modelos de productividad primaria para aplicaci n en im genes de color del oc ano
Download
Skip this Video
Download Presentation
Modelos de Productividad Primaria para aplicación en imágenes de color del océano

Loading in 2 Seconds...

play fullscreen
1 / 34

Modelos de Productividad Primaria para aplicación en imágenes de color del océano - PowerPoint PPT Presentation


  • 133 Views
  • Uploaded on

Modelos de Productividad Primaria para aplicación en imágenes de color del océano. LA MATEMATICA DE LA PRODUCTIVIDAD PRIMARIA. Forma de la Curva y Ecuaciones. Smith, 1936 Jassby and Platt (1976) Platt et al. (1980). Sensores Remotos y Modelos. 1 a profundidad óptica (1/ Kd ).

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Modelos de Productividad Primaria para aplicación en imágenes de color del océano' - rainer


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide2

LA MATEMATICA DE LA

PRODUCTIVIDAD PRIMARIA

forma de la curva y ecuaciones
Forma de la Curva y Ecuaciones
  • Smith, 1936
  • Jassby and Platt (1976)
  • Platt et al. (1980)
sensores remotos y modelos
Sensores Remotos y Modelos
  • 1a profundidad óptica (1/Kd)
  • Chla:indicador de biomasa (B)
  • Como relacionar con PP?

Modelos

PB = mg C/mg Chla/dia

slide5

1/Kd

(PP = mg C/m2/dia )

Que pasa con Chla en z ?

Que pasa con Parámetros Fotosintéticos ?

PROVINCIAS BIOGEOQUIMICAS

el nombre
El Nombre
  • Provincias Biogeoquimicas(Plattet al., 1988, 1991; Mueller & Lange, 1989; Sathyendranath et al., 1995, Longhurst et al., 95, Longhurst, 98)
  • Regiones Biogeograficas(Santamaria-del-Angelet al., 94; Gonzalez-Silvera et al., 04).
  • Provincias Oceánicas (Esaiaset al., 00).
  • Provincias Marinas (Szekielda, 05).
  • Regiones Biofísicas (Saracenoet al., 05, 06).
  • Provincias Ecológicas Dinámicas (Dowellet al., 06; Omachi et al., 06).
  • Provincias Bio-Opticas(Campbell et al, 06).
  • Sesion Especial sobre"Ecological and Biogeochemical Provinces of the Ocean"en el “AGU Ocean Sciences Meeting “(20-24 February 2006, Honolulu). 
regionalizaciones
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 utilizadopara la determinacion de la PP usandosensoresremotosdesde 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

  • Provinciaspueden ser consideradascomoregiones con un patron de co-variacionespacial y con ciertogrado de estructuracionpermanente.

Longhurst,A. 1996. Ecological Geography of the Sea. Academic Press.

slide8

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.

slide9

Un ejemplobasado en datosin situ:

Millan-Nunez et al., 1996, 97

slide10

Ejemplosbasados en datos de satelite:

Santamaria del Angel et al, 1994

slide12

Provincias Dinámicas …

Gonzalez-Silvera et al., 2006

slide13

SUMMER

January

slide14

AUTUMN

April

slide15

WINTER

July

slide16

Spring

October

slide18

Representación de los perfiles

mediante un modelo Gaussiano

propuesto por Platt et al., 1988

Donde:

Bo = biomasainicialpordebajo

de la curva

h = biomasa total sobre la línea

de base

 = curtosis

Zm = profundidad del máximo

de concentración de clorofila

slide19

Millan et al., 1996

  • Se reunieron3410 perfileshasta 150 mts de clorofila (1978 a 1992)
  • Se separaron los datos en condiciones de épocafría y condiciones de épocacaliente
slide20

Fig. 8 Promedios de perfiles estimados para cada región con la misma concentración de clorofila

Superficial para cada una de las subregiones y época.

una vez conociendo chla z
Una vez conociendo Chla (z)
  • Parametros Fotosinteticos?

Provincias Biogeoquimicas

una vez conociendo chla z y parametros p m b y a b
Una vez conociendo Chla (z) y Parametros PmB y aB
  • 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.
slide24

Regionalización

Parámetros Fotosintéticos

4 ETAPAS

Perfil de biomasa

Modelo PP

slide25

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)

lpcm morel antoine
LPCM(Morel & Antoine)
  • PUR – Photosynthetically USABLE Radiation

Ctot = Chla calculada usando Csat (ver a seguir)

Y* = 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)

slide28
VGPM

(Behrenfeld & Falkowski)

Inputs: Clorofila-a

SST

SSPAR

Fotoperiodo (duración del dia)

slide29
Zeu

568.2 (CTOT)-0.746

Zeu < 102

Zeu =

200.0 (CTOT)-0.293

Zeu > 102

38.0 (CSAT)0.425

CSAT < 1.0

CTOT =

40.2 (CSAT)0.507

CSAT 1.0

(Morel & Berthon, 1989)

p b opt

1.13

4.00

PB’opt

si T < -1.0

PBopt =

si T > 28.5

Fuera del rango arriba

PBopt
  • Tasa optima de fijación de carbono dentro de la columna de agua (mg C (mg Chla)-1 h-1) y se modela de acuerdo a su relación con la temperatura.
hy97 howard yoder
HY97(Howard & Yoder)
  • Estima PP en la capa de mezcla y NO en toda la zona eufotica
  • Zml = profunidad de la Zeu
  • Eml = irradiancia promedio dentro de la Zeu
bibliografia
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. Limnol. Oceanogr. 34: 188-198.
  • SATHYENDRANATH, S. e PLATT, T. 1989b. Remote sensing of ocean chlorophyll: Consequence of non-uniform pigment profile. Appl. Opt. 28: 490-495.
  • 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. 36 (2) : 281-295.
  • BALCH, W. M.; EPPLEY, R. W. e ABBOTT, M. R. 1989b. Remote sensing of primary production - II. A semi-analytical algorithm based on pigments, temperature and light. 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.
slide33

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. Oceanicprimaryproduction. 1. Adaptation of a spectral light-photosynthesismodel in view of applicationtosatellitechlorophyllobservations. Global BiogeochemicalCycles 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-basedoceanproductivity and phytoplanktonphysiologyfromspace. Global BiogeochemicalCycles 19: GB1006, doi:10.1029/2004GB002299.
ad