ANALYSIS OF SPATIAL INHOMOGENEITY OF PHYTOPLANKTON AND YELLOW SUBSTANCE IN THE KARA SEA BAYS Vladimir V. Kirillov1, Nelly M. Kovalevskaya1, Alexander S. Pechkin2, Anton V. Kotovshchikov1, Tatiana V. Skrospechova3, Aleksandra S. Skachkova4, Alexander N. Semchukov1 1 Institute for Water and Environmental Problems SB RAS, Barnaul, Russia 2 Arctic Research Center, Salekhard, Russia 3 Arctic and Antarctic Research Institute, St. Petersburg, Russia 4 Sovzond Company Ltd., Moscow, Russia Abstract Ship and satellite (RapidEye, Terra / ASTER, Landsat-8) data are used for analysis. Depth Delft3D-maps is a tool for preliminary analysis. Statistical relationships (determination coefficient changes from 0.92 to 0.99) between optically active substance concentrations and apparent optical properties are revealed. The relationships shows optical complexity of the studied area waters and necessity to use the bands (CoastalBlue, Green, RedEdge) for detailed monitoring of phytoplankton and yellow matter in the Kara Sea bays. Keywords: phytoplankton, yellow matter, Delft3D-bathymetry, satellite data of high resolution АНАЛИЗ ПРОСТРАНСТВЕННОЙ НЕОДНОРОДНОСТИ КОЛИЧЕСТВА ФИТОПЛАНКТОНА И ЖЕЛТОГО ВЕЩЕСТВА В ЗАЛИВАХ КАРСКОГО МОРЯ Кириллов В.В.(1), Ковалевская Н.М.(1), Печкин А.С. (2), Котовщиков А.В.(1), Скороспехова Т.В.(3), Скачкова А.С.(4), Семчуков А.Н.(1) 1 Институт водных и экологических проблем СО РАН, Барнаул 2 Научный центр изучения Арктики, Салехард 3 ААНИИ Росгидромета, Санкт-Петербург 4 СОВЗОНД, Москва Для анализа используются судовые и спутниковые данные (RapidEye, Terra/ASTER, Landsat-8). Инструментом предварительного анализа являются Delft3D-карты глубин. Построены корреляцион- ные соотношения (коэффициент детерминации от 0.92 до 0.99) между концентрациями оптически ак- тивных веществ и полученными спутниковыми данными. Эти соотношения продемонстрировали оп- тическую сложность вод исследуемых акваторий и необходимость использовать данные наборов диа- пазонов (CoastalBlue, Green, RedEdge) для детального мониторинга фитопланктона и желтого вещества в заливах Карского моря. Ключевые слова: фитопланктон, желтое вещество, Delft3D-батиметрия, спутниковые данные высокого разрешения. Введение. В заливы Карского моря – Обскую и Гыданскую губы – поступают водный, химический и биологический стоки с реками Обь, Таз, Пур, Надым и другими водотоками, дренирующими территорию Ямало-Ненецкого автономного округа, включая полуострова Ямал и Гыдан, которые испытывают на себе воздействие предприятий нефтегазового ком- плекса. Комплексные исследования Обской Губы, Гыданской губы и их водосборных бассейнов одновременно методами дистанционного биооптического зондирования и контактными мето- дами дают новое знание о современном состоянии экотональной экосистемы исследуемого региона, позволяя оценить относительную значимость природных и антропогенных факторов в водных экосистемах Субарктики. Фитопланктон – экологическое сообщество обитающих в водной толще микроскопиче- ских растительных клеток – водорослей, представителей различных биологических видов, раз- нообразных по форме, размерам, скорости роста и биохимическим характеристикам. Уровень развития фитопланктона определяет трофический статус водных экосистем, отражает количе- ство биогенных и органических веществ и одновременно является фактором биологического самоочищения поверхностных вод от загрязнения. К числу интегральных, количественных и оперативных методов исследования уровня развития, динамики, пространственного распреде- ления, продукционных характеристик и физиологического состояния фитопланктона отно- сится определение в поверхностных водах содержания основного фотосинтетического пиг- мента водорослей – хлорофилла а (ХЛ). Хлорофилльный метод используется для экологиче- ского мониторинга по автотрофному звену экосистем, оценки уровня трофности и качества воды водных объектов. Процессы, формирующие и поддерживающие функционирование водных экосистем, также отражаются на таком интегральном показателе, как желтое вещество или растворенное органическое вещество (РОВ). Поэтому, чтобы понять эти процессы, необходимо изучение изменчивости его состояния во времени и пространстве [1]. Предыдущие исследования на основе судовых и спутниковых наблюдений продемон- стрировали, что максимальные значения интенсивности флуоресценции ХЛ и РОВ наблюда- ются в Обской губе. Также выделяются фронтальные зоны с резкими изменениями этих пара- метров [2]. При этом полученное ранее количество судовых наблюдений было недостаточным, чтобы построить надежные регрессионные модели на основе использования, в частности, спутниковых данных Terra/MODIS [3]. 185 В июле и августе 2015 были проведены экспедиционные исследования в заливах Кар- ского моря, в том числе с целью изучения первично-продукционных характеристик и РОВ. Получены концентрация ХЛ, как интегрального показателя уровня развития фитопланктона, и коэффициенты поглощения РОВ на основе анализов проб воды, отобранных на различных участках Обской губы и Гыданской губы. Данные in-situ были использованы в биооптических алгоритмах эвристического типа. Традиционно такие алгоритмы использовались для открытых морских и океанических вод (типа ‘case-1’), главной характеристикой которых является уровень концентрации ХЛ. По- этому соответствующие модели опираются на данные диапазонов максимума поглощения ХЛ (Blue) и минимума поглощения ХЛ (Green). Этим моделям противопоставляются модели вод типа ‘case-2’, где содержание фитопланктона, ВВ и РОВ гораздо выше, чем для вод типа ‘case-2’. Биооптические алгоритмы для эвтрофных вод (высокие концентрации ХЛ) и для мут- ных вод (высокие концентрации ВВ) основаны на данных диапазонов Red и NIR [4]. В общем, деление вод только на два типа является достаточно условным и необъективным. Наше иссле- дование продемонстрировало оптическую сложность вод заливов Карского моря, не относя- щихся ни к одному перечисленных условий. Полученные регрессионные зависимости пока- зали необходимость учитывать одновременно данные следующих диапазонов: для концентраций ХЛ – Green и RedEdge (или Red), для коэффициента поглощения РОВ – CoastalBlue и Green. В результате пространственного анализа установлены значительные отличия по концен- трации ХЛ (и другим пигментным характеристикам водорослей фитопланктона [5]) с тенден- цией уменьшения количества фитопланктона по мере продвижения от дельты реки Обь к вы- ходу из губы в Карское море, на градиенте солености [6]. Используемые данные и методы для предварительного анализа. Для анализа про- странственного распределения фитопланктона по содержанию ХЛ и коэффициента поглоще- ния РОВ использованы данные измерений физико-химическими (экстрактными) методами. Технологическая схема включала:  определение содержания хлорофилла в воде спектрофотометрированием ацетонового экстракта концентрата планктонных водорослей;  обработку проб воды на содержание РОВ на основе измерения на двулучевом спектро- фотометре SPECORD 200 Analytik Jena и вычислений с помощью программных ком- плексов Winaspect, CDOM. Рис. 1. Представление концентраций ХЛ (слева) и коэффициентов поглощения РОВ (справа) с использованием батиметрических Delft3D-карт. 186 Учитывая изменчивость процессов и возможное ветровое воздействие в исследуемой ак- ватории, полученные данные были представлены с использованием батиметрических Delft3D- карт, полученных с помощью набора криволинейных ортогонализованных сеток (рис. 1). Обработка спутниковых данных. Расчет концентраций хлорофилла и коэффициентов поглощения РОВ проводился на основе спутниковых данных высокого разрешения и эвристи- ческого моделирования. Для исследования использовались следующие спутниковые данные: RapidEye (5м, 04.08.2015), Terra/ASTER (15м; 07.07.2015, 16.07.2015, 04.08.2015), Landsat-8 (30м, 31.07.2015). Самый высокий коэффициент детерминации для определения концентраций ХЛ с ис- пользованием полученных in-situ данных показали эвристические модели, основанные на ис- пользовании диапазонов спутника RapidEye: RedEdge и Green (рис.2,3). Модели для определения концентраций ХЛ с использованием данных Terra/ASTER про- демонстрировали необходимость одновременно использовать данные диапазонов Green и NIR (рис.2,4). Аналогичные результаты для оценок концентраций ХЛ были получены на основе использования данных Landsat-8 (рис.2,5). Модели для оценки коэффициента поглощения РОВ на основе данных Landsat-8 пока- зали эффективность использования диапазона CoastBlue (рис.2,6), который соответствует мак- симуму поглощения РОВ [7]. Заключение. Исследования, проведенные на основе использования in-situ данных Об- ской и Гыданской губ и эвристического моделирования, продемонстрировали оптическую сложность заливов Карского моря. Если в прибрежных водах с невысоким содержанием ХЛ спектральные диапазоны Green и Blue являются наиболее чувствительными к изменениям кон- центраций ХЛ, а в мутных и/или эвтрофных водах диапазоны Red и NIR становятся более зна- чимыми, то для мониторинга исследуемой акватории необходимо использовать данные набо- ров диапазонов {(Green, RedEdge)ХЛ, (CoastalBlue,Green)РОВ}. 8 12 Концентрация ХЛ , Концентрация ХЛ , 10 6 8 мг/м3 мг/м3 4 6 4 2 y = 1346x - 1,3864 y = 2238,9x - 4,1416 R² = 0,99 2 R² = 0,93 0 0 0 0,002 0,004 0,006 0,008 0 0,002 0,004 0,006 0,008 RapidEye: Green*RedEdge Terra/ASTER: Green*NIR 5 6 поглощения РОВ, 1/ м Концентрация ХЛ , 4 5 4 Коэффициент 3 мг/м3 3 2 y = 11763x - 25,814 2 y = 99,631x - 74,499 1 R² = 0,92 1 R² = 0,94 0 0 0,0022 0,0023 0,0024 0,0025 0,0026 0,77 0,78 0,79 0,8 Landsat-8: Green*NIR Landsat-8: Green/CoastalBlue Рис. 2. Регрессионные зависимости данных in-situ и спутниковых наблюдений. 187 Рис.3.Распределение концентрации ХЛ (мг/м3) по данным спутника RapidEye (04.08.2015). Рис.4. Распределение концентрации ХЛ (мг/м3) по данным спутника Terra/ASTER (16.07.2015) 188 Рис.5. Распределение концентрации ХЛ (мг/м3) по данным спутника Landsat-8 (31.07.2015). Рис.6. Распределение коэффициента поглощения РОВ (1/м) по данным спутника Landsat-8. Особый интерес для будущего исследования представляет тот факт, что структуры полей фитопланктона и желтого вещества во фронтальных зонах характеризуются особой сложно- стью процессов и динамикой размеров фронтальных зон. При этом, содержание ХЛ во фрон- тальной зоне Обской губы значительно ниже, чем в ее речной части. Поскольку факторы, опре- деляющие распределение фитопланктона, определяются вдоль градиента солености, следую- щим шагом исследования будет сопоставление деталей полей концентраций ХЛ с результа- тами Delft3D-моделирования солевого режима с учетом интрузии речных вод. Полученные результаты позволяют определить условия эффективного мониторинга вод- ных экосистем региона в условиях изменении климата и увеличения антропогенной нагрузки вследствие использования природных ресурсов Гыданского полуострова, строительства и экс- плуатации порта Сабетта. Работа выполнена при финансовой поддержке РФФИ (грант № 16-45-890664). ЛИТЕРАТУРА [1] Агатова А.И., Лапина Н.М., Торгунова Н.И. Пространственно-временная изменчивость органического вещества и скоростей его трансформации в Обской губе // Океанология. 2013. Т. 53. № 2. С. 175-191. [2] Буренков В.И, Гольдин Ю.А., Артемьев В.А., Шеберстов С.В. Оптические характери- стики вод Карского моря по судовым и спутниковым наблюдениям // Океанология. 2010. Т. 50. № 5. С. 716-729. [3] Кузнецова О.А., Копелевич О.В., Шеберстов С.В. и др. Оценка концентрации хлоро- филла в Карском море по данным спутникового сканера MODIS-Aqua // Исследование Земли из космоса. 2013. № 5. С. 21-31. 189 [4] Moore T.S., Dowell M.D., Bradt S., Verdu A.R. An optical water type framework for selecting and blending retrievals from bio-optical algorithms in lakes and coastal waters // Remote sens- ing of environment. 2014. 143:97-111. doi:10.1016/j.rse.2013.11.021. [5] Митрофанова Е.Ю. Фитопланктон нижней Оби, Обской и Гыданской губ летом 2015 г. // Известия Алтайского отделения Русского географического общества. 2016. № 3 (42). С. 61-71. [6] Суханова И.Н. и др. Структура сообществ фитопланктона и первичная продукция в об- ском эстуарии и на прилежащем карском шельфе // Океанология. 2010. Т. 50, № 5. С. 785-800. [7] Буканова Т.В. Тенденции эвтрофирования юго-восточной части Балтийского моря по спутниковым данным: Дис. канд. геогр. наук. Калининград, АО ИО РАН, 2014. 142 с. 190