수온약층 계절적 분포 특성 번역(한국어 원본)3차원인 해양에서 수온에 관한 공간적인 연구는 대부분 수평적인 분포로 해석되고 있지만, 수온약층을 포함한 수직적인 수온특성에 과한 연구는 미비한 실정이다. 해양의 수직적 수온 구조에서 혼합층(mixed layer) 아래 수온이 수심에 따라 급격히 감소하는 층을 수온약층(thermocline)이라 하며, 해양물리(marine physical) 및 해양생물(marine organism) 현상을 이해하는데 중요한 역할을 한다.
수온약층을 연구하기 위해서는 먼저 수온약층이 형성되었는지를 판단한 후, 수온약층 구조에 관한 파라미터를 추출해야한다. 여기서 가장 난해한 부분은 어느 수심에서 수온약층의 시작과 끝이 있는지를 판단하는 것이다. 이를 위해 가장 적절한 방법은 수온 수직구조를 육안으로 판단하는 것이다. 하지만 장기간 광역의 수온자료 셋에 대한 수직 프로파일을 일일이 손으로 그려 확인하기란 매우 어려울 뿐 아니라 객관성을 유지하기도 어렵다.
적도 태평양 해역에서는Kessler(1990) 이후20℃ 등온선의 수심을 수온약층의 중간층 깊이로 정의하여 사용하고 있다. 이를 이용해 최근에는 NOAA 연구진에서 기후변화 지수(climate change index)인 엘리뇨/라니냐 변동과 수온약층의 변동과 매우 밀접한 관계가 있음을 밝힌 바 있다.
하지만 계절수온약층이 존재하는 중위도 해역은 시기와 지역에 따라 다양한 형태의 수온 수직구조가 존재한다. 따라서 수온약층이 시작하고 끝나는 수심을 추출하기 위해 해역과 시기에 따라 다양한 수직적 수온구배(temperature gradient: ΔT) 조건을 찾아내는 노력이 시도 되었다(Hastenrath and Merle, 1987; Prasad and Bahulayan, 1996; Park and Chu, 2007).
이러한 기존의 연구는 수온약층 형성 유무에 대한 사전 탐지 과정이 없고, 수온약층을 추출하는데 수온구배 임계치를 사용하는 한계점이 있었다. 즉, 시기와 해역에 따라 이러한 임계치는 바뀌게 되어, 이 값을 중위도 해역에 일반적으로 적용시키지는 못하는 단점이 있다.
따라서 중위도 해역에서 여름철 다양한 수온의 수직구조에 대해 수온약층을 탐지하고 관련 파라미터를 추출하는 알고리즘을 개발(Yoon and Choi, 2012)한 바 있다. 이 연구에서는 수온약층을 탐지하기 위해 ΔT 임계조건을 사용하였고, 수온약층 파라미터를 추출하기 위해 쌍곡탄젠트(hyperbolic tangent) 함수의 구조 특성을 적용하였다. 하지만 이 연구 또한 수온약층 파라미터를 추출할 수 있는 장점이 있으나, “수온 수직구조의 형태에 관계없이 수온약층을 탐지하고 파라미터를 추출할 수 있어야 함”이라는 근본적인 목적에는 도달하지 못하였다.
따라서 본 연구에서는 쌍곡탄젠트 함수의 구조만을 적용하여 수온약층의 탐지와 추출이 가능한 개선된 알고리즘을 개발하고자 한다. 아울러 다양한 수온 수직구조가 존재하는 한국근해역을 대상으로 이 알고리즘을 적용하여 수온약층의 공간적 분포특성과 파라미터들간의 관계 모형도 시험적으로 수립하고자 한다.
MATERIALS AND METHODS
(1) Study area and data
연구해역은 Figure 1과 같이 중위도에 위치한 한국근해역으로 선정하였다. 이 지역은 쿠루시오난류(Kuroshio Warm Current), 북한한류(North Korea Cold Current)의 영향을 직접 받는 해역으로 하계에 다양한 계절수온약층의 형태가 존재한다. 연구에 사용한 수온 자료는 국립수산과학원(National Fishers Research & Development Institute, NFRDI)에서 매년 정기적으로 관측하고 있는 NSO(NFRDI Serial Oceanographic observation) 중 30년간(1981~2010) 하계(8월)에 205개 정점에서 관측된 자료를 사용하였다. 이 자료는 수직적으로 14개 표준 수층(0, 10, 20, 30, 50, 75, 100, 125, 150, 200, 250, 300, 400, 500m)에 대한 수온 자료를 포함하고 있다. 표준 수심층의 수온으로 부터1m 수심 간격의 수온 자료를 얻기위해 monotone piecewise cubic interpolation(Fritsh and Carlson, 1980) 기법을 사용하였다.
(2) Thermocline detection
본 연구에서 사용한 수온약층 탐지기법은 Figure 2와 같이 쌍곡탄젠트함수(hyperbolic tangent function)의 구조가 수온약층 구조와 유사하다는 점에 착안하여, 미분된 쌍곡탄젠트함수(differential hyperbolic tangent function)의 개념을 수온구배의 수직구조에 도입한 것이다. 미분된 쌍곡탄젠트함수의 x성분은 수심, y성분은 수온구배를 의미하며, 수온구배의 42%가 되는 지점을 수온약층의 윗점과 아랫점(thermocline top & base point depth)으로 정의하였다(Yoon and Choi, 2012). 수온약층의 출현유무는 최대수온구배 (maximum ΔT)의 42%가 되는 지점의 존재 여부로 판단하였으며, 최종 수온약층이 발생한 자료 셋에 대하여 10가지 파라미터를 추출하였다: 1) sea surface temperature, 2, 3) thermocline top point depth & temperature, 4, 5) maximum ΔT point depth & temperature, 6, 7) thermocline base point depth & temperature, 8) maximum ΔT, 9) thickness of thermocline, 10) difference of temperature between thermocline top and base point.
RESULT
(1) Thermocline Occurrence Frequency
수온약층 탐지결과 전체 5,329개의 수온자료 셋 중 수온약층이 존재하는 자료는 3,231개 였으며, 각 station마다의 수온약층 출현확률(thermocline occurrence frequency)은 Figure 3과 같다. 전체 station중 출현확률이 25% 이하는 15개, 25~50%는 33개, 50~75%는 89개, 75~100%는 68개로 나타났다. 육지에 가까운 수심이 얕은 지역은 외해역에 비해 수온약층 출현확률이 상대적으로 낮게 나타났다. 수온약층의 공간분포 특성을 파악하기 위해 출현확률이50% 이상인 157개 station을 대상으로, 각 파라미터의 평균값을 산출하였다.
(2) Distribution of thermocline parameters
10가지 파라미터 중 수온약층을 대표하는 4가지 parameter인 표층수온(SST), 수온약층 윗점(thermocline top point depth), 최대수온구배(maximum ΔT), 수온약층의 두께(thickness)에 대한 공간분포 지도를 제작하였다(Figure 4). 하계 한국근해역의 SST의 범위는 22~30℃이며, 제주도(Jeju Is.) 남동쪽이 가장 높고, 동해가 가장 낮게 나타났다. 이는 제주도 남쪽해역은 쿠루시오 난류의 영향을, 동해는 북한한류의 영향을 받기 때문으로 판단된다. 수온약층의 시작점은 9~27m의 범위로 나타났으며, 쓰시마섬(Tsushima Is.) 주변의 해역에서 가장 깊게 나타났다. 최대수온구배는 제주도를 기준으로 동쪽보다 서쪽에서 높게 나타난 반면, 수온약층의 두께는 최대수온구배와 상반대는 결과를 보였다. 이에 따라 한국근해역의 수온약층은 제주도를 기준으로 동쪽보다는 서쪽에 강하게 형성됨을 알 수 있었다.
(3) Correlation analysis
공간적으로 다양한 분포패턴을 보이는 4가지 파라미터의 관계를 파악하고자 상관분석을 수행하였다(Table 1). 표층수온과 최대수온구배는 양의 상관관계, 표층수온과 수온약층의 두께와는 음의 상관관계를 보였다. 이것은 표층수온이 높을수록 최대수온구배는 커지고 수온약층의 두께는 얇아지는 것을 의미한다. 따라서 표층수온이 수온약층의 강도에 영향을 미치는 것으로 확인되었다. 수온약층 시작점의 깊이는 표층수온과 반대로 최대수온구배와는 음의 상관관계, 수온약층 두께와는 양의 상관관계를 보였다. 또한, 최대수온구배와 수온약층의 두께는 음의 상관관계를 보였다. 이와 같이 수온약층 파라미터의 관계 모형을 통해 SST와 다른 파라미터들과의 관계가 유추 가능하다.
CONCLUSION
다양한 수온의 수직 구조에서 수온약층을 탐지하고 정량화 할 수 있는 알고리즘을 개발하여, 중위도 해역의 계절수온약층 파라미터 추출에 적용하였다. 수온약층을 구성하는 파라미터를 정량화 함으로써 여름철 한국근해역에 존재하는 수온약층의 공간적인 분포특성을 처음으로 파악 할 수 있었다. 또한 파라미터간의 상관관계분석을 통해 수온약층 구조의 모델정립도 가능하였다. 향후 본 연구에서 사용한 알고리즘을 이용하여 중위도 해역의 수온약층 변동과 기후변화지수(climate change index) 및 해양생물(marine organism)과의 관계 분석에도 적용 가능할 것으로 기대한다. |
수온약층 계절적 분포 특성 번역(영어 번역본)Research of spatial characteristics of water temperature in the sea, which is a three-dimensional space, has been mostly limited to studies of horizontal distribution. As such, research on vertical temperature characteristics, including the thermocline, is lacking. In the vertical temperature structure of the sea, the layer below the mixed layer in which the water temperature rapidly decreases with depth is referred to as the thermocline. This layer is important to understanding marine physical and marine organism phenomenon.
In order to study the thermocline, one must first determine if it has been formed and then extract the parameters of the thermocline structure. The most difficult step is determining at which depth the thermocline starts and ends. For this purpose, one may visually inspect the vertical structure of water temperature. However, this method is impractical when analyzing vertical temperature profile dataset over a wide region and for an extended period of time, and the method is also vulnerable to subjectivity.
In research of the equatorial Pacific Ocean, Kessler (19990) has defined the depth of 20 °C isothermal line as the medium depth of the thermocline and this definition has since been used. The NOAA group has recently used this definition in discovering very close relationship between changes in El Niño and La Niña, which are climate change indices, and changes in thermocline.
In contrast to low-latitude waters, mid-latitude waters have seasonal thermocline and vertical temperature structures that vary with season and region. Several studies have attempted to identify various vertical temperature gradient conditions for different seasons and regions in order to extract depths at which the thermocline begins and ends (Hastenrath and Merle, 1987; Prasad and Bahulayan, 1996; Park and Chu, 2007).
Limitations of these studies are that there is no prior step for checking the formation of thermocline and that a threshold has been used for temperature gradient to extract thermocline. Such threshold will vary with season and region, which implies that the method cannot be applied generally to mid-latitude waters.
To solve this problem, we have developed an algorithm for detecting thermoclines and extracting relevant parameters in the vertical structures with varying temperature in mid-latitude waters during summer (Yoon and Choi, 2012). In the study, ΔT threshold condition was used to extract thermoclines, and structural characteristics of the hyperbolic tangent function were used to extract thermocline parameters. Although the developed algorithm is capable of extracting thermocline parameters, it is unable to achieve the fundamental goal of “detecting the thermocline and extracting its parameters regardless of the form of the vertical temperature structure”.
In this study, we aimed to develop an improved algorithm for detecting thermocline and extracting parameters, only suing the structure of the hyperbolic tangent function. In addition, the algorithm was applied to the Korean waters, in which various vertical temperature structures exist, thereby establishing a preliminary model of relationship between spatial distribution characteristics of thermocline and its parameters.
MATERIALS AND METHODS
(1) Study area and data
The study area selected were the Korean waters located at mid-latitude regions (Figure 1). These regions are directly affected by the Kuroshio Warm Current and the North Korea Cold Current, and has various forms of seasonal thermocline during summer. The water temperature data used in this study was collected annually by the National Fishers Research and Development Institute (NFRDI) at 205 sites during summer (August) for 30 years (from 1981 to 2010), as a part of NSO (NFRDI Serial Oceanographic observation). The data contains water temperature at 14 standard layers (0, 10, 20, 30, 50, 75, 100, 125, 150, 200, 250, 300, 400, and 500 m). In order to obtain water temperature data at 1 m interval, monotone piecewise cubic interpolation (Fritsh and Carlson, 1980) was applied to the water temperature data of standard layers.
(2) Thermocline detection
The thermocline detection technique used in this study was based on the observation that the structure of the hyperbolic tangent function is similar to the thermocline structure, as shown in Figure 2. The concept of differential hyperbolic tangent function has been introduced to the vertical structure of temperature gradient. The x-component of the differential hyperbolic tangent function is the depth and the y-component is the temperature gradient, and the depths at which temperature gradient is 42% of the maximum ΔT were defined as the top and base point depths of thermocline (Yoon and Choi, 2012). Occurrence of thermocline was determined by the existence of depths that have gradients that are 42% of maximum ΔT. The following 10 parameters were extracted from the datasets in which thermocline exists: 1) sea surface temperature, 2, 3) thermocline top point depth & temperature, 4, 5) maximum ΔT point depth & temperature, 6, 7) thermocline base point depth & temperature, 8) maximum ΔT, 9) thickness of thermocline, and 10) difference of temperature between thermocline top and base point.
RESULT
(1) Thermocline Occurrence Frequency
Of total 5,329 datasets, 3,231 were found to have thermocline. Thermocline occurrence frequency for each station is shown in Figure 3. There were 15 stations with frequency below 25%, 33 stations with frequency between 25% and 50%, 89 stations with frequency between 50% and 75%, and 68 stations with frequency between 75% and 100%. Regions close to the land with shallow depth had relatively lower thermocline occurrence frequency with respect to the outer sea. To investigate the spatial distribution characteristics of thermocline, average value for each parameter was calculated for 157 stations with occurrence frequency above 50%.
(2) Distribution of thermocline parameters
Of total 10 parameters, spatial distribution maps were created for the four parameters representing the thermocline, which are sea surface temperature (SST), thermocline top point depth, maximum ΔT, and thickness of thermocline (Figure 4). The range of SST of the Korean waters during summer was from 22 °C to 30 °C, with southeastern area of the Jeju Island being the highest and the East Sea being the lowest. This is most likely because the southeastern area of the Jeju Island is affected by the Kuroshio Warm Current and the East Sea is affected by the North Korea Cold Current. The top point depth of thermocline had a range of 9 m to 27 m, with it being the deepest near Tsushima Island. Maximum temperature gradient was higher west of the Jeju Island compared to east, while the thickness of thermocline showed an opposite trend. From the results, it was concluded that thermoclines in the Korean waters are formed more strongly in the western region with respect to the Jeju Island compared to the eastern region.
(3) Correlation analysis
Correlation analysis was performed to identify the relationship between the four parameters, which had various spatial distribution pattern (Table 1). SST was positively correlated with maximum ΔT, and SST was negatively correlated with thickness of thermocline. This implies that higher the SST, maximum ΔT becomes larger and thickness of thermocline becomes smaller. Therefore, SST was found to influence the strength of thermocline. In contrast to SST, top point depth of thermocline was negatively correlated with maximum ΔT and positively correlated with thickness of thermocline. Also, maximum ΔT and the thickness were negatively correlated. As demonstrated, relational model of thermocline parameters can be used to deduce the relationship of SST with other parameters.
CONCLUSION
We developed an algorithm for detecting and quantifying thermoclines in vertical structures of various water temperatures, and used it to extract parameters for seasonal thermocline in the mid-latitude waters. By quantifying parameters related to thermocline, spatial distribution characteristics of thermocline in the Korean waters during summer has been identified for the first time. Also, we established a model of thermocline structure through correlation analysis of the parameters. It is anticipated that the algorithm developed in this study can be used for the analysis of relationship between changes in thermocline with climate change indices and marine organisms in the mid-latitude waters. |
