Transcript Modelos de Productividad Primaria
Modelos de Productividad Primaria para aplicación en imágenes de color del océano
LA MATEMATICA DE LA PRODUCTIVIDAD PRIMARIA
P
(
z
,
t
)
P B
(
z
,
t
)
C
(
z
)
P B
P B
(
z
,
t
)
f
(
E
(
z
,
t
))
Ek
P B
(
z
,
t
)
f
(
E
(
z
,
t
);
B
(
z
);
P m B
(
z
))
P B max
Forma de la Curva y Ecuaciones
1. Smith, 1936
P
P m B
*
B
*
E P m B
B
*
E
2. Jassby and Platt (1976)
P
P m B
* tanh(
E
*
B
/
P m B
) 3. Platt et al. (1980)
P
P m B
* ( 1 exp (
E
*
B
/
P B m
) )
P
P m B
* ( 1 exp (
E
*
B
/
P m B
) ) *
e
*
E
*
B
/
P B m
Sensores Remotos y Modelos
1
a
profundidad óptica (1/Kd)
Chla:
indicador de biomasa
(B)
Como relacionar con PP?
Modelos
P B
P m B
* tanh(
E
*
B
/
P m B
)
P B = mg C/mg Chla/dia
P B
P m B
* tanh(
E
*
B
/
P m B
)
PP
P B
/
Chla 1/Kd (PP = mg C/m 2 /dia )
Que pasa con Chla en z ?
Que pasa con Parámetros Fotosintéticos ?
PROVINCIAS BIOGEOQUIMICAS
El Nombre
Provincias Biogeoquimicas
Lange, 1989; Sathyendranath et al., 1995, Longhurst et al., 95, Longhurst, 98) (Platt et al
.,
1988, 1991; Mueller &
Regiones Biogeograficas
Gonzalez-Silvera et al., 04).
(Santamaria-del-Angel et al., 94;
Provincias Oceánicas
(Esaias et al., 00).
Provincias Marinas
(Szekielda, 05).
Regiones Biofísicas
(Saraceno et al., 05, 06).
Provincias Ecológicas Dinámicas
(Dowell et al., 06; Omachi et al., 06).
Provincias Bio-Opticas
… (Campbell et al, 06).
Sesion Especial sobre
Provinces of the Ocean" "Ecological and Biogeochemical
en el “AGU Ocean Sciences Meeting “(20-24 February 2006, Honolulu).
Regionalizaciones
El concepto de regionalizacion busca explicar patrones espaciales de distribucion que son un resultado de las interacciones entre los organismos y su ambiente.
Se ha utilizado para la determinacion de la PP usando sensores remotos desde los trabajos de Platt y Sathyendranath (1988, 1990, 1995, …) Relaciona el estado “biológico” del ecosistema marina (ej. Estructura de la comunidad, productividad, fisiología del fitoplancton) a su ambiente físico (ej. Salinidad, temperatura, luz disponible).
Entender las relaciones Administrar recursos
Provincias pueden ser consideradas como regiones con un patron de co-variacion espacial y con cierto grado de estructuracion permanente.
Longhurst,A. 1996. Ecological Geography of the Sea. Academic Press.
Criterios
Los criterios que se han establecido se basan en: Forzantes físicas Disponibilidad de luz y nutrientes Complejidad de la estructura trófica Propiedades bio-opticas Relación entre biomasa del fitoplancton y temperatura superficial …
En general, una sistema de clasificación no es otra cosa si no el intento de entender el ecosistema como un todo a partir de la comprensión de sus componentes homogéneos.
Un ejemplo basado en datos in situ:
Millan-Nunez et al., 1996, 97
Ejemplos basados en datos de satelite:
Santamaria del Angel et al, 1994
Limites estáticos entre Provincias
Hoepffner et al, 1999
Provincias Dinámicas …
Gonzalez-Silvera et al., 2006
-20 -25 -25
January
SUMMER
4.5
6 8 11 13 17 o
SST
( C) 20 22 25 28 0.01
0.03
0.05
0.1
0.28
0.5
1.45
2.5 5.0
-3
Chla
(mg m ) 10
-25 -25 -30 -30 -35 -35 -40 -40 -45 -45 -65 -60 -55 0.01
0.03
0.05
0.1
0.28
0.5
1.45
2.5 5.0
-3
Chla
(mg m ) 10 -50
April
-45
AUTUMN
4.5
6 8 11 13 17 o
SST
( C) 20 22 25 28
-25 -25 -30 -30 -35 -35 -40 -40 -45 -45 0.01
0.03
0.05
0.1
0.28
0.5
1.45
2.5 5.0
-3
Chla
(mg m ) 10 July
WINTER
4.5
6 8 11 13 17 o
SST
( C) 20 22 25 28
-25 -30 -35 -40 -45
October
-55 -50 0.01
0.03
0.05
0.1
0.28
0.5
1.45
2.5 5.0
-3
Chla
(mg m ) 10
Spring
4.5
6 8 11 13 17 o
SST
( C) 20 22 25 28 -60 -55 -50 -45 -40
Que pasa con Chla en z?
Representación de los perfiles mediante un modelo Gaussiano propuesto por Platt
et al
., 1988
B
(
z
)
Bo
h
2 exp 1 2 (
Z
Zm
) 2 2 Donde: Bo = biomasa inicial por debajo de la curva h = biomasa total sobre la línea de base = curtosis Zm = profundidad del máximo de concentración de clorofila
Millan et al., 1996
•
Se reunieron 3410 perfiles hasta 150 mts de clorofila (1978 a 1992)
•
Se separaron los datos en condiciones de época fría y condiciones de época caliente
Fig. 8 Promedios de perfiles estimados para cada región con la misma concentración de clorofila Superficial para cada una de las subregiones y época.
Fig. 9 Comparación de perfiles reales de CAlCOFi de 1994 con los modelados.
Una vez conociendo Chla (z)
Parametros Fotosinteticos? Provincias Biogeoquimicas
Una vez conociendo Chla (z) y Parametros P
m B
y
B Ed: Modelos que calculan la penetración de la luz en el agua tomando en cuenta su calidad espectral (Sathyendranath & Platt, 1988).
Ver http://www.ioccg.org
Ed: modelos que toman en cuenta el Kd y PAR en superficie, partiendo del hecho que estas las puedo obtener por sensores remotos.
4 ETAPAS Regionalización Parámetros Fotosintéticos Perfil de biomasa Modelo PP
Modelos Semi Analíticos
– se basan en las relaciones estadisticas entre ciertas variables pero principalmente en parametros que describen la fisiologia del fitoplancton. Los principales: Bedford (
Platt et al., 91 y otras …
)
http://www.ioccg.org/software/Ocean_Production/index.html
LPCM (
Morel, 91; Antoine & Morel, 96a,b
) VGPM (
Behrenfeld & Falkowski, 97
)
http://marine.rutgers.edu/opp/
HY97 (
Howard & Yoder, 97
)
Bedford
(Platt & Sathyendranath) P
(
z
,
t
)
P B
(
z
,
t
)
C
(
z
)
P B
(
z
,
t
)
f
(
E
(
z
,
t
))
P
(
z
,
t
)
B E
(
z
,
t
)
C
(
z
) 1 (
B E
(
z
,
t
) /
P m B
) 2
PAR
E
(
z
,
t
)
E
( 0 ,
t
)
e
K d
(?)
z
LPCM
(Morel & Antoine) PP
C tot E s
*
J c
C tot = Chla calculada usando C sat (ver a seguir) * = tasas de fotosíntesis normalizada por clorofila y por unidad de luz ABSORBIDA Jc = factor de conversión para indicar lo que seria la transformación de energía luminosa en energía química (fotosíntesis) PUR – Photosynthetically USABLE Radiation
PUR
700 400
PAR
( ) *
a
( )
a
(max)
d
*
f
(
P B
,
PUR
)
VGPM
(Behrenfeld & Falkowski)
Inputs: Clorofila-a SST SSPAR Fotoperiodo (duración del dia)
PP eu
0 .
66125
B P opt E o E o
4 .
1
C SAT xZ eu xD IRR
Z eu Z eu
= 568.2 (C TOT ) -0.746
200.0 (C TOT ) -0.293
Z eu
< 102
Z eu
> 102 C TOT = 38.0 (C SAT ) 0.425
C SAT
< 1.0
40.2 (C SAT ) 0.507
C SAT
1.0
(Morel & Berthon, 1989)
P B opt
agua (mg C (mg Chla) 6 -1 h -1 ) y se modela de acuerdo a su relación con la temperatura. 5 1.13
si T < -1.0
4
P B opt
= 4.00
si T > 28.5
3
P B’ opt Fuera del rango arriba
2 1 0 0
P B opt
' 1 .
2956 2 .
749 .
10 1
T
6 .
17 .
10 2
T
2 2 .
05 .
10 2
T
3 5 2 3 .
.
462 10 .
10 27 .
10 8 3
T T
7 4 15 1 .
348 .
Temperatura ( o C)
10 20 4
T
5 3 .
25 4132 6 .
10 30
T
6
HY97
(Howard & Yoder)
Estima PP en la capa de mezcla y NO en toda la zona eufotica
PP
C sat
P m B P m B
/
E
ml E ml
Z ml = profunidad de la Z eu E ml = irradiancia promedio dentro de la Z eu
K PAR E
(
z
) 0 .
04 0 .
0088
C sat E
( 0 )
e
K PAR z
( 0 .
054
C sat
) 0 .
67
Bibliografia PLATT, T. e SATHYENDRANATH, S. 1988. Oceanic Primary Production: Estimation by Remote Sensing at local and regional scales. Science 241: 1613-1620.
PLATT, T.; SATHYENDRANATH, S.; CAVERHILL, C. M. e LEWIS, M. R. 1988. Oceanic Primary Production and available light: further algorithms for remote sensing. Deep-Sea Res . 35 (6): 855 - 879.
SATHYENDRANATH, S. e PLATT, T. 1988. The spectral Irradiance field at the surface and in the interior of the ocean: A model for applications in Oceanography and Remote Sensing. J. Geoph. Res. 93: 9270-7422.
SATHYENDRANATH, S. e PLATT, T. 1989a. Computation of aquatic primary production: Extended formalism to include effects of angular and spectral distribution of light. SATHYENDRANATH, S. e PLATT, T. 1989b. Remote sensing of ocean chlorophyll: Consequence of non uniform pigment profile. Appl. Opt. 28: 490-495.
Limnol. Oceanogr. 34: 188-198.
SATHYENDRANATH, S.; PLATT, T.; CAVERHILL, C.M.; WARNOCK, R.E. E LEWIS, M.R. 1989. Remote sensing of oceanic primary production: computations using a spectral model. Deep-Sea Res. 36 (3): 431-453.
BALCH, W. M.; ABBOTT, M .R. e EPPLEY, R .W. 1989a. Remote sensing of primary production - I. A comparison of empirical and semi-analytical algorithms. Deep-Sea Res analytical algorithm based on pigments, temperature and light. . 36 (2) : 281-295.
BALCH, W. M.; EPPLEY, R. W. e ABBOTT, M. R. 1989b. Remote sensing of primary production - II. A semi Deep-Sea Res. 36: 1201-1217.
MOREL, A. 1991. Light and marine photosynthesis: a spectral model with geochemical and climatological implications. Progr. Oceanogr. 26: 263-306.
PLATT, T.; CAVERHILL, C. E SATHYENDRANATH, S. 1991. Basin-Scale estimates of Oceanic Primary Production by Remote Sensing: The North Atlantic. J. Geoph. Res . 96(C8): 15147-15159.
LONGHURST, A.; SATHYENDRANATH, S.; PLATT, T. E CAVERHILL, C. 1995. An estimate of global primary production in the ocean from satellite radiometer data. J.Plank. Res ., 17 (6): 1245-1271.
Bibliografia PLATT, T.; SATHYENDRANATH, S. & LONGHURST, A. 1995. Remote Sensing of primary production in the ocean: promise and fulfilment. Phil. Trans. R. Soc. London 348: 191-202.
SATHYENDRANATH, S.; LONGHURST, A. CAVERHILL, C. & PLATT, T. 1995. Regionally and Seasonally differenciated primary production in the North Atlantic. Depp-Sea Res. 42(10): 1773-1802.
Antoine, D. & Morel, A. 1996. Oceanic primary production. 1. Adaptation of a spectral light-photosynthesis model in view of application to satellite chlorophyll observations. Global Biogeochemical Cycles 10: 43-55.
Behrenfeld, M.J. & Falkowski, P.G. 1997. Photosynthetic rates derived from satellite-based chlorophyll concentration. Limnol. & oceanogr. 42: 1-20.
Howard, K. L. and
J. A. Yoder
. "Contributions of the Subtropical Oceans to Global Primary Production." IN: Subspace Remote Sensing of Subtropical Oceans: Proceedings of the COSPAR Colloquium.... Edited bhy Cho Teng Liu. Pergamon. 1997. p.157-167.
McClain C.R. et al. 2002. Satellite ocean-color observations of the tropical Pacific Ocean. Deep-Sea Res II 49: 2533-2560.
Behrenfeld et al., 2005. carbon-based ocean productivity and phytoplankton physiology from space. Global Biogeochemical Cycles 19: GB1006, doi:10.1029/2004GB002299.