Uus meetod rannikumere prognoosimudelite koostamiseks
TalTechi okeanograafid töötasid välja uue meetodi rannikumere prognoosimudelite koostamiseks. Uue meetodi kasutamine võimaldab „ehitada“ merepinna temperatuuri ja soolsuse vaatlustest lünkadeta „kaardid“, mille tulemusi saab prognoosimudelites kasutada.
Merevee pinnakihi uurimiseks kasutatakse peamiselt kolme meetodit
Uurimistöö juht, TalTechi meresüsteemide instituudi professor Jüri Elkeni sõnul kasutavad okeanograafid merevee pinnakihi uurimiseks tänapäeval valdavalt kolme tüüpi andmeid. Kõige vanema meetodi (in situ meetodi) puhul mõõdetakse vee omadusi kohapeal kas laevadelt või automaatjaamadelt, kasutades kas sensorite andmeid või analüüsides võetud veeproove. Kaugseire meetodi kasutamisel lähtutakse enamasti satelliitide andmetest, mille tulemusi võib esitada näiteks detailsete kaartidena. Numbrilise modelleerimise puhul leitakse mere seisundi muutused füüsikalisi protsesse simuleerivate keeruliste arvutiprogrammide abil, modelleerimistulemusi saab esitada ka animeeritud kaartidena.
Kõigil kolmel analüüsimeetodil on omad plussid ja miinused. Nii näiteks annavad kohapealsed vaatlused kõige täpsemad andmed merevee omaduste kohta, kuid vaatluspunkte on vähe ning nad on ebaühtlaselt jaotunud, mistõttu kujunev pilt on fragmentaarne. Satelliidipildilt saadakse detailne info näiteks vee temperatuuri ja klorofüllisisalduse kohta, kuid mitte merevee soolsuse, toitainete ja paljude muude oluliste merevee näitajate kohta. Numbrilite mere ökosüsteemi prognoosimudelite kasutamine kasvab, kuid nende täpsus jätab mõnikord soovida.
TTÜ okeanograafide uus meetod
TTÜ teadlaste väljatöötatud meetodi puhul kasutatakse mereseisundi uurimiseks ja prognooside tegemiseks kõiki kolme meetodit. Erinevat tüüpi andmete ühildamiseks kasutatakse statistilisi meetodeid. Uurimistöös kasutati traditsioonilist EOF (empiirilised ortogonaalsed funktsioonid) meetodit, mida täiendati: pinnakaartide kordusmustrid leiti korrapärasel arvutusvõrgul numbrilise mudeli tulemustest, põhiliste mustrite kaalukoefitsiendid konkreetse ajahetke kohta leiti aga lähiperioodi vaatlusandmete põhjal.
Selle meetodi kasutamise korral saab vaatlustulemusi laiendada ka piirkondadesse ja nendele aegadele, kus vaatlusi ei toimunud. „Kui mingi merepiirkond, näiteks Eestit ümbritsevad merealad, on samasuguste ilmastikutegurite mõju all, on mereseisundi muutujate reaktsioon üksteisest eemal asuvates paikades sarnane. Näiteks kui sügisel toimub Soome madalas rannikumeres, kuskil Kotka lähistel, kiirem jahtumine kui avamerel, siis sarnane muutus esineb suure tõenäosusega ka Pärnu lähistel või Väinameres. Või kui Narva jõe lähedal on meres keskmisest väiksem soolsus, siis on see tõenäoliselt väiksem ka Daugava juures. Sellist keerulist korrelatsioonide mustrit võtab põhimõtteliselt arvesse meie arendatud EOF analüüsi rakendus,“ selgitas professor Elken.
Seega – toetudes ühes kindlas piirkonnas domineerivatele statistilistele mustritele, saavutatakse senise vaatlusjaamadelt saadud kaardistatava analüüsiala oluline laienemine.
„Teadustöö väljundina lõime vaatlusandmete sulandamise (assimileerimise) uut tüüpi algoritmi ja ka vastava arvutiprogrammi. Selle rakendamise esimeste katsetulemuste põhjal võib väita, et saame oluliselt vähendada seni suureks probleemiks olnud veepinna temperatuuri ja soolsuse päevase prognoosi süstemaatilist (kuu keskmist) erinevust võrreldes tegelike vaatlusandmetega,“ kinnitas professor Elken.
Rahvusvaheline uurimisrühm, kuhu kuulusid peale TalTechi okeanograafide ka teadlased Taani Meteoroloogia Instituudist, avaldas oma kaheaastase uurimistöö tulemuste kohta artikli „Veepinna temperatuuri ja soolsuse väljade rekonstrueerimine, kasutades mudelist saadud EOF mustreid“ (Reconstruction of Large-Scale Sea Surface Temperature and Salinity Fields Using Sub-Regional EOF Patterns From Models) väljaandes Frontiers in Earth Science.
Allikas: TalTech
Foto: Pexels
