vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru https://doi.org/10.33764/2411-1759-2026-31-5-64-73 Дистанционное зондирование земли, фотограмметрия Статистический анализ влияния скорости ветра на возникновение прибрежного апвеллинга в море Лаптевых по материалам космических съемок К. К. Лоссов Лоссов К. К. В. А. Малинников Малинников В. А. Московский государственный университет геодезии и картографии (МИИГАиК), г. Москва, Российская Федерация 2026 31 5 64 73 © К. К. Лоссов, В. А. Малинников, 2026 2026 К. К. Лоссов, В. А. Малинников Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. Целью представленного исследования является статистическая оценка связи между скоростью ветра и температурой поверхности моря (ТПМ) в зоне прибрежного апвеллинга вблизи дельты р. Лены в море Лаптевых, а также анализ прогностического потенциала приземных полей ветра для выявления условий, благоприятных для его возникновения. В качестве исходных данных использованы спутниковые измерения ТПМ прибором SLSTR спутника Sentinel-3, а также данные реанализа ERA5 (ECMWF), характеризующие приземную скорость ветра. Для описания зависимости ТПМ от скорости ветра применена полиномиальная регрессия, степень полинома выбиралась по значению скорректированного коэффициента детерминации (Adjusted R²). Установлено, что кубическая модель наилучшим образом описывает нелинейную связь между ТПМ и скоростью ветра (Adj.R² = 0,3876, SE = 1,34 °C). Показано, что ветер в секторах В/ЮВ и ЗСЗ со скоростью более 7 м/с за двое суток до события является статистически значимым предиктором апвеллинга в исследуемом районе. апвеллинг море Лаптевых скорость ветра температура поверхности моря полиномиальная регрессия ERA5 Sentinel-3 upwelling Laptev Sea wind speed sea surface temperature polynomial regression ERA5 Sentinel-3 1. Stewart R. H. Introduction to Physical Oceanography. Texas A&M University, 2008. Chapter 9: Ekman Transport and Coastal Upwelling. 2. Randelhoff A., Sundfjord A. Short commentary on marine productivity at Arctic shelf breaks: upwelling, advection and vertical mixing. Ocean Science. 2018. Vol. 14. P. 293–300. DOI 10.5194/os-14-293-2018. 3. Tuerena R. E. et al. Nutrient pathways and their susceptibility to past and future change in the Eurasian Arctic Ocean. Ambio. 2021. DOI 10.1007/s13280-021-01673-0. 4. Arrigo K. R., van Dijken G. L. Continued increases in Arctic Ocean primary production. Progress in Oceanography. 2015. Vol. 136. P. 60–70. DOI 10.1016/j.pocean.2015.05.002. 5. Lamont T., Barlow R. G., Brewin R. J. W. Long-term trends in phytoplankton chlorophyll-a and size structure in the Benguela Upwelling System. Journal of Geophysical Research: Oceans. 2019. Vol. 124. No. 2. P. 1170–1195. DOI 10.1029/2018JC014334. 6. Osadchiev A. A., Savin A. Structure and Variability of the Lena and Olenyok Plumes in the Laptev Sea. Frontiers in Marine Science. 2025. DOI 10.3389/fmars.2025.1681563. 7. Osadchiev A. A., Silvestrova K. P., Korotenko K. A. et al. Wind-Driven Coastal Upwelling near Large River Deltas in the Laptev and East-Siberian Seas. Remote Sensing. 2020. Vol. 12, No. 5. P. 844. DOI 10.3390/rs12050844. 8. Donlon C., Berruti B., Buongiorno Nardelli B. et al. The Global Monitoring for Environment and Security (GMES) Sentinel-3 mission. Remote Sensing of Environment. 2012. Vol. 120. P. 37–57. DOI 10.1016/j.rse.2011.07.024. 9. Copernicus Climate Change Service. ERA5 hourly data on single levels from 1940 to present. DOI 10.24381/cds.adbb2d47. 10. GHRSST Level 4 MUR Global Foundation Sea Surface Temperature Analysis (v4.1). NASA JPL PO.DAAC. DOI 10.5067/GHGMR-4FJ04. 11. Hersbach H., Bell B., Berrisford P. et al. The ERA5 Global Reanalysis. Quarterly Journal of the Royal Meteorological Society. 2020. Vol. 146, No. 730. P. 1999–2049. DOI 10.1002/qj.3803. 12. Open-Meteo. Historical Weather API (based on ERA5). URL: https://open-meteo.com/en/docs/historical-weather-api. 13. NASA Worldview. EOSDIS. URL: https://worldview.earthdata.nasa.gov/. 14. Haralick R. M., Shanmugam K., Dinstein I. Textural Features for Image Classification. IEEE Transactions on Systems, Man, and Cybernetics. 1973. Vol. SMC-3. No. 6. P. 610–621. DOI 10.1109/TSMC.1973.4309314. 15. Лоссов К. К., Малинников В. А. Разработка методики использования признаков Харалика для детектирования зон апвеллинга на морской поверхности по материалам космических съемок. Мониторинг. Наука и технологии. 2025. № 4 (66). С. 21–30.