Геоэкологические аспекты диагностики и прогнозирования состояния промысловых биоресурсов пелагиали Атлантики и юго-восточной части Тихого океана тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Краснобородько Олег Юрьевич

• Краснобородько Олег Юрьевич
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Краснобородько Олег Юрьевич

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

СПИСОК УСЛОВНЫХ СОКРАЩЕНИЙ 16 ГЛАВА 1. СОВРЕМЕННЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В

ГЕОЭКОЛОГИЧЕСКИХ ИССЛЕДОВАНИЯХ

1.1. Цифровизация натурных данных в науках о Земле

1.2. Методы машинного обучения

1.3. Методология анализа больших данных 25 ГЛАВА 2. МАТЕРИАЛЫ И МЕТОДЫ 32~

2.1. Большие геоэкологические данные и методы их обработки

2.2. Марковские цепи в анализе состояний геоэкосистем

2.3. Естественно-языковые методы в решении геоэкологических задач

2.4. Ретроспективные материалы морских экспедиций 43 ГЛАВА 3. АНАЛИЗ СОСТОЯНИЙ ПЕЛАГИЧЕСКИХ ГЕОЭКОСИСТЕМ 5б~

3.1. Марковские модели и краткосрочное прогнозирование состояний геоэкосистем

3.2. Океанологические факторы в эволюции геоэкосистем 66 ГЛАВА 4. ИССЛЕДОВАНИЕ ДАЛЬНИХ СВЯЗЕЙ МЕЖДУ ПРОМЫСЛОВЫМИ РАЙОНАМИ

4.1. Асинхронные связи параметров среды и промысла

4.2. Диагностика и среднесрочное прогнозирование состояния промысловых геоэкосистем

4.3. Роль дальних связей в динамике пелагических геоэкосистем ЮВТО 89 ГЛАВА 5. ВЫЯВЛЕНИЕ ГЕОЭКОЛОГИЧЕКИХ ФАКТОРОВ, ВЛИЯЮЩИХ НА БИОРЕСУРСЫ ПЕЛАГИАЛИ

5.1. Представление научных статей в многомерном числовом пространстве

5.2. Долгосрочное прогнозирование состояния геоэкосистем на основе математические операций с описывающими их понятиями

5.3. Анализ выявленных факторов в ходе экспедиционных исследований 114 ЗАКЛЮЧЕНИЕ 124 СПИСОК ЛИТЕРАТУРЫ И ИНТЕРНЕТ-РЕСУРСОВ

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Геоэкологические аспекты диагностики и прогнозирования состояния промысловых биоресурсов пелагиали Атлантики и юго-восточной части Тихого океана»

Актуальность темы

Актуальность данной работы обусловлена необходимостью повышения качества промысловых прогнозов и рекомендаций по рациональному использованию океанических биоресурсов геоэкосистем пелагиали Атлантического и Юго-Восточной части Тихого океанов (ЮВТО) в условиях глобальных изменений климата и роста антропогенного воздействия на них. Это повышение может быть достигнуто на основе использования современной методологии обработки и анализа натурных данных, реализованной в настоящей работе в результате решения следующих проблем:

1. Потребность в ассимиляции постоянно возрастающих объемов натурных данных (больших данных - БоД) об исследуемых промысловых районах и биоресурсах. В предшествующей естественно-научной исследовательской парадигме центральное место в этом процессе занимал эксперт-геоэколог, оперирующий данными на персональном компьютере без использования технологий машинного обучения (МО). В настоящее время в условиях резко возросших объемов БоД реализуется новая исследовательская парадигма, центральное место в ней отводится технологиям МО под администрированием эксперта-геоэколога. Она обеспечивает эффективную ассимиляцию БоД, не поддающихся качественному анализу в рамках прежней исследовательской парадигмы.

2. Возросшая необходимость комплексного анализа структурированных (натурные числовые) и неструктурированных (естественно-языковые текстовые) данных для выявления новых знаний и принятия обоснованных управленческих решений. В условиях океанического природопользования становится критически важным использование в системах МО больших обучающих выборок. В идеале следует стремиться к ассимиляции и синтезу всего объема данных о глобальной геоэкосистеме -данных дистанционного зондирования Земли (ДДЗ), данных «in situ», опубликованных статей геоэкологического содержания.

Выбор темы исследования был обусловлен необходимостью выполнения диагностики и прогнозирования состояния промысловых пелагических геоэкосистем Атлантики и ЮВТО в рамках обсужденных проблем. Следует отметить, что исследования в этой системе координат не являются новыми, но в отечественной

морской геоэкологии, в отличие от зарубежной, до сих пор остаются недостаточно проработанным и опубликованным. В частности, дальнейшего исследования требует вопрос выявления путей оптимальных способов адаптации антропогенного компонента морских геоэкосистем к наблюдаемым климатическим изменениям. Важность этой проблемы подчеркивается попытками ее решения на общеотраслевом уровне [Национальный план..., 2019]. Все еще дискуссионны многие вопросы промысла: пути дальнейшего развития эксплуатации водных биологических ресурсов (ВБР) пелагиали в условиях их освоения на уровне воспроизводства популяций; степень включения в промысел недоиспользуемых промысловых объектов (мезопелагических рыб, антарктического криля, ледяных, макрурусовых, массовых непромысловых видов и др. Насколько обоснован существующий уровень пресса промысла на геоэкосистемы, целесообразен ли в современных условиях переход от объектно-ориентированного типа морского рыболовства к широковидовому?

Степень разработанности темы исследования

Масштабы воздействия социума на геоэкосистемы в условиях природопользования достигли критического уровня. Стало реальностью уничтожение не только геоэкосистем, но и самого социума [Varotsos, Кгартп, 2017]. Одновременно в науках о Земле отмечается значительный прогресс в развитии междисциплинарных направлений исследований и некоторый спад в развитии «чистых» наук [Авилов, Авилова, 2009]. Одним из путей обеспечения устойчивого развития природно-антропогенных систем в этих условиях является исследование масштабов и механизмов взаимодействия компонентов геоэкосистем с использованием возможностей современных информационных технологий и вычислительной техники, способных обеспечить учет всей полноты взаимоотношений между множеством компонентов глобальной геоэкосферы - природными и антропогенными. Новые информационные технологии часто уже изначально ориентированы на решение эколого-экономических проблем ^ио et а1., 2017]. Необходимость создания научной основы для решения этих проблем приводит к возникновению совокупности прикладных наук геоэкологического плана, таких, например, как инженерная, прикладная, ландшафтная геоэкология, геоэкологическая безопасность, урбанизационная геоэкология, морская и ресурсная геоэкология и др.

Главная проблема геоэкологии как науки - исследование и разработка стратегии устойчивого развития природы и общества. Эта жизненно важная задача призвана согласовать экономические интересы развития общества с сохранением естественного баланса природных геоэкосистем [Wegner-Kozlova, Guman, 2020]. Геоэкология является относительно молодым междисциплинарным научным направлением на стыке экологии и географии. Она исследует структуру, состав, закономерности эволюции и функционирования геоэкосистем [Трофимов и др., 1994], их динамику под влиянием хозяйственно-экономической деятельности человека [Голубев, 1999; Комарова, 2010]. Глобальная геоэкология ассимилирует (аккумулирует и перерабатывает) данные об эколого-географических проблемах глобальных геоэкосистем [Карлович, 2013].

Морская геоэкология оперируют знаниями на стыке климатологии и метеорологии, экологии и географии, океанологии и океанографии, геоморфологии и геологии, гидрохимии, гидробиологии, ихтиологии и промышленного рыболовства с целью сохранения и рационального использования биологических ресурсов океанов и морей. Объект ее исследования - морская геоэкосистема [Фащук и др., 2015]. В практике морских геоэкологических исследований, направленных на рациональное использование биологических ресурсов океанов и морей доминирует концепция управления ВБР с использованием экосистемного подхода. Исследования и управление запасами ВБР выполняются на уровне крупных структурно-функциональных акваторий океана - так называемых «больших морских экосистем» (БМЭ) [ВеШш, 2009; Ма^Ьоп et а1., 2010; Краснобородько и др., 2017]. При очерчивании границ БМЭ учитываются физико-географические условия акваторий, рельеф дна, океанологические и гидрометеорологические процессы в них. Существенную роль при этом играют и границы ареалов промысловых гидробионтов, обитающих в них.

В функционировании БМЭ, выделенных в акваториях Атлантического океана и ЮВТО [Ве1кт, 2009], ведущую роль играют популяции промысловых гидробионтов, обитающих в пелагиали этих районов. Эти объекты составляют основу сырьевой базы российского рыболовства при использовании геоэкосистем и ВБР районов исторического [Промыслово-океанологические исследования..., 2002] и современного промысла [Чернышков и др., 2015; Бандурин, Архипов, 2017] двух океанов (Рисунок 1). Диагностика и прогнозирование состояния промысловых биоресурсов пелагиали БМЭ Атлантического океана и ЮВТО являются темой настоящей диссертационной работы.

Рисунок 1. Районы российского промысла в Атлантике и ЮВТО, [Промыслово-океанологические..2002; Чернышков и др., 2015; Бандурин, Архипов, 2017], расшифровки см. в Списке сокращений

В настоящее время в Мировом океане вследствие широкомасштабного пелагического промысла ВБР значительно ускорились процессы трансформации природных геоэкосистем в природно-антропогенные. Первое место по валовым объемам добычи ВБР занимает эпи- и мезопелагический океанический промысел, ведущийся в верхней толще океана (0-1000 м) и дающий до 85% мирового объема уловов ВБР [ФАО, 2020]. Районами исключительно быстрого развития пелагического промысла во второй половине ХХ века стали следующие акватории Атлантического океана: СевероВосточная и Северо-Западная Атлантика (СВА, СЗА), районы Канарского (Центрально-Восточная Атлантика - ЦВА) и Бенгельского (Юго-Восточная Атлантика - ЮВА) апвеллингов, Юго-Западная Атлантика (ЮЗА), Антарктическая часть Атлантики (АчА). В этих районах наблюдается широкий спектр природных условий, значительное разнообразие ВБР, имеющих промысловое значение, отмечается постоянно возрастающее негативное влияние пресса промысла. Морские геоэкосистемы здесь прошли длительный, полувековой путь антропогенного воздействия.

Второй исследуемый в работе район - акватория ЮВТО за пределами исключительных экономических зон (ИЭЗ) Перу и Чили - являет собою пример другого

типа антропогенного воздействия на пелагическую геоэкосистему. В истории промыслового освоения района были его открытие и быстрое освоение экспедиционным промыслом в начале 1980-х гг., интенсивная эксплуатация рыбодобывающим флотом бывшего СССР с годовым выловом на уровне 1 млн. т. (1979-1991 гг.). После ухода в 1992 г. из этого района отечественного промыслового флота экспедиционные исследования ВБР в нем прекратились до 2002 г. С 2001 г. в ЮВТО начался пелагический промысел судами Евросоюза, КНР, однако он ведется на ограниченной акватории, а промысловый потенциал района используется не полностью.

Продолжающийся рост промысловой нагрузки на природные геоэкосистемы Мирового океана, охватывающего 2/3 площади планеты и имеющего развитую трехмерную структуру, увеличивающую пропорционально глубине объем описывающих ее натурных данных и степень их связанности, требует значительных информационно-методических, технических, организационных усилий для ее мониторинга и учета. Основная часть океанических ВБР добывается сегодня в пелагиали, и здесь уровень влияния антропогенных факторов на морские геоэкосистемы (изъятие ВБР, различные виды загрязнения среды) наиболее высок. Длительное негативное антропогенное воздействие способно менять глубинные механизмы функционирования промысловых пелагических геоэкосистем, выражающиеся в изменении уровня их продуктивности и состава ихтиофауны. Существенное воздействие на пелагиаль оказывает и современный рост интенсивности морских перевозок, добычи полезных ископаемых. К трансформации всех геоэкосистем планеты приводит и глобальное изменение климата. Научно доказан современный рост концентрации парниковых газов в атмосфере и ее средних температур, рост температуры поверхности океана (ТПО), закисление океанических вод, изменение их ледовитости, рост уровня океана и другие его проявления.

В настоящее время в рамках морского геоэкологического мониторинга возрастает уровень применения новых информационных компьютерных технологий. Среди решаемых ими задач: исследование и оценка качества среды обитания ВБР, оценка степени антропогенного воздействия на нее, ведение информационных баз данных (БД) для более эффективного менеджмента и принятия взвешенных управленческих решений, анализ эффективности применяемых геоэкологических мер, реагирование на чрезвычайные ситуации [Wegner-Koz1ova, 2020; Guman, 2020]. Традиционно для

выполнения этих функций используются различные виды геоинформационных систем (ГИС) и информационные системы об окружающей среде (ИСО).

В последние десятилетия обозначились несколько новых тенденций в информационно-методическом и техническом обеспечении морского природопользования, которые существенно меняют подходы к сбору, обработке, анализу геоэкологических данных и выработке на этой основе взвешенных управленческих решений. Прежде всего, это быстрое увеличение объемов натурных данных о компонентах геоэкосистем, обусловленное началом эксплуатации с начала 1980-х гг. искусственных спутников Земли, осуществляющих сбор ДДЗ в различных частотных диапазонах. Многократно возросшие объемы ДДЗ требуют оперативного анализа. Продолжается сбор натурных данных научно-исследовательскими судами (НИС) в морских экспедициях. В Мировом океане работают несколько тысяч автономных океанографических дрейфующих буев различных международных проектов, самым масштабным из которых является «Argo» [Wong et al., 2020]. В совокупности эти данные приобретают новые качества, которые позволяют выделять их в особую, ранее не существовавшую категорию БоД. Лавинообразный процесс накопления БоД уже сегодня вызывает серьезные методические последствия - стало невозможным проведение их эффективного анализа без применения средств интеллектуальной обработки, основанных на функционале МО, и особой методологии работы с БоД (в ранних публикациях автора - «идеологии»).

т-ч и о

В настоящее время отмечаются «взрывной» рост вычислительных мощностей и миниатюризация компьютерной техники и высокоточных цифровых датчиков снятия различных параметров среды, интеллектуализация обработки этих данных, которые в совокупности способствуют активному развитию области МО на них. МО проникает сегодня во все сферы науки и техники, включая геоэкологические исследования. Цифровизация НИР в области геоэкологии набирает темпы и вследствие расширения сети ИНТЕРНЕТ, позволившей собирать и распространять геоэкологические данные, и что важно, результаты их анализа, почти неограниченных возможностей их многократной проверки и реанализа, роста объемов текстовых аналитических материалов геоэкологической тематики, развития и успехов естественно-языкового МО на тематических текстовых корпусах.

Современное состояние ВБР и необходимость увеличения вылова в отсутствие регулярных морских научно-исследовательских работ (НИР) в ряде исследуемых районов требуют скорейшего внедрения в практику морского природопользования эффективной системы мониторинга, диагностики и прогнозирования состояния эксплуатируемых популяций пелагических ВБР на основе новых информационных технологий, основанных на БоД и МО. Совершенствование всех компонентов геоэкологических исследований ВБР, подверженных сильному антропогенному

и и и и и г-» т" с»

воздействию, является сегодня важнейшей задачей морской геоэкологии [Холмянский и др., 2017], а приоритет в применении методов системного анализа в морских геоэкологических исследованиях районов промысла, а также в принятии управленческих решений по ним определяется степенью антропогенной нагрузки на них [Голубев, 1999; Дмитриев и др., 2020; Карлович, 2013]. В рамках необходимости решения этих и ряда других проблем были сформулированы цели и задачи данного исследования.

Цель и задачи исследования

Цель работы - исследовать пути применения цифрового подхода на основе БоД, ДДЗ и МО для анализа и прогноза состояний пелагических геоэкосистем в Атлантике (подрайоны СВА, СЗА, ЦВА, ЭА, ЮВА, ЮЗА, АчА) и ЮВТО для повышения обоснованности рекомендаций по ведению в них рационального промысла ВБР. В соответствии целью решались следующие задачи:

1. Обосновать применение междисциплинарного цифрового подхода для оптимизации процедур диагностики и прогнозирования состояний промысловых геоэкосистем этих районов.

2. Исследовать возможности применения методов МО на основе Марковских цепей (МЦ) для диагностики состояний промысловых геоэкосистем, анализа их преемственности и краткосрочного прогнозирования.

3. Разработать технологию применения методологии БоД для эффективного поиска и анализа дальних связей (ДС) на глобальных сетках ДДЗ и среднесрочного прогнозирования состояний промысловых геоэкосистем.

4. Адаптировать методы NLP на опубликованных результатах исследований промысловых геоэкосистем для обобщения их ведущих геоэкологических факторов и долгосрочного прогноза их состояния.

5. Выработать практические рекомендации по применению цифрового подхода в ресурсных и геоэкологических исследованиях в Атлантике и ЮВТО.

Объекты исследования

1. Натурные данные о состоянии промысловых геоэкосистем, полученные «in situ» в ходе морских экспедиционных работ в рамках ресурсных исследований Атлантического филиала ВНИРО (АтлантНИРО) за период 1994-2019 гг., и массивы ДДЗ, находящиеся в свободном доступе в ИНТЕРНЕТ-ресурсах.

2. Неструктурированная текстовая информация, содержащая обобщенные в виде тематических научных статей результаты предшествующих исследований геоэкосистем Атлантики и ЮВТО в рамках биоресурсной тематики НИР АтлантНИРО за период 2007-2020 гг.

Предметы исследования

Предметами исследования являются состав и свойства промысловых геоэкосистем Атлантики и ЮВТО, процессы, происходящие в них, методы их изучения и описания.

Новизна исследования

1. Впервые при изучении современного состояния пелагических геоэкосистем в районах промысла в Атлантике и ЮВТО и его прогнозирования обоснован и применен междисциплинарный подход, основанный на цифровизации и совместном анализе натурных и ествественно-языковых данных.

2. Доказана эффективность применения методов МО на основе МЦ для диагностики, анализа преемственности и краткосрочного прогнозирования состояний пелагических геоэкосистем в восьми промысловых подрайонах - СВА, СЗА, ЦВА, ЭА, ЮВА, ЮЗА, АчА, ЮВТО.

3. Разработана технология и программное обеспечение для поиска и анализа ДС на глобальных сетках ДДЗ, основанная на метедологии БоД.

4. Впервые выполнена адаптация методов NLP на опубликованных результатах геоэкологических исследований для выявления и обобщения наиболее важных геоэкологических факторов, определяющих промысловый потенциал рассматриваемых районов - термики, динамики, продуктивности вод.

5. Выработаны практические рекомендации по применению методологии БоД, массивов ДДЗ, методов МО на числовых и естественно-языковых данных для повышения надежности процедур диагностики и прогнозирования состояния ВБР пелагиали в ходе ресурсных и геоэкологических исследований в Атлантике и ЮВТО.

Теоретическая и практическая значимость работы

Теоретическая значимость работы заключается в расширении спектра средств анализа разнородных геоэкологических данных, в том числе нетрадиционными для них методами (например, естественно-языковым МО). Это повышает вероятность того, что существующий сегодня набор методов диагностики и прогнозирования состояний морских геоэкосистем, куда вливаются обсуждаемые в данной работе, будет оставаться эффективными в условиях глобальных климатических изменений, приводящих, как показывает опыт, к существенной перестройке свойств и механизмов функционирования глобальной геоэкосистемы.

Практическая значимость работы: предложенные технологии выявления, анализа и обобщения геоэклогических факторов используются при планировании океанологических съемок в ходе ресурсных экспедиционных НИР АтлантНИРО в Атлантическом океане и ЮВТО. Они позволяют выделять требующие дополнительного внимания ключевые геосистемные факторы и явления, влияющие на состояние и промысел ВБР в районах НИР. Результаты работы описываемых алгоритмов МО и БоД были использованы при планировании видов исследований в ходе НИР в ЦВА в период 2016-2019 гг., в которых автор принимал участие в качестве начальника экспедиции: тралово-акустические съемки (ТАС) и траловые съемки пополнения (ТСП) запасов массовых пелагических видов рыб в атлантической рыболовной зоне (АРЗ) Королевства Марокко с борта СТМ К-1704 «Атлантида», СТМ К-1711 «Атлантниро» [Краснобородько, 2020]. В рамках этих НИР в практику морских экспедиционных работ АтлантНИРО были внедрены исследования погружным акустическим доплеровским измерителем течений (LADCP) для оценки динамики вод в районах обитания ВБР АРЗ

Марокко, методы интеграции акустических и океанологических данных для исследования «окон заселения» ВБР в водных массах (ВМ) АРЗ [Краснобородько и др., 2020], методы выявления и анализа внутреннего волнения (ВВ), как фактора лимитирующего присутствие скоплений ВБР над шельфом Марокко [Краснобородько, 2020]. Предложенные по результатам данного исследования рекомендации могут сократить период дальнейшего внедрения и адаптации методов МО и методологии БоД к задачам геоэкологических и ресурсных исследований в АтлантНИРО.

Методология и методы исследования

1. Обзор современного состояния, проблем и перспектив цифровизации морских геоэкологических исследований.

2. Расширение понятийной базы введением понятий «методы машинного обучения» (МО) и «методология анализа больших данных» (БоД).

3. Применение в диагностике и прогнозировании состояний морских промысловых геоэкосистем технологий МО на ДДЗ в рамках методов Марковских цепей (МЦ).

4. Оценка эффективности применения методологии БоД к анализу «дальних связей» (ДС) и прогнозированию состояния промысловых районов в Атлантике и ЮВТО, в том числе повторяемости явления Эль-Ниньо - Южное колебание (ЭНЮК) и его влияния на промысел в ЮВТО.

5. Обобщение геоэкологических параметров пелагических ВБР в районах промысла в Атлантике и ЮВТО на основе применения естественно-языкового МО.

Использованные данные

На всех этапах исследования использовались натурные данные морских научно-исследовательских экспедиций в районы Атлантического океана и ЮВТО, проведенных АтлантНИРО в 1994-2019 гг. в рамках выполнения Государственного задания по мониторингу и прогнозированию состояния промысловых биоресурсов. В исследуемых районах были проанализированы:

- материалы 34-х комплексных экспедиционных НИР, выполненных с борта НИС К-1704 «Атлантида», СТМ К-1711 «Атлантниро» (АтлантНИРО, Россия), НИС,

принадлежащих НИРИ (Марокко), НИС Департамента рыболовства Фолклендских островов (Великобритания) за период 1999-2019 гг.;

- ретроспективные материалы комплексных НИР в район ЦВА (4 экспедиции) из архивов Регионального центра данных АтлантНИРО за период 1994-1998 гг.;

- материалы ДДЗ, размещенные в ИНТЕРНЕТ-ресурсах NOAA [NOAA NCEP-NCAR CDAS-1..., 2021; Multivariative ENSO Index..., 2018], IGOSS [IGOSS nmc..., 2021], MODIS [MODIS Reprocessing., 2021], Global Fishing Watch [Global Fishing Watch., 2021], Copernicus [Copernicus Marine Services, 2021], IERS [International Earth Rotation., 2018], GEBCO [General Bathymetric Chart., 2018], PODAAC [PODAAC SST, 2017], AVISO [AVISO MADT, 2017], Marine Traffic [Marine Traffic, 2017];

- корпус научных статей [ELibrary.Ru., 2021] за 2007-2020 гг. (522 ед.).

Положения, выносимые на защиту

1. Применение процедур цифровизации натурных и ествественно-языковых данных в задачах диагностики и прогнозирования состояний пелагиали и ВБР Атлантики и ЮВТО повышает комплексность их геоэкологической оценки.

2. Метод МО на основе МЦ позволяет репрезентативно характеризовать преемственности состояний (комбинации факторов - атмосферного давления, ТПО, концентрации хлорофилла, интенсивности лова) промысловых геоэкосистем и в рамках суточной модели прогнозировать их развитие с заблаговременностью от 1 до 3 суток.

3. Массовый расчет ДС по ДДЗ на основе коэффициентов корреляции Пирсона в рамках методологии БоД и месячной модели позволяет прогнозировать состояния промысловых геоэкосистем регрессионными зависимостями с заблаговременностью от месяца до 2-х лет.

4. Технология NLP применительно к опубликованным результатам завершенных геоэкологических исследований позволяет выявлять и обобщать ведущие геоэкологические факторы пелагических ВБР, вырабатывать научно-обоснованные суждения о долгосрочном прогнозе их состояния.

5. Практические рекомендации по применению методологии БоД, массивов ДДЗ, методов МО на числовых (МЦ) и естественно-языковых (NLP) данных для повышения качества диагностики и прогнозирования состояния ВБР промысловых районов Атлантики и ЮВТО.

Степень достоверности и апробация работы

Материалы диссертации докладывались и обсуждались на:

- Международной научной конференции «Инновации в науке и образовании -2004» (г. Калининград, КГТУ, 2004 г.);

- XIII и XV Международных конференциях по промысловой океанологии (г. Светлогорск, АтлантНИРО, 2005, 2011 гг.);

- Международной научной конференции «Инновации в науке и образовании -2006» (г. Калининград, КГТУ, 2006 г.);

- научных конференциях Международного совета по исследованию моря (ИКЕС, г. Нант, Франция, 2010 г.; г. Гданьск, Польша, 2011 г.);

- Международной научно-практической конференции «Проблемы изучения и сохранения морского наследия: статьи, справочные материалы, исследования» (г. Калининград, Музей Мирового океана, 2015 г.);

- Всероссийской научно-практической конференции «Современные проблемы гидрометеорологии и устойчивого развития РФ» (г. Санкт-Петербург, РГГМУ, 2019 г.);

- отчетных сессиях АтлантНИРО (г. Калининград, 2005-2021 гг.).

Публикации по теме диссертационной работы

Всего по теме исследования опубликовано 35 работ, включая 4 статьи, опубликованные в журналах, включенных в Перечень рецензируемых научных изданий, рекомендованных ВАК.

Личный вклад автора

Изложенные в работе результаты получены автором лично. Значительная часть натурных данных собиралась и анализированных в морских экспедициях в исследуемые районы, в которых автор принимал участие. Самостоятельно разработаны и реализованы в процессе исследования программное обеспечение, анализ данных, интерпретация результатов. Подходы к решению исследовательских задач, их апробация, оценка и рекомендации по результатам исследования также выполнены самостоятельно.

Структура и объем работы

Диссертация состоит из введения, 5 глав, заключения, списка литературы общим объемом 157 страниц, содержит 7 таблиц и 68 рисунков. Список литературы и ИНТЕРНЕТ-источников включает 302 наименования, из них 132 на английском языке.

Соответствие темы диссертации паспорту научной специальности

Диссертация соответствует паспорту специальности 1.6.21 - Геоэкология (науки о Земле) по:

Список литературы диссертационного исследования кандидат наук Краснобородько Олег Юрьевич, 2022 год

Использованные

пограммные

средства:

VB VBA Python EchoView

Surfer GS Scripter MS Office

Рисунок 2.4.4. Алгоритм объединения акустических ^т^), океанологических (CTD) и ихтиологических (ТРАЛ) данных в единую БД

Анализ результатов исследований ДС с применением БоД рассматривался через призму более ранних авторских результатов исследований мультивариативного индекса Эль-Ниньо-Южное колебание (МЭИ-ЭНЮК), как одной из глобальных ДС. В работе совместно анализировались временной ряд величин МЭИ, координаты мгновенного полюса оси вращения Земли, величины ТПО, батиметрические данные и данные АИС по району ЮВТО, статистические данные по объемам вылова в Перуанском подрайоне.

Проанализированный в работе временной ряд МЭИ из БД NOAA Physical Sciences Division of the Earth System Research Laboratory [Multivariate ENSO..., 2018] включал помесячные данные за период 1871-1949 гг. (расширенный ряд индекса, полученный в NOAA на основе восстановления исторических данных по давлению и ТПО, англ. Ext. MEI) и 1950-2018 гг. (ряд MEI на основе фактических наблюдений давления и ТПО). Для удаления внутригодовых вариаций индекса данные были сглажены методом скользящего среднего [Surfer Moving Average., 2021] по 13 месяцам. К сглаженному временному ряду была применена методика фазового анализа [Лукашин, 2003] для поиска в нем ансамблей - повторяющихся наборов фаз (периодов однознаковых флуктуаций значений) с близкими мощностями (Рисунок 2.4.5).

Фазовый анализ применяется для исследования нерегулярных колебаний рядов с переменным периодом и неустойчивой амплитудой, дает возможность учета локальности колебаний при анализе длинных рядов, имеет простую концепцию [Лукашин, 2003]. В ряде МЭИ точки смены мощных фаз обычно соответствуют событиям Эль-Ниньо и Ла-Ниньо. При анализе применялся прием агрегирования менее мощных фаз с более мощными. Выделение и типизация ансамблей МЭИ проводились путем подбора и вычленения из его ряда отрезков, состоящих из 8-9 фаз со сходными комбинациями мощностей, многократно повторяющимися в историческом ряде индекса.

Данные для анализа положения мгновенного полюса оси вращения Земли были получены с веб-узла Международной службы определения параметров вращения Земли IERS [International Earth., 2018]. По параметру времени они были совмещены с соответствующими значениями МЭИ. Для выделения в зоне миграции оси областей разных знаков МЭИ, условно названных нами «область Эль-Ниньо» и «область Ла-Ниньо», значения индекса в координатах полюса были проинтерполированы методом Kriging [Basic understanding., 2018] на регулярную сетку и сглажены методом скользящего среднего по пространству [Surfer Moving Average, 2021]. Координаты среднегодового полюса для анализа его межгодовых миграций рассчитывались как средние значения от мгновенных координат полюса, наблюдаемых в течение года.

Данные о ТПО в Перуанском подрайоне ЮВТО за период 2012-2016 г. (период, предшествующий последнему мощному явлению Эль-Ниньо) были получены из базы данных IGOSS [IGOSS nmc., 2021]. Они послужили основой для расчетов параметров локализации промысловых судов в Перуанском подрайоне по диапазонам ТПО в обычные годы и в годы Эль-Ниньо. Батиметрические данные, характеризующие район,

ансамбль

Рисунок 2.4.5. Пример выделения ансамбля из 8-и фаз в ряде МЭИ за период 1880-1895 гг.

были взяты из БД проекта GEBCO [General Bathymetric., 2018]. Они позволили выявить параметры локализации судов по диапазонам глубин. Посуточные координаты промысловых судов в Перуанском подрайоне ЮВТО за период 2012-2016 гг. были получены с сервиса глобального мониторинга рыбопромысловой активности GlobalFishingWatch [GlobalFishingWatch., 2021], аккумулирующего общемировые данные АИС. Объемы годовой добычи в районе ЮВТО анчоуса и кальмара-дозидикуса оценивались по отчетам и БД ФАО [FAO Fishery Statistics., 2018; FAO-FishSataJ, 2018].

В рамках оценки результатов естественно-языкового МО по выявлению ведущих геоэкологических факторов в районах промысла были задействованы результаты исследований гидрометеорологических и океанологических условий в ЦВА (характеристик и экологической роли ВВ в АРЗ Марокко), ЮЗА (динамики атмосферы, течений, ВМ в ИЭЗ Фолклендских островов), ЮВТО (фронтальной поверхностной структуры вод в Чилийском подрайоне).

Анализ океанологической ситуации в ЮЗА (ИЭЗ Фолклендских островов) базировался на данных более чем 2700 гидрологических станций, выполненных в 19992012 гг. в рамках мониторинга района специалистами Департамента рыболовства Фолклендских островов и анализировавшихся совместно со специалистами АтлантНИРО в рамках совместного НИР-проекта [Ремесло, 2013; Краснобородько, Ремесло, 2014]. Данные ежемесячно собирались на двух мониторинговых разрезах в восточной (Р1) и в южной (Р2) частях шельфа островов, а также в ходе ежегодных комплексных океанологических съемок в разных частях шельфа (Рисунок 2.4.6).

Разрез Р1 длиной 154 км включает 7 станций в диапазоне глубин 20-1150 м, разрез Р5 протяженность 126 км включает 8 станций над глубинами 65-1200 м. Собранные данные позволили оценить параметры пространственно-временной изменчивости TS-характеристик ВМ шельфа, структуру и динамику вод Антарктического циркумполярного (АЦТ) и Фолклендского течений в его пределах.

Выделение фронтальных зон в Южной части Тихого океана (ЮТО) и анализ их сезонных изменений проводились на основе климатических норм ТПО для периода 1971-2000 гг. с веб-узла IGOSS [IGOSS nmc., 2021]. Методика расчетов соответствовала изложенной в работах [Скрипалева, 2008; Артамонов и др., 2009]. Анализ проводился для меридиональных разрезов в зоне действия ЮжноТихоокеанского (ЮТОТ) и Перуанского течений от 25 до 45° ю.ш. между 85-170° з.д.,

на которых рассчитывались меридиональные градиенты температуры (МГТ, °С/°широты, Рисунок 2.4.7).

Рисунок 2.4.6. Гидрологические станции в ЮЗА 1999-2012 г. Р1, Р5 -мониторинговые разрезы (пунктир - границы ИЭЗ)

0204060-ю.ш.

Рисунок 2.4.7. Разрезы на которых исследовалась сезонная динамика фронтов ЮТО. Климатические фронты, [Грузинов, 1986] с дополнениями, пояснения в тексте

170 150 130 110

90 з.Д. 70

О наличии фронтальных зон на разрезах свидетельствовало наличие экстремумов МГТ. Наибольшие величины МГТ соответствовали положению южных (Ю) климатических фронтов [Грузинов, 1986] - фронту южной тропической дивергенции (ЮТД), тропическому фронту (ЮТФ), фронту субтропической конвергенции (ЮСбТК), субполярному фронту (ЮСбПФ), полярному фронту (ЮПФ) [Краснобородько, 2017].

Для анализа поверхностной фронтальной структуры ЮВТО по динамике вод из базы альтиметрических данных по мезомасштабным вихрям [Chelton et а1., 2011] были

отобраны данные о количестве и параметрах вихрей обоих знаков (циклоны и антициклоны), эволюционировавших в районе 25-45° ю.ш., 85-130° з.д. (Чилийский подрайон ЮТО) в период с октября 1992 г. по декабрь 2008 г. По траекториям долгоживущих вихрей (время жизни более 1 года), вытянутым преимущественно в субширотном направлении, выявлялись квазистационарные динамически активные поверхностные градиентные зоны, которые и поддерживали энергетику вихрей длительное время. Таким образом, наличие таких траекторий мезомасштабных вихрей рассматривалось как признак наличия в районе квазистационарных фронтальных зон.

Для оценки уровней биопродуктивности вод и биоразнообразия морских экосистем районов промысла в ходе НИР 1996-2010 гг. в ЦВА, ЮЗА и ЮВТО выполнялся комплекс наблюдений за хищниками верхнего трофического уровня -морскими птицами. Потребляя мелких эпипелагических рыб, а так же их икру, личинок и молодь, птицы играют заметную роль в экосистемном балансе эпипелагиали [Шунтов, 1972]. Предшествующими исследованиями показано, что выбор различных организмов-мониторов в качестве биоиндикаторов состояния морских геоэкосистем является методически правильным, если базируется на большом объеме знаний о закономерностях их взаимодействия с экосистемами, отклика на изменения в них [Шунтов, 1972; Шунтов, 1993; Litvinov, Krasnoborodko, 2011; Пономарева, Краснов, 2012]. Птицы являются легко наблюдаемым компонентом морских геоэкосистем, особенно с применением длиннофокусной фототехники, позволяющей проводить их видовую идентификацию по существующим фотоопределителям [Harrison, 1996; Harrison, 1988; Onley, Bartle, 1999].

Наблюдения за численностью и видовым составом орнитофауны в районах НИР и на смежных акваториях выполнялись усилиями специалистов АтлантНИРО - Ремесло А.В., Литвинова Ф.Ф, Лаптиховского В.В. и автора [Литвинов, 1998; Краснобородько, 2010; Краснобородько, Литвинов, 2011; Масски и др., 2011; Krasnoborodko et al., 2011]. На учетных ходовых станциях выполнялись подсчет количества птиц и их видовая идентификация, расчет плотности, общей численности и биомассы в учетных квадратах, выявление участков с наибольшей плотностью птиц и исследование их связи с океанологическими условиями, оценка объема потребляемой птицами пищи, оценка связи распределения птиц с особенностями распределения ВБР в районах промысла. Использованная методика наблюдения и расчетов с некоторыми изменениями и

дополнениями основывалась на работах [Powers, 1982; Tasker et al., 1984; Haney, 1985; Spear et al., 1992; Van Franeker, 1994]. Учет видового и количественного состава орнитофауны выполнялся на ходу судна (ходовые учетный станции) в полосах 250 метров от каждого борта судна с использованием бинокля и фотоаппарата. Ширина полосы привлечения птиц к судну (подлет к судну - одна из основных поведенческих особенностей птиц в открытом море) принималась равной дальности видимого горизонта с высоты их полета - 3-7 миль. Биомасса разных видов птиц в районах НИР рассчитывались с учетом известных для них соотношений «размах-вес» (Рисунок 2.4.8).

2,0

го ц

¡Ч<4

го о о го

0,0

f / •

• . Л*

• •

§ •

20

60

100 140

180

Размах крыльев, см Рисунок 2.4.8. Соотношение «размах-вес» для птиц (см/кг), [Harrison, 1988, 1996; Tennekes, 1996; Onley, Bartle, 1999; Лаптиховский, 1999]

Суточная потребность птиц в энергии и соответствующая ей масса пищи, потребляемой с 1 мили акватории, рассчитывались по формулам Уолсберга ^акЬе^, 1983]. Результаты сопоставлялись с опубликованными данными о численности птиц в районах промысла [Литвинов, 1998; Оп1еу, Вагйе, 1999; Лаптиховский, 1999].

Выводы по главе 2:

Рассмотрены источники первичных и вторичных структурированных и неструктурированных БоД (ДДЗ, тексты научных статей), ретроспективные экспедиционные данные геоэкологического характера (океанологические, промыслово-статистические, гидробиологические, гидроакустические, ихтиологические, орнитологические), методы их анализа и визуализации на основе традиционных методов и с помощью новых информационных технологий (марковские цепи, NLP).

ГЛАВА 3. АНАЛИЗ СОСТОЯНИЙ ПЕЛАГИЧЕСКИХ ГЕОЭКОСИСТЕМ

3.1. Марковские модели и краткосрочное прогнозирование состояний

геоэкосистем

Морские геоэкосистемы - это развивающиеся природно-антропогенные системы, последовательно проходящие в процессе своего развития этапы-состояния. Диагностика и прогнозирование их преемственности на основе наилучшей имеющейся информации о состоянии глобальной геоэкосистемы, в том числе по ДДЗ, являются актуальными задачами современной морской геоэкологии. Под состояниями понимаются множества возможных комбинаций (ансамблей) из диапазонов (классов) факторов, описывающих геоэкосистему, в которых она находится в тот или иной период развития. Число факторов, описывающих геоэкосистемы, может быть различным. Разные их наборы дают разные срезы одной и той же геоэкологической ситуации, выделяют ее аспекты. Поэтому выбор факторов и их классов определяет качество модели и является ключевым вопросом в успехе диагностики и прогнозирования состояний геоэкосистем. В пределе геоэкосистемы характеризуется бесконечно большим (неизвестным) набором факторов. В практике набор факторов подбирается исследователем на основе предшествующих знаний о системе. Для функционирующих в рамках комплексной системы «атмосфера - океан - биопродуктивность - промысел» промыслово-океанологических геоэкосистем, минимальным набором факторов принято считать атмосферные условия, термику вод, уровень их первичной продуктивности, характеристики промысла [Промыслово-океанологические..., 2002]. Эти данные могут быть получены из ДДЗ разных пространственно-временных метрик - ежедневных, среднемесячных, среднесезонных, среднегодовых, глобальных или региональных.

В ходе своего развития геоэкосистемы в каждый момент времени принимают одно из возможных состояний. Натурные наблюдения показывают, что переходы систем между состояниями происходят постоянно в рамках суточных, синоптических, сезонных, климатических циклов, а так же вследствие «случайных» переходов, инициированных внешними или внутренними изменениями. Несмотря на то, что изменения состояний, как правило, происходят в разные моменты времени (в общем нестационарны), они могут быть спроецированы на дискретную ось времени и

соотнесены со стационарными временными промежутками. Вероятности переходов между состояниями также могут носить нестационарный характер (т.е. меняться во времени), что характерно для систем с высокой степенью изменчивости. Для природно-антропогенных процессов морских геоэкосистем с их сильными проявлениями цикличности (от суточной до многолетней), при этом сохраняющих длительное время свои свойства (устойчивых), оправдано применение стационарных вероятностей.

В исследовании вероятностных процессов с успехом применяются стохастические Марковские модели (разновидность МО на данных [Турчин, Турчин, 2016; We analyzed., 2021). В них переходы между состояниями систем описываются сложными функциями, которые, однако, могут быть представлены в простом и понятном виде - матрицами вероятностей переходов. Матрицы агрегируют данные о всей известной совокупности наблюдавшихся переходов между состояниями геоэкосистем (обучающей выборке). В ходе МО матрицы аккумулируют эти данные без изменения своей структуры и общей логики работы модели (основное свойство МО). Последовательные переходы геоэкосистем между состояниями образуют МЦ -временные ряды появления их состояний, возникающие по мере работы модели при разных входных условиях. МЦ удобно отображать в виде графиков преемственности состояний геоэкосистем, показывающих, как они сменяют друг друга.

К преимуществам МЦ можно отнести реализацию им большого пространственно-временного охвата данных, простоту алгоритмов МО, высокую степень точности результатов, которая подтверждена опытом использования МЦ в разных задачах [Srinath, 1996; Kuriakose, Mini, 2006; Салугин, 2006; Сергиенко, 2009; Адамев, Гавриленко, 2010; Pedersen, 2010; Vermarda et al., 2010; Черников, Либина, 2012; Joo et al., 2013; Титов и др., 2015; Гусев, 2016; Турчин, Турчин, 2016; Firdaniza et al., 2018; Beest et al., 2019; Wichmann et al., 2019; Miftahuddin et al., 2020]. Недостатком МЦ является их избирательность - анализироваться могут только известные ранее состояния, новые же состояния либо должны обобщаться до известных, либо процесс МО должен быть выполнен повторно с учетом уже новых состояний.

В результате МО на основе Марковского метода на данных 2-х пространственно-временных метрик (месячных и суточных) были получены матрицы переходных вероятностей вида «Состояние А > Вероятность перехода > Состояние Б» (Рисунок 3.1.1) для узлов регулярных сеток двух видов - для 1° узлов в пределах всей акватории

Мирового океана (сетка низкого разрешения, всего 46 тыс. матриц), для 0,1° узлов в пределах промысловых районов СВА, ЦВА, ЮЗА (сетка высокого разрешения, суммарно 39 тыс. матриц) [Краснобородько, 2021]. Количество состояний экосистем в месячной модели колеблется от 4 до 45 (в среднем 25 на узел), в суточной 27-858 (273).

_1 „2 _3 „4 _5 „6 „Г „3 „3 „10 „11 „12 „13 „14 _15 „16 _1Т „13 _1Э

1 а.388 е.612 . в.озз в.ал . 0.024 .... 0.082 0.024 . . . е.612

2 . 0.2Э2 В.16Т В.083 В.125 6.042 .............. 6.125

_з . а.вн1 а.373 а.25ч 0.017 .... 0.017 0.051 0.017 0.008 ....

4 е.эзч е.В1Ч е.ввг 0.51 0.075 , . . , в.00т в.езч в.еег е.егт . , ,

5 е.351 В.017 В.817 0.254 0.Ч5Е 0.617 ..... О.034 .......

_е , , , 0,05 . 8,0 0.15 , . 0.15 ..................

Т.....0.059 0.412 0.059.....В, 176 . 0.059 , , . , В.059

8........1........................

.3 ........ 0.667 9.333 ...................

„10 ... 0.143 . В.143 , . . 0,429......6,071........

„11 , . 0,05 0.35 ......0,25 6.1...............

112 0.15® . 6.021 6.074 6.021 ..... 6.621 6.453 6.6Г4......

„13 0.116 0.023 0.07 0.047 0.023 0.023 ..... 0,14 0,302 .....

.14.....0.25 , . . 0.25 . . . , 9.25.....6.25......

.15...............1.................

.15............... 0.375 0.125 . , , 0.125 . 0,125 , .

.17......0.118 . . 0.053 . . . 0.653 . . 6.523 6,353.....

„18..................1..............

„13................0,5 . . 0.5...........

Рисунок 3.1.1. Пример матрицы вероятностей переходов между состояниями (первые 19 состояний) для 1° узла 20,0° с.ш., 17,5° з.д. (АРЗ Марокко) для суточной модели

В рамках анализа месячной Марковской модели районы с наибольшим количеством состояний (сильнодинамические геоэкосистемы с более чем 21-25 состояниями за период 2012-2020 гг.) были выявлены в умеренно-тропической зоне Мирового океана [Краснобородько, 2021]. В их расположении прослеживается влияние региональных океанологических факторов - поверхностных течений (Гольфстрим, Канарское, ЮТОТ и др.), фронтальных зон (например, термических фронтов на перифериях апвеллинговых районов в ЦВА, ЮВА). В локализации сильнодинамических геоэкосистем также обнаруживается распределение по районам океана промыслового усилия, максимум которого отмечен в СВА (Балтийское и Северное моря), в Средиземном море, в верхнем течении Гольфстрима, в Центрально-Западной части Тихого океана (Полинезия), в тропических и субтропических районах Атлантики, Индийского и Тихого океанов. Это районы интенсивного ярусного, тралового, кошелькового лова, дающие значительную изменчивость состояний (Рисунок 3.1.2). Чем их больше, тем выше энтропия геоэкосистемы [Моничев, Гелашвили, 2001].

Наименьшим количеством состояний (слабодинамические геоэкосистемы с 10-12 состояниями) характеризуются районы к северу и к югу от 60-70° параллелей северного

и южного полушарий - воды Северного Ледовитого и Южного океанов, а так же некоторые районы тропической зоны (не более 16 состояний) - межостровные районы Юго-Восточной Азии, северная часть Индийского океана, Карибский бассейн. Для полярных районов характерна инертность факторов среды (атмосферного давления, температуры воды), отсутствие большую часть года масштабного промысла (за исключением пелагического промысла в Норвежском и Баренцевом морях в СВА и в море Скоша в АчА). На фоне незначительных колебаний условий среды в течение года в слабодинамических геоэкосистемах внутритропической зоны, они, напротив, характеризуются интенсивным промыслом большую часть года, который в основном ведется москитным маломерным флотом, не оборудованным АИС. Такое сочетание факторов является причиной одинаково малого количества наблюдаемых состояний геоэкосистем в этих столь разных разных с географической точки зрения районах.

. -|--1---г-Ч-Г-

З.Д. 150 100 50 0 50 100 150 В.Д.

Рисунок 3.1.2. Количество состояний промыслово-океанологических систем в 1° квадратах месячной Марковской модели в 2012-2020 гг.

Все исследуемые промысловые районы Атлантики и ЮВТО в рамках месячной модели выявляют близкие к нормальным распределения количества состояний в 1° узлах. Для абсолютного большинства узлов (до 20-30% в каждом районе) выявляются по 15-20 состояний. Экстремально большие (30 и более) и малые (8 и менее) количества состояний характерны лишь для 1-2% узлов глобальной сетки (Рисунок 3.1.3). Также выявляется следующая закономерность: в западном секторе Атлантического океана число выявленных состояний геоэкосистем ниже в южном полушарии (в АчА - мода 916) и выше в северном (в СЗА - мода 17-20). В восточном секторе Атлантики ситуация

противоположная - в южном полушарии количество состояний выше (в ЮВА - мода 1920), а в северном - ниже (в СВА - мода 15-16, Рисунок 3.1.4) [Краснобородько, 2021].

СБА СЗА ЦВА ЭА ЮВА ЮЗА АчА

Рисунок 3.1.3. Распределения количества состояний геоэкосистем в 1° модели по районам промысла

25 20 15

а?

ю

5 0

Рисунок 3.1.4. Количества состояний в районах промысла западного и восточного секторов Атлантики

В СЗА происходит активное взаимодействие двух течений - холодного Лабрадорского и теплого Северо-Атлантического [Сигаев, 2013]. Гидрологические условия здесь характеризуются значительной изменчивостью, что порождает большое разнообразие наблюдаемых состояний пелагических геоэкосистем. В районе АчА межгодовая изменчивость условий среды в АЦТ носит умеренный характер и не способствует разнообразию состояний [Чурин, 2007]. В ЮВА главными средообразующими факторами являются взаимодействие течения Агульяс с северными ответвлениями АЦТ и влияние прибрежного апвеллинга. Формируемые в зоне их

HHHHriNNNN rHr-<r-<r-<r-<<N<N<N<N

Кол-во состояний Кол-во состояний

влияния вихревые образования [Сандалюк, Белоненко, 2018; Laxenaire et а1., 2018] и взаимодействие холодных апвеллинговых и теплых океанических вод формируют в ЮВА значительный уровень вариабильности условий среды. В СВА, напротив, восточные ветви мощного Северо-Атлантического течения (САТ) формируют относительно спокойную термическую и гидродинамическую обстановку.

Количество состояний, через которые проходят геоэкосистемы в рамках суточной Марковской модели, исчисляется сотнями. Наименьшее количество состояний было выявлено для СВА, наибольшее - для ЦВА (Рисунок 3.1.5).

Рисунок 3.1.5. Преемственность состояний геоэкосистем в районах промысла в Атлантическом океане (суточная модель) [Краснобородько, 2021]

Анализ показывает, что в СВА, ЦВА, ЮЗА процесс быстрого накопления количества состояний продолжается на протяжении первых 2-х 3-х лет обучающих выборок. Угол наклона регрессионной кривой первого года близок к 45°, практически ежедневно возникают новые состояния, их доля в течение года достигает 80-90%. В последующие годы регрессионная зависимость ослабевает: число новых состояний в течение 2-го года не превышает 20-30% от их количества в первый год. С 3-го года по 5-й год число новых состояний снижается до 10-15%, а угол наклона огибающей кривой снижается до 5-10°. Суточная модель выявляет значительное число повторяющихся состояний в разные периоды года - возвратных, замкнутых, рекуррентных (до 40-50% ежегодно). На диаграммах они образуют располагающиеся друг над другом вытянутые по горизонтали наборы точек. Новые, ранее не встречавшиеся состояния (аномальные, случайные) добавляются к повторяющимся ансамблям состояний ежегодно, вследствие чего растет общее количество состояний за обзорный период. Высокая чувствительность суточной модели к появлению новых состояний делает возможным ее использование для краткосрочного прогнозирования вероятности лова.

т~ч и и _

В месячной модели новые состояния с разной степенью регулярности появляются на протяжении более продолжительного периода (9 лет и более), но их число со 2-го года так же не превышает 10-15% от количества состояний первого года (Рисунок 3.1.6). Регрессия первого года близка к пропорциональной (угол наклона огибающей кривой близок к 45°), в последующие годы он снижается до 10-15°. Количество повторяющихся состояний в целом мало, несколько повышенное их число отмечено в районах ЭА и Перу (30-50% от годового числа состояний). Вероятно, это связано с близостью этих районов к экваториальным широтам, в которых не наблюдается выраженной годовой динамики условий среды [Краснобородько, 2021].

В восточном секторе Атлантики (районы ЦВА, ЭА, ЮВА), в преемственности состояний геоэкосистем были выявлены 3-5 летние периоды, в течение которых новые состояния практически не возникали (в ЦВА - 2015-2019 гг., в ЭА - 2013-2015 гг., в ЮВА - 2016-2018 гг.). В то же время в 2014, 2015, 2017-2020 гг. геоэкосистемы характеризовались скачкообразным ростом количества новых состояний. Вероятно, такая ситуация связана с межгодовой изменчивостью интенсивности апвеллинговых процессов у западного побережья Африки (Канарская и Анголо-Намибийская БМЭ), с колебаниями теплозапаса пелагиали, изменениями характеристик ВМ, межгодовыми

вариациями мезомасштабной вихревой активности вод в зонах действия Азорского (АБМ) и Южно-Атлантического барических максимумов.

Рисунок 3.1.6. Преемственность состояний геоэкосистем в районах промысла в Атлантическом океане и в ЮВТО (месячная модель) [Краснобородько, 2021]

В южном секторе Атлантики (ЮВА, ЮЗА, АчА) важной чертой преемственности состояний является высокая повторяемость в разные месяцы года редких (случайных, аномальных) состояний. Их общее количество варьирует от 13 до 18. В период 20142020 гг. ежегодное количество таких состояний в ЮВА, ЮЗА, АчА варьировало от 3 до 5, в то время как в других промысловых районах Атлантики и ЮВТО их количество было заметно ниже - 1-2 в год. В Перуанском и Чилийском подрайонах ЮВТО в период

2016-2020 гг. отмечалось почти полное отсутствие 9-10 редких состояний, отмечавшихся в более ранний период 2014-2016 гг.

Таким образом, формируемые в ходе работы обученных Марковских моделей МЦ, несущие данные о преемственности состояний геоэкосистем, содержат интегральную информацию об особенностях их функционирования и их важнейших свойствах - устойчивости, энтропии, степени разнообразия наблюдаемых состояний и др. Преемственности состояний геоэкосистем в каждом районе в рамках моделей обеих рассмотренных пространственно-временных метрик (суточной высокого разрешения, месячной низкого разрешения) имеют свои уникальные историческиие рисунки. В процессе развития геоэкосистем происходит накопление новых состояний, которые частично заменяют прежние с сохранением общей конфигурации их годовых ансамблей.

Гибкость Марковского метода позволяет регулированием количества классов, на которые разбиваются наблюдаемые по тому или иному фактору (ТПО, интенсивность промысла и др.) значения, изменять интенсивность появления новых состояний в процессе работы модели, например, снизить их количество до нулевого через 3-5 лет. Обратной стороной такой настройки может быть потеря моделью чувствительности, при которой существенные в геоэкологическом плане изменения компонентов систем будут генерализироваться до известного набора состояний, не отражающих эти изменения.

Базовый ансамбль состояний (9-12 для месячной модели и 100-120 для суточной) и его конфигурация (порядок появления состояний друг за другом) повторяются ежегодно, что обусловлено сильной цикличностью процессов в океанических пелагических геоэкосистемах. Ежегодно с некоторыми вариациями претерпевают сходные сезонные изменения атмосферные условия (вариации атмосферного давления и переносов воздушных масс), термическое состояние поверхностных вод океана (их сезонный прогрев и выхолаживание), динамика вод (активизация и ослабление сезонных течений), состояние фитопланктона (вспышки численности), биологическое состояние ВБР (периоды созревания, нагула, нереста, сезонные миграции), интенсивность промысла и передислокация флота между промысловыми подрайонами.

Исследование показывает, что метод МЦ дает хорошие результаты в решении задачи краткосрочного прогнозирования вероятности лова в промысловых районах Атлантики - СВА, ЦВА, ЮЗА (Рисунок 3.1.7). Однако, качество прогнозирования с каждым шагом последовательно ухудшается. Так, оправдываемость суточного прогноза

(доля узлов с прогнозируемым промыслом относительно фактического) колеблется от 65,0 до 74,6%, двухсуточного - 60,3-65,0%, трехсуточного - 54,7-60,3% (Рисунок 3.1.8).

Рисунок 3.1.7. Фактическое распределение промысловых судов в СВА, ЦВА, ЮЗА и прогноз вероятности лова (%) с заблаговременностью 1 сутки на 29.08.2017 г.

[Краснобородько, 2021]

1 2 3 4 5

Заблаговременность (сутки)

Рисунок 3.1.8. Оправдываемость прогноза вероятности лова методом МЦ при разной заблаговременности

Преобразование матриц уравнением Колмогорова-Чепмена [Турчин, Турчин, 2016] на большее количество шагов прогнозирования сдвигает среднюю оправдываемость прогноза на уровень ниже 50%. Это происходит вследствие возникновения явления «сходимости вероятностей к средним» - естественного

нивелирования (выравнивания) вероятностей переходов между разными состояниями при большом числе итераций (повторений эксперимента). В этих условиях, для возврата к приемлемому уровню оправдываемости и повышению качества прогнозирования требуется обращение к исходным (непреобразованным) матрицам вероятностей и обновление входного состояния модели на основе более близких к периоду прогнозирования ДДЗ.

3.2. Океанологические факторы в эволюции геоэкосистем

Итак, формирование состояний морских геоэкосистем - это закономерный процесс комбинаций их функционально связанных компонентов - природных и антропогенных. Среди них особое место занимают условия среды. Опыт промыслово-океанологических исследований показывает, что наибольшую геоэкологическую нагрузку несут такие параметры среды как вихревая активность вод, характеристики ВМ [Добровольский, 1961; Дубравин, 2013], теплозапас пелагиали и др. Межгодовая динамика этих процессов с классификацией состояний промыслово-океанологических ситуаций детально изучалась нами по данным экспедиционных НИР для районов:

1. СВА - северная путассу в районе Западно-Европейской котловины (ЗЕК) и подводной возвышенности Роколл (данные 2000-2006 гг.).

2. ЦВА - массовые пелагические виды рыб в АРЗ Марокко (данные 1994-2019 гг.).

НИР в этих районах показали, что для построения репрезентативных марковских

моделей их пелагических геоэкосистем необходимо привлечение данных о термохалинных и гидродинамических условиях в районах промысла.

В рамках выполнения ресурсных исследований АтлантНИРО в СВА в 20002006 гг. [Гербер и др., 2003; Полищук и др., 2007] был выполнен анализ распределения и путей миграций нерестовых скоплений северной путассу в районе ЗЕК-Роколл. Этот вид в 1970-1980 гг. составлял значительную долю уловов СССР в СВА (до 0,8 млн. тонн). После введения прибрежными странами в конце 1970-х гг. 200-мильных ИЭЗ, отечественный лов путассу ведется здесь только в открытой части района в период ее нереста, который проходит ежегодно с февраля по апрель [Зиланов, 1984; Гербер, Деменин, 1992]. Межгодовые изменения отмечаются в сроках начала и завершения промысла путассу, положении районов ее выхода из ИЭЗ Великобритании и Ирландии в

открытые воды, «мощности» этих выходов, путях и интенсивности перемещений рыбы (нерестовых и возвратных миграций) по промысловому району [Гербер, Деменин, 1992].

Ранее специалистами ПИНРО был разработан ряд подходов к анализу условий среды в районе ЗЕК-Роколл и прогнозу хода промысла путассу [Кузнецов, Колпиков, 1981; Шевченок и др., 1990; Сентябов, Бочков, 2001]. В целом, гидрометеорологический режим района ЗЕК-Роколл определяется следующими факторами [Ахрамович, 2001; Архипов и др., 2013]: характером атмосферной циркуляции, взаимодействием ВМ, интенсивностью влияния на район Северо-Атлантического течения, ростом ТПО в СВА (более +0,7°С за период 1982-2006 гг.) на фоне глобального потепления [Belkin, 2009].

Международные ТАС в районе нереста путассу в весенний период показали, что в разные годы в открытой части ЗЕК-Роколл скапливается до 1-4 млн. тонн этого вида [Гербер и др., 2003; Heino et а1., 2006]. Согласно результатам ихтиологических наблюдений, в нерестовый период путассу практически не питается (нулевое наполнение желудков отмечено у 68-95% рыб). Избегая лишних энергозатрат, необходимых на нерест, скопления путассу удерживаются в слое 400-600 м, совершая здесь слабовыраженные суточные вертикальные миграции [Краснобородько, 2006; Краснобородько, Малышко, 2007] и смещаются в этом слое в основном в направлениях преобладающих течений [Рябоков и др., 1991]. Таким образом, «накопление» рыбы происходит в пределах динамических образований - круговоротов разных знаков.

В данной работе анализировались следующие параметры промысла путассу в районе ЗЕК-Роколл: сроки выхода скоплений из ИЭЗ Великобритании и Ирландии в открытые воды, конфигурация миграционных путей скоплений путассу в открытой части района на фоне динамики вод в слое нахождения скоплений (400-600 м), продолжительность путины и суммарный вылов вида судами России за путину. Исследование карт геострофической циркуляции района в периоды нереста 20002006 гг. показало, что здесь отмечается выраженная межгодовая изменчивость характера циркуляции вод. В разные годы отмечаются существенно разные направления и интенсивности течений, различное взаимное расположение нескольких квазистационарных вихрей разных знаков (циклонических и антициклонических), которые образуют в районе гидродинамические системы. Выделяются 2-а участка преимущественного переноса вод через границы ИЭЗ:

I - Южный подрайон ЗЕК-Роколл - участок ИЭЗ между 53°30'-55°00' с.ш.;

II - Северный подрайон ЗЕК-Роколл - участок ИЭЗ межу 56°30'-58°00' с.ш.

Исследованные в ходе экспедиционных НИР закономерности океанологических и промысловых ситуаций позволили классифицировать состояния пелагической геоэкосистемы в районе ЗЕК-Роколл и предложить обобщенную схему развития промысла в разные в гидрологическом плане годы [Краснобородько, 2006].

В благоприятные для промысла годы (такими были 2001, 2003, 2006 гг.) в Южном подрайоне взаимное расположение вихревых геострофических циркуляционных ячеек способствует поддержанию течений, направленных из ИЭЗ в открытые воды. Районы выхода скоплений путассу из ИЭЗ и возвращения их обратно географически разнесены, миграционные пути скоплений в открытой части района в пределах преобладающих потоков вод максимально протяженны и смещены на запад (до 90-100 миль от границы ИЭЗ). Длительному нахождению скоплений в открытых водах также способствует гидродинамическая ситуация в Северном подрайоне. В благоприятные годы в открытой части регистрируется большая доля от общей биомассы путассу в районе (от 2 до 3,8 из 10,4-14,8 млн. тонн - 19-36%). Плотные промысловые скопления отмечаются западнее 16° з.д. в Северном и западнее 17°30' з.д. в Южном подрайоне. Общая продолжительность путины также значительна (59-74 суток).

В неблагоприятные годы (2000, 2002, 2005 гг.), районы выхода скоплений из ИЭЗ и возвращения обратно сближены, чему способствует гидродинамическая ситуация в Северном и Южном подрайонах. Пути миграций путассу за пределами ИЭЗ укорочены, она не удаляется далее, чем на 70 миль от их границ из-за конфигурации преобладающих течений. Промысловые концентрации скоплений путассу в Северном подрайоне формируются в основном вдоль ИЭЗ, а в южном - на 16°30' з.д. Доля общей биомассы путассу за пределами ИЭЗ сравнительно небольшая (от 0,3 до 1,3 из 8-13,5 млн. тонн - 10-13%), длительность путины в эти годы не превышает 53-58 суток. (Рисунок 3.2.1).

Исследования [Payne et al., 2012] показывают, что выявленная классификация состояний пелагиали в районе ЗЕК-Роколл, вероятно, является проявлением гидродинамического процесса, охватывающего всю СВА - колебанием восточной периферии циклонического круговорота СВА, сформированного холодными распресненными водами субарктических широт. С периодом 3-15 лет он регулирует интенсивность поступления в район высокосоленых вод с юга [Payne et al., 2012].

Период же 2000-2006 гг. характеризовался неустойчивой динамикой круговорота, минимальная и максимальная интенсивности которого пришлись на 2000 и 2003 гг. (неблагоприятный и благоприятный для промысла годы) (Рисунок 3.2.2).

Рисунок 3.2.1. Гидродинамические системы (+) и (-), участки выхода/возвращения в ИЭЗ, биомасса, миграционные пути путассу, продолжительность путины в районе ЗЕК-Роколл в 2000-2006 гг. [Краснобородько, 2006]

Анализ роли термохалинных и динамических характеристик вод в выявлении циклов развития пелагических геоэкосистем, их преемственности и классификации выполнялся и на фактическом материале из района ЦВА. Данные собирались в южной части АРЗ Марокко (21-26°30' с.ш.), где ежегодно ведут промысел российские суда. Район располагается в центре Канарской БМЭ и является ареной активного международного океанического экспедиционного промысла ВБР судами Марокко, ЕС и России [Доманевский, 1998; FAO Fishery Statistics., 2018; GlobalFishingWatch..., 2021].

В рамках межправительственного соглашения между Марокко и Российской Федерацией, отечественные суда осуществляют здесь круглогодичный промысел ряда массовых пелагических видов рыб - восточной скумбрии Scomber colias, европейской и западноафриканской ставрид Trachurus trachurus, T. trecae, европейской сардины Sardina pilchardus, сардинелл - круглой и плоской Sardinella aurita, S. maderensis [Краснобородько и др., 2020]. По условиям соглашения, российская сторона в лице

АтлантНИРО проводит регулярное комплексное изучений пелагической экосистемы АРЗ Марокко с целью оценки ее состояния и динамики происходящих в ней изменений, в первую очередь в состоянии эксплуатируемых популяций ВБР.

Благоприятные Неблагоприятные

Рисунок 3.2.2. Фазы субарктического круговорота СВА, [Payne et al., 2012] с дополнениями. Синим - субарктические, красным - субтропические воды

В настоящее время главными факторами, определяющими состояние пелагической геоэкосистемы АРЗ Марокко и ЦВА в целом, являются рост глобальных температур воздуха и океана и изменение TS-характеристик наблюдаемых здесь ВМ [Духова и др., 2008; Краснобородько и др., 2020]. Данные по ТПО IGOSS [IGOSS птс..., 2021] показывают, что рост термических индексов апвеллинга в ЦВА, произошедший после «климатического сдвига» 1997-1998 гг. (период одного из наиболее мощных за всю историю наблюдений Эль-Ниньо), к 2017-2019 гг. достиг своего абсолютного максимума. Наиболее сильно он проявляется в АРЗ Марокко (Рисунок 3.2.3). В центральной и северной части АРЗ рост индексов преимущественно обусловлен повышением ТПО в океанических водах, в то время как на юге АРЗ и южнее в водах Мавритании рост индексов является следствием как интенсификации пассатных ветров и вызываемого ими апвеллинга, так и ростом ТПО в открытой части района под влиянием климатических изменений [ВеШп, 2009].

Рисунок 3.2.3. Термические индексы апвеллинга в АРЗ Марокко (по [IGOSS птс..., 2021]) и разница океанических и прибрежных ТПО в южной части АРЗ

На фоне этих процессов наблюдается снижение интенсивности адвекции на шельф АРЗ Марокко вод южного происхождения (южно-атлантической центральной водной массы - ЮАЦВ) и рост поступления вод северного происхождения (североатлантической центральной водной массы - САЦВ) [Добровольский, 1961; Emery, Meincke, 1986; Machín et al., 2006]. Суммарное увеличение объёмов САЦВ и апвеллинговых вод (АВ) в АРЗ в 2015-2018 гг. оценивается в 2-3 % [Краснобородько, 2020]. Для исследования причин этого явления были проанализированы межгодовые изменения температуры воды на реперных океанологических станциях над континентальным склоном Марокко (глубины 1000 м и более), где адвекция океанических вод является доминирующим океанологическим процессом. У м. Сафи (ст. №2) и у п. Дахла (ст. №18) в водяном столбе выявлены гармонические колебания температуры воды, которые на верхней границе мезопелагиали (200-300 м) обнаруживают периоды продолжительностями 8,5 (ст. №2) и 11 лет (ст. №18, рис 3.2.4). Колебания температуры достигают здесь 0,7-1,2 °С, что может быть обусловлено колебаниями интенсивности крупномасштабных втоков САЦВ и ЮАЦВ в пределы АРЗ.

Рассматриваемые реперные станции располагаются в районах действия подповерхностных течений на глубинах 200-500 м, несущих в себе центральные ВМ [Peña-Izquierdo et al., 2012; Valdés, Déniz-González, 2015; Véelez-Belchí et al., 2017]. Реперная станция №2 находится в зоне действия зонально ориентированного к

побережью Марокко потока вод, несущего сюда САЦВ из Северной Атлантики. Реперная станция №18 располагается на пути водных потоков, которые являются частью глобального океанического конвейера и движутся вдоль Африканского континента с юга [Термохалинная..., 2020].

Рисунок 3.2.4. Колебания температуры воды на верхней границе мезопелагиали, течения на горизонте 200 м осенью 2017 г. (данные LADCP), направления адвекции САЦВ и ЮАЦВ в АРЗ (изобата 1000 м показана пунктиром)

Они несут центральные воды из Южной в Северную Атлантику [Pena-Izquierdo et al., 2015]. Таким образом, наблюдаемые в районе реперных станций колебания температуры воды могут быть результатом изменения интенсивности этих течений. Это подтверждается данными наблюдений за скоростями и направлениями подповерхностных течений в АРЗ с помощью погружного доплеровского измерителя течений LADCP WHS-300 [RDI Workhorse., 2021], которые выполнялись в ходе НИР осенью 2016-2017 гг. В эти годы в северной части АРЗ течения у бровки шельфа и над материковым склоном имели в основном северное направление, а на южном участке шельфа единого устойчивого потока вод северного направления не отмечалось.

Наблюдаемые изменения характеристик ВМ в АРЗ Марокко последних лет существенным образом сказываются на присутствии в этом промысловом районе

массовых промысловых и непромысловых видов ВБР, которые заселяют большинство отмечаемых здесь местных модификаций ВМ [Сирота, 2003]. На интегральной TS-диаграмме района за период 2015-2018 гг. для разных видов массовых гидробионтов выделяются два типа «окон заселения» - ВМ с оптимальными для их обитания диапазонами температур и соленостей (Рисунок 3.2.5). Для одних видов ВБР эти «окна» сужаются (закрываются), для других расширяются (открываются). Расширение «окон заселения», связанное с увеличением присутствия в районе оптимальных для них ВМ САЦВ и АВ, отмечается для таких пелагических видов рыб как морские бекасы Macroramphosus scolopax, M. gracilis (обыкновенный и стройный бекасы), луна-рыба Mola mola, европейская сардина, восточная скумбрия. Рост присутствия этих видов в АРЗ Марокко в той или иной степени фиксируется по результатам почти всех ТАС и ТСП последних лет [Краснобородько и др., 2020].

Рисунок 3.2.5. «Окна заселения» в поле TS АРЗ Марокко в 2015-2018 гг. Водные массы: САЦВ - северо-атлантическая центральная, ЮАЦВ - южноатлантическая центральная, ПВ - поверхностная, АВ - апвеллинговая

[Краснобородько и др., 2020]

Неоднозначная ситуация в АРЗ складывается для важного промыслового вида -европейской ставриды. Занимаемые ею модификации ВМ, связанные с поступлением в район САЦВ, увеличивают свое присутствие в районе, а ВМ, связанные с поступлением

в АРЗ модифицированных ЮАЦВ, уменьшают его. По этой же причине «окна заселения» тесно связанного с ЮАЦВ южного вида - западно-африканской ставриды -характеризуются в последние годы почти полным закрытием. ТСП и ТАС последних лет фиксируют значительное сокращение присутствия этого вида в АРЗ Марокко. Отмечено и изменение видового состава и районов встречаемости миктофовых видов рыб [Халматова и др., 2019; Гулюгин и др., 2019, 2020].

В качестве альтернативного механизма формирования описанных колебаний температуры воды и TS-характеристик ВМ в АРЗ Марокко следует назвать влияние местных конвекций и апвеллинга, меняющих формы TS-кривых в верхнем слое океана, в результате чего они становятся сходными с таковыми у ВМ Южной Атлантики [Дубравин, 2013]. В рамках этого подхода небезосновательно можно оспаривать не только сам факт присутствия ЮАЦВ в ЦВА, по крайней мере, северенее 5° с.ш., но и их классификацию (физическое существование самих центральных вод). Однако этот вопрос выходит за рамки данного исследования.

Следствием существенных изменений условий среды в АРЗ Марокко последних

и U T-v

лет стало изменение антропогенного компонента пелагической геоэкосистемы района. В период 2016-2019 гг. отмечено существенное перераспределение районов работы малотоннажного кустарного флота Марокко, нацеленного в основном на облов сардины и анчоуса - массовых пелагических видов-фитофагов, обитающих в основном в прибрежной зоне, где доминируют АВ. Малые промысловые единицы (лодки, «джонки», деревянные сейнеры-сардиноловы, малые рыболовные траулеры), имеющие ограниченные возможности маневрирования в районе промысла, являются чувствительными маркерами распределения их целевых объектов лова. В рассматриваемый период отмечено их рассредоточение по шельфу из 2-х крупных районов лова у м. Юби и Барбас, «работавших» в середине 2010-х гг. (Рисунок 3.2.6). Это согласуется с выявленной интенсификацией апвеллинговых процессов в южном Марокко. Комплексные геоэкологичекие изменения 2015-2019 гг. в АРЗ также были «высвечены» Марковскими методами, показавшими массовое появление новых состояний геоэкосистемы ЦВА в 2014 году (см. Рисунок 3.1.6).

В целом ЦВА демонстрирует важную роль термохалинных и динамических характеристик вод в формировании состояний пелагической геоэкосистемы Канарского района. Эта крупная экосистема испытывает в последние годы существенные колебания

своих состояний [Доманевский, 1998; Сирота, 2003; Bakun et al., 2015; Valdes, Deniz-Gonzalez, 2015], которые проявляются на всех уровнях ее организации - от интенсификации пассатов и прибрежного апвеллинга [Бурыкин и др., 2020], эвтрофкации вод, колебаний численности фито-, зоо- и ихтиопланктона, до роста биомассы фитофагов (сардина, бекасы, анчоус, миктофовые виды рыб), колебаний биомасс промысловых ВБР (ставриды, сардинеллы) [Report of the FAO..., 2019], перераспределения по району промыслового флота [Краснобородько, Шнар, 2020].

32°

лр

30° 28° 26° 24° 22°

18° 16° 14° 12° 10° 18° 16° 14° 12° 10°

Рисунок 3.2.6. Участки работы кустарного флота Марокко в осенние периоды 2016, 2019 гг. (данные прямых наблюдений с НИС АтлантНИРО)

Одной из важнейших задач морских геоэкологических и ресурсных НИР является понимание закономерностей формирования пополнения популяций основных промысловых ВБР. Большинство существующих теорий формирования пополнения так же рассматривают условия среды (температуру и динамику вод, наличие кормовой базы и др. [Heath, 1992]) в качестве ключевых критериев.

Анализ данных ТСП по численностям пополнения массовых пелагических видов рыб АРЗ Марокко за период 2003-2013 гг. показывает их значительные межгодовые вариации [Краснобородько, Шнар, 2020]. Наряду с величиной нерестовой биомассы важнейшим условием для формирования высокого уровня пополнения ВБР является

благоприятное состояние пелагической геоэкосистемы в период нереста, динамического режима вод [Кудерская, Кудерский, 2009]. Последний определяется течениями и вихревой активностью.

На основе данных многолетних НИР, собранных на шельфе АРЗ Марокко, был рассчитан период и район массового нереста большинства пелагических видов рыб -южная часть АРЗ между 23-25° с.ш. с января по март. При благоприятных динамических условиях на участках нереста в АРЗ Марокко (отсутствие крупных подвижных циклонических вихрей) происходит удержание продуктов нереста (икры, личинок, ранних стадий развития рыб - мальков и сеголеток) над шельфом, их медленное смещение в южном направлении в потоке Канарского течения и формирование высокого уровня пополнения в конце года (октябрь-декабрь), которое отмечается в ходе ТСП [Шнар и др., 2017]. В неблагоприятных гидродинамических условиях в период нереста циклоническими вихрями, траектории которых направлены в основном в западном направлении (в открытый океан), происходит вынос икры, личинок и мальков за пределы шельфа в «стерильную зону выселения», где они гибнут (Рисунок 3.2.7).

Рисунок 3.2.7. Механизм регулирования численности пополнения массовых пелагических видов рыб ЦВА

Таким образом, косвенным критерием благоприятности динамических условий в период нереста можно считать суммарную дистанцию, пройденную всеми

циклоническими вихрями в пределах района нереста тех или иных видов ВБР. Ее удобно выражать в градусах широты [Шнар и др., 2017]. Анализ результатов ТСП 20032013 гг. показывает, что наибольшей межгодовой изменчивости в этом районе подвержена численность пополнения западноафриканской ставриды. Нами была выявлена обратная степенная зависимость между численностью пополнения («нулевой» группы) западноафриканской ставриды в октябре-ноябре и суммарной дистанцией «пробега» всех циклонических вихрей в районе нереста в марте (Рисунок 2.3.8). В годы со спокойной динамической обстановкой (2005-2009 гг.) на участках нереста циклоны были ослаблены, малоподвижны, суммарная дистанция их «пробега» в марте не превышала 1,5°. Продукты нереста и ранние стадии развития вида преимущественно удерживались в районе шельфа и не выносились за его пределы. Как следствие, через 67 месяцев в ходе ТСП отмечалась высокая численность нулевой группы западноафриканской ставриды - более 1 млрд. особей [Шнар и др., 2017]. В годы с неблагоприятной динамической ситуацией (2004, 2013 гг.) в районе нереста формировались и смещались за пределы шельфа циклонические циркуляционные ячейки, суммарная дистанция их смещения достигала 3-5°. В эти годы численность «нулевой» группы западноафриканской ставриды не превышала 200 млн. особей.

Рисунок 3.2.8. Зависимость численности «нулевой группы» (0+) западноафриканской ставриды в октябре-ноябре от активности циклонических вихрей в районе нереста в марте 2003-2013 гг.

[Шнар и др., 2017]

Таким образом, наблюдаемые в последние десятилетия изменения состояния пелагических геоэкосистем Атлантики и ЮВТО, отмеченные в рамках применения МО и МЦ, находят подтверждение по результатам НИР АтлантНИРО в ходе ресурсных исследований этих районов. В СВА и ЦВА выявлены периодические колебания состояний (режимов) их пелагических геоэкосистем. В СВА они обусловлены параметрами северо-атлантического круговорота вод и океанологическим режимом на участках обитания массовых пелагических промысловых видов рыб, влияющим на их распределение, нерест, промысел. В ЦВА пелагическая геоэкосистема сегодня находится в одном из крайних положений, характеризующихся низкими величинами биомассы и индексов пополнения ряда промысловых видов. Выполненные здесь в 2015-2019 гг. НИР выявили значительную перестройку условий среды, состава ихтиоцена, конфигурации участков промысла. Учитывая выявленные закономерности, можно предположить, что в ближайшие 4-6 лет «маятник» экосистемы ЦВА качнется в обратную сторону - с ожидаемым ростом присутствия здесь вод южных генераций и сокращением роли северо-атлантических вод в ихтиоцене возрастет доля «южных» ВБР (западноафриканской ставриды, сардинелл), нивелируется численность морского бекаса.

Выводы по главе 3:

Геоэкосистемы - развивающиеся системы, проходящие этапы-состояния. Состояния - это комбинации (ансамбли) классов характеристик, в которых система находится в определенный отрезок времени. Число характеристик, которыми описывается геоэкосистема, может быть произвольным. Переходы между состояниями хорошо описываются марковскими вероятностными моделями. Количество характеристик и их классов определяет качество модели. Образуемая в ходе развития геоэкосистемы МЦ - преемственность состояний - содержит информацию об особенностях функционирования геосистемы и ее свойствах -энтропии, устойчивости. Марковские модели хорошо вычисляют ближайшую перспективу, применимы для краткосрочного прогноза состояния геоэкосистем, но быстро деградируют при ее расширении. Исследования в СВА и ЦВА показали, что для пелагических геоэкосистем ключевыми характеристиками для построения репрезентативных марковских моделей являются термохалинные и гидродинамичские условия в районах промысла.

ГЛАВА 4. ИССЛЕДОВАНИЕ ДАЛЬНИХ СВЯЗЕЙ МЕЖДУ ПРОМЫСЛОВЫМИ РАЙОНАМИ

4.1. Асинхронные связи параметров среды и промысла

Многолетние исследования компонентов глобальной геоэкосистемы показывают, что множественные асинхронные ДС являются неотъемлемой частью ее структуры и функционирования на всех уровнях организации - от состояния геофизических полей, среды (сфер географической оболочки), до состояния биосферы и антропогенной компоненты. В ходе исследования для промысловых районов Атлантики и ЮВТО на 1° регулярной сетке ДДЗ были выявлены более 0,7 млн. значимых корреляционных связей по 4-м факторам - величине атмосферного давления (37% связей), ТПО (16%), концентрации в воде хлорофилла (18%), интенсивности ведения промысла (29%) (Рисунок 4.1.1).

Ю.Ш.

Количество корреляций в 10 узле

1

_

180

150

120

90

60

30

0

3-Д--150 -100

150 В-Д-

Рисунок 4.1.1. Количество асинхронных корреляций по 4-м параметрам (атмосфера, ТПО, хлорофилл, промысел) между 1° узлами глобальной регулярной сетки ДДЗ и районами промысла (СВА, ЦВА, АчА, ЮВТО)

Крайне неравномерны пространственные характеристики выявленных ДС. Малое их количество обнаружено для субтропических и умеренных широт океанов, а

наибольшее число в СВА, СЗА (моря Ирмингера, Лабрадор, район ЗЕК-Роколл, Балтийское и Средиземное моря), в ЭА, ЦВА, ЦЗА (от Карибского моря до Африки), в центральной части Тихого океана (от ЮВТО до Японии и Австралии), в Индийском океане (район южнее о. Мадагаскар), в водах Южного океана [Краснобородько, 2021].

Анализ ДС по каждому из коррелируемых параметров и промысловым районам (СВА, ЦВА, АчА, ЮВТО) выявляет их циркумглобальный характер [Краснобородько, 2021]. Акватории, связанные в рамках ДС, характеризуются разной конфигурацией и пространственным охватом. Они могут быть как разнесены на тысячи километров друг от друга, так и находится в смежных географических регионах, характеризующихся существенно разными или, напротив, сходными природными условиями (Рисунок 4.1.2). Площадь районов ДС колеблется в больших пределах, при этом, чем она обширнее, тем устойчивее такая ДС, тем в течение года большее количество 1° узлов в ее рамках выявляет значимые коэффициенты корреляций с узлами в том или ином районе промысла. Принимая эту схему работы с выявленными связями, в качестве критерия силы ДС можно рассматривать величины коэффициентов корреляции, а в качестве критерия устойчивости ДС - площадь связанных ею районов, их обеспеченность связанными 1° узлами.

Исследование природы выявленных ДС показывает, что за каждой из них стоят объективно существующие цепочки связанных атмосферно-океанических, гидробиологических и промысловых процессов, которые, однако, не всегда представляется возможным вскрыть в силу их сложности. Ниже анализируются некоторые ДС, обнаруженные между промысловыми районами в пределах 4-х океанов -в Атлантическом, Тихом, Индийском и Южном (Рисунок 4.1.3), которые сопровождаются графиками хода коррелировавшихся параметров в 1° узлах (Рисунок 4.1.4). Следует отметить, что рассматриваемые нами ДС разнесены в пространстве на тысячи км, а их временные сдвиги охватывают большой временной диапазон - от 6 до 17 месяцев. В целом из представленных графиков видно, что рассматриваемые ДС хорошо характеризуют в первую очередь многолетнюю (трендовую) динамику коррелируемых в 1° узлах параметров. Короткоцикловые колебания параметров (2-3 летние) в отдельные периоды могут существенно отличаться.

СВА

ЦВА

АчА о

ЮВТО

СО

районы промысла

Районы

ДС

атмосферное давление

тпо

содержание хлорофилла

интенсивность промысла

-150 -100 -50 0 50 100 150

Рисунок 4.1.2. Районы ДС по ДДЗ 4-х видов для районов промысла

в Атлантике и ЮВТО

атмосферное давление

тпо

содержание хлорофилла

интенсивность промысла

Рисунок 4.1.3. Примеры ДС между промысловыми районами в Атлантическом и Тихом океанах (расшифровка аббревиатур в тексте)

Положительная атмосферная ДС между Центрально-Западной Атлантикой (ЦЗА) и ЦВА с временным сдвигом 7 месяцев, вероятно, отражает Восточно-Атлантическую ДС (низкочастотная мода атмосферной циркуляции в СВА-СЗА). Отрицательная 10-месячная атмосферная ДС между ЮВТО и морем Амундсена, очевидно, является проявлением Антарктического колебания (ААК). Положительная ДС по ТПО между ЦЗА и СВА с задержкой 6 месяцев выявлена в районе действия Атлантической многодекадной осцилляции (АМО), основанной на положительной корреляции аномалий ТПО в этих подрайонах [Кровнин, 2019]. Отрицательная 9-месячная ДС по ТПО между Экваториальной частью Тихого океана (ЭТО) и АчА, вероятно, является результирующей ЭНЮК и ААК. ЭНЮК, как известно, оказывает глобальное погодное влияние посредством разных цепочек ДС [Серых, 2021]. Положительный временной сдвиг в 15 месяцев между содержанием хлорофилла в Юго-Западной части Индийского океана (ЮЗИО) и в ЦВА представляется проявлением Термических индексов Западной части Индийского океана (ЗИО) и Южной Атлантики (ТЮА), которые обнаруживают схожесть колебаний при временных сдвигах 14-16 месяцев [Chen et al., 2020; OOPC NOAA..., 2021]. Районы на концах этой ДС, расположены в единой системе течений - от Южно-Пассатного течения Индийского океана через Агульяс и Ангольское течения к Южно-пассатному течению Атлантики. Вопрос о том, формируется ли эта ДС вариациями их интенсивности, требует дополнительного изучения [Краснобородько, 2021]. Отрицательная ДС со сдвигом 10 месяцев по содержанию хлорофилла в СевероВосточной части Тихого океана (СВТО) и ЮВТО, возможно имеет в своей основе

процессы в рамках Тихоокеанской декадной осцилляции (ТДО) и ЭНЮК. Так, известно, что аномалии ТПО в регионах NINO 1-2 в рамках циклики ЭНЮК могут удерживаться до 18 месяцев, близкая цикличность, но с обратной фазой характерна и для ТДО.

Рисунок 4.1.4. Примеры ДС между промысловыми районами в Атлантическом, Тихом, Индийском и Южном океанах (пояснения в тексте)

ДС по интенсивности промысла, выявленные между ЭАО и СВА, ЮЗИО и АчА, могут инициироваться как цепочками связанных процессов гидрометеорологического, океанологического, биологического характера, так и быть результатом социально-экономических процессов, а так же носить и вовсе случайный характер. Попытки объяснить эти ДС влиянием только геодрометеорологических факторов, вероятно, методически неверны, т.к. сводят к природно-детерминированным процессам промысловую активность - результат разумной деятельности человека. Однако большое количество таких ДС не позволяет игнорировать факт их существования и требует дальнейшего их изучения в рамках отдельного исследовательского проекта.

Предложенная интерпретация причинно-следственных связей описанных ДС опирается на опыт исследования ведущих природных процессов в районах промысла в ходе ресурсных НИР. С формальной точки зрения, такие ДС должны также верифицироваться статистическими методами, например, методом конвергентного кросс-картографирования (англ. Convergent Cross Mapping (CCM) [Sugihara et al., 2012]), выявляющим параметры причинности связанных процессов (ее направление и силу). Однако их известные ошибки в интерпретации причинности в сильно коррелированных рядах убеждают нас в том, что в анализе ДС первый подход должен быть основным.

Среди рассмотренных видов ДДЗ наибольшую трендовую составляющую, обусловленную глобальной изменчивостью климата [Кровнин, 2019], имеют данные ТПО. Это может увеличивать наблюдаемую силу ДС. Так для ДС по ТПО между СВА и ЦЗА корреляция скользящих 5-летних трендов составляет +0,86, а высокочастотных колебаний - лишь +0,40. Вероятно, это обусловлено нивелированием менее энергоемких составляющих этой ДС из-за масштабного потепления вод Атлантики, фиксируемого в рамках АМО с середины 1990-х гг. [Кровнин, 2019]. Для ДС АчА-ЭТО соотношение трендовой и высокочастотной изменчивости ТПО несколько другое: -0.90 и -0.64. Это соотношение, вероятно, связано со слабым климатическим ростом ТПО на обоих концах этой ДС. Для атмосферного давления, концентрации хлорофилла и интенсивности лова, имеющих неустановленные или слабовыраженные тренды, их удаление меняет коэффициенты корреляции незначительно - не более чем на ±5-14%.

Несмотря на дискуссионность ДС, выявленных для ДДЗ по хлорофиллу и промыслу, которые, однако, имеют тесные связи с состоянием океанологических

условий и биоресурсов в районах промысла, они должны уточняться и исследоваться дальше по мере накопления по ним объемов данных [Краснобородько, 2021].

Важной задачей является изучение параметров устойчивости выявленных ДС с дальнейшим ростом рядов ДДЗ. Как это изменит количество выявляемых ДС? Расчеты выявляют обратную экспоненциальную зависимость количества ДС от длины рядов ДДЗ: при 5-летней длине коррелируемых рядов суммарное число значимых коэффициентов корреляции для 1° узла может превышать 400-450 тыс., т.е. его связи могут суммарно покрывать до 7% площади Мирового океана в течение года. Количество коэффициентов корреляций быстро падает при росте длины обсчитываемых рядов, и при длине ряда 35-40 лет снижается до 50-60 связей на один узел в течение года, что эквивалентно ~0,001% площади Мирового океана (Рисунок 4.5.1).

Рисунок 4.1.5. Количество значимых корреляций для среднестатистического 1° узла глобальной сетки ДДЗ по атмосферному давлению в зависимости от длины рядов

Точкой перегиба экспоненты является рубеж 15-16 лет - минимальная длина рядов ДДЗ, при которой дальнейший их рост не вызывает существенного изменения количества выявляемых корреляций между узлами. Это следует учитывать при оценке результатов поиска ДС, полученных для глобального массива данных промысловой активности GlobalFishingWatch, оперирующего сегодня временными рядами продолжительностью 9 лет (2012-2020 гг.). Учитывая выявленную закономерность, репрезентативные данные по ДС для этого геоэкологического параметра можно получить не ранее 2027-2028 гг., когда длина его рядов в узлах глобальной 1° сетки достигнет 15-16 лет.

4.2. Диагностика и среднесрочное прогнозирование состояния промысловых

геоэкосистем

Статистическая оценка полученного массива ДС показывает наличие двух максимумов количества коррелирующих 1° узлов, связанных с расстояниями между ними - 0-2 тыс. км (внутрирегиональный масштаб) и 12-14 тыс. км (межрегиональный масштаб, Рисунок 4.2.1-А) [Краснобородько, 2021]. Первый максимум ДС отмечается на внутрирегиональном масштабе расстояний и объединяет смежные географические регионы. Для СВА это Норвежское и Северное моря, открытая часть Северной Атлантики, море Ирмингера. Для ЦВА районами, обеспеченными такими ДС, можно считать Средиземное море, открытую часть тропической Атлантики, Гвинейский залив. Для АчА это районы действия АЦТ южнее параллели 50° ю.ш. Экваториальные и субантарктический воды от Южной Америки до 150-160° з.д. объединяются ДС с ЮВТО. Внутрирегиональные ДС отражают взаимодействие смежных акваторий через переносы вещества и энергии (воздушных и водных масс, биологически активных веществ, биомасс ВБР, кинетической, термической энергии, промыслового усилия). Межрегиональному масштабу ДС соответствует второй максимум количества корреляций. Районы таких ДС для СВА, ЦВА, АчА и ЮВТО обнаружены в Южном, в Западной части Тихого и в Индийском океанах. Их существование инициируется глобальными атмосферно-океаническими волнами (например, волнами Россби).

Наибольшее количество ДС отмечается в океанических акваториях северного полушария (около 90 тыс. между 50-60° с.ш.), несмотря на то, что в южном полушарии площадь, занятая океанами гораздо больше (Рисунок 4.2.1-Б). Вероятной причиной этого является то, что в северном полушарии большие массивы суши соседствуют со сравнимыми по площади океаническими акваториями, вследствие чего здесь поддерживаются крупные энергоактивные зоны системы «океан-атмосфера» -Алеутский, Исландский, Сахарский барические минимумы и Гренландский, Азорский, Азиатский барические максимумы. Локальный максимум количества связей в южном полушарии отмечается между 60-70° ю.ш., на который приходится около 45 тыс. выявленных ДС. Как известно, это зона действия крупнейшего океанического течения планеты - АЦТ, движимого системой устойчивых западных ветров в течение всего года.

Максимальное количество ДС (более 45 тыс. связей) отмечается при их временных сдвигах в диапазоне от 8-9 до 12 месяцев (Рисунок 4.2.1-В). Кратность этого периода 3-4 месяцам свидетельствует о важной роли термического состояния верхнего слоя океана, связанного такими временными сдвигами с параметрами атмосферной динамики [Малинин и др., 2002; Малинин, Гордеева, 2009]. Большое количество корреляций между собой обнаруживают временные ряды ДДЗ за апрель-июнь и октябрь-декабрь (как месяцы предшествующего года) и январь-апрель (месяцы последующего года) (Рисунок 4.2.1-Г). Количество таких ДС превышает 60-80 тыс. [Краснобородько, 2021].

В Г

Рисунок 4.2.1. Зависимость количества связей между 1° узлами от расстояния между ними (А), широты (Б), временного сдвига (В), времени года (Г)

Таким образом, распределение во времени и пространстве ДС, выявленных на регулярных сетках ДДЗ, носит физически обоснованные статистические закономерности, которые вписываются в рамки существующих представлений о механизмах их функционирования в рамках глобальной системы «океан-атмосфера».

Практическая значимость полученных в исследовании ДС результатов заключается в эффективности их применения для повышения качества прогнозирования состояния компонентов промысловых геоэкосистем в Атлантике и ЮВТО - атмосферы, термики поверхностных вод, уровня их биопродуктивности, ожидаемых параметров промысла. На основе выявленных характеристик ДС с заблаговременностью от месяца

до двух лет для каждого 1° узла в границах промысловых районов по тем или иным параметрам могут быть получены коэффициенты линейных регрессий с известными состояниями этих параметров в удаленных районах ДС (Рисунок 4.2.2).

юзио

Рисунок 4.2.2. Зависимость концентрации хлорофилла

в ЦВА (12° с.ш., 18° з.д.) в июне последующего года и в ЮЗИО (24° ю.ш., 50° в.д.) в марте предыдущего года

Объединение спрогнозированных в узлах значений в сетку, ее последующая обработка методами интерполяции и сглаживания [Basic Understanding., 2018; Surfer Moving Average., 2021] позволяет получить прогноз состояния компонентов геоэкосистем для районов промысла как в целом, так и для их отдельных подрайонов [Краснобородько, 2021] (Рисунок 4.2.3).

3

Рисунок 4.2.3. Фактическое распределение концентрации хлорофилла (мг/м ) в Сенегальском подрайоне ЦВА в июне 2020 г. и его прогноз по данным концентрации в ЮЗИО в марте 2019 г.

Таким образом ДС, выявленные по ДДЗ с применением методологии БоД, могут служить основой для построения среднесрочных прогнозов состояния геоэкосистем пелагиали промысловых районов Атлантики и ЮВТО с заблаговременостью до 2-х лет.

4.3. Роль дальних связей в динамике пелагических геоэкосистем ЮВТО

Феномен ДС занимает важное место в межгодовой изменчивости состояния промысловых геоэкосистем ЮВТО, одного из самых масштабных промысловых регионов Мирового океана, где океанический и прибрежный промысел пелагических ВБР ведется не одно десятилетие [Аникеев и др., 2010]. Участки работы промыслового флота располагаются здесь в открытом окане и в ИЭЗ Чили и Перу (Рисунок 4.3.1).

Рисунок 4.3.1. Ареалы основных пелагических ВБР в ЮВТО [FishBase, 2021], пунктир - границы ИЭЗ

В последние десятилетия в ЮВТО ведется многовидовой промысел пелагических ВБР [ФАО. Состояние мирового..., 2020] - чилийской ставриды (Trachurus murphyi), восточной скумбрии (Scomber japonicus), перуанского анчоуса (Engraulis ringens), кальмара-дозидикуса (Dosidicus gigas). Значительны здесь и уловы сардинопса (Sardinops sagax), берикса и красноглазки (Berix splendens, Emmelichthys nitidus), тунцовых рыб (Auxis spp. и др.). В историческом плане для района были характерны существенные колебания объемов, структуры вылова, параметров промысла, которые

были тесно связаны с поэтапным открытием и вовлечением в эксплуатацию пелагических ВБР, прежде всего за пределами ИЭЗ. В 1979-1991 гг. флот СССР освоил здесь промысел ставриды и скумбрии [Промыслово-океанологические..2002], а в 1990-х суда Перу, Чили, Японии, Китая и Южной Кореи начали добывать кальмара-дозидикуса [Нигматуллин, 2006; Waluda et а1., 2006]. В текущем десятилетии пелагические ВБР района полностью осваиваются. Наблюдаемые изменения в промысловой ситуации сегодня в основном связаны с естественными межгодовыми вариациями биомасс ВБР, изменениями в их распределении по районам лова. В Чилийском подрайоне ЮВТО (открытые воды) в последние годы отмечается некоторый рост биомассы ставриды, произошедший после глубокого провала середины 2000-х гг. В Перуанском подрайоне промысловая ситуация более стабильна и изучена -целевыми ВБР здесь были и остаются анчоус и сардинопс. С начала 2000-х гг. здесь так же произошло увеличение объемов вылова кальмара-дозидикуса (по обе стороны границы ИЭЗ) и снижение вылова ставриды [ФАО. Состояние мирового., 2020].

Межгодовая изменчивость ТПО [Чернышков и др., 2003; Wa1uda et а1., 2006] и конфигурация поверхностных течений [Рыбопромысловый потенциал., 1981] имеют важнейшее значение в вариациях уровня промысловой продуктивности пелагической геоэкосистемы ЮВТО. Главным океанологическим феноменом района является периодически возникающее в Перуанском подрайоне декабре-апреле явление Эль-Ниньо. В потоке теплых (23-29°С) малосоленых (32,5-34,8 PSU) экваториальных вод южного направления в слое 0-30 м формируется устойчивая стратификация вод, ухудшающая их аэрацию под слоем термоклина и, как следствие, условия обитания пелагических гидробионтов. В периоды Эль-Ниньо в поисках более холодной, богатой кислородом воды пелагические виды мигрируют в районы, находящиеся под влиянием прибрежного апвеллинга [Промыслово-океанологические., 2002]. В некоторые годы течение Эль-Ниньо более прогрето и проникает далеко на юг, охватывая своим влиянием и Северо-Чилийский подрайон ЮВТО (1965-1966 гг. - до 11° ю.ш. ^ие11т, 1971], 1982-1983 гг. - до 30° ю.ш. [Копытов, 1991]). В периоды Эль-Ниньо уменьшается развитие низкой облачности и происходит дополнительный радиационный прогрев вод -положительные аномалии ТПО таким образом как бы «консервируются». Процесс выхолаживания района под влиянием длительной активности апвеллинга называют Ла-

Ниньо. Сильные Ла-Ниньо в ЮВТО отмечались на рубеже XIX-XX вв. [Wolter, Timlin, 2011], в 1960-х и 1970-х гг.

Эль-Ниньо и Ла-Ниньо являются звеньями в цепи известной ДС - Южного колебания, в 1920-х гг. описанного Г. Уолкером [Вакуленко, Сонечкин, 2011]. Последующие работы Я. Бьеркнеса, Х. Берлаге, Д. Хорелла, К. Виртки, Р. Керра, Х. Дейкстры, Т. Барнета, В.И. Бышева и А.В. Федорова [обзор в Вакуленко, Сонечкин, 2011], С.К. Кудерского [Кудерский, 2007] и Н.С. Сидоренкова [Сидоренков, 2002] позволили объединить эти явления в рамках общего феномена ЭНЮК. ЭНЮК является глобальным климатическим сигналом, поэтому для его описания применяют безразмерный мультивариантный индекс МЭИ, ассимилирующий в себе шесть параметров гидрометеорологических полей тропической Пацифики: атмосферное давление, зональную и меридиональную компоненты ветра, ТПО, температуру воздуха, облачность [Multivariate ENSO..., 2018]. Положительные величины МЭИ ассоциируют с Эль-Ниньо, отрицательные - с Ла-Ниньо (Рисунок 4.3.2).

Эпизоды МЭИ-ЭНЮК принято делить на классы: очень слабый (<0,6), слабый (0,6-1,2), умеренный (1,2-1,8), сильный (1,8-2,4), очень сильный (2,4-3), и катастрофический (>3) [Mazzare11a, Giu1iacci, 2009]. Сильные и катастрофические Эль-Ниньо длительностью 6-14 месяцев наблюдались в 1982-1983, 1986-1987, 1991-1993, 1997-1998, 2015-2016 гг. Несмотря на обеспеченность данными, практика прогнозирования ЭНЮК и сегодня показывает все еще недостаточную эффективность применяемых моделей в их способности учитывать индивидуальный портрет каждого эпизода ЭНЮК [Вакуленко, Сонечкин, 2011]. Среди направлений, использующих различные модели ЭНЮК (всего более 15 моделей), лишь около половины добивается

приемлемой точности результатов прогнозирования ЭНЮК [Bamston et al., 1999; Kerr, 2002]. Неплохая точность прогноза с заблаговременностью 13-18 лет была получена по результатам исследования вариаций ТПО в ИЭЗ Перу [Копытов, 1991], ошибка определения даты начала Эль-Ниньо 1997-1998 и 2002-2003 гг. не превысила 1-2 года.

Глобальная природа ЭНЮК и его сильное влияние на промысел в ЮВТО побудили к изучению феномена специалистов по промысловой океанологии и морской геоэкологии. Было обнаружено, что возникновение Эль-Ниньо связано с действием на воды Пацифики деформационного (полюсного) прилива [Максимов, 1970; Цыганов, 1987; Серых, Сонечкин, 2016], аномалий скорости вращения Земли [Беренбейм, Кудерский, 1987; Кудерский, 2007], смещения к югу субтропического антициклонического круговорота ЮТО [Kerr, 2002; Вершовский, 2007]. Связь аномалий ТПО в различных подрайонах ЮВТО с ЭНЮК имеет разный знак [Чернышков и др., 2003; Котенев и др., 2014]: в Перуанском подрайоне она положительная, в Чилийском -преимущественно отрицательная или нулевая [Нестеров, Чур, 2009]. Комплекс проблем при прогнозировании ЭНЮК и геоэкологической оценки его влияния на пелагическую геоэкосистему ЮВТО создает ряд экономических рисков для промысла в этом районе. На сегодняшний день остаются актуальными следующие вопросы, касающиеся улучшения применяемых методов диагностики и прогнозирования ЭНЮК:

- анализ причин высокой повторяемости мощных Ла-Ниньо в XIX -XX вв. и Эль-Ниньо в XX -XXI вв.;

- обнаружение и типизация повторяющихся в разные исторические периоды ансамблей значений МЭИ ЭНЮК;

- изучение влияния мощных Эль-Ниньо на пелагический промысел в ЮВТО.

Известно, что Земля как планета испытывает колебания оси вращения,

называемые свободной нутацией Эйлера или чандлеровским колебанием полюсов [Викулин, Кролевец, 2001]. Для них характерен период 430-435 суток и переменная амплитуда. Мгновенный полюс Земли описывает спирали, пульсирующие с периодом ~6,5 лет в приполярных областях размером не более 30х40 м [Пасынок, 2016]. Вопрос о силах, возбуждающих чандлеровские колебания, дискуссионный, но в основном исследования показывают, что они связаны с перераспределением масс в недрах планеты [Викулин, Кролевец, 2001]. Так как амплитуда колебаний мгновенного полюса невелика, значительное влияние на них могут оказывать флюиды - перемещения масс

воздуха, воды, льда [Пасынок, 2016]. Феномен ЭНЮК, сопровождающийся нагоном масс теплой воды в ЮВТО, очевидно, дает свой вклад в этот процесс или является его следствием.

Исследуя связь положения мгновенного полюса вращения Земли с поведением МЭИ, в области северного географического полюса нами были выделены две области, внутри которых отмечались наибольшие абсолютные величины МЭИ - «области Эль-Ниньо и Ла-Ниньо» (авт. [Краснобородько, 2018, 2019]) с преимущественно положительными и отрицательными знаками МЭИ соответственно. Центры спиралей, описываемых мгновенным полюсом в рамках чандлеровского колебания (среднегодовой полюс), мигрируют относительно северного географического полюса планеты в юго-западном направлении (в сектор ЮВТО 70-105° з.д.) и одновременно из «области Ла-Ниньо» в «область Эль-Ниньо» (Рисунок 4.3.3). До 1920 г. полюс был ближе к центру области Ла-Ниньо, сильные эпизоды которого отмечались в 1892-1894, 1908-1910 и 1916-1917 гг. Равномерно двигаясь в юго-западном направлении в 1900-х гг. он максимально приблизился к географическому полюсу. В период 1920-1965 гг. полюс был равноудален от центров обоих областей, отмечались его значительные колебания, связанные, вероятно, с нестабильностью вращения планеты в этот период. А с 1965 г. полюс стал ближе к центру области Эль-Ниньо, три наиболее значимых события Эль-Ниньо (1982-1983, 1997-1998 и 2015-2016 гг.) относятся к этому периоду.

Рисунок 4.3.3. Мгновенная ось вращения Земли при сильных фазах МЭИ (>1). Миграция полюса относительно «областей» ЭНЮК [Краснобородько, 2018]

Возникновение в районе миграции мгновенной оси областей с разными знаками индекса МЭИ может быть связано с изменением направления вектора деформирующих сил приливного типа (полюсного прилива), который также часто рассматривается в роли регулятора интенсивности прибрежных апвеллингов [Цыганов, 1991; Кудерский, 2007; Серых, Сонечкин, 2016]. Действительно, за последние 147 лет из-за смещения мгновенного полюса, направление этого вектора в проекции на западное полушарие изменилось с северо-восточного на юго-восточное (Рисунок 4.3.4). Деформационное воздействие в пределах Тихого океана стало охватывать большие массы воды, чем ранее. Вероятно, это создает благоприятные условия для формирования мощных Эль-Ниньо в ЮВТО.

Рисунок 4.3.4. Вектор полюсного прилива в 1871, 2018 гг. (для наглядности наклон оси вращения увеличен в ~1,5 млн. раз)

Фазовый анализ ряда МЭИ позволил вычленить в нем повторяющиеся группы значений индекса (ансамбли) длительностями от 10 до 16 лет (в среднем 13 лет), в пределах которых отмечены по четыре эпизода ЭНЮК: по два сильных Эль-Ниньо и Ла-Ниньо [Краснобродько, 2018]. Были выделены три класса ансамблей, отличающихся временем появления сильных эпизодов ЭНЮК (Рисунок 4.3.5): 1 тип - сильное Эль-Ниньо в середине ансамбля и сильное Ла-Ниньо в конце (например, ансамбль 1976-1989 гг.); 2 тип - два умеренно сильных Эль-Ниньо и одно сильное Ла-Ньньо в начале ансамбля (например, 1911-1925 гг.); 3 тип - сильные Эль-Ниньо и Ла-Ниньо в конце ансамбля (1989-2001 гг.).

Рисунок 4.3.5. Стандартизованные к 13-и годам ансамбли МЭИ в 1871-2018 гг. и их типизация (ЭН - Эль-Ниньо, ЛН - Ла-Ниньо)

Обращает на себя внимание поразительное сходство характера колебаний индекса в ансамблях, разнесенных во времени на десятки лет. Так же было обнаружено историческое сокращение длительности ансамблей индекса МЭИ. Так, ансамбль 18951911 гг. был самым длинным в ряде (16 лет), а самым коротким (10 лет) - ансамбль 2002-2012 гг. (Рисунок 4.3.6). Поскольку Южная осцилляция, вероятно, является вынужденным колебательным процессом, то сокращение длительностей ансамблей может свидетельствовать об ослабления вынуждающей их силы [Краснобородько 2018].

Рисунок 4.3.6. Длительности ансамблей МЭИ (лет)

Интенсивность фаз внутри МЭИ может сильно варьировать в зависимости от того, насколько правильна форма спирали мгновенной оси вращения Земли и как точно она попадает в рамки областей Эль-Ниньо и Ла-Ниньо (Рисунок 4.3.7). Например, в 1-м типе ансамбля МЭИ должно отмечаться сильное Эль-Ниньо в его середине. Оно наблюдалось в 1982-1983 гг., а в 1947-1948 гг. было аномально слыбым. Траектория движения мгновенного полюса в этот период была смещена к востоку, частично находилась за пределами «области Эль-Ниньо» и испытывала значительные колебания. Несостоявшиеся, либо ожидавшиеся в рамках ансамблей слабые варианты «сильных» Эль-Ниньо можно обнаружить и во 2-м типе ансамблей (например, состоявшееся Эль-Ниньо 2015-2016 гг. и несостоявшееся 1953-1954 гг.), и в 3-м типе (состоявшееся сильное Эль-Ниньо 1997-1998 гг. и слабое Эль-Ниньо 2009-2010 гг.).

Наибольшее влияние ЭНЮК оказывает на Перуанский подрайон ЮВТО. Участки промысла, на которых обычно осуществляется промысел тунцовых рыб и кальмара-дозидикуса локализуются на границе ИЭЗ Перу, а так же над подводными хребтами Наска и Сала-и-Гомес [Краснобородько и др., 2011]. В годы недавнего сильного Эль-Ниньо 2015-2016 гг. наибольшее снижение уровня промыслового усилия (до -20-50 суток за год) отмечалось над подводными хребтами. Промысловые суда в основном перемещались к границе ИЭЗ Перу на всем ее протяжении, на разных участках которой фиксировался как рост ТПО на +1,5 +2,0°С (к северу от 9° ю.ш.), так и стабильный температурный фон южнее 21° ю.ш. (в так называемом «чилийском сапоге», Рисунок 4.3.8). В год Эль-Ниньо отмечено почти 50%-ное увеличение суммарной площади участков промысла в сравнении с таковой в 2012 г.

Рисунок 4.3.7. Примеры состоявшихся и несостоявшихся Эль-Ниньо в рамках 3-х типов ансамблей МЭИ

Анализ показывает, что конфигурация участков промысла в открытой части Перуанского подрайона обусловлена не столько термическим фоном, сколько интенсивностью локальных выносов богатых биогенами шельфовых вод в океан. Они вместе со скоплениями кальмара-дозидикуса выносятся в открытую часть района на участке у границы ИЭЗ Перу между 5-25° ю.ш., но особенно часто между 18-25° ю.ш. В пределах ИЭЗ Перу ситуация другая: промысел анчоуса и сардинопса локализован, в основном, в узкой прибрежной полосе шириной не более 50-60 миль. В годы Эль-Ниньо наблюдается смещение промысла к северу, обусловленное ростом градиентов ТПО и улучшением условий для формирования промысловых скоплений на границе теплых экваториальных вод и холодных АВ.

Рисунок 4.3.8. Смещение флота, аномалии ТПО, площади участков лова (млн. миль2) и годовые выловы ВБР (млн. тонн) в Перуанском подрайоне ЮВТО в годы без Эль-Ниньо (синим) и с ним (красным) [FAO Fishery Statistics..., 2018; FAO-FishStatJ, 2018; Краснобородько, 2018; GlobalFishing Watch., 2021]

В результате влияния Эль-Ниньо происходит сокращение участков с благоприятными условиями среды, «заставляющее» суда активно маневрировать в поисках более подходящих для промысла участков [Краснобородько, 2018]. На фоне снижения объема вылова наиболее массовых видов - кальмара-дозидикуса в открытой части, и анчоуса в пределах ИЭЗ Перу, рост площадей районов промысла может быть обусловлен и общим снижением его производительности.

Восстановление нормального состояния пелагической геоэкосистемы Перу после сильного Эль-Ниньо занимает 2-3 года [Копытов, 1991; Промыслово-океанологические..., 2002; Нестеров, Чур, 2009]. Чем более низкие величины ТПО наблюдаются здесь в следующие за Эль-Ниньо годы, тем оно происходит быстрее. Для быстрого возвращения пелагической экосистемы к стабильному состоянию наиболее благоприятен ансамбль 1-го типа. В нем за каждым мощным Эль-Ниньо следует хорошо развитое Ла-Ниньо, «гасящее» негативный эффект первого. По такому сценарию развивалась ситуация в период освоения промысловых запасов ставриды в ЮВТО судами СССР, когда за катастрофическими Эль-Ниньо 1982-1983 и 1986-1987 гг. следовал Ла-Ниньо. В ансамблях 2 и 3 типов «гасящий» эффект обеспечивается только для одного Эль-Ниньо, а влияние второго Эль-Ниньо в течение нескольких лет остается некомпенсированным, поэтому их можно считать неблагоприятными для состояния экосистемы Перу [Краснобородько, 2018]. Так по данным Перуанского института исследования моря (IMARPE), значительное снижение биомассы ставриды в ИЭЗ Перу

произошло в 1995 г. после некомпенсированного Эль-Ниньо 1991-1992 гг. [Peru Annual., 2009]. В IMARPE назвали этот период переходным между эпохами высокой и низкой биомассы (Рисунок 4.3.9). Под действием Эль-Ниньо 1997-1998 гг. общее снижение биомассы ставриды в ИЭЗ достигло 90-95% [Peru Annual., 2009].

Рисунок 4.3.9. Биомасса ставриды в водах Перу в 1990-2000 гг. [Peru Annual., 2009]

Совмещение данных АИС с гидрометеорологическими и океанологическими данными позволило выделить диапазоны условий среды (глубина места лова, ТПО) в обычные годы и в годы Эль-Ниньо, при которых ведется промысел, и разделить участки промысла по вероятным объектам лова (Рисунок 4.3.10) [Краснобородько, 2018]. В обычные годы добыча ВБР ведется во всем диапазоне глубин от 20-50 до 5000 м с величинами ТПО на участках промысла от 18 до 26°С. На диаграмме глубин лова выделяются два пика связанных с целевыми промыслами - прибрежный лов анчоуса, донных видов, сардинопса над шельфом (0-200 м) и океанический промысел тунцов и кальмара над глубинами 3200-5000 м. В годы Эль-Ниньо отмечается заметное смещение участков промысла на меньшие глубины, особенно в ИЭЗ, где происходит почти двукратное увеличение их площади в диапазоне глубин 0-200 м. В целом по Перунскому подрайону в 1,5-2 раза увеличивается площадь промысловых участков с ТПО 22-25°С, и в 10 и более раз участков с ТПО выше 25°С [Краснобородько, 2018].

Таким образом, исследование ДС на примере ЭНЮК показало, что они могут быть обусловлены общепланетарными процессами, такими как колебания мгновенной оси вращения Земли [Кудерский, 2007; Вялов, 2007], которые связываются

исследователями с режимами ее суточного вращения [Вялов, 2007; Яковлев, 2007], нерегулярной изменчивостью внешнего гравитационного поля [Кудерский, 2007], солнечной активностью [Яковлев, 2007; Вакуленко, Сонечкин, 2011].

А) Б)

Рисунок 4.3.10. Локализация промысловых судов по диапазонам глубин (А) и ТПО (Б) в обычные годы (2012-2013 гг.) и в годы Эль-Ниньо (2015-2016 гг.)

ДС, формируемые столь масштабными процессами, очевидно, играют важнейшую роль в обеспечении единства функционирования глобальной геоэкосистемы в целом и пелагических геоэкосистем Мирового океана в частности.

Выводы по главе 4:

Асинхронные ДС - глобальное явление на всех уровнях организации морских геоэкосистем - в атмосфере, океане, биоте, промысле. Их поиск на регулярных сетках ДДЗ является вычислительно-затратной задачей, решение которой выполнимо в рамках методологии работы с БоД. Глобальное распределение ДС во времени и пространстве носит физически обоснованные статистические закономерности и вписывается в рамки существующих моделей ДС в системе «океан-атмосфера». ДС с заблаговременностью до 2 лет может быть основой среднесрочного прогнозирования состояния морских геоэкосистем. Исследование ДС ЭНЮК показало, что она связана с общепланетаным процессом колебания оси вращения Земли. Обнаруженные по ДДЗ ДС, очевидно, так же могут иметь в своей основе подобные глобальные процессы.

ГЛАВА 5. ВЫЯВЛЕНИЕ ГЕОЭКОЛОГИЧЕСКИХ ФАКТОРОВ, ВЛИЯЮЩИХ НА БИОРЕСУРСЫ ПЕЛАГИАЛИ

5.1. Представление научных статей в многомерном числовом пространстве

Широкие возможности для ассимиляции значительных массивов тематических неструктурированных данных - отчетных текстовых материалов ресурсных и геоэкологических НИР (научных статей, аналитических справок, отчетов по НИР) - и их геоэкологического реанализа дают технологии естественно-языкового МО - NLP. В результате обработки такими технологиями массива научных статей (текстового корпуса), содержащих отчетные материалы исследований геоэкосистем и состояния ВБР в районах Атлантики и ЮВТО за период 2007-2020 гг., проведенные в рамках выполнения государственного задания АтлантНИРО, было получено распределение их тегов (смысловых единиц, понятий) в 3-х мерном пространстве тематик НИР. В полученном облаке из 27 тыс. тегов объединенных примерно 4 млн. смысловых связей, формирующих в направлениях базовых НИР спиральные «рукава» разной степени выраженности (океанология, ихтиология, промысел, паразитология, гидробиология, гидроакустика) было локализовано положение термина «Геоэкология» (Рисунок 5.1.1).

л- Ихтиология*;'У.Л-ч . • #*

Рисунок 5.1.1. Облако тегов из статей АтлантНИРО в пространстве основных тематик НИР, положение тега «Геоэкология» показано стрелкой

Являясь синтетическим научным направлением, геоэкология воспринимает и адаптирует к своим задачам знания и методики исследований различных направлений НИР. Поэтому тег «Геоэкология» ожидаемо расположился в центральной части облака, где преимущественно локализуются понятия, лежащие на стыке направлений НИР. Так же отмечен некоторый его сдвиг в область биологических направлений исследований -«Промысел», «Ихтиология», «Океанология», по которым в статьях АтлантНИРО отмечается высокая степень проработки исследуемых научных вопросов и тесная междисциплинарная интеграция результатов НИР.

Анализ характеристик распределения тегов (понятий) и их связей в едином многомерном пространстве признаков позволил посмотреть на проблему обобщения известных и поиска новых геоэкологических знаний на базе ранее опубликованных результатов НИР с новых позиций [Краснобородько, 2021]. Тематики ресурсных и геоэкологических НИР в исследованных статьях, их наполненность терминологией, фактами, множеством внутренних и внешних смысловых связей, позволяют проводить их эффективное исследование существующими в рамках NLP-технологий методами.

Одной из базовых проблем NLP-методов является выбор оптимальных приемов визуализации раскрываемых ими многомерных понятийных пространств. Качество такой визуализации напрямую определяет эффективность последующего анализа сложных смысловых аспектов исследуемых научных текстов. Сегодня существует большое количество способов визуализации многомерных текстовых пространств [Wang et al., 2018]. В подходе, примененном в данной работе, был заложен принцип пространственной дифференциации базовых направлений НИР. В плотном «ядре» полученного облака тегов в основном группируются общеупотребимые понятия, малозначимые в рамках рассматриваемых направлений НИР (например, «Сочетаться», «Исправлять» и др.). Более разреженный «пузырь» (англ. Bulge) из тегов, окружающий центральное плотное ядро облака, включает в основном научные понятия междисциплинарного характера (например, «Подекадный», «Отчетность» и др.). В спиральных «рукавах» облака концентрируются специфические термины, используемые в рамках конкретных направлений НИР, при этом, чем понятие специфичней, тем дальше оно отстоит от «ядра» (например, по мере удаления от «ядра» по рукаву «Ихтиология»: «Самец», «Нереститься», «Популяционный») [Краснобородько, 2021].

Исследование показало, что не все направления НИР в рамках ресурсных и геоэкологических исследований АтлантНИРО развиваются пропорционально, существует естественный дисбаланс вследствие разных объемов заказов на направления НИР и приоритетов их развития. Так, отмечена высокая степень проработки и тесная интеграция результатов НИР по биологическим направлениям - «Промысел», «Ихтиология», «Океанология», плотность тегов облака в направлениях этих НИР и между ними максимальна. Около 90-95% исследованных статей рассматривают научные вопросы, на долю статей, посвященных вопросам внедрения результатов НИР в рыбохозяйственную практику (промысел, логистика, переработка, маркетинг, научное наблюдение на промысле, и др.) приходится 5-10% от их числа (Рисунок 5.1.2).

Промысел

150

"Х-1" Наука

-50 Практика

Рисунок 5.1.2. Плотность облака тегов в секущих плоскостях «X-Y» и «X-Z». Показаны основные направления НИР

Координатные представления больших текстовых массивов в едином признаковом пространстве позволяют охватить их одним взглядом, как единое целое. В рамках исследования геоэкологических аспектов НИР АтлантНИРО в Атлантике и ЮВТО это позволяет выявить и обобщить ведущие геоэкологические факторы

функционирования пелагических экосистем этих макрорайонов. В области локализации тега «Геоэкология» в облаке были выделены четыре кластера его ассоциатов (авт. -наборы тегов, актуализирующихся в облаке в ответ на поданный на ее вход какой-либо входной тег). Ассоциаты связаны с входным тегом близкой смысловой нагрузкой. Кластер 1 образован понятиями, объединенными идеей «Дифференциации во времени и пространстве» («расслоение», «вычленение» и др.), кластер 2 - идеей «Объединения», кластер 3 - «Формирования»; кластер 4 - «Трансформации» (Рисунок 5.1.3).

Рисунок 5.1.3. Ассоциаты термина «Геоэкология» в проекции облака тегов на плоскость «X-Y» (1-4 - кластеры) [Краснобородько, 2021]

Теги, находящиеся в одном кластере с тегом «Геоэкология» (кластер 1), несут близкое смысловое значение, которое, отражает качества геоэкологии, как науки. Она дифференцирует природно-антропогенные явления в пространстве (ассоциаты «расслоение», «вычленение»), и времени («хронологический»), в многомерных информационных пространствах («кластеризация», «квантильный»). Но только дифференциация не является целью геоэкологии, важными шагами геоэкологического познания являются объединение, обобщение нового (кластер 2), его закрепление (кластер 3), трансформация и проецирование на другие явления (кластер 4). В кластеры объединились и некоторые океанологические и биологические термины («талассный», «втоки», «фенотип», «биопродуктивность»), что указывает на тесную связь между ними.

Исследованный текстовый корпус содержит большое количество информационных связей между тегами - явных и «скрытых» (неочевидных, косвенных). По расстоянию между связанными тегами можно выделить ближние тематические связи (объединяют смысловые явления в рамках конкретных групп понятий и тематик НИР), и многочисленные дальние смысловые связи (междисциплинарные, выходящие за рамки направлений НИР, Рисунок 5.1.4).

Рисунок 5.1.4. Тематические (красным) и смысловые (синим) связи в облаке тегов (проекция на плоскость «Х^»)

Характер связанности понятий зависит от их смысловой и пространственной близости в контекстах статей. Так, для термина «Ставрида» тематическими ассоциатами являются термины «Сельдь», «Градиентный», «Внутренности», «Вителлогенез» и др., а смысловыми - «Западноафриканская», «Европейская», «Скумбрия» и др.

Ценные результаты дает направление исследования облака на предмет поиска в нем «скрытых» связей понятий и новых знаний, не содержащихся в явном виде в проанализированных статьях. Они могут быть получены в результате математических операций с группами тегов, а по сути, с множествами контекстов, которые за ними стоят. Следует подчеркнуть, что результаты таких вычислений всегда носят вероятностный характер, с каждым новым шагом вычислений отмечается «деградация» смыслов расчетных тегов вследствие ряда факторов:

1 - малого размера текстового корпуса. В NLP текстовые корпуса для МО обычно собираются из миллионов текстовых фрагментов. Однако такой подход имеет и недостатки - в большом их объеме могут нивелироваться штучные, уникальные знания, встречающиеся редко или единожды. В этом свете апробация NLP-технологий на небольшом тематическом корпусе статей АтлантНИРО представляет большой интерес;

2 о / и

- ожидаемо низкого качества некоторой (неизвестной) части статей, содержащих ошибочные, непроверенные, «слабые» научные результаты и выводы;

3 - влияния процесса смены научных идей в ходе их эволюции. Несмотря на то, что этот процесс является естественным для человека-исследователя, МО на обучающих выборках, содержащих противоречивые знания, приводит к усвоению NLP-системой как новых, так и старых знаний, что может порождать логические ошибки;

4 - сложности языковых явлений, со свойственной для них контекстно-зависимой семантикой. Это создает дополнительные сложности при разработке NLP-систем.

Технологии NLP-МО позволяют проецировать смысловые вектора одних документов на другие. В рамках данного исследования было выполнено проецирование ключевых понятий ряда руководящих документов отраслевого плана развития рыбохозяйственной отрасли [Национальный план..., 2019; Стратегия развития..., 2019] на облако тегов - результатов НИР. По комбинации таких понятий, их весу и расположению в облаке тегов можно судить о степени приоритетности векторов развития в выполняемом объеме НИР. Анализ показывает, что в системе векторов, задаваемых «Стратегией развития рыбохозяйственного комплекса Российской Федерации на период до 2030 года» [Стратегия развития., 2019] особое место занимают вопросы оценки состояния ВБР в традиционных и новых районах промысла, как основы развития рыбохозяйственного комплекса - теги «Биологический», «Ресурс», «Вылов», «Добыча», «Рыбный», «Развитие» (Рисунок 5.1.5). Вектора развития, задаваемые «Национальным планом мероприятий первого этапа адаптации к изменениям климата на период до 2022 года» [Национальный план., 2019] имеют четкую геоэкологическую ориентацию - особое внимание уделено вопросам сбора данных о современных глобальных климатических изменениях, оценки их последствий для рыбохозяйственного комплекса, своевременной реакции на них - теги «Климат», «Измерять», «Оценка», «Долгосрочный», «Реализация» и др. Вес этих тегов в направлениях НИР АтлантНИРО значителен (Рисунок 5.1.6).

Рисунок 5.1.5. Ключевые понятия «Стратегии-2030» [Стратегия развития., 2019] в проекции облака тегов «Х^» и их доли в НИР в Атлантике и ЮВТО

Рисунок 5.1.6. Ключевые понятия «Плана-2022» [Национальный план., 2019] в проекции облака тегов «Х^» и их доли в НИР в Атлантике и ЮВТО

Анализ показывает, что расположение и вес ключевых понятий рассмотренных документов в облаке тегов НИР отражают разную степень проработки поднимаемых ими вопросов, хотя в целом тематика исследований состояния ВБР занимает до четверти всего объема НИР, а вопросы мониторинга условий среды и климата, исследования их последствий для отрасли занимают до 90% объема выполняемых НИР.

5.2. Долгосрочное прогнозирование состояния геоэкосистем на основе математических операций с описывающими их понятиями

В рамках исследования методами NLP обобщались ведущие геоэкологические факторы основных районов промысла в Атлантике и ЮВТО. В результате расчета средних координат групп тегов, скорректированных по маскам геоэкологических понятий (операция №1) были вычислены расчетные теги, положение которых в облаке было близко к терминам, характеризующими геоэкологические факторы развития океанических геоэкосистем в исследуемых районах (Таблица5.2.1). Вес выявленных факторов, отражающий степень их изученности и роль в промысловых геоэкосистемах, изменяется в широких пределах - от 10 до 100% [Краснобородько, 2021].

В результате расчета пропорций координат тегов с комбинациями понятий «промысловый вид» - «геоэкологический фактор» (операция №2) были выявлены ведущие геоэкологические факторы влияния на основные массовые промысловые виды ВБР Атлантического океана и ЮВТО - на рыб, головоногих, ракообразных (Таблица5.2.2). Исследование [Краснобородько, 2021] показало, что количество таких факторов у разных видов ВБР изменяется от одного (окунь) до трех (сардина). Отмечено соответствие факторов геоэкологической роли видов: фито-, зоо планктофаги, хищники.

Анализ показывает уникальность выявленных наборов геоэкологических факторов функционирования пелагических экосистем в каждом промысловом районе (Рисунок 5.2.1). Кроме того, вместе с широко известными геоэкологическими факторами, в первую очередь, состоянием условий среды (динамика атмосферы, термохалинные характеристики вод, течения, уровень биологической продуктивности района, состояние ЗРС и др.) выявился ряд нетривиальных факторов, значительно влияющих на состояние рассматриваемых морских промысловых геоэкосистем:

1 - сильное влияние на пелагическую геоэкосистему ЮВТО кальмаров, особая роль состояния среды в районах и в периоды нереста видов ВБР, критическая важность этапа развития сеголеток для ЮВТО (очевидно, более высокая, чем в других районах);

2 - роль космогеофизических факторов в состоянии экосистем АчА;

3 - противофазный режим состояния ВБР (скумбрии и кальмаров) в ЮЗА;

4 - особая роль «окон заселения» (экологических ниш) в пелагической экосистеме ЮВА (по аналогии с ЦВА).

Таблица 5.2.1

Геоэкологические факторы пелагических экосистем Атлантики и ЮВТО, выявленные операцией №1, в скобках курсивом их ассоциаты

Район Фактор (и его смысловой ассоциат) Вес фактора,

подрайон %

СВА адвективный (поток) 100

возвышенность звукорассеивающий (слой) 83

Роколл локальный (район, процесс) 75

дневной (период) 39

весенний (сезон) 33

физиологическое (состояние) 25

вертикальный (профиль) 17

термический (фон) 17

СЗА звукорассеивающий (слой) 83

Ньюфаундленд метеорологический (режим) 63

поверхностный (слой) 57

адвективный (поток) 31

осенне-зимний (период) 19

вертикальный (профиль) 17

термохалинные (характеристики) 14

ЦВА смешанный (скопление) 100

Канарская депрессия (барическая) 99

экосистема устойчивый (апвеллинг, пассат) 93

приливной (фронт, волны) 67

стайный (вид) 50

интрузионный (поток) 50

миграционный (путь, период) 30

ЭА адвективный (поток) 92

Гвинейский звукорассеивающий (слой) 85

залив вертикальный (профиль) 75

прибрежный (район) 67

смежный (район) 54

разрывной (поток, течение) 54

внутренний (структура) 50

физиологический (состояние) 28

ЮВА термический (режим) 100

Бенгельская вертикальный (профиль) 98

экосистема метеорологический (режим) 59

«окно» (оптимума, заселения) 56

адвективный (поток) 31

весенний (период) 29

Продолжение Таблицы 5.2.1

Район подрайон Фактор (и его смысловой ассоциат) Вес, %

ЮЗА подвижность (течения, фронта, скопления) 100

Фолклендский скумбрия (вид) 40

подрайон шельфовый (район) 40

скопление (гидробионтов) 22

противофазный (режим) 20

АчА смещение (скоплений, фронта) 67

Антарктический климатический (режим) 64

полуостров циркуляционный (режим, картина) 52

тропосферный (слой) 50

стратификация (вертикальная) 44

космогеофизический (фактор) 25

термохалинный (режим) 16

ЮВТО течение (океаническое) 58

Перуано- западный (перенос, течение) 58

Чилийский сеголетки (молодь) 56

подрайон оммастрефиды (кальмары) 54

космогеофизический (фактор) 38

ветровой (режим) 22

нерестовый (период, состояние) 10

Таблица 5.2.2

Приоритетные геоэкологические факторы для основных видов ВБР Атлантики и ЮВТО, выявленные операцией №2

Бати- Состоя- Динами- Физио- Метео- Термо- Миг-

метрия ние ка вод логич. условия халин- рации

ЗРС состоя- ные вида

ние хар-ки

Анчоус + +

Криль + +

Сардина + + +