Advancements of operational oceanography in the Baltic Sea

Abstract

Managing the sea environment is a complicated interdisciplinary task. To understand changes in the sea, knowledge of the present state is essential. Many variables are monitored constantly, and long historical data sets exist. However, the spatial and temporal data coverage varies widely over the Baltic Sea. The preparation for the emerging circumstances demands the ability to forecast the future marine conditions. Thus, improved modelling and forecasting systems are needed. In this thesis, methods were developed to 1) understand the present state of the sea and 2) predict future conditions. The study areas were the Bothnian Sea and the Eastern Gotland Basin. Argo floats are a common tool in the oceans, but so far they have not been used in shallow marginal seas, such as the Baltic Sea. The autonomous measurement device brings possibilities to fill the gaps in the existing observation network (e.g. research vessels, moorings) as well as to enable new scientific experiments. To better understand the present state of the Northern Baltic Sea, methods were developed using the Argo floats. The salinity, temperature and GPS data collected with these floats from the area is analysed in this thesis for the first time and its applicability for studying the different physical phenomena, such as currents at the float diving depth and wind induced mixing, are evaluated. The usability of Argo data was compared with the ship-borne CTD data. Due to the higher frequency of the Argo data, the seasonal variations can be studied in detail with this method. However, the spatial coverage of the Argo data is not as good as the CTD data collected with a research vessel due to the fact that the floats only operate near the deep areas of the Baltic Sea. To be able to predict the future conditions of the Baltic Sea, monthly ensemble forecasting system was developed. A 3D biogeochemical model was forced with monthly ensembles of the atmospheric forcing and the results were applied to forecast upwelling events and harmful algal blooms. The monthly ensemble forecasts for upwelling events were evaluated. The result was that the upwelling events could be forecasted on a weekly scale. This enables, for example, better planning of the scientific study of upwelling events or the improvement of local-scale weather forecasts. The same probability-based ensemble prediction system was used to produce harmful algal bloom forecasts. The forecasts showed the effects of the weather scenarios on marine biogeochemistry. In the future, it will be possible to interconnect the observations and forecasts better than before. The more dense observations can be used to improve the computational methods, for example, by assimilation. The probability-based forecasts can help, for example, to mitigate the environmental risks.

Meren ilmiöiden tuntemus ja sitä kautta niiden tutkimus, hoito ja kestävä käyttö perustuvat saatavilla olevaan tietoon meren tilasta. Monia meren ympäristömuuttujia mitataan säännöllisesti ja joistain on olemassa jopa pitkiä historiallisia aikasarjoja, mutta aineiston alueellinen ja ajallinen kattavuus vaihtelee suuresti. Myös monet meressä tapahtuvat fysikaaliset, kemialliset ja biologiset prosessit vaikuttavat toisiinsa ja niiden mittakaavat vaihtelevat. Meren nykytilan tuntemuksen lisäksi on kyettävä ennakoimaan tulevia olosuhteita, jotta niihin voidaan varautua. Tässä työssä kehitettiin menetelmiä, joilla voidaan 1) tutkia Itämeren nykytilaa ja 2) ennustaa sen tulevaa tilaa. Pohjoisen Itämeren nykytilan analyysiä varten havaintoaineistoa on kerätty vapaasti ajelehtivilla Argo-poijuilla. Niiden keräämää suolaisuus-, lämpötila- ja sijaintiaineistoja analysoitiin tässä työssä ensimmäistä kertaa ja niiden soveltuvuutta arvioitiin erilaisten ilmiöiden, kuten ajelehtimissyvyyden virtausten ja tuulen aiheuttaman sekoittumisen tutkimukseen. Itämeren tulevan tilan ennustamiseen kehitettiin kuukausiparviennustemenetelmä, jossa kolmiulotteista biogeokemiallista merimallia ajettiin ilmakehäennusteparven avulla ja tuotettujen parviennusteiden soveltuvuutta arvioitiin kumpuamisten ja sinileväkukintojen ennustamiseen. Argo-poijuja voidaan käyttää sellaisilla merialueilla ja olosuhteissa, joissa esimerkiksi laivahavaintojen tai kiinteiden ankkurointien käyttäminen on syystä tai toisesta hankalaa. Poijujen profilointitiheyttä voidaan säädellä aikavälillä muutamista tunneista viikkoihin, riippuen siitä millaisen mittaluokan ilmiöitä halutaan havainnoida. Saatua dataa verrattiin tutkimusaluksilta mitattuihin CTD-havaintoihin ja huomattiin että Argo-poijut mahdollistavat vuodenaikaisvaihteluiden tarkemman analyysin. Toisaalta niiden alueellinen kattavuus oli heikompi kuin esimerkiksi tutkimusalusten. Argo-poijujen avulla on myös mahdollista kerätä dataa poijujen liikkeistä sukellussyvyydellä. Kuukausiparviennusteiden ennustepituutta ja ennusteiden osuvuutta arvioitiin kumpuamisten ennustamisessa Selkämerellä. Havaittiin, että kumpuamisia voidaan ennustaa tällä menetelmällä noin pari viikkoa etukäteen. Tämä mahdollistaa esimerkiksi kumpuamistutkimusten paremman suunnittelun. Samalla parviennustemenetelmää kehitettiin pidemmälle tuottamalla myös sinileväennusteita ja havaittiin, että nämä soveltuvat ennustamaan sinileväkukintojen todennäköisyyttä. Tulevaisuudessa näitä havaintoja ja ennusteita voidaan soveltaa entistä paremmin. Havaintoja voidaan käyttää laskennallisten työkalujen parantamiseen, esimerkiksi assimiloimalla mittausaineistoa malleihin. Ennusteita voidaan käyttää havaintoverkoston ja in-situ tutkimusten optimointiin ja ympäristöriskien hallintaan.