольдин и др., 2020). Границы этих областей определяются также по данным спутниковых сканеров цвета (Глуховец и Гольдин, 2014; Зацепин и др., 2010, 2015; Kubryakov et al., 2016; Pozdnyakov et al., 2005).

Судовые данные были получены во время 63-го рейса НИС «Академик Мстислав Келдыш» в конце сентября - начале октября 2015 г. Измерения выполнялись на ходу судна, как в открытых районах акватории Карского моря, так и в заливах: Седова, Ога, Цивольки, Степового и Абросимова (рисунок 4.18). Указанный район доступен для проведения исследований в достаточно короткий период времени. Его начало определяется освобождением акватории

Карского моря от ледового покрова (июль - начало августа), конец - формированием сплошной облачности, препятствующей использованию сканеров цвета (конец сентября - октябрь).

Спутниковые изображения построены по данным сканера цвета высокого разрешения Multispectral Instrument (MSI), установленного на спутнике Sentinel-2 (https://scihub.copernicus.eu). Осреднение в процессе обработки обеспечило пространственное разрешение 40 м. Вследствие частой облачности над акваториями исследуемых заливов, количество доступных спутниковых данных требуемого качества сильно ограничено. В работе анализировались все доступные для данного региона и периода времени данные. Атмосферная коррекция не проводилась, так как для решения поставленных задач этого не требовалось.

Рисунок 4.18 - Расположение заливов Новой Земли. На врезке снизу справа увеличена

выделенная рамкой область

Для анализа распространения ПОС, обусловленного достигающим берегов Новой Земли речным стоком, использовались карты пространственного распределения показателя поглощения желтого вещества. Карты построены по данным спутникового сканера цвета MODIS с помощью регионального алгоритма (Вазюля и др., 2014) в программе SMCS (Шеберстов, 2015). Из-за частой плотной облачности над акваторией Карского моря использованы спутниковые карты, осредненные по временному интервалу, соответствующему периоду судовых измерений.

Для оценки влияния приводного ветра на распространение локального опресненного слоя использовались данные реанализа INTERIM (Dee et al., 2011). Анализ карт приводного ветра, предшествующих на 1 -2 дня и совпадающих по времени со спутниковыми данными высокого разрешения, показал низкую скорость ветров (< 7 м/с) и высокую изменчивость его направлений.

Таким образом, в период измерений ветер не участвовал в формировании пространственного распределения взвешенного вещества и распространении ПОС в акваториях исследуемых заливов.

Судовые исследования трех соседних заливов Северного острова Новой Земли: Седова, Ога и Цивольки, показанных на рисунке 4.18, проходили последовательно с 25 по 29 сентября 2015 г. Для анализа были выбраны данные Sentinel-2 от 22 и 24 сентября 2015 г., наиболее близкие по времени к экспедиционным исследованиям. На каждом из спутниковых изображений открытыми от облаков оказались только пары заливов. Расположенный в центре залив Ога виден на обоих изображениях, что позволяет соотносить результат их обработки.

Локальные области, опресненные талыми ледниковыми водами, содержат повышенную концентрацию взвеси (Кравчишина и др., 2015). Исследованный в этой работе залив Благополучия расположен относительно близко к исследуемым (рисунок 4.18) и имеет схожее строение. Прямые определения концентрации взвеси показали, что в талых ледниковых водах она составляла 9,8 мг/л, а в поверхностном слое внутренних вод залива - 1,3-2,3 мг/л. При этом в западной (вблизи Новой Земли) и северной частях Карского моря наблюдаются наименьшие концентрации взвеси (0,2 - 0,5 мг/л) (Буренков и др., 2010б). Подобное увеличение концентрации взвеси из-за влияния талых ледниковых вод наблюдалось и во фьордах Шпицбергена (Sagan and Darecki, 2017). Авторами зарегистрировано увеличение полного показателя ослабления (с 5,81 м-1 до 26,5 м-1) при существенно меньшем росте показателя поглощения частицами (с 0,1 м-1 до 0,22 м-1). Причем во фьорде с доминирующим вкладом минеральной взвеси изменения значений с(530) были заметно больше. Результаты этих исследований подтверждают повышенное содержание взвеси в талых ледниковых водах.

Повышенная концентрация частиц приводит к увеличению рассеяния назад (Буренков и др., 2010б; Sagan and Darecki, 2017), что приводит к увеличению яркости выходящего из воды излучения, фиксируемого по спутниковым данным. По данным каналов B2-B4 построены карты распределения яркости на верхней границе атмосферы (рисунок 4.19).

В результате обработки в графическом редакторе на снимках градациями серого выделены области повышенной яркости (повышенной концентрации частиц), соответствующие положению локальных опресненных областей. Обработка спутниковых изображений позволила ранжировать объем талых ледниковых вод. Наибольший сток поступает с ледника Голубой в залив Ога, существенно меньший объем - с ледника Серп и молот в залив Цивольки (темные области внутри заливов на рисунке 4.19). К заливам Ога и Цивольки выходят языки ледников. Воды залива Седова не соприкасаются с ледником, в него впадает малая река (длиной несколько десятков километров). Ее влияние проявляется в виде темной области в середине залива.

Рисунок 4.19 - Распределения яркости на верхней границе атмосферы, построенные по данным

спутника Sentinel-2. (а) - залив Цивольки, 24 сентября 2015 г; (б) - заливы Ога и Седова, 22 сентября 2015 г. Черными крестиками обозначены участки маршрута, по которым выполнены расчеты корреляций солености и интенсивности флуоресценции ОРОВ

По данным судовых измерений для залива Ога на участке маршрута, который проходит внутри области, опресненной стоком талых ледниковых вод (рисунок 4.19), построены распределения солености и интенсивности флуоресценции ОРОВ (рисунок 4.20 слева). Распределение солености подтверждает наличие небольшого опреснения (порядка 1 епс) в акватории залива Ога. Положительная корреляция солености и интенсивности флуоресценции ОРОВ показывает, что опреснение сформировано талыми ледниковыми водами. Пример другого типа связи, характерного для области ПОС (Глуховец и Гольдин, 2014), показан на рисунке 4.20 справа.

Рисунок 4.20 - Распределения солености и интенсивности флуоресценции ОРОВ на разрезе в заливах Ога (а) и Седова (б). Маршрут разрезов показан на рисунке 4.19

В 2015 году наблюдался западный тип переноса ПОС (рисунок 4.21). На рисунке показано пространственное распределение показателя поглощения желтого вещества acDoм(443),

характеризующее положение ПОС. Карта построена по данным MODIS, осредненным за период с 28 августа по 28 сентября 2015 г. Для лучшего заполнения карты использовалось пространственное осреднение 3*3 км. Пространственное распределение й^ом(443) показывает, что воды ПОС, сформированные водами речного континентального стока, достигали большей части восточного берега Новой Земли. В частности, три упомянутых выше залива северного острова Новой Земли находились в зоне влияния ПОС.

По всему массиву данных судовых измерений пространственного распределения интенсивности флуоресценции ОРОВ и солености, полученному в заливах Седова, Ога и Цивольки, построены диаграммы рассеяния. Результаты расчета представлены на рисунке 4.22. Следует отметить, что величина опреснения во всех заливах относительно невелика (1-3 епс).

55° 60° 65° 70° 75° 80° 85° Е

0.2625

0.175 m

0.0875

Рисунок 4.21 - Пространственное распределение показателя поглощения света желтым веществом (MODIS, 28 августа - 28 сентября 2015 г.)

Соленость, епс Соленость, епс Соленость, епс

Рисунок 4.22 - Диаграммы рассеяния между соленостью и интенсивностью флуоресценции ОРОВ по данным проточного измерительного комплекса. Заливы Карского моря, 2015 г.: (а) -Седова, 25-26 сентября; (б) - Ога, 26-27 сентября; (в) - Цивольки, 28-29 сентября

Представленные результаты показывают, что в различных заливах наблюдаются различные виды связи. В заливе Седова зарегистрирована отрицательная корреляция солености

и интенсивности флуоресценции ОРОВ (R2 = 0,91). Этот тип связи характерен для вод ПОС открытой части Карского моря. В заливе Ога зарегистрирована положительная корреляция (R2 = 0,83) солености и интенсивности флуоресценции ОРОВ. Этот тип связи обусловлен доминирующим влиянием талых ледниковых вод. Эти воды практически не содержат ОРОВ. Как видно из рисунка 4.19, они занимают значительную часть акватории залива. В восточной части залива Цивольки (восточнее 58,6° в.д.) исследуемая корреляция отсутствует (R2 = 0,22). Отсутствие корреляции обусловлено совместным сопоставимым по величине влиянием ледникового и речного стоков. Талые ледниковые воды поступают в восточную часть залива Цивольки с его юго-западного берега.

Дополнительную информацию для выявления источников опреснения поверхностного слоя дает учет температуры воды. На рисунке 4.23 приведены диаграммы рассеяния для исследованных заливов северного острова Новой Земли. Цветом показана температура морской воды. Области вод, соответствующие различным заливам выделены рамками. Стрелками показана изменчивость характеристик при движении судна от входа по направлению вглубь залива. Следует отметить, что началам всех разрезов соответствуют более теплые воды. Диапазон начальных температур соответствует температурам, характерным для вод ПОС открытых районов Карского моря. С продвижением внутрь заливов температура монотонно снижается.

Т[°С]

о 6

Q

О ir

_J

/ Ч ,___1 ч \ \ \ \ \

Л5>\| , \ V. Vi*.-: )' \ ч \ ч • Л \ \ ч

\/* • ■fc- _ X ч \ ... х ч \ ч ^ ч \ ч \ ч \ ч ч

а ч ч ч \) У __ /

Q О

Г" 1 \« 1 Vb — м* \ \ Ы

1 I 1Я 1 « \ \ 1 1 ' 1 и* 1 / N /

/ЯЯ i X ч \ ч ч \ х Ч 1 \ ч А ч г\ > ч , ч \ Ч

б ч ч ч ч ч \ ч ЧЦьЧ ч J г ✓ ✓

6

Э [Р5и] 5 [Рэи]

Рисунок 4.23 - Диаграммы рассеяния между соленостью и интенсивностью флуоресценции ОРОВ. Цветом показана температура. Синяя рамка - залив Седова, красная - залив Ога, черная - восточная часть залива Цивольки, зеленая - его западная часть. Стрелки соответствуют

направлению движения внутрь залива

Разрез в заливе Седова (рисунок 4.23 а) начинается в теплых, относительно соленых и средних по значениям интенсивности флюоресценции ОРОВ водах. Эти воды соответствуют ПОС. Внутри залива воды становятся холоднее и преснее, сигнал флуоресценции увеличивается. Видимо, это вызвано влиянием стока малой реки Новой Земли. Этот сток хорошо виден на рисунке 4.19. Его воды содержат существенно меньше взвеси, чем талые ледниковые воды в соседнем заливе Ога. Распределение температуры в заливе Ога (рисунок 4.23а) подтверждает, что источником опреснения в этом заливе являются талые ледниковые воды. При движении внутрь залива значения T, S и /я ОРОВ уменьшаются.

Согласно судовым данным, в заливе Цивольки выделяются две различные по характеристикам области: восточная и западная (рисунок 4.23б). Граница между ними располагается в районе 58.6° в.д. Температура вод восточной области ниже температуры вод ПОС и близка к температуре вод залива Ога. По-видимому, это связано с вкладом талых ледниковых вод. Западная часть расположена в глубине залива. Она занята более холодными и солеными водами. Предположительно эти воды поступили вглубь залива в начале летнего сезона до прихода ПОС. Для детального анализа происхождения этих вод имеющихся данных недостаточно. Согласно спутниковым данным, в самой западной части залива Цивольки непосредственно у языка ледника выделяется локальная область, подверженная влиянию талых ледниковых вод (темная область на рисунке 4.19). Аналогичное распределение было зарегистрировано в гренландском фьорде (Murray et al., 2015), где концентрация взвеси в непосредственной близости от ледника почти в 4 раза превышала концентрацию, характерную для большей части фьорда.

Важная особенность восточного берега Южного острова Новой Земли - отсутствие ледников. Как следствие, там нет источника талых ледниковых вод, опресняющих воды исследованных заливов. Таким образом, единственный возможный фактор опреснения вод связан с речным стоком - островным и континентальным. Известно, что летом, после окончания периода таяния снегов, островные реки Новой Земли иссякают (Coulson et al., 2014). Судовые измерения проводились в восточных частях двух заливов Южного острова Новой Земли в период с 30 сентября по 5 октября 2015 г. Поэтому в заливах Южного острова возможны только два типа отношений между S и /я: отрицательная корреляция или отсутствие корреляции.

Результаты судовых измерений в заливе Степового показали наличие сильной отрицательной корреляции S и /я ОРОВ (R2 > 0,92). При этом значения температуры поверхностного слоя воды (3-5 °С) соответствовали значениям, характерным для вод ПОС. Зарегистрировано опреснение вод в 4 епс. Как следует из рисунка 4.21, в период проведения судовых исследований залив Степового находился внутри области ПОС. Эти признаки

свидетельствуют о том, что опреснение поверхностного слоя восточной части залива Степового вызвано влиянием континентального стока.

Напротив, в бухте Абросимова корреляция между S и /я ОРОВ отсутствовала (R2<0,04). При этом были зарегистрированы низкие значения Т (1-3 °С), отсутствие опреснения (S = 31-32 епс) и низкие значения /я ОРОВ (< 1 отн. ед.). Пространственное распределение otcdom(443) (рисунок 4.21) показывает, что залив Абросимова находился вблизи южной границы ПОС. Здесь отсутствие корреляции объясняется не совместным воздействием талых ледниковых и речных вод, как в восточной части бухты Цивольки, а отсутствием влияния любого из источников опреснения. Залив занят солеными холодными морскими водами с низким содержанием ОРОВ.

Характеристики использованных маркеров и сделанные на их основании выводы об источниках опреснения вод поверхностного слоя заливов сведены в таблицу 4.5.

Таблица 4.5 - Характеристики маркеров и источники опреснения в исследованных заливах Новой Земли. Во втором столбце приведены типы корреляций £ и /я, характерные для каждого залива. Пары приведенных значений соответствуют диапазону изменений Т, 8, /я ОРОВ и Ьь при

Залив Тип корр. AT, oC AS, епс ATfi, отн.ед. Ьь, м-1 Доминирующий источник

Седова отриц. 5,5 - 4,5 25,5 - 23,3 4,5 - 6 выше среднего ПОС и малые островные реки

Ога полож. 4,5 - 4 23,5 - 22,2 5,5 - 5 высокие Талые ледниковые воды

Цивольки (В) нет 5 - 3 ~ 24 5,6 - 4 нет данных Нет (смесь вод)

Цивольки (З) отриц. 3 - 2 24 - 25 4 - 2,5 средние ПОС

Степового отриц. 3 - 5 31 - 27 1 - 2 нет данных ПОС

Абросимова нет 3 - 1 31 - 32 < 1 нет данных Морские воды

Исследование процессов опреснения вод поверхностного слоя в пяти заливах восточного побережья архипелага Новая Земля позволило выделить несколько источников опреснения. Это континентальный речной сток, который в виде ПОС может достигать восточных берегов Новой Земли и проникать внутрь заливов; талые ледниковые воды, поступающие с ледников Новой Земли и островной речной сток малых рек этого архипелага. Поверхностный опресненный слой формирует плотностную стратификацию, препятствующую вертикальному перемешиванию, эффективно экранирует нижележащую водную толщу от взаимодействия с атмосферой и оказывает существенное влияние на экосистему моря. Соотношение вкладов указанных выше источников приводит к различным ситуациям: преобладанию талых ледниковых вод; преобладанию вод, опресненных речным стоком; их сопоставимому влиянию или отсутствию опреснения.

Все возможные ситуации были зарегистрированы в исследованных заливах. В заливе Седова опреснение обусловлено доминирующим влиянием континентального речного стока с примесью островного речного стока. Источник опреснения в заливе Ога - талые ледниковые воды. В восточной части залива Цивольки зарегистрированы сопоставимые по величине вклады вод континентального речного стока и талых ледниковых вод. В западной оконечности залива, непосредственно около языка ледника, зарегистрирована локальная область, занятая талыми ледниковыми водами. В заливе Степового единственный источник опреснения -континентальный речной сток. В заливе Абросимова опреснения не зарегистрировано.

Важно отметить, что влияние процессов опреснения в каждом заливе индивидуально. Таким образом, каждый залив требует отдельного исследования. Схожая картина была зарегистрирована во фьордах Шпицбергена (Sagan and Darecki, 2017). По данным исследований в двух фьордах количественный и качественный состав взвешенных частиц, распределения показателей ослабления и поглощения существенно различались.

Использованный для идентификации источников опреснения знак корреляции между S и /fi ОРОВ позволил эффективно разделить влияние речного стока и талых ледниковых вод по данным судовых измерений. Эффективный инструмент для дистанционного определения положения и размеров областей, подверженных влиянию талых ледниковых вод - сканер цвета высокого разрешения MSI спутника Sentinel-2. Сочетание судовых и спутниковых методов позволило в большинстве случаев идентифицировать доминирующий источник опреснения.

Интересно отметить, что континентальный речной сток, источник которого удален от исследованных заливов на 500-600 км, играет столь существенную роль в процессах опреснения: доминирующую в двух и дающую заметный вклад в третьем. Измерения были проведены в 2015 г., когда был зафиксирован значительный западный перенос ПОС. В другие годы при других типах переноса эти воды могут не достигать берегов Новой Земли и результаты процессов опреснения будут существенно отличаться от полученных.

4.4 Особенности вод моря Лаптевых

В море Лаптевых пресные речные воды оказывают сильное влияние на поверхностный слой воды (Kattner et al., 1999). Вместе с уменьшением солености, это влияние проявляется в увеличении содержания растворенного органического вещества и увеличении мутности вод. Степень изменения оптических характеристик поверхностного слоя, а также пространственные масштабы этого процесса позволяют проводить сопоставление результатов контактных измерений со спутниковыми данными. Из-за частой сплошной облачности над акваторией моря

Лаптевых получение изображений в видимом диапазоне, совпадающих по времени с судовыми работами, происходит относительно редко. Поэтому целесообразно усреднять изображения за некоторый период, подбирая оптимальное соотношение между заполненностью карты и временем усреднения.

Для исследования были использованы данные, полученные в 63-м рейсе НИС «Академик Мстислав Келдыш» в сентябре 2015 г. В экспедиции использовался проточный измерительный комплекс (Гольдин и др., 2020), в состав которого входил универсальный малогабаритный прозрачномер ПУМ-А (Артемьев и др., 2008). Схема маршрута экспедиции в море Лаптевых, где выполнялись судовые измерения с помощью проточного комплекса, показана на рисунке 4.24.

11111111 110 115 120 125 130 135 140°в.д.

Рисунок 4.24 - Схема маршрута 63-го рейса НИС «Академик Мстислав Келдыш» в море Лаптевых, где выполнялись судовые измерения проточным комплексом 6-17 сентября 2015 г.

Работы у дельты Лены выполнены 7 сентября 2015 г. при идеальных погодных условиях: практически штилевой погоде и совершенно безоблачном небе. Для этого участка разреза удалось получить качественное изображение сканера цвета MODIS-Aqua от 7 сентября 2015 г. (рисунок 4.25, слева). По этим данным с помощью регионального полуаналитического алгоритма, разработанного для Карского моря (Вазюля и др., 2014), построены спутниковые карты распределения показателя поглощения желтого вещества. Алгоритм оказался применим для качественной оценки распространения речного стока: распределения %(443), показанные на рисунке 4.25, дают представление о том, как содержащие большее количество ОРОВ опресненные речным стоком воды распространяются по поверхности моря. Для сопоставления всего массива судовых данных была построена карта за весь период работ - с 6 по 17 сентября (рисунок 4.25, справа). Усреднение увеличивает заполнение карты, но размывает мелкие детали. На рисунке видно, что структура распределения речных вод на двух изображениях в целом весьма схожа. Эта схожесть подтверждает приемлемость параметров усреднения.

Рисунок 4.25 - Распределения показателя поглощения желтого вещества (м-1), построенные по данным MODIS-Aqua за 7 сентября (слева) и с 6 по 17 сентября (справа) 2015 г.

На разрезе, выполненном от начала измерений до самой южной точки маршрута, обнаружена сильная связь (К2=0,86) между показателем поглощения желтого вещества, полученным по спутниковым данным, и прямыми измерениями солености (рисунок 4.26 слева). Такая зависимость делает возможным определение границ области, подверженной влиянию речных вод, со спутника. Связь солености и содержания желтого вещества определена единым процессом их изменения - речным стоком, приносящим пресные насыщенные растворенной органикой воды, что подтверждается прямыми определениями. Интенсивность флуоресценции ОРОВ, характеризующая содержание желтого вещества, на этом разрезе имеет сильную отрицательную корреляцию с соленостью (^2=0,97), что подтверждает консервативность распределения желтого вещества (рисунок 4.26 справа).

Рисунок 4.26 - Диаграммы рассеяния показателя поглощения желтого вещества, рассчитанного по спутниковым данным, и прямых определений солености (слева); интенсивности флуоресценции ОРОВ и солености (справа) для разреза, выполненного 6-7 сентября 2015 г.

Сравнение всех данных прямых определений со спутниковыми данными вдоль всего маршрута приводит к ослаблению связи между £ и ag (Я2 = 0,75) по сравнению с разрезом, выполненным 6-7 сентября. Это происходит из-за ослабления влияния вод речного стока на поверхностный слой моря по мере удаления от дельты Лены, а также из-за изменения положения струй и меандров речных проток под действием ветра и течений за время усреднения спутниковых данных.

В таблице 4.6 представлены результаты прямых измерений показателя ослабления, температуры, солености, концентрации Хл в поверхностном слое и ее расчета по спутниковым данным. Расчет СМ выполнен с помощью алгоритма для Карского моря (Кузнецова и др., 2013). Результаты этого алгоритма лучше соответствуют данным контактных измерений, в то время как стандартный алгоритм MODIS OC3M сильно завышает значения.

Таблица 4.6 - Показатель ослабления (с), температура (Т), соленость (£) и концентрация Хл (СМ) по данным прямых определений и рассчитанная по спутниковым данным на станциях. Поверхностный слой

Станция Дата Глубина, м с, м1 Т, °С 8, епс СМ1 т situ, мкг/л СМ1 спутн., мкг/л

5216 7.09.15 10 12,0 8,32 3,0 1,69 1,52

5217 7.09.15 12 5,3 7,06 9,7 2,01 1,52

5218 8.09.15 16 10 8,34 5,8 1,76 1,54

5219 8.09.15 22 12 7,63 7,9 0,94 1,51

5220 8.09.15 24 2,4 5,10 17,8 1,38 1,44

5221 9.09.15 35 1,9 4,36 16,0 1,32 1,39

5222 9.09.15 45 1,3 3,73 15,9 0,97 0,99

5223 9.09.15 55 0,75 3,69 20,6 1,14 1,00

5224 10.09.15 57 0,9 3,60 21,6 0,42 1,18

5225 11.09.15 2800 0,35 2,03 30,1 0,70 0,85

Значительные различия СМ, определенной по судовым и спутниковым данным, для некоторых станций могут объясняться высокой изменчивостью характеристик воды в области фронтальных разделов. Спутниковые карты, построенные по данным MODIS, имеют разрешение порядка 1 км и не способны передать субмезомасштабные элементы этих фронтов, структура которых хорошо видна на изображении, полученным с помощью спутника Landsat-8 (рисунок 4.29).

Станция 5216 выполнена в самой южной части разреза - в области сильно распресненных вод с соленостью всего 3 епс. Последующие станции выполнялись мористее, чему соответствует повышение солености, уменьшение значений показателя ослабления и температуры. При

удалении от дельты Лены происходит постепенное смешение речных и морских вод. На станции 5225 соленость достигала 30 епс, температура - 2 °С, что близко к водам Северного Ледовитого океана. Таким образом, выполненные станции полностью охватывают область смешения речных и морских вод.

На рисунке 4.27 показаны распределения Т, 8 и интенсивностей флуоресценции ОРОВ и Хл на разрезе от места начала работ в море Лаптевых до устья Лены, а также схема маршрута разреза и пространственное распределение %(443) по данным MODIS. Северо-западная часть разреза находится в области квазиоднородных морских вод, независимых от влияния стока Лены, что подтверждается низкими значениями интенсивностей флуоресценции. Переход в распресненную речным стоком область сопровождается серией фронтальных разделов, положение которых показано пунктиром (рисунок 4.27А) и крестами (рисунок 4.27Б и В).

Рисунок 4.27 - А: Распределение температуры, солености и интенсивностей флуоресценции ОРОВ и Хл на разрезе; Б: схема разреза; В: карта пространственного распределения %(443), 6-7

сентября 2015 г.

Положения фронтальных разделов, определенные по спутниковым данным, хорошо соответствуют результатам близких по времени судовых измерений. В районе 74°23,3' с.ш. 129°14,8' в.д. зарегистрирован участок с резко возрастающей интенсивностью флуоресценции Хл и спадающей интенсивностью флуоресценции ОРОВ. На спутниковой карте видно, что эта область находится на границе струи, соответствующей одной из проток. Обнаруженное

двукратное увеличение значений интенсивности флуоресценции Хл на этом участке, по-видимому, связано с повышенной биомассой фитопланктона, что характерно для фронтальных зон (Суханова и др., 2017).

После 73°19,9' с.ш. 130°30,1' в.д. влияние речной воды резко усиливается - соленость падает до 5 епс, температура поднимается до 8,5 °С. В целом переход к речным водам происходит более плавно, чем это наблюдалось в Карском море в 2013 г. (Глуховец, Гольдин, 2014). Вероятно, это связано с отличиями механизмов разбавления. Речные воды Оби и Енисея формируют резкие фронтальные разделы между областью поверхностного опресненного слоя и морскими водами. Перекрывающиеся вклады множества проток дельты Лены формируют иную структуру стока, они способствуют «размытию» области перехода.

Сравнение измеренного на ходу судна показателя ослабления света морской воды с показателем рассеяния назад частицами (Ььр), рассчитанного по данным MODIS, показано на рисунке 4.28 слева. Обращает на себя внимание часть распределения, где средние значения показателя ослабления соответствуют высоким значениям Ььр. При такой мутности, спутник получает информацию в фиолетовой и синей частях спектра только с верхних десятков сантиметров толщи воды, в то время как в проточную систему вода поступала с глубины 2-3 метра.

ю

о -1

4 -

0,01

0,02

0,03

12

£>„„, м-1

С, М"1

Рисунок 4.28 -Диаграмма рассеяния Ььр и показателя ослабления для разреза Т2 (слева) и вертикальные профили показателя ослабления на станциях 5216 и 5218 (справа) для разреза,

выполненного 6-7 сентября 2015 г.

Вертикальные профили показателя ослабления на станциях 5216 и 5218, выполненных вблизи устья Лены (рисунок 4.28 справа), показывают, что эти глубины находятся в области высокого градиента показателя ослабления. Это означает, что вода для непрерывных судовых измерений могла поступать из более прозрачного подповерхностного слоя. Таким образом,

ослабление связи между судовыми и спутниковыми данными в мутных водах (с >> 1 м-1) может происходить из-за стратификации поверхностного слоя. Кроме того, при значениях с > 1 м-1 из-за влияния многократного рассеяния прозрачномер ПУМ-А увеличивается ошибка измерения показателя ослабления.

На рисунке 4.29 приведено изображение исследуемого региона от 8 сентября 2015 г., полученное со спутника Landsat-8. На этом изображении хорошо видна структура речного стока Лены - множество сливающихся выходов проток, несущих теплые (Т ~ 9 °С), пресные (8 < 10 епс) и мутные воды (с ~ 10 м-1). Пересечение выходов проток зарегистрировано проточной системой и выражено в синфазных колебаниях значений температуры, солености и интенсивностей флуоресценции с характерным масштабом порядка нескольких километров (рисунок 4.27).

Выполненное исследование поверхностного слоя вод моря Лаптевых показало возможность определения границ областей, подверженных влиянию речных вод, со спутника благодаря сильной отрицательной корреляции данных прямых измерений солености в поверхностном слое с показателем поглощения растворенного органического вещества, рассчитанного по спутниковым данным с использованием регионального алгоритма для Карского моря. В областях высокой мутности воды вблизи дельты Лены пресные теплые воды создают стратификацию, которая приводит к ослаблению связи между судовыми и спутниковыми данными. Положения фронтальных разделов, определенные по спутниковым данным, хорошо соответствуют результатам судовых измерений. Показано приемлемое соответствие результатов работы регионального спутникового алгоритма расчета концентрации Хл для Карского моря с данными прямых определений.

Рисунок 4.29 -Восточная часть дельты Лены, данные Landsat-8, 8 сентября 2015 г.

4.5 Особенности вод моря Уэдделла

Известен ряд публикаций, результаты которых подтверждают тот факт, что стандартные спутниковые эмпирические биооптические алгоритмы занижают значения концентрации хлорофилла-а (Хл) в Южном океане (Churilova et al., 2023; Pereira et al., 2018; Ferreira et al., 2022; Zeng et al., 2016; Szeto et al., 2011). Коэффициент занижения к, определяемый как отношение результатов судовых измерений к спутниковым оценкам, обычно равен около 1,5-3 (Ferreira et al., 2022). В отдельных случаях занижение может достигать десяти (Zeng et al., 2016; Szeto et al., 2011) и даже более (Salyuk et al., 2025) раз. При этом известны работы, в которых утверждается, что обнаруживаемое занижение связано с особенностью стандартного флуориметрического метода определения концентрации хлорофилла, который завышает получаемые значения в водах Южного океана (Moutier et al., 2019), и более правильно в качестве опорного использовать метод высокоэффективной жидкостной хроматографии (HPLC). В этом вопросе все еще нет консенсуса, поскольку есть также работы, в которых подтверждается, что спутниковые оценки концентрации Хл все равно значимо занижены относительно измерений HPLC (Pereira et al., 2018; Ferreira et al., 2022), по крайней мере, для отдельных районов Южного океана. В работе (Ferreira et al., 2022) построен региональный спутниковый биооптический алгоритм OC4-SO для вод, окружающих Антарктический полуостров, на основе сравнения спутниковых данных с измерениями HPLC, в котором коэффициент занижения меняется от примерно 1,2 до 2,5 в зависимости от концентрации Хл.

Отдельным вопросом является определение причин, которые приводят к занижению концентраций Хл при использовании стандартных биооптических алгоритмов. Среди них выделяют следующие: низкий удельный показатель поглощения света фитопланктоном (эффект «упаковки») (Jena, 2017; Uitz et al., 2023; Reynolds et al., 2001) и низкое содержание окрашенных растворенных органических веществ в морской воде (Uitz et al., 2023; Reynolds et al., 2001). Кроме этого, дополнительно искажать спектры коэффициентов яркости моря может низкое значение доли рассеяния света назад в общем рассеянии света за счет преобладания крупных клеток фитопланктона (Dierssen & Smith, 2000), наличие фикоэритрин-содержащих водорослей (Salyuk et al., 2020; Glukhovets et al., 2023) и малое количество минеральной взвеси (Szeto et al., 2011). Вопрос определения вклада каждого конкретного фактора в общее занижение концентрации Хл спутниковыми методами остается открытым, поскольку ожидается, что влияние перечисленных факторов будет зависеть от района и сезона проведения измерений, а также от типа используемого биооптического алгоритма.

Ниже представлены результаты анализа коэффициентов занижений спутниковых оценок концентрации Хл, полученных стандартным эмпирическим биооптическим алгоритмом, относительно контактных измерений в водах вокруг Антарктического полуострова, а также в анализе причин зарегистрированных занижений (Салюк и др., 2024). Анализ выполнен по материалам комплексных биооптических исследований, полученных в 79-м (АМК79) и 87-м (АМК87) рейсах НИС «Академик Мстислав Келдыш» в январе-феврале 2020 и 2022 гг. (Морозов и др., 2019; Морозов и др., 2022; Штрайхерт и др., 2022). В рейсах проводился широкий перечень гидрооптических исследований, включая проточные измерения, in situ профилирование, радиометрическое зондирование с борта судна, лабораторные измерения. Задача сравнения спутниковых и подспутниковых данных в Южном океане существенно осложняется частой облачностью, поэтому для получения достаточного количества точек для сравнения использованы калиброванные данные проточного измерительного комплекса, которые позволяют получить большой объем данных за одну экспедицию.

В проточной системе измерялись спектры флуоресценции морской воды при возбуждении лазерным излучением на длинах волн 355 и 532 нм. Из спектров рассчитывались интенсивности флуоресценции хлорофилла а (Fchlfiow), фикоэритрина (Fphyfow) и растворенных органических веществ (РОВ) (Fdomfiow), нормированные на интенсивность комбинационного рассеяния (КР) на молекулах воды излучения лазера 532 нм. Измерения интенсивности флуоресценции хлорофилла а калибровались на прямые определения концентрации хлорофилла а флуориметрическим методом после фильтрации проб морской воды и экстрагирования. Флуориметрические значения пересчитывались на спектрофотометрические определения концентрации хлорофилла а, выполненные на спектрофотометре Shimadzu UV-2600. В результате лабораторных измерений получены значения концентрации хлорофилла а (Chl), а также суммарная концентрация хлорофилла а и феофитина (Tchl), используемая в биооптических моделях. Параметры, полученные с использованием данных проточной системы, обозначены индексом «flow».

Использованы данные спутниковых спектрорадиометров OLCI, установленных на спутниках Sentinel-3A (S3A) и Sentinel-3B (S3B), за январь-февраль 2020 и 2022 гг., обработанные в соответствии с методиками NASA. Анализ основывался на данных второго уровня, содержащих значения коэффициентов яркости моря в видимом спектральном диапазоне. Для анализа были отобраны только те пиксели, которые проходят более строгую фильтрацию в соответствии с флагами качества третьего уровня: отсутствуют предупреждения сбоя атмосферной коррекции и интенсивные солнечные блики, угол Солнца над горизонтом составляет более 20 градусов, отсутствуют отрицательные значения яркости восходящего из воды излучения и сбои при расчете концентрации Хл. Подробное описание применявшейся

аппаратуры, процедуры калибровки и вывода формулы региональной регрессии для оценки концентрации Хл по данным спутниковых сканеров цвета представлено в работе (Салюк и др., 2024).

Сравнение измеренных значений ТМ и ар(443) для обоих рейсов представлено на рисунке 4.30. Также на рисунок добавлена кривая ар(443), рассчитанная по модели (Bricaud et al., 1998) (В98). Видно, что полученные региональные линии находятся достаточно близко друг к другу в области разброса основного облака экспериментальных точек. При этом для заданной концентрации ТМ значения ар(443), получаемые из экспериментальных регрессионных кривых, будут значимо ниже, чем значения ар(443), рассчитанные по модели В98. Это связано с тем, что модель (Bricaud et al., 1998) получена на основе измерений в центральной Атлантике и не включает точки из полярных областей. При этом в Южном океане может наблюдаться как более сильный эффект упаковки пигментов в клетках фитопланктона ^епа, 2017; Uitz et al., 2023), так и меньшее содержание детрита по сравнению с водами центральной Атлантики (и^ et al., 2023; Sosik et а1., 1992).

0,14 0,12 0,1 2 0,08 0,06 0,04 0,02 0

0 2 4 6 8

ТсЛ/, мг/м3

Рисунок 4.30 - Сравнение определений ар(443) и ТМ различными методами по данным судовых измерений. Сплошная черная линия - эмпирически полученная регрессия пересчета данных ТсМясго в ар_ясго(443) для рейса АМК79; пунктирная линия — то же для рейса АМК87; зеленая линия - рассчитанные значения ар_йсго_в98(443) по модели (Bricaud и др., 1998) из данных ТсМясго. Сплошные точки - калиброванные измерения проточным флуориметром. Красные точки - статистические выбросы. Черные круги - стандартные измерения ар(443) и

ТМ

Проведенная калибровка данных проточного флуориметра позволяет построить пространственное распределение получаемых флуоресцентных характеристик в единицах концентрации Хл и показателя поглощения ОРОВ. Кроме этого, важной характеристикой для анализа особенностей работы спутниковых алгоритмов может быть содержание фикоэритрина, которое оценивается через интенсивность флуоресценции в единицах КР воды. Для данного

региона наличие фикоэритрина наиболее вероятно связано с наличием криптофитовых водорослей (Sapozhnikov et а1., 2021). Соответствующие пространственные распределения представлены на рисунке 4.31. По представленным данным видно, что несмотря на то, что рейсы АМК79 и АМК87 проводились в один и тот же сезон в январе и феврале, в 2022 году зарегистрированы более высокие значения показателей поглощения ОРОВ и практически полностью отсутствовали спектры со статистически значимыми интенсивностями флуоресценции фикоэритрина.

54° 48° 42° з.д.

ррЬуп<т, ед. К.Р. 0,01 0,04 0,14 0,53 2

Рисунок 4.31 - Пространственное распределение биооптических характеристик, полученных из измерений проточного флуориметра: сверху - показатель поглощения света ОРОВ на 443 нм (%_йо™(443), 1/м); в центре - концентрация Хл (Chlaow, мг/м3); снизу - интенсивность флуоресценции фикоэритрина (Fphyaow, ед. К.Р.)

На рисунке 4.32 представлены диаграммы рассеяния между квази-синхронными судовыми измерениями Chlйow и спутниковыми измерениями MBRsat_oc4 (рисунок 4.32а), и MBRsat_oc4_so (рисунок рисунке 4.32б), полученными в двух рейсах АМК79 и АМК87 в водах, прилегающих к Антарктическому полуострову. Также на рисунке 4.32в дана карта географического положения точек, использованных для сравнения. Существенное сокращение объема данных судовых измерений по сравнению с рисунками выше связано с редкостью квазисинхронных спутниковых данных, что обусловлено частой плотной облачностью над исследованным регионом. Линия регрессии стандартного биооптического алгоритма OC4 (красный цвет) проходит существенно ниже основного облака измеренных точек, что говорит о занижении стандартных спутниковых оценок концентрации Хл. При этом региональный алгоритм OC4-SO (зеленый цвет) намного лучше описывает экспериментально полученные данные. Для сравнения также показана региональная регрессия OC4-AP (синий цвет), полученная в работе (Салюк и др., 2024).

3,16

§ 0,32

0,1

-• Региональная w^jL,. ; РегРессия I ОС4-АР

(стандартный)

3,16

£

§ 0,32

К" к «1а • * Ннр 1 К »i :

ЗДЯЮВМ V . Л.' « ' « • г

OC4-SO ' (Ferreira и др., 2023)^\

1,58

MBR

sat OC4

2,51 3,98 6,31

(данные OLCI-S3A/S3B)

ю.ш.

61=30,

0,1

1,58 2,51 3,98 6,31

MBRsgf ОС4 so (данные OLCI-S3A/S3B)

Данные АМК79 (янв.-фев.2020) Данные АМК87 (янв.-фев. 2022)

^ 62° 60° 58° 56° 54° з.Д. пролив I

Брансфилд Антарктический полуостров Рисунок 4.32 - Сравнение судовых измерений концентрации Хл (Chlüow) и спутниковых измерений максимального значения индекса цвета (MBR): а - для стандартного алгоритма OC4 и региональной версии OC4-AP; б - для известного регионального алгоритма 0С4-S0 (Ferreira et al., 2022); в - карта с местоположением квази-синхронных судовых и спутниковых измерений

в районах около Антарктического полуострова

В таблице 4.7 представлены статистические метрики, характеризующие качество работы трех рассматриваемых биооптических алгоритмов. Использованы следующие параметры: R2iog -коэффициент детерминации между логарифмами анализируемых величин; bias mean и biasmed — среднее и медианное значение разницы спутниковых оценок и опорных измерений относительно

опорных значений в процентах; kmean и kmed — средний и медианный коэффициенты занижения, равные отношению опорных измерений к спутниковым оценкам; MAE — абсолютная ошибка спутниковых оценок относительно опорных значений в процентах; СКО — среднеквадратичное отклонение между анализируемыми величинами.

Использование стандартного биооптического алгоритма OC4 приводит к существенному занижению спутниковых оценок концентраций Хл, примерно в три раза ниже опорных измерений. Региональный алгоритм OC4-SO (Ferreira et al., 2022) также занижает оценки примерно в 1,3 раза. Это может быть связано с особенностями стандартных определений концентрации Хл методом HPLC, который использовался для разработки данного алгоритма. По результатам ряда исследователей (например, Moutier et al., 2019) в Южном океане использование стандартного экстракционного флуоресцентного метода может приводить к завышению оценок концентрации Хл за счет нестандартного соотношения хлорофилла а и хлорофилла с. Разработанный на основе данных судовых измерений региональный алгоритм OC4-AP имеет значительно меньшую ошибку по сравнению с известными стандартным и региональным алгоритмами и также может быть использован в случае, если необходимо получить дистанционную оценку концентрации Хл, максимально приближенную к накопленному мировому опыту использования стандартных экстракционных спектрофотометрического и флуориметрического методов.

Таблица 4.7 - Сравнение статистических метрик, характеризующих качество работы биооптических алгоритмов для оценки концентрации Хл из спутниковых данных

Алгоритм R2iog biasmean, % biasmed, % ¿mean ¿med MAE, % СКО

OC4 0,51 -64,4 -67,1 3,11 3,05 64,4 0,74

OC4-SO 0,48 -17,1 -19,1 1,37 1,24 28,5 0,36

OC4-AP 0,5 5,2 -3,5 1,05 1,04 26,3 0,29

Проанализированы биооптические причины, которые приводят к заниженным спутниковым оценкам концентрации Хл при использовании стандартного глобального алгоритма ОС4 в водах вокруг Антарктического полуострова. На рисунке 4.33 представлены диаграммы рассеяния, по которым можно судить о биооптических особенностях судовых данных, квази-синхронно полученных с качественными спутниковыми данными. Для квазисинхронной выборки, также как и для общих данных, представленных на рисунке 4.31, в рейсе АМК79 наблюдалось меньшее содержание ОРОВ при большем содержании фикоэритрина, который в данном районе является признаком наличия криптофитовых водорослей ^аро2Ьшкоу й а1., 2021). Общая значимая линейная связь между Сhlflow и ag_flow(443), а также между

соленостью и %_ш™(443) отсутствует. При этом в отдельных районах образуются кластеры со значимой линейной связью между данными величинами. Это свидетельствует о наличии в исследуемом районе различных типов окрашенных растворенных органических веществ или их пребывания на разных стадиях деградации, что, вероятно, объясняет повышенную вариабельность данных при сопоставлении контактных и спутниковых оценок концентрации хлорофилла а, показанных на рисунке 4.33.

Данные АМК7Э (янв.-фев.2020)

а) а) б)

0,1

2 0,08

Данные АМК87 (янв.-фев. 2022)

Ь) в) с)

СП 0,06

I 0,04

О]

® 0,02

в1 ►

•г

0,05

а я (443), 1/м

0,1

•

С/7/„ , МГ/ЫГ Аау/

33,5 34 34,5

Соленость, РЭУ

Рисунок 4.33 - Диаграммы рассеяния биооптических и гидрологических характеристик, полученных в ходе судовых измерений квази-синхронно со спутниковыми измерениями

На рисунке 4.34 показаны зависимости коэффициента занижения спутниковой оценки концентрации Хл по стандартному алгоритму ОС4 (к = Chlnow / СМ8аг_ос4) от трех возможных факторов. Видно, что коэффициент занижения может находиться в диапазоне 1,5-9 раз, и в соответствии с таблицей 4.7 его среднее значение равно примерно 3,1 раза.

а)

■ч-О

о

-с

о

■с О и

-¡с

10 8 6 4

Данные АМК79 (янв,-фев.2020)

а) б)

\

¿¿Л

Ж:

V,.

10

■ч-О

о

8

-с О

> „ (443)/а . ,

дг/оиг ' р_пои'

4

(443)

-0,04

Данные АМК87 (янв.-фев. 2022)

Ь) в)

5

а

■с О

II

-0,03

-0,02 «(443)

с)

# %

* 1 • • Ш

Ш Л, • шк •

0,5 1

еД КР

Рисунок 4.34 - Анализ причин занижения спутниковых оценок концентрации Хл стандартным алгоритмом: а - фактор малой доли поглощения ОРОВ относительно поглощения взвесью (в основном фитопланктоном); б - фактор меньшего поглощения взвесью относительно стандартных значений для неполярных районов; в - фактор увеличенного содержания

фикоэритрина

Можно выделить три причины, которые приводят к занижению спутниковых оценок концентрации Хл стандартным алгоритмом:

1. Уменьшение доли ОРОВ в показателе поглощения света. Коэффициент занижения к зависит от изменения отношения показателя поглощения ОРОВ к показателю поглощения взвешенными частицами (и достигает максимальных значений при минимальной доле ОРОВ (рисунок 4.34а)).

2. Более сильный эффект упаковки пигментов клеток фитопланктона. Коэффициент занижения увеличивается при уменьшении абсолютной разницы между измеренным значением показателя поглощения взвешенными частицами ap_flow(443) и рассчитанным значением ap_flow _B98(443) по стандартной модели (Bricaud et al., 1998) (рисунок 4.34б).

3. Увеличение содержания фикоэритрина (признак наличия криптофитовых водорослей для данного района исследований (Sapozhnikov et al., 2021)). В случае относительно высоких значений Fphynow наблюдается повышение коэффициента занижения (рисунок 4.34в). В работе (Glukhovets et al., 2023) также получен вывод о влиянии фикоэритрина на занижение дистанционных оценок концентрации Хл, полученных по квазианалитическому алгоритму GIOP путем модельных исследований в программе HydroLight. В этом разделе аналогичный вывод получен на основе экспериментальных результатов для эмпирического алгоритма вида ОС4. По всей видимости, в данном случае важным является положение максимума поглощения света фикоэритрином в диапазоне 550-560 нм. Этот диапазон используется в стандартных эмпирических алгоритмах для нормировки коэффициентов яркости моря Rrs. Большее поглощение в диапазоне 550-560 нм приводит к уменьшению Rrs в этом же спектральном диапазоне (Gordon et al., 1988), и соответственно, к завышению значений индекса цвета и занижению оценок концентраций Хл.

Отдельно рассмотрен случай экстремального занижения спутниковой оценки концентрации Хл в шельфовой зоне северо-западной части моря Уэдделла в конце января 2022 года (Salyuk et al., 2025). Пространственное распределение концентрации Хл, рассчитанное по данным радиометра OLCI с использованием стандартного эмпирического алгоритма OC4Me (Morel et al., 2007), и расположение судовых станций представлены на рисунке 4.35. На станции 7334 (17:00-18:00 UTC 28 января 2022 г., фиолетовая точка), где в дневное время при достаточно ясных атмосферных условиях выполнены комплексные биооптические и гидробиологические измерения, концентрации Хл по данным прямых составила 7,9 мг/м3. Сравнение этой величины со спутниковыми данными показало их занижение более чем в 25 раз. Анализ данных судовых измерений показал, что влияние более низких удельных значений показателя поглощения ОРОВ, существенно более крупных клеток фитопланктона (более 100 мкм) и более сильного эффекта

упаковки пигментов фитопланктона, чем в среднем в Мировом океане, привел к занижению концентрации Хл примерно в 4 раза. При этом общее занижение в ~25-100 раз главным образом связано с ошибками атмосферной коррекции, которые распространились как на спутниковые данные 2 уровня, так и на более строго отфильтрованные данные 3 уровня. Учитывая ограниченный объем качественных спутниковых данных спутниковых сканеров цвета в исследуемом регионе, подобные ошибки в оценке концентрации Хл по дистанционным данным могут существенно искажать средние значения, используемые для расчета первичной продукции и теплового баланса. Отбраковку таких ошибочных данных можно выполнить с помощью предложенных в работе (Salyuk ^ а1., 2025) методов фильтрации погрешностей атмосферной коррекции.

(а) иапиагу 17, 2022

(Ь) ^пиагу 26-28, 2022

62°Б

Рисунок 4.35 - Пространственные распределения концентрации Хл, полученные с использованием стандартного алгоритма OC4Me по данным OLCI: (а) композитное изображение за 17 января 2022 г.; (Ь) композитное изображение за 26-28 января 2022 г. (период проведения судовых измерений). Точками обозначено положение судовых станций, станция

7334 выделена цветом

4.6 Выводы по Главе 4

Представлены результаты исследования особенностей оптических характеристик поверхностного слоя вод полярных акваторий на основе данных экспедиционных измерений с привлечением данных спутниковых сканеров цвета. Для исследования выбраны различающиеся по океанографическим условиям моря Арктики и Антарктики (Баренцево, Карское, Лаптевых и Уэдделла), в которых используемые для оценки продуктивности вод стандартные спутниковые алгоритмы имеют существенные погрешности, вызванные влиянием различных факторов, таких как различное содержание растворенного органического вещества, дополнительных пигментов фитопланктона и взвешенных частиц. Помимо перечисленных факторов важную роль играют значительные различия физико-географических характеристик исследованных акваторий:

влияние атлантических вод в Баренцевом море, речного стока в Карском и Лаптевых, а также удаленность от источников ОРОВ и региональные особенности фитопланктона в море Уэдделла.

Проведенные исследования выявили основные особенности биооптических характеристик вод полярных акваторий, влияющие на точность спутниковых алгоритмов. В Карском море и море Лаптевых речной сток формирует выраженный опресненный поверхностный слой, в котором наблюдается существенное завышение результатов оценки концентрации Хл стандартными спутниковыми алгоритмами. Кроме того, в этом слое наблюдается сильная отрицательная корреляция между интенсивностью флуоресценции окрашенного растворенного органического вещества и соленостью. Эта особенность позволила получить ряд интересных результатов, связанных с распространением речного и ледникового стоков. В море Уэдделла доминируют иные факторы: низкое содержание ОРОВ, усиленный эффект упаковки пигментов в клетках фитопланктона, наличие крупноклеточного фитопланктона и присутствие фикобилинов. Это приводит к систематическому занижению концентрации хлорофилла стандартными спутниковыми алгоритмами. Общей проблемой для всех изученных регионов является несоответствие стандартных биооптических моделей, разработанных в основном в акваториях вне полярных широт, нестандартным условиям полярных вод, сформированных специфическим сочетанием физических, биологических и геохимических процессов. Полученные результаты подчеркивают необходимость разработки и использования региональных алгоритмов для повышения точности данных спутниковых сканеров цвета в высоких широтах. Применение региональных алгоритмов позволило построить пространственные распределения биооптических характеристик, а также получить полную картину их сезонной и межгодовой изменчивости в исследованных арктических морях. Эти результаты представлены в Главе 5.

В Главе 4 получены следующие результаты:

1. Показано, что пространственное распределение биооптических характеристик в поверхностном слое Баренцева моря вне областей кокколитофоридного цветения обусловлено, в первую очередь, распространением атлантических и арктических вод.

2. Исследовано влияние кокколитофоридных цветений на биооптические характеристики вод Баренцева моря: цветение ярко проявляется в значениях показателя ослабления и в спектрах излучения, вышедшего из водной толщи. В то же время, цветение не оказывает влияния на спектры флуоресценции и поглощения. Подтверждено, что область кокколитофоридного цветения находится к югу Полярного фронта.

3. Зарегистрирована положительная корреляция между /я ОРОВ и 8 (г = 0,90) вблизи Земли Франца-Иосифа, обусловленная влиянием талых вод, поступающих как с ледников архипелага, так и из тающего морского льда.

4. Оптические методы позволяют использовать спутниковые карты пространственного распределения %(443) для оценки распространения речного стока в Карском море: изолинии %(443) = 0,3-0,5 м-1 приблизительно соответствуют изогалинам 25-27,5 епс. Положения фронтальных разделов, определенные по спутниковым данным, хорошо соответствуют результатам судовых измерений.

5. Представлена сезонная динамика процесса распространения ПОС в Карском море с начала июня по конец сентября за 2013-2018 гг.

6. В акватории Карского моря зарегистрировано три типа взаимосвязи между /я ОРОВ и сильная отрицательная корреляция (Я2 > 0,95), наблюдаемая в области ПОС; положительная корреляция, наблюдаемая в заливах вблизи тающих ледников; полное отсутствие корреляции в районах вне ПОС и влияния ледников.

7. Показано индивидуальное влияние источников опреснения в пяти исследованных заливах восточного побережья Новой Земли: континентальный речной сток; талые ледниковые воды и островной речной сток малых рек этого архипелага. Для идентификации источников опреснения использовался тип корреляции между /я ОРОВ и 8.

8. В море Лаптевых показана возможность определения границ областей, подверженных влиянию речных вод, по спутниковым данным с помощью регионального алгоритма расчета показателя ослабления ОРОВ для Карского моря.

9. Продемонстрировано, что в областях мутных вод вблизи дельты Лены речной сток создает стратификацию, которая приводит к ослаблению связи между судовыми и спутниковыми данными.

10. Выявлены причины систематического занижения оценок концентрации Хл стандартным глобальным алгоритмом в море Уэдделла: более низкие удельные показатели поглощения ОРОВ, наличие крупноклеточного фитопланктона (>100 мкм), более сильный эффект упаковки пигментов в клетках по сравнению со средними значениями в Мировом океане, а также присутствие фикобилинов. По данным двух экспедиций ИО РАН (январь-февраль 2020 и 2022 гг.) среднее занижение составляет 3,1 раза. В отдельном случае в шельфовой зоне северозападной части моря Уэдделла в конце января 2022 г. зарегистрировано экстремальное занижение - более чем в 25 раз.

ГЛАВА 5. ПРОСТРАНСТВЕННЫЕ И ВРЕМЕННЫЕ РАСПРЕДЕЛЕНИЯ БИООПТИЧЕСКИХ ХАРАКТЕРИСТИК ПО ДАННЫМ СПУТНИКОВЫХ СКАНЕРОВ

ЦВЕТА

Анализ пространственных и временных распределений биооптических характеристик по данным спутниковых сканеров цвета выполнялся с использованием материалов Атласа биооптических характеристик Лаборатории оптики океана ИО РАН (Ы^ ://optics.ocean.ru). Атлас включает результаты расчета основных биооптических параметров семи российских морей: Баренцева, Карского, Белого, Балтийского, Черного, Каспийского и добавленного в 2025 г. моря Лаптевых. Результаты для моря Уэдделла не вошли в Атлас из-за недостаточного спутникового покрытия: частые облачность и устойчивый ледовый покров в этом регионе существенно ограничивают доступность данных спутниковых сканеров цвета, необходимых для построения статистически значимых распределений. Эта особенность наглядно проявляется в сезонных распределениях биооптических параметров, рассчитанных путем осреднения данных MODIS-Aqua за 2002-2025 гг. (https://oceandata.sci .gsfc.nasa.gov/l3/).

Расчеты в Атласе выполнены посредством региональных алгоритмов, разработанных по данным натурных измерений в рассматриваемых морях. Результаты представлены в виде карт, диаграмм и таблиц межгодовых изменений среднемесячных параметров для разных субрегионов. Материалы Атласа регулярно дополняются актуальными данными и обновляются с использованием уточненных региональных алгоритмов. В последние годы выполнена разработка и уточнение ряда алгоритмов для арктических акваторий: созданы сезонные региональные алгоритмы для расчета концентрации Хл в Карском море (Vazyulya et я1., 2024), в Баренцевом море разработаны региональные алгоритмы для оценки концентрации Хл (G1ukhovets et a1., 2022) и показателя поглощения окрашенным растворенным органическим веществом (Юшманова и др., 2022). Обновление коснулось не только арктических морей: разработан региональный алгоритм для оценки биомассы цианобактерий в Балтийском море (Vazyu1ya et a1., 2023Ь) и проведена модификация алгоритма для оценки концентрации кокколитофорид в северовосточной части Черного моря в случае интенсивного цветения (Vazyu1ya et я1., 2023 а). Хотя подходы, использованные при работе над этими алгоритмами, применялись и при создании алгоритмов для арктических акваторий, мы не будем останавливаться на результатах этих работ. Ниже будут представлены результаты, полученные в арктических морях: Баренцевом, Карском и Лаптевых.

5.1 Обновление Атласа биооптических характеристик вод российских морей

В 2025 г. было проведено регулярное обновление Атласа биооптических характеристик вод поверхностного слоя Баренцева и Карского морей: временные ряды продлены до конца года. За год до этого был выполнен переход с данных сканеров цвета MODIS-Aqua и SeaWiFS второго уровня (Ь2) на данные третьего уровня ^3) (Салинг и др., 2023). Использование данных L3 для расчета биооптических характеристик благодаря их малому объему существенно ускоряет сбор и обработку. Представлены карты, диаграммы и таблицы среднемесячных значений по регионам, рассчитанные с использованием региональных алгоритмов, в том числе модернизированных. Для исследования временной изменчивости характеристик на диаграммы добавлены значения средних изменений за весь изучаемый период. При построении диаграмм было введено ограничение по покрытию данными больше 30%. Обновленный Атлас доступен на сайте www.optics.ocean.ru.

Для расширения временного ряда значений биооптических характеристик целесообразно объединение данных спутниковых сканеров цвета: SeaWiFS (1998-2002 гг.) и MODIS-Aqua (2002-2025 гг.). Для успешного решения этой задачи необходимы надежные региональные алгоритмы для каждого сканера цвета, применимые ко всей исследуемой акватории. Выполнение этого требования осложняется различиями в спектральных каналах указанных сенсоров, из-за чего один и тот же региональный алгоритм не может быть непосредственно использован для расчета биооптических характеристик по данным разных сканеров цвета. В результате объединение данных о концентрации хлорофилла а в Карском море оказывается невозможным, поскольку для его акватории отсутствует региональный алгоритм, адаптированный для данных 8еа'^Б8. В Баренцевом море объединение данных о концентрации Хл и кокколитофорид возможно. Оно было выполнено следующим образом. Данные SeaWiFS с мая 1998 г. по июнь 2002 г. были пересчитаны в «MODIS-подобные» по уравнениям регрессии, рассчитанным по совместным данным этих сканеров в период с июля 2002 г. по сентябрь 2007 г. Объединение выполнялось непосредственно для концентрации Хл и кокколитофорид в каждом субрегионе. Данные SeaWiFS с 2008 по 2010 гг. не были использованы для расчетов, поскольку с 2008 г. наблюдались перебои в работе этого сканера. Пример регрессии, полученной для концентрации кокколитофорид, показан на рисунке 5.1. Коэффициент детерминации равен 0,65; средняя относительная величина расхождения составила 25%, что является удовлетворительным для результатов оценки значений биооптических характеристик по данным дистанционного зондирования. Данные о концентрации Хл объединены аналогичным образом. Значения

коэффициентов детерминации для северного и среднего субрегионов составляют 0,9 и 0,85 соответственно.

0 0,2 0,4 0,6 0,8 1

Л/сос (SeaWiFS), млн кл./л

Рисунок 5.1 - Сопоставление среднемесячных величин концентрации кокколитофорид (Ncoc, млн кл./л), рассчитанных по данным сканеров цвета SeaWiFS и MODIS-Aqua в регионе кокколитофоридного цветения в Баренцевом море, июль - сентябрь 2002-2007 гг.

(Глуховец и др., 2025)

5.1.1 Сезонные региональные алгоритмы оценки концентрации хлорофилла а в

Карском море

На основе данных судовых измерений концентрации хлорофилла, выполненных в 10 экспедициях ИО РАН в Карском море в 2007-2022 гг., и данных спутниковых сканеров цвета океана MODIS разработан комплекс региональных алгоритмов (Vazyulya et al., 2024). Проанализированы результаты использования различных индексов цвета (CIi = ^ге(488)/Кге(547) и CI2 = JRrs(531)/.Rrs(547)) и наборов данных с различными временными интервалами между судовыми и спутниковыми измерениями (AT < 5 часов и AT < 24 часов). Проведено сравнение созданных алгоритмов между собой, а также с предыдущей версией регионального алгоритма (Demidov et al., 2017) и со стандартным алгоритмом (Hu et al., 2019). Впервые предложены сезонные версии алгоритмов - для летнего (июнь - июль) и осеннего (август - сентябрь) сезонов.

Из исходного набора из 245 станций, на которых проводились контактные измерения, частая облачность в Карском море позволила отобрать лишь 65 станций, для которых имелись спутниковые данные, удовлетворяющие всем необходимым условиям. Для этих станций было получено 233 пары «in situ - спутниковые данные» для различных пролётов сканеров цвета, включая 54 пары для 24 станций с разницей во времени AT < 5 часов (рисунок 5.2). Как видно из

рисунка 5.2, станции, для которых в работе использовались спутниковые данные, преимущественно расположены в западной части Карского моря. При этом отмечаются заметные различия в пространственном распределении станций, где проводились измерения в разные сезоны. Для разработки сезонных алгоритмов из всего набора данных с ДТ < 24 часов были выбраны два сезонных набора данных: летний набор для 28 станций в июле и осенний для 36 станций в августе - сентябре. Аналогичным образом были выбраны два сезонных набора данных для ДТ < 5 часов.

За основу нового алгоритма выбрано выражение, совпадающее по форме с его предыдущей версией (Demidov et а1., 2017):

1п(Ш) = КЫпО + К2 (5.1)

Значения уточненных коэффициентов К и К2 рассчитывались методом наименьших квадратов.

Рисунок 5.2 - Расположение станций, где проводились измерения в июне - июле (слева) и августе - сентябре (справа). Красным цветом выделены станции с ДТ < 5 часов

Коэффициенты в формуле (5.1) и коэффициент детерминации Я2 были рассчитаны на основе полученных наборов данных с использованием различных индексов цвета. В таблице 5.1 представлены варианты алгоритмов А ^-А2а, для которых значение Я2 оказалось выше при выборе между наборами данных с ДГ < 24 часов и ДТ < 5 часов. В обозначении алгоритмов первый индекс соответствует используемому индексу цвета, второй указывает, какой набор данных применялся для расчетов по формуле (5.1): «£» — общий (полный набор данных), <«» — летний, «а» — осенний. Во всех случаях, кроме А1а, представленные алгоритмы получены для набора данных с ДТ < 5 часов. Для летнего набора данных при использовании различных цветовых индексов С11 и С12 коэффициенты детерминации практически совпадают. Для общего и осеннего наборов данных при использовании С12 значение Я2 существенно выше.

Сопоставление значений концентрации Хл и индексов цвета для общего и сезонных наборов данных представлено на рисунке 5.3. Прямые линии соответствуют региональным алгоритмам из таблицы 5.1. Как видно из рисунка, различие между сезонными алгоритмами для обоих цветовых индексов наиболее заметно в области низких значений концентрации хлорофилла (СМ < 0,2 мг м-3). Для графиков с С11 также показан алгоритм К17, который практически совпадает с осенним алгоритмом А1а. Это связано с тем, что алгоритм К17 был разработан на основе данных, полученных в осенний сезон.

Рисунок 5.3 - Сравнение значений концентрации Хл, измеренных in situ, со значениями индексов цвета CI, рассчитанными по данным MODIS: для общего (слева) и сезонного (справа) наборов данных. Верхний ряд — для CI1, нижний ряд — для CI2

Таблица 5.1 - Региональные алгоритмы, полученные для различных индексов цвета и наборов данных

Алгоритм CI Данные N Ki K2 R2

Aie CI1 Все, 0-5 ч 24 -8,2 -0,61 0,56

Ais CI1 Лето, 0-5 ч 13 -9,7 -1,0 0,85

Ala CI1 Осень, 0-24 ч 35 -6,5 -0,28 0,48

Aig CI2 Все, 0-5 ч 24 -2,2 -1,1 0,71

Ais CI2 Лето, 0-5 ч 13 -2,55 -1,3 0,84

я N CI2 Осень, 0-5 ч 11 -1,6 -0,79 0,59

Анализ ошибок алгоритмов для сезонных наборов данных (таблица 5.2) показал, что средние относительные ошибки (5) для всех рассмотренных алгоритмов существенно различаются для летних и осенних данных. Снижение значений 5 для осеннего набора, вероятно, связано с тем, что в него не вошли станции с in situ Chl < 0,1 мгм'3. Значения среднеквадратической ошибки (СКО) для осеннего набора также меньше, чем для летнего, однако различие между ними не столь значительно. Таблица 5.2 позволяет оценить эффективность применения сезонных формул по сравнению с несезонными. Для летнего набора данных использование сезонных алгоритмов A2s и Ais позволяет снизить значение 5 почти в 2 раза по сравнению с несезонными A2g и Aig. В случае осеннего набора сезонные алгоритмы лишь незначительно уменьшают СКО. В целом, оценки ошибок для всех алгоритмов, кроме стандартного (chlor_a), оказываются довольно близкими.

Таблица 5.2 - Метрики для оценки точности использования различных алгоритмов обработки

спутниковых данных для сезонных наборов данных с ДТ < 24 часов

Данные Алгоритм R2 <Chl>, мг м-3 СКО, мг м-3 Ö, %

Лето N = 28 <Chlin situ> = 0,46 мг м'3 chlor a 0,51 2,8 4,3 725

K17 0,65 0,64 0,40 200

A2g 0,59 0,47 0,34 87

A1g 0,65 0,49 0,35 98

A 2s 0,59 0,43 0,37 62

A 1s 0,66 0,37 0,34 54

Осень N = 36 <Chlin situ> = 0,57 мг м'3 chlor a 0,28 2,9 3,7 420

K17 0,46 0,53 0,30 42

A2g 0,43 0,46 0,35 39

A1g 0,46 0,36 0,36 40

A 2a 0,44 0,52 0,31 40

A 1a 0,46 0,52 0,30 42

Окончательный выбор наиболее подходящих алгоритмов выполнен на основе оценки СКО и относительных ошибок. Общий алгоритм A2g по сравнению с А^ демонстрирует более высокий коэффициент детерминации, а также меньшие абсолютные и относительные ошибки для практически всех рассматриваемых наборов данных. Данный алгоритм обозначен как К24 -региональный алгоритм для Карского моря, разработанный в 2024 году:

СМ = ехр(-2,2 • /и[&8(488)/Кга(547)] - 1,1) (5.2)

Сезонные алгоритмы для летнего периода позволили существенно снизить среднюю относительную ошибку для данных, полученных в этот сезон. Для решения оперативных задач планирования судовых измерений в ходе научных экспедиций рекомендуется использовать сезонные алгоритмы Ли и Л1а при оценке концентрации Хл по спутниковым данным. Алгоритм для летнего сезона (июнь - июль) обозначен как :

СМ = ехр(-9,7 • /и[Кге(531)/Кге(547)] - 1,0) (5.3)

Для экспедиций, проводящихся в осенний сезон (август - сентябрь) рекомендуется использовать алгоритм ^4_Л:

СМ = ехр(-6,5 • /и[Яге(531)/Яге(547)] - 0,28) (5.4)

Сравнение изменений среднемесячных значений концентрации хлорофилла, рассчитанных с помощью алгоритмов Ю7 (Demidov et я1., 2017) и ^4 (Vazyulya et я1., 2024) предоставлено на рисунке 5.4. Различия видны, прежде всего, в летний сезон (июнь - июль), поскольку алгоритм Ю7 переоценивает значения концентрации Хл для значений < 0,1 мг/м3.

K17

Рисунок 5.4 - Изменения среднемесячных величин концентрации хлорофилла а в юго-западном регионе Карского моря (мг/м3). Черная кривая - средние изменения за период 2003-2023 гг.

5.1.2 Региональный алгоритм оценки концентрации хлорофилла а в море Лаптевых

Возможность рассчитывать концентрацию хлорофилла Chl по спутниковым данным с хорошей точностью необходима для уменьшения неопределенности таких спутниковых продуктов как первичная продукция (Демидов и др., 2019; Kulk et al., 2020) или количество углерода, содержащегося в морской воде (Siegel et al., 2023). Из-за сильного влияния речного

стока воды моря Лаптевых можно с уверенностью отнести ко второму типу («Case II»), где стандартные алгоритмы не позволяют получить точные оценки биооптических характеристик. По данным натурных измерений в 2015, 2017 и 2018 гг. разработаны два варианта регионального алгоритм для определения концентрации хлорофилла по данным спутникового сканера цвета MODIS (Вазюля и др., 2024).

Подбор спутниковых данных проводился для ближайшего пикселя к точке in situ измерений концентрации Хл с интервалом между судовыми и спутниковыми измерениями ДТ менее 48 часов. При этом отбраковывались данные, отмеченные флагами (засветка от ярких объектов) и HISOLZEN (высокий зенитный угол Солнца). Таким образом, удалось подобрать 177 пар данных в основном для измерений в 2018 г. Причем для 32 пар интервал ДТ не превышал 5 часов.

Для расчета концентрации хлорофилла по спутниковым данным обычно используется индекс цвета CI - отношение величин коэффициента яркости моря R rs для двух спектральных каналов. Использовался вариант CI = Rrs(531)/Rrs(547). Массив данных с ДТ<5 часов позволил получить первую формулу для расчета концентрации Хл через индекс цвета (рисунок 5.5а), которая ниже будет обозначаться «L_CI»:

/n(Chl) = -11,45 • /n[Rrs(531)/Rrs(547)] - 0,72. (5.5)

i- 1

0.37

"(Л

с

О

0.14 -

0.05

0.018

О

\

0 0.1 0.2 0.3 ln[Rrs(531)/Rrs(547)]

н—i—I I I I 111-1—i—I I I I 11 |

0.0001 0.001 0.01 ЬЬр. М"1

Рисунок 5.5 - Сопоставление величин концентрации хлорофилла, измеренных in situ, со значениями индекса цвета (а) и показателя рассеяния назад взвесью (б), рассчитанных по данным MODIS в море Лаптевых. Сплошными линями показаны линейные регрессии для данных с разницей во времени измерения меньше 5 часов, пунктирными - регрессии,

полученные для Карского моря

Коэффициент детерминации Я2 составил 0,85. Для полного массива данных (ДТ<48 часов) Я2 был равен только 0,50. Использование в индексе цвета более коротковолновых каналов 443

или 488 вместо 531 нм неэффективно из-за увеличения ошибок атмосферной коррекции в этой части спектра: даже при использовании данных с ДТ<5 часов величина Я2 при этом снижается до 0,05 и 0,41 соответственно.

Также на рисунке 5.5а показаны линейные регрессии между концентрацией Хл и С1 обозначенные К13 и К17, которые были получены для Карского моря в работах (Кузнецова и др., 2013) и (Demidov й а1., 2017) соответственно. Алгоритм К13 был использован при расчете первичной продукции в море Лаптевых (Демидов и др., 2019) из-за отсутствия регионального алгоритма для данной акватории. Алгоритм К17 до недавнего времени использовался в Атласе биооптических характеристик Лаборатории оптики океана ИО РАН для оценки концентрации Хл в Карском море. Видно, что существенные различия между этими тремя алгоритмами наиболее выражены в малопродуктивных водах.

Сопоставление величин концентрации Хл и показателя рассеяния назад взвесью Ььр показало, что между этими параметрами в море Лаптевых наблюдается устойчивая корреляция (рисунок 5.5б), которая позволяет вывести формулу L_BBP для оценки концентрации Хл:

СЫ = 8,85 • V,65, (5.6)

где единицы измерения концентрации Хл - мкг/л, показателя рассеяния назад частицами взвеси - 1/м. Значения Ььр рассчитывались по региональному алгоритму (Буренков и др., 2001), разработанному для Баренцева моря. Коэффициент детерминации Я2 равен 0,83 для массива данных с ДТ < 5 часов.

Результаты верификации полученных алгоритмов представлены на рисунках 5.6а-б и в таблице 5.3. Для массива данных с ДТ < 5 часов параметры точности обоих алгоритмов практически одинаковые, а для полного массива точность L_BBP немного выше, чем у L_CI. Так, при использовании Ььр среднеквадратичная ошибка СКО = 0,20 мг м-3, а средняя относительная 5 = 49%, в случае же использования индекса цвета - 0,27 мг м-3 и 60%.

Завышенные оценки концентрации Хл алгоритма К13 в малопродуктивных водах (рисунок 5.6в) приводят к высоким величинам средней относительной ошибки 270 и 280% для выборок с ДТ < 5 и ДТ < 48 часов соответственно. Использование более современного алгоритма для Карского моря К17 позволяет уменьшить средние ошибки до 115 и 133%. Влияние речного стока и ошибок атмосферной коррекции приводит к тому, что стандартный алгоритм сЫог_а завышает оценки СМ в 8-10 раз и имеет наименьшие величины коэффициента детерминации 0,40 и 0,30.

Пример распределений концентрации хлорофилла СМ в августе 2024 г. (рисунок 5.7), рассчитанных с помощью двух полученных алгоритмов, показывает, что в некоторых районах моря есть заметные различия. Например, алгоритм L_BBP дает более высокие оценки СМ в

восточной части моря: в проливах Санникова и Дмитрия Лаптева, у северо-западного побережья острова Котельный. При этом средние значения концентрации Хл в южном субрегионе моря (южнее 76° с.ш.) в этом месяце оказались одинаковыми - 0,6 мг/м3.

Chi in situ, мг м-3 Chi in situ, мг м"3

Рисунок 5.6 - Соответствие между измеренными и рассчитанными по спутниковым данным величинами концентрации Хл в море Лаптевых с помощью разных алгоритмов: а - L_CI; б - L_BBP; в - K13; г - chlor_a. Пунктирная линия - идеальное соответствие; красная линия - линейная регрессия по всему массиву данных, зеленая - для данных с ДТ<5 часов

Таблица 5.3 - Параметры соответствия между натурными и спутниковыми оценками СМ для

разных алгоритмов обработки спутниковых данных

Массив данных Алгоритм R2 СКО, мг м-3 ö, % Отношение средних

ДТ < 5 часов L CI 0,85 0,15 32 0,93

L BBP 0,83 0,15 31 1,05

K13 0,85 0,56 270 1,99

K17 0,85 0,25 115 1,34

chlor a 0,40 4,79 1310 8,0

ДТ < 48 часов L CI 0,50 0,27 60 1,05

L BBP 0,66 0,20 49 1,03

K13 0,50 0,62 280 2,24

K17 0,50 0,34 133 1,51

chlor a 0,30 4,29 1180 7,9

100- 110- 120- 130° 140- 100" 110- 120" 130" 140° Qf^

Рисунок 5.7 - Распределения среднемесячных значений концентрации хлорофилла Chl в августе 2024 г., рассчитанные с помощью региональных алгоритмов L_CI (а) и L_BBP (б)

Валидация результатов двух разработанных алгоритмов показала, что они имеют практически одинаковую точность при использовании массива данных с временной разницей между судовыми и спутниковыми измерениями 5 часов. Сравнение с данными проточного измерительного комплекса выявило, что более точной является версия алгоритма, основанная на индексе цвета (Вазюля и др., 2025). Для последующих расчетов будет использована именно эта версия. Разработка регионального алгоритма позволила включить в Атлас биооптических характеристик море Лаптевых.

5.2 Пространственные распределения биооптических характеристик, рассчитанных по

данным спутниковых сканеров цвета

Для получения пространственных распределений биооптических характеристик использованы данные спутникового сканера цвета океана MODIS Aqua. Региональные алгоритмы, разработанные по данным натурных измерений в Баренцевом и Карском морях, позволяют определять по спутниковым данным такие биооптические характеристики как концентрации хлорофилла Chl и кокколитофорид Ncoc, показатели поглощения желтым веществом на длине волны 443 нм ag(443) и рассеяния назад взвесью на длине волны 555 нм ¿bp(555). Среднемесячные распределения этих характеристик в арктических морях, рассчитанные по данным MODIS и SeaWiFS третьего уровня L3 c разрешением 4 км за период 1998-2025 гг., представлены в Атласе биооптических характеристик Лаборатории оптики океана ИО РАН (https:// optics. ocean. ru/). Кроме того, Атлас содержит карты среднемесячных значений температуры поверхностного слоя моря SST - индикатора происходящих в данном регионе

климатических изменений. Для количественного анализа временной изменчивости исследуемых параметров используется принятое в Атласе разделение морей на регионы.

Концентрация хлорофилла позволяет оценить состояние экосистемы заданной акватории, а также является входным параметром для оценок вклада углеродной помпы (Siegel et al., 2023). На рисунке 5.8 представлены распределения среднемесячных оценок Chl в Баренцевом море, рассчитанные с помощью регионального алгоритма Б22 (Glukhovets et al., 2022) в мае-августе 2024 г. Для сравнения показаны среднеклиматические распределения в эти же месяцы, полученные в результате осреднения данных за 2003-2023 гг. Наибольшие отличия результатов спутникового мониторинга в 2024 г. наблюдаются в мае и июне. Майское цветение в 2024 г. было не таким интенсивным, как обычно, поэтому средние величины Chl для среднего и северного регионов Баренцева моря ниже среднеклиматических на 17% и 27%, соответственно. В июне заметные отличия были в северном регионе, где средняя величина Chl составила 0,42 мг м-3, что на 36% меньше оценки для периода 2003-2023 гг. Стоит отметить, что региональный алгоритм Б22 был создан по данным контактных измерений в период с июня по сентябрь, поэтому его использование во время майского цветения может приводить к значительным ошибкам. Для оценки точности этого алгоритма в мае необходимо проведение натурных измерений.

30 40 50 60 30 40 50 ВО