Диагноз океанологических условий методами многомерного статистического анализа: На примере Центрально-Восточной, Юго-Восточной Атлантики и Юго-Восточной части Тихого океана тема диссертации и автореферата по ВАК РФ 25.00.28, кандидат географических наук Андрианов, Геннадий Николаевич

• Андрианов, Геннадий Николаевич
• кандидат географических наук
• 2005

Оглавление диссертации кандидат географических наук Андрианов, Геннадий Николаевич

Введение.

Глава 1. Физико-географическое описание исследуемых районов.

1.1 Центрально-Восточная Атлантика.

1.2 Юго-Восточная Атлантика.

1.3 Юго-Восточная часть Тихого океана.

Глава 2. Методы многомерного статистического анализа, применяемые в работе.

2.1 Определение и сущность задач классификации.

2.2 Расстояния между отдельными объектами и меры близости объектов друг к другу.

2.3 Классификация методов кластерного анализа.

2.4 Оценка качества полученной классификации.

2.5 Алгоритмы автоматической классификации, используемые в данной работе.

2.6 Метод главных компонент.

2.7 Экстремальные свойства главных компонент.

2.8 Применение методов кластерного анализа и главных компонент в гидрометеорологических исследованиях.

Глава 3. Используемые данные и их свойства.

3.1 Источники и типы данных.

3.2 Статистические свойства используемых данных.

3.3 Первичные статистики исходных данных.

3.4 Аномалии исходных данных и их статистические свойства.

Глава 4. Результаты разложений полей атмосферного давления, температуры поверхности океана, соответствующих аномалий и аиомалий уровня океана на главные компоненты.

4.1 Центрально-Восточная Атлантика. Атмосферное давление.

4.2 Центрально-Восточная Атлантика. Температура поверхности океана.

4.3 Юго-Восточная Атлантика. Атмосферное давление.

4.4 Юго-Восточная Атлантика. Температура поверхности океана.

4.5 Юго-Восточная часть Тихого океана. Атмосферное давление.

4.6 Юго-Восточная часть Тихого океана. Температура поверхности океана.

4.7 Разложение аномалий уровня океана на главные компоненты.

4.8 Анализ устойчивости разложений исходных данных на главные компоненты.

4.9 Основные результаты разложения гидрометеорологических полей на главные компоненты.

Глава 5. Результаты кластеризации исследуемых акваторий по изменчивости аномалий уровня океана.

5.1 Центрально-Восточная Атлантика.

5.2 Юго-Восточная Атлантика.

5.3 Юго-Восточная часть Тихого океана.

5.4 Основные результаты классификации районов исследований по изменчивости аномалий уровня океана.

Введение диссертации (часть автореферата) на тему «Диагноз океанологических условий методами многомерного статистического анализа: На примере Центрально-Восточной, Юго-Восточной Атлантики и Юго-Восточной части Тихого океана»

Одними из наиболее продуктивных районов Мирового океана являются районы проявления прибрежного апвеллинга, которые обеспечивают более 50% мировой добычи рыбы. Важнейшими для российского промысла являются три района прибрежного океанического апвеллинга: Канарский (Центрально-Восточная Атлантика), Бенгельский (Юго-Восточная Атлантика) и Перуано-Чилийский (Юго-Восточная часть Тихого океана). Промыслово-океанологические исследования последних десятилетий показали, что численность и биомасса массовых пелагических рыб в районах апвеллинга не зависят от величины нерестового запаса и определяются уровнем пополнения, которых формируется под влиянием условий среды обитания во время нереста, а также структуры и динамики вод в период, соответствующий ранним стадиям развития организмов (Промыслово-океанологические исследования ., 2002).

В последнее время созданы международные базы данных о состоянии поверхности Земли и, в частности, поверхности океана. Появление спутниковых систем мониторинга океана позволяет существенно улучшить качество информационного обеспечения океанологических исследований. В первую очередь это улучшение базируется на оперативности получения данных, которые охватывают весь регион исследования практически в режиме «реального времени». Кроме оперативных данных о состоянии поверхности океана доступными являются и данные, полученные по различным численным моделям циркуляции системы океан-атмосфера на базе спутниковых и контактных измерений, например NCEP/NCAR Reanalysis (Kalnay et al., 1996). Временное разрешение как оперативных, так и модельных данных колеблется в достаточно широких пределах от нескольких часов до нескольких месяцев. Вся вышеупомянутая информация может быть использована при решении различных задач по изучению океана: от исследования мезомасштабных процессов до изучения глобальной динамики.

Спутниковые и модельные данные можно представить как набор пространственных полей распределений гидрометеорологических характеристик в исследуемом районе. Чем выше пространственное и временное разрешение данных, тем больше элементов в каждом поле и тем больше полей присутствует в каждом наборе. Одним из эффективных способов анализа данной информации является применение методов многомерного статистического анализа (МСА) к исходным данным. Методы МСА позволяют существенно сжимать исходную информацию и выявлять в ней скрытые (латентные) закономерности. Эти свойства методов МСА позволяют провести комплексный диагноз гидрометеорологических процессов на исследуемых акваториях. Исходя из этих предпосылок, данная работа является весьма актуальной.

Цель представляемой работы - с помощью методов многомерного статистического анализа описать пространственно-временную изменчивость гидрометеорологических и океанологических процессов в Центрально-Восточной Атлантике (ЦВА), Юго-Восточной Атлантике (ЮВА) и Юго-Восточной части Тихого океана (ЮВТО). Поставленная цель определила следующие задачи исследований:

1. Исследовать сезонную и межгодовую изменчивость гидрометеорологических условий в районах ЦВА, ЮВА и ЮВТО. Определить факторы, которые являются основными в изменчивости условий окружающей среды в районах исследования.

2. Описать сезонные и межгодовые изменения динамики вод по данным спутниковой альтиметрии.

3. Провести районирование акваторий ЦВА, ЮВА и ЮВТО по характеру сезонной и межгодовой изменчивости аномалий уровня океана.

4. Оценить зависимость результатов районирования от выбранного метода классификации.

В работе были использованы данные двух массивов гидрометеорологической информации, включающие в себя поля давления и температуры поверхности океана из массива NCEP/NCAR Reanalysis и спутниковые наблюдения за уровнем океана (программа Topex/Poseidon).

Анализ полей метеорологических и океанологических характеристик проводился с помощью методов главных компонент (разложения на естественные ортогональные составляющие) и кластерного анализа. Для выделения преобладающих периодичностей применялся спектральный анализ. Научная новизна работы состоит в следующем:

1. Впервые для диагноза океанологических условий применены итеративные методы кластерного анализа Форель и взаимных поглощений (Айвазян и др., 1989). Данные методы на выходе сами получают конечное число классов, основываясь на внутренних закономерностях исходных данных. Для их использования был создан специализированный пакет прикладных программ.

2. Получена физическая интерпретация нескольких первых главных компонент разложений полей давления, температуры поверхности океана, соответствующих аномалий и аномалий уровня океана. Эта интерпретация основывается на анализе пространственного распределения нагрузок самих компонент.

3. Исследована зависимость физической интерпретации нескольких первых главных компонент разложений полей аномалий давления и аномалий температуры поверхности океана от периода разложения.

4. Для выбора окончательного числа классов применены критерии качества классификации, которые помогают выбрать наиболее оптимальное разбиение на кластеры.

Практическая ценность работы состоит в создании методики диагноза поверхностных океанологических условий с использованием методов многомерного статистического анализа. Данная методика позволяет проводить широкомасштабные исследования изменчивости условий среды с использованием различных видов данных с различным пространственно-временным разрешением. При этом анализ не требует больших вычислительных затрат.

Результаты проведенного исследования уровня океана по данным спутниковой альтиметрии могут быть использованы как методическая основа для мониторинга динамических процессов, происходящих в исследуемых районах.

Для проведения классификаций многомерных данных с помощью методов Форель и взаимных поглощений с использованием различных видов расстояния между объектами классификации был разработан пакет прикладных программ (ППП), в возможности которого входит и расчет нескольких критериев качества для выбора оптимального количества классов, оставляемых для дальнейшего анализа.

В теоретическом плане результаты работы могут быть использованы при разработке математических моделей взаимодействия океана и атмосферы.

Отдельные части работы, а также диссертация в целом докладывались и обсуждались па коллоквиумах лаборатории промысловой океанологии и отчетных сессиях АтлантНИРО, а также на Всероссийской конференции молодых ученых и специалистов, посвященной 140-летию со дня рождения Н.М. Книповича (Мурманск, 2002 г.); XII-й международной конференции «Потоки и структуры в жидкостях » (Санкт-Петербург, 2003 г.); VIII -й международной научно-технической конференции «Современные методы и средства океанологических исследований» (Москва, 2003 г.); IV -й Всероссийской научной конференции «Физические проблемы экологии (Экологическая физика)» (Москва, 2004 г).

По теме диссертации опубликовано 8 научных работ.

Диссертация состоит из введения, 5-ти глав, заключения, библиографического списка используемой литературы и приложения.

Заключение диссертации по теме «Океанология», Андрианов, Геннадий Николаевич

Основные результаты диссертационной работы сводятся к следующему:

1. Выявлены пространственно-временные масштабы изменчивости полей давления, ТПО и АУО в районах ЦВА, ЮВА и ЮВТО. Разложение гидрометеорологических полей на главные компоненты позволило выявить основные факторы, влияющие на изменчивость условий среды в районах исследования.

Основная доля изменчивости приходится на сезонные и межгодовые колебания среднего по району значения анализируемого параметра (давление, ТПО, соответствующие аномалии и АУО). Для полей давления вторая по вкладу в изменчивость компонента описывает изменчивость зональной составляющей атмосферного переноса.

В ЦВА вторая и третья компоненты давления описывают изменчивость зональной составляющей переноса в районах Мавритании и Марокко соответственно. Первые три компоненты поля АУО описывают изменчивость АУО в районах распространения основных течений: Азорского, Канарского, Южного пассатного (первая компонента); Северного пассатного (вторая компонента) и Гвинейского течения (третья компонента).В первом подрайоне максимальные АУО наблюдаются осенью, минимальные - весной. Во втором подрайоне наибольшие аномалии отмечаются летом и зимой, наименьшие — весной и осенью. Наибольшие АУО в районе распространения Гвинейского течения отмечаются зимой, наименьшие - летом. Кроме этого, в конце зимы наблюдается еще один локальный минимум, а в конце весны — еще один локальный максимум.

В ЮВА первая компонента описывает изменчивость средней АУО в районе. Максимальные АУО наблюдаются осенью южного полушария (март-май), минимальные — весной южного полушария (август-сентябрь). Вторая компонента описывает изменчивость АУО в районе распространения Южного пассатного течения. В значениях этой компоненты кроме годовой и полугодовой периодичностей обнаружена также квазидвухлетняя цикличность. Наименьшие АУО в районе распространения Южного пассатного течения наблюдаются летом южного полушария (ноябрь-январь), наименьшие - зимой южного полушария (май-июль). Третья компонента описывает изменчивость АУО в океанической части распространения Южно-Атлантического течения (южнее 35° ю.ш. и западнее 15° з.д.). Наибольшие АУО в течение года в данном подрайоне наблюдаются зимой южного полушария (май-июнь), наименьшие - летом южного полушария (октябрьноябрь). Следует отметить резкое понижение АУО в данном подрайоне в 1997 году. После него АУО повысились до среднемноголетних значений только к 2000 году.

В ЮВТО первая компонента также описывает изменчивость средней АУО в районе. Минимальных значений она достигает в октябре-декабре, максимальных -в апреле-мае. Следует отметить резкое повышение средней АУО в 1997-98 годах. Нагрузки второй компоненты достигают значений больших 0.6 по модулю на самом севере района и в районе распространения Южно-Тихоокеанского течения. Наибольшие значения компоненты наблюдаются осенью южного полушария, наименьшие — весной южного полушария. Понижение значений компоненты в течение 1997-98 годов свидетельствует о повышении АУО на севере рассматриваемой акватории и об их понижении в районе распространения ЮжноТихоокеанского течения. Нагрузки третьей компоненты достигают значений больше 0.6 по модулю только на юге рассматриваемой акватории в районе распространения северной ветви Антарктического циркумполярного течения. Спектральный анализ выявил достаточно обширный ансамбль периодичностей, присутствующих в значениях компоненты. По убыванию значений спектральной плотности это 16-тимесячная, годовая, полугодовая и четырехмесячная цикличности. Следует также отметить долгопериодное повышение АУО в данном подрайоне.

2. Разработана методика получения физической интерпретации главных компонент разложений гидрометеорологических полей. Данная методика основана на анализе пространственного распределения нагрузок самих компонент. Исследована зависимость результатов разложения от временных пределов анализируемых данных. Показано, что для разложений полей аномалий давления характер корреляционных связей между компонентами и аномалиями давления не меняется с течением времени. Для разложений полей аномалий ТПО характер корреляционных зависимостей между компонентами и аномалиями ТПО изменяется со временем, причем иногда довольно значительно. Такие изменения зачастую происходят в годы возникновения и развития события Эль-Ниньо в ЮВТО.

3. Выполнено районирование исследуемых акваторий по характеру сезонной и межгодовой изменчивости аномалий уровня океана. Для этого были использованы как широко применяемые методы кластерного анализа (^-средних), так и практически не используемые ранее методы Форель и взаимных поглощений.

Установлено, что полученные подрайоны соответствуют основным системам течений.

4. Исследована зависимость результатов районирования от используемого метода классификации. Выявлены особенности методов кластерного анализа Форель и взаимных поглощений, которые имеют тенденцию в ЦВА и ЮВА выделять в отдельные классы небольшого размера подрайоны с наибольшей динамической активностью. Это свидетельствует о том, что в ЦВА и ЮВА данные располагаются в многомерном пространстве достаточно компактной группой. Методы Уорда и к-средних в этих районах дают более равномерное распределение точек по классам, при этом районы с высокой динамической активностью также выделяются в качестве отдельных классов. В районе ЮВТО все четыре метода классификации дают похожие друг на друга классификации. Это означает, что данные в ЮВТО в многомерном пространстве расположены в виде нескольких отдельных сгустков.

Алгоритмы Форель и взаимных поглощений можно рекомендовать для проведения разведочного анализа данных, когда заранее неизвестно число оставляемых для дальнейшего рассмотрения классов. В качестве расстояния между объектами классификации желательно использовать Евклидово расстояние или расстояние Сити-Блок. При этом для выбора оптимальных классификаций рекомендуется использовать сумму внутриклассовых расстояний между объектами классификации в качестве критерия качества.

Заключение.

Список литературы диссертационного исследования кандидат географических наук Андрианов, Геннадий Николаевич, 2005 год

1. Абрамов Р.В., Кооль JT.B. О характере взаимодействия между океаном и атмосферой в районе прибрежного апвеллинга к северу от м. Кап-Блан // Физические и океанологические исследования в Тропической Атлантике. М.: Наука, 1986.-С. 94-111.

2. Айвазян С.А., Бежаева З.И., Староверов О.В. Классифкация многомерных наблюдений. М. Статистика, 1974.-240 с.

3. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. М., Финансы и статистика, 1989.-607 с.

4. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М., Изд. ЮНИТИ, 1998. 1022 с.

5. Алексеев Г.В., Александров Е.И., Священников П.Н., Харланенкова Н.Е. О взаимосвязи колебаний климата в Арктике и в средних и низких широтах. // Метеорология и гидрология, 2000, №6, с. 5 17.

6. Андерсон Т. Введение в многомерный статистический анализ. М., Физматгиз, 1963.-607 с.

7. Андрианов Г.Н. Выделение подрайонов в Юго-Восточной Атлантике с однотипной барической изменчивостью с помощью методов кластерного анализа. Ученые записки Русского Географического Общества, том 2, Калининград, КГУ, 2003, 6В-1 6В-20.

8. Андрианов Г.Н., Голенко М.Н. Физико-географическая классификация изменчивости поверхностного слоя Балтийского моря. Тезисы докладов четвертой Всероссийской научной конференции «Физические проблемы экологии (Экологическая физика)». Москва, 2004 С. 37.

9. Атлас океанов. Атлантический и Индийский океаны. /Отв.ред. С.Г. Горшков.- Л.: ГУ навигации и океаногр. МО СССР, ВМФ, 1977.- 306 с.

10. Благуш П. Факторный анализ с обобщениями. М. Финансы и статистика, 1989. - 248 с.

11. Богачев К.Ю. Практикум на ЭВМ. Методы приближения функций. М.: ЦПИ при мехмате МГУ, 2002. - 200 с.

12. Богданов Д.В. Региональная физическая океанография Мирового океана: Учеб. пособие для студ. вузов. М.: Высш. шк., 1985. - 176 с.13,14,15,16,17,18,19,20,21.22,23,2425,26