Analysis of the characteristics of spatio-temporal sea level and sea surface temperature variation in the North Pacific Ocean by using dimensionality reduction techniques for high-dimensional Altimetry and AVHRR data
- Abstract
- 해양은 지구의 기후 시스템에서 열 운반체와 저장고의 역할을 하며, 저위도에서 고위도까지 해양과 대기 사이의 열을 지속적으로 운반하여 기후를 조절한다. 해수면 높이는 기후 변화와 관련하였을 때 가장 중요한 지표이다. 지난 19세기 말부터 해수면 높이는 상승 추세에 있으며, 20세기 이후 상승률이 더욱 가속화되고 있다. 해수면 온도는 육지와 다르게 온도가 급격하게 변하지 않기 때문에 해양과 대기의 상호 작용에서 가장 기본적인 변수이다. 지형류는 해양의 표층 순환과 연관되어 있다. 해양의 변화는 전 지구적인 변화를 알아보는 것도 중요하지만, 지형 및 기후 변수의 영향을 받기 때문에 지역적인 특성을 고려해볼 필요가 있다.
해양에서는 여러 원인이 복합적으로 작용하기 때문에 2차원 배열의 위성 자료를 시계열화 하여 3차원 배열로 구조화 시켜 차원 축소를 하는 방법이 제시된다. 따라서 경험적 직교 함수 분석을 통하여 시·공간 변동을 살펴보았다. SLA의 첫 번째 모드에서 1년 주기와 반년 주기가 높게 나타난 것은 해수면 온도 변동과 관련이 높은 것으로 판단되며, 교차 스펙트럼 결과 2-3년 주기, 8-10년 장주기는 SOI의 영향을 받는 것으로 판단된다. SLA의 두 번째 모드는 8-13년 주기, 2-3년 주기와 관련 있는 NPGO, PDO와 관련이 높은 것으로 판단된다. 또한 해수면 높이는 지형류와 상관성이 높게 나타났다. 쿠로시오 속류가 강할 때 와동에너지가 적고, 쿠로시오 속류가 약할 때 와동에너지가 강하게 나타났다. 따라서 북태평양의 해수면 높이는 해수면 온도, 지형류 뿐만 아니라 여러 가지 환경 요인에 의한 영향을 받는 것으로 판단된다.
최근 데이터 마이닝과 인공 신경망 기술이 발달함에 따라 대용량의 자료를 분석하는 방법도 활발히 연구되고 있다. 그 중 자기 조직화 지도(Self-Organizing Maps, SOM)는 무감독 분류를 이용한 군집화 방법이다. SOM을 이용하여 위성 고도계 자료를 2×3 격자에 적용시킨 결과 해수면 높이는 2000년대 초, 2010년대 초부터 현재까지 높게 나타났다. 이 때 쿠로시오 속류도 빠르며, 해수면 온도도 변화가 있었다. 해수면 높이의 시·공간 변동에 영향을 주는 SOI, NPGO, PDO와 연관지어 볼 때 라니냐 발생 비율이 높은 것으로 나타났다. 해수면 높이가 상대적으로 낮을 때에는 1990년대 후반, 2000년대 후반 이었으며, 이 때 쿠로시오 속류는 느리고, 엘니뇨 발생 비율이 높은 것으로 나타났다. 엘니뇨와 라니냐의 경우 비선형적인 특성으로 나타나기 때문에 SOM을 이용하여 비선형적 특성을 군집하는 것이 선형적인 자료를 이용하여 EOF 분석을 이용하는 것 보다 효과적인 것으로 판단된다.
해양에서 바닷물의 성질이 비슷한 바닷물 덩어리를 수괴라고 하며, 성질이 다른 수괴의 경계는 해양 전선이라고 한다. 해수면 온도 픽셀이 급격하게 변하는 곳을 경사가 크다고 볼 수 있으며, 경사가 큰 곳을 전선으로 가정하면 경사도 알고리즘을 통해 해양의 전선을 찾을 수 있다. 경사도 알고리즘의 경계치 추출은 수평, 수직, 대각선의 모든 방향의 경계를 구할 수 있는 소벨(Sobel) 연산자를 사용하였다. 해수면 온도 자료를 사용하여 전선 추출 결과 대표적으로 중국 연안 전선, 남해 연안 전선, 쿠로시오 전선, 쿠로시오 속류 전선, 아극 전선, 아북극 전선의 대표적인 여섯 개의 전선을 찾을 수 있었다. 겨울, 봄철에는 여름, 가을철에 비해 더 많은 종류의 전선이 분포하였으며, 분포 범위도 더 넓어졌다. 고도계 자료로 군집된 SOM 결과를 해양 전선 자료에 적용시킨 결과 특히 쿠로시오 속류 전선과 아북극 전선의 분포가 PDO, NPGO의 변화에 따른 영향을 받는 것으로 판단된다.
북태평양 주변 해역의 해수면 높이는 쿠로시오 속류의 영향을 받는 일본 해역에서 크게 나타나며, 해수면 높이는 SOI, PDO, NPGO 등 대기 순환 인자와 관련성이 높은 것으로 판단된다. 본 연구 결과는 북태평양 주변 해역의 해수면 변동 패턴 분석의 기초 자료로 활용 가능할 것으로 판단된다. 특히 SOM으로 분석된 군집 결과는 엘니뇨, 라니냐 등 비선형적으로 나타나는 특성을 분석하는데 적합하였으며, 연구 결과에 바람 자료 등을 추가하여 적용해본다면 다른 해수면 높이 변동 메커니즘을 조금 더 자세히 알 수 있을 것으로 판단된다.
- Author(s)
- 황도현
- Issued Date
- 2021
- Awarded Date
- 2021. 8
- Type
- Dissertation
- Keyword
- Sea level Sea surface temperature Front Empirical Orthogonal Function Self-Organizing Map
- Publisher
- 부경대학교
- URI
- https://repository.pknu.ac.kr:8443/handle/2021.oak/1051
http://pknu.dcollection.net/jsp/common/DcLoOrgPer.jsp?sItemId=200000508353
- Alternative Author(s)
- 고차원 위성 고도계 및 AVHRR 자료의 차원 축소 기법을 적용한 북태평양 해역의 시·공간 해수면 및 해수면 온도 변동 특성 분석
- Affiliation
- 부경대학교 대학원
- Department
- 대학원 지구환경시스템과학부공간정보시스템공학전공
- Advisor
- 윤홍주
- Table Of Contents
- Chapter 1. General Introduction 1
1.1. Background of study 1
1.1.1. Sea level variation 1
1.1.2. Ocean circulation 4
1.1.3. Analysis method review by using ocean data 6
1.2. Object of Study 8
Chapter 2. Data and Methods 10
2.1. Study area 10
2.2. Data 14
2.2.1. SLA 14
2.2.2. SST 20
2.2.3. GV 27
2.3. Methods 29
2.3.1. EOF analysis 29
2.3.2. Power Spectrum Density 32
2.3.3. SOM analysis 37
2.3.4. Edge detection 44
Chapter 3. Spatio-temporal variations in SLA 48
3.1. Overview 48
3.2. Data and Methods 50
3.2.1. Data 50
3.2.2. Methods 52
3.3. Result 54
3.3.1. Spatial and temporal variations of SLA 54
3.3.2. Spatial and temporal variations of SLA and GV 63
3.3.3. Spatial and temporal variations of SLA and SST 77
3.4. Discussions 82
Chapter 4. Changes of SLA patterns 90
4.1. Overview 90
4.2. Data and methods 93
4.2.1. Data 93
4.2.2. Methods 94
4.3. Result 96
4.3.1. SLA patterns 96
4.3.2. Relation between SLA and GV patterns 114
4.3.3. Relation between SLA and SST patterns 123
4.4. Discussions 129
Chapter 5. Changes in the ocean environment patterns 132
5.1. Overview 132
5.2. Data and methods 137
5.2.1. Data 137
5.2.2. Methods 138
5.3. Result 140
5.3.1. Seasonal ocean front patterns 140
5.3.2. Front patterns affected by SLA variations 158
5.4. Discussions 160
Chapter 6. Conclusions 163
6.1. Spatio-temporal variations in SLA 163
6.2. Changes of SLA patterns 164
6.3. Changes in the ocean environment patterns 165
References 167
- Degree
- Doctor
-
Appears in Collections:
- 대학원 > 지구환경시스템과학부-공간정보시스템공학전공
- Authorize & License
-
- Files in This Item:
-
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.