CC BY
34
УДК 551.465.71 Вестник СПбГУ. Сер. 7. 2015. Вып. 3
Д. К. Старицын, В. Р. Фукс
ЗАВИСИМОСТЬ ДИНАМИКИ ПРОМЫСЛОВОЙ ПРОДУКТИВНОСТИ БАЛТИЙСКОГО МОРЯ ОТ СКОРОСТИ ВРАЩЕНИЯ ЗЕМЛИ
Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7/9
Устанавливается зависимость динамики численности основных промысловых рыб Балтийского моря от скорости вращения Земли. Дана гидродинамическая интерпретация возможного механизма влияния скорости вращения Земли на изменчивость динамических и термодинамических процессов в океане. На основе взаимного корреляционного и взаимного спектрального анализа оцениваются возможности прогноза колебаний численности рыб Балтийского моря от разнообразных предикторов. На статистически независимом материале устанавливается эффективность полученных результатов. Библиогр. 21 назв. Ил. 2. Табл. 3.
Ключевые слова: промысловая продуктивность, скорость вращения Земли, кросскорреля-ционный анализ, гидродинамическая модель, множественная регрессия.
D. K. Staritsyn, V. R. Foux
DEPENDENCE OF THE FISH PRODUCTIVITY ON THE EARTH ROTATION RATE
St. Petersburg State University, 7/9, Universitetskaya nab., St. Petersburg, 199034, Russia federation
In this paper, we consider relation between trade efficiency dynamics of the Baltic Sea and the Earth rotation rate. Possible mechanism of variability of oceanic dynamic and thermodynamic processes under influence of changeable Earth rotation rate is suggested and interpreted in terms of hydrodynamics. Based on the cross- correlation and cross-spectral analysis, opportunities of prediction of the Baltic Sea fish numbers are assessed using different predictors. Efficiency of the obtained results is tested on statistically independent data. Refs 21. Figs 2. Tables 3.
Keywords: fishing, speed of rotation of the Earth, crosscorrelations-analyses, hydrodynamic model, multiple regression.
Введение
Зависимость морской биоты от скорости вращения Земли (СВЗ) отмечалась многими авторами [7-9, 11, 13]. При этом механизм этой зависимости либо оставался нераскрытым, либо выдвигались чисто феноменологические гипотезы о влиянии динамических и термодинамических процессов в атмосфере на биотические процессы в океане. В настоящей работе, во-первых, на представительном экспериментальном материале с помощью статистических методов анализа доказывается существование такой зависимости для основных промысловых рыб Балтийского моря и выдвигается физическая гипотеза, объясняющая эту зависимость. Во-вторых, путём взаимного корреляционного и взаимного спектрального анализа оценивается зависимость колебания численности промысловых рыб Балтийского моря от СВЗ и других геофизических предикторов. В-третьих, на статистически независимом материале оценивается прогностическая эффективность полученных результатов.
Материалы и методика
В качестве предиктантов использовались значения нерестовой биомассы и уловов трески, сельди и шпрота в Балтийском море за период 1974-2012 гг. Следует отметить, что колебания вылова того или иного гидробионта соответствуют их численности. В качестве примера на рис. 1 демонстрируются временной ход численности трески и размеры её вылова в Балтийском море (г = 0,97). Результаты, представленные в работах [8, 13], также свидетельствуют о том, что динамика уловов тесно коррелирует с численностью сардины (г = 0,93). Можно согласиться также с общим утверждением Д. Ллюч-Билды (1989) с коллегами, что изменчивость уловов настолько значительна, что позволяет с большой степенью вероятности предполагать, что они отражают реальные изменения численности популяций [18, 19].
Тыс.т.
700
Í00
500
400
300
100
100
_ _
9 ,__ ,0< 5
' t¡ Вылов трескч i
r-î 1_ __ ■-J ï.- ■ Численность трески
£>с } >
о ] Ч. N "ut
ч Л О JF * i о. Ля
**
Рис. 1. Временной ход численности трески и динамика её уловов в Балтийском море
Для оценки связи численности промысловых рыб Балтийского моря с глобальными климатическими процессами в качестве предикторов использовался следующий набор факторов:
1. Ск. вр. Земли — индекс угловой скорости вращения Земли (http://www.iers. org/).
2. Wolf — индекс солнечной активности (числа Вольфа).
3. Среднегодовой уровень Балтийского моря.
4. dz/dt — среднегодовая скорость роста (падения) уровня в Балтийском море.
5. dT — аномалии глобальной температуры Земли.
6. Тводы — среднегодовая температура воды в Балтийском море.
7. EA — Восточно-Атлантический индекс, являющийся второй модой низкочастотных колебаний диполя, образованного центрами аномалий давления «Атлантических качелей».
8. BEST — рассчитывается по совместным стандартизированным временным рядам индекса SOI и стандартизированным рядам Ниньо-3.4 SST. Самые последние данные основаны на наборе данных NOAA О. И. V2 SST. PSD.
9. AMO — индекс Северо-Атлантической многолетней осцилляции, рассчитывается по средним аномалиям температуры поверхности воды северной части Атлантического океана [17].
10. WHWP — индекс, характеризующей площадь в Атлантическом океане с аномалиями температуры больше 28.5° С [20].
11. NAO — индекс Северо-Антлантического колебания, который представляет собой разность атмосферного давления между пунктами Пота-Дельгада (Азорские острова) и пунктом Акюрейри (Исландия).
12. GIAM (Globally Integrated Angular Momentum) — индекс Глобального интегрального углового момента, представляет собой временной ряд значений 3-месячного скользящего осреднения, за исключением последнего месяца, усредняемый за 2 месяца глобального углового момента [21] .
13. TSA (Tropical Southern Atlantic Index) — Тропический Южно-Атлантический индекс, характеризующий среднемесячные аномалии температуры поверхности моря (SST) к северу от 20° с. ш. между 30° з. д. — 10° в. д.
14. TNI — индекс баланса ТПО между явлениями Эль-Ниньо и Ла-Ниньо.
15. AMM (Atlantic Meridional Mode) — индекс определяется с помощью максимального ковариационного анализа (MCA) поля температуры поверхности моря (SST) и зональной и меридиональной компонент поля ветра на высоте 10 м (по реанализу) за период 1950-2005 гг. Nino 4 — индекс, который определяется по ТПО в районе 5°S — 5°N, 160°E — 150°W. Положительные значения индексов Nino соответствуют фазе Эль-Ниньо, отрицательные — фазе Ла-Ниньо [19].
16. ONI — индекс, представляющий собой значения аномалий в поле ТПО, полученных на основе скользящего осреднения с трехмесячным шагом в регионе 5 °N-5 °S , 120°-70 °W.
17. SOI — вычисляется как разность аномалий приземного атмосферного давления между областью, расположенной над островом Таити, и областью пониженного давления над Австралией.
Для оценки взаимосвязи колебаний численности трески, сельди и шпрота в Балтийском море рассчитывались функции взаимной корреляции: Rxy(T).
На основе полученных связей построены модели линейной множественной регрессии для уловов трески, сельди и шпрота в виде
M
Y = b0 bj X) + ^,
i=1
где I — номер наблюдения из выборки значений длиной N j — номер независимой переменной х(з = 1,2, ..., М); Ь0, Ь1, ..., Ьм — коэффициенты линейной регрессии; — значение j-й переменной; е — ошибка регрессии.
Надежность расчетов оценивалась по коэффициенту множественной регрессии Я0 и коэффициенту детерминации Я20 = Ш, который является обобщением коэффициента корреляции г2(х,у) и пропорционален доле дисперсии переменной у, описываемой данной моделью регрессии.
Адекватность модели фактическим значениям определялась с помощью эмпирического критерия Фишера
Р = ^,
где
= ñ-iit(y - y)2> = n-m-iit (y - y)2-
i=1 i=1
Если рассчитанная величина F превышает табличное значение Fm при заданном уровне значимости и степенях свободы m1 = M и m2 = N-M-1, то гипотезу об адекватности построенной модели можно считать оптимальной.
Модель множественной линейной регрессии строилась методом включения-исключения переменных (Forward stepwise).
Изменчивость климата и численность промысловых рыб Балтийского моря
Глобальные изменения климата, происходящие в последние десятилетия, являются причиной многих кардинальных изменений среды обитания гидробион-тов. Все более актуальной становится проблема восстановления уровня воспроизводства биоресурсов, особенно в прибрежной зоне Балтийского моря, наиболее загрязняемой в результате антропогенной нагрузки.
Циркуляция вод в мелководном Балтийском море является важнейшим экологическим фактором, обусловливающим его относительно низкую способность к самоочищению [2, 6]. Хорошо известно [3, 4, 5, 14], что уменьшение адвекции североморских вод в Балтийское море приводит к образованию обширных районов стагнации и дефициту кислорода на глубине и, как следствие, к значительному сокращению численности большинства донных видов рыб, а в годы усиления адвекции наблюдается увеличение биологической продуктивности и повышение урожайности не только донных, но и пелагических видов рыб.
За 1948-1979 гг. содержание кислорода в придонном слое на юге моря имело тенденцию к снижению [14], а в 1999-2001 гг. кислород в глубоководных впадинах практически отсутствовал [10]. За последний 20-летний период наблюдались две мощные адвекции североморских вод — 1993-1994 и 2003 гг., в результате чего существенно улучшались абиотические условия на основных нерестилищах трески (увеличение солености и содержания кислорода в глубоководных впадинах). Так, например, после мощной и достаточно продолжительной североморской адвекции 1993-1994 гг. особенно заметным было увеличение общей и нерестовой биомассы шпрота.
Результаты и обсуждения
Оценки взаимно-корреляционного анализа уловов с предикторами представлены в табл. 1, где хорошо видно, что наиболее устойчивую связь уловы имеют с изменчивостью угловой скорости вращения Земли (0,59 < Rxy < 0,85), причем с уловами сельди и шпрота связь обратная.
Устойчивые оценки взаимной корреляции на нулевых сдвигах наблюдаются также между изменчивостью аномалий глобальной температуры Земли (dT) и уловами сельди (Rxy = -0,57), шпрота (Rxy = 0,83) и трески (Rxy = 0,59). Если выбрать в качестве порогового значения тесноты связи между переменными Rxy> 0,50, то, как показано в таблице, такие величины r имеют факторы, так или иначе обусловленные с температурой воды (AMO, AMM, Тводы): 0,58 < rmax < 0,82 и индексы, характеризующие интенсивность атмосферных процессов (EA и NAO) 0,46 < Rxy < 0,53.
Таблица 1. Оценки связи и фазовые сдвиги между уловами рыбы в Балтийском море и выбранными предикторами
Биота Треска Сельдь Шпрот
Индексы Rxy (max) Фаза (годы) Rxy (max) Фаза (годы) Rxy (max) Фаза (годы)
Т воды 0,47 7 -0,57 5 0,56 0
TSA -0,34 -7 -0,50 0 0,83 0
dT Зели 0,43 8 -0,57 0 0,25 1
AMO -0,43 -9 -0,58 0 0,73 0
AMM -0,33 -8 -0,60 -1 0,61 -2
WOLF -0,49 4 0,56 1 -0,46 -6
Ск. вр. Земли 0,59 0 -0,66 -1 0,76 -4
SOI -0,33 -7 -0,47 -2 0,41 -9
NINO-4 -0,44 1 -0,38 4 -0,20 -8
EA -0,39 -9 -0,46 -3 0,49 -1
NAO -0,38 3 0,46 0 -0,49 -4
WHWP 0,33 4 -0,43 7 0,45 0
BEST -0,33 1 0,40 -2 -0,35 -9
ONI 0,31 -7 0,30 -2
GIAM 0,31 -12 0,40 -3
Ранее подобные результаты для гидробионтов Тихого океана были получены Л. Б. Кляшториным [7], который обнаружил подобие хода многолетних трендов уловов минтая, трески, сардины и лососей с трендом скорости вращения Земли. В другой работе [8] сообщается о 55-60-летних циклах рыбопродуктивности, связанных с изменениями климата. Причем подъём численности атлантической сельди, норвежской трески, сардины и лососей наблюдался в периоды потепления в одной фазе с флуктуациями аномалий средней температуры приземного слоя воздуха (Global dT) и интегральными климатическими индексами — PDO, ACI и ALPI.
Высокая корреляция (0,51 < r < 0,8) уловов палтуса, минтая и камбалы с индексами PDO, SOI, Wolf, скоростью вращения Земли и среднегодовым уровнем Охотского моря получена также в работах [12, 13].
Для того чтобы оценить временные масштабы взаимосвязи колебаний скорости вращения Земли с флуктуацией численности (уловами) промысловых рыб в Балтийском море по когерентности на несущих частотах обратимся к результатам взаимного спектрального анализа, представленным в табл. 2, где приведены оценки несущих частот (ш) взаимных спектров, периоды (Т) в годах, спектральная фаза ср(ш) и когерентность (F2(w)). Как видно, когерентность наиболее велика для 5-летних циклов (0,50 < F2 < 0,84).
В низкочастотных диапазонах (16 лет) когерентность изменяется в больших пределах от 0,7 для трески до 0,21 для уловов шпрота. В диапазоне 2-3 года когерентность изменяется в пределах 0,31 < F2 < 0,64.
Таблица 2. Результаты взаимного спектрального анализа уловов в Балтийском море с изменчивостью скорости вращения Земли
Биота ш (цикл/год) Т период (годы) Р2 ф (ш) (градусы)
0,06 16 0,70 -34
Треска 0,21 5 0,84 -41
0,30 3 0,64 7
0,42 2 0,60 -112
0,06 16 0,36 93
Сельдь 0,21 5 0,74 -78
0,30 3 0,31 23
0,42 2 0,50 -63
0,06 16 0,21 -99
Шпрот 0,21 5 0,50 -19
0,30 3 0,48 -9
0,42 2 0,50 177
Видно также, что колебаниям с высокой когерентностью соответствуют фазовые сдвиги ф(ш) < 0, следовательно, изменчивость численности промысловых рыб запаздывает по отношению к скорости вращения Земли.
Гидродинамическая модель влияния эффекта скорости вращения Земли на течения в океане
Результаты предыдущего раздела свидетельствуют о том, что динамика численности промысловых гидробионтов связана с вариациями скорости вращения Земли. Можно полагать, что зависимость биотических процессов в океане от метеорологических и гидрофизических предикторов, главным образом, опосредована влиянием скорости вращения Земли на динамические и термодинамические процессы в океане.
Вероятные возможности гидродинамической интерпретации механизмов влияния скорости вращения Земли на динамический и термодинамический режимы морей и океанов значительно расширяются, если рассматривать не только механизм модуляции чисто инерционных колебаний при балансе инерционных и геострофических ускорений, а переходить к пространственно-временным возмущениям, связанным с этими процессами. Простейшая возможность для этого возникает при моделировании процессов в приближении ^-плоскости:
, . . _ йю дю т дю дю дВ дю дВ
ю(г, у) = ю0 + р(г, у), р = — = —+V—, — = —, —=—,
й д£ ду д£ д£ ду ду
где I — время; х, у — зональная и меридиональная координата; и и V — зональная
и меридиональная составляющие скорости течения; w = 2w0 sin ф — параметр Кори-олиса; w0 — угловая скорость вращения; ф — широта места.
Для объяснения влияния скорости вращения Земли на биоту сначала ограничимся только изменением скорости вращения Земли без учета изменения угла наклона оси вращения Земли и миграции полюсов. Будем исходить из обычной системы уравнений движения, определяющей в линейном приближении баланс сил инерции и Кориолиса:
ди
--cv = 0,
dt
(1)
dv А
--+cu = 0.
dt
При этом будем считать, что w0 = w(t).
Тогда система уравнений (1) легко может быть сведена к двум уравнениям для каждой составляющей скорости течения в отдельности
д2и 2 ди п —- + c и-у— = 0, dt2 dt
д2v 2 дv п
--Г-=о, <2)
1 дю
где У=—яТ.
ю д^
Будем искать решение этой системы в виде и, V ~ г'°\ т. е. в виде гармонического колебания. Тогда получим дисперсионное уравнение
о2 -ю2 + ¡оу = 0. (3)
Полагая о=о1 + ¡о2, где о1 — частота колебаний, о2 — коэффициент экспоненциального затухания (возрастания), найдем
о\ =ю2 + о22 ± о2 = 0, (4)
02 = ±£.
2
Или:
о2 =ю2 + V, о22 =ю2 - V. (5)
1 4 2 4
Таким образом решение (3)-(5) указывает на возможность затухающих и возрастающих инерционных колебаний по амплитуде колебаний. Вероятно, возраста-
ющие по амплитуде колебания при определенных условиях теряют динамическую устойчивость и трансформируются в крупномасштабные турбулентные вихри, определяющие соответствующий перенос масс и свойств.
Инерционные течения будут содержать те же гармоники, что и скорость вращения Земли, а следовательно, и перенос (адвекция) свойств будет иметь ту же периодичность возбуждений, что и скорость вращения Земли. По крайней мере, как это следует из [1, 11], должны содержать полугодовую, годовую периодичность и периодичность, равную 18,6 года.
Это становится особенно очевидным, если усреднить систему уравнений (2) по периоду инерционных колебаний с учётом их долгопериодной модуляции.
Если при моделировании многолетней модуляции отказаться от линейного приближения учитывать конвективные ускорения и рассматривать процессы на ^-плоскости, то указанная модуляция должна проявляться в волнах Россби [15, 16] и соответствующем переносе физических характеристик и пассивных форм биоты. Как нам кажется, такой механизм влияния неравномерности скорости вращения Земли достаточно реалистичен и может быть основой для объяснения связей биологической и промысловой продуктивности с неравномерностью скорости вращения Земли.
Опыт прогноза российских уловов основных промысловых рыб
Балтийского моря
Модель уловов трески
Оценки качества модели и коэффициенты регрессии для предвычисления уловов трески демонстрируется в табл. 3. Как видно, наибольший вклад в дисперсию изменчивости уловов трески вносят флуктуации скорости вращения Земли. Второй по величине вклад принадлежит индексу dT — аномалии глобальной температуры Земли. Третий значимый вклад вносит индекс WHWP, характеризующий площадь в Атлантическом океане, занятую аномалиями температуры больше 28,5°С.
Общий коэффициент множественной регрессии R0 = 0,74, коэффициент детерминации RI = 0,55, оценка критерия согласия Фишера Рст. = 10,9 (при Ртаб. = 3,27 для а = 0,005), что указывает на адекватность построенной модели.
На рис. 2 представлены регрессия и прогноз до 2015 г. размеров улова трески в Балтийском море, вычисленные по построенной модели. Видно, что можно ожидать положительную тенденцию уловов трески до 2015 г.
Модель уловов сельди
Представленные в таблице вероятностные оценки модели множественной линейной регрессии уловов сельди показывают, что уловы (следовательно, численность) Балтийской сельди зависят прежде всего от скорости вращения Земли, степени солнечной активности (Wolf), индекса Северо-Атлантической многолетней осцилляции, рассчитываемой по средним аномалиям температуры поверхности воды северной части Атлантического океана (AMO), и индекса WHWP, характеризующего площадь в Атлантическом океане, занятую аномалиями с температурой больше 28,5°С.
Таблица 3. Статистико-вероятностные оценки моделей линейной множественной регрессии уловов трески, сельди и шпрот с заблаговременностью 3 года
Предикторы Ro RI FTa6. FCT. b0 Коэф. уравнения регрессии (Ьг) Стандарт. ошиб. коэф. регрессии
Треска
Ск.вр. Земли 3,289 0,575
dT Земли 0,74 0,55 3,27 10,9 -488,21 -9,187 2,391
WHWP 0,301 0,22
Сельдь
Ск.вр. Земли -1,791 1,401
WOLF 0,72 0,51 4,3 6,8 278,116 0,024 0,011
AMO -9,652 5,538
WHWP 0,639 0,55
Шпрот
dT Земли 40,847 8,279
WHWP 0,9 0,8 4,3 26,6 -706,82 -1,805 0,774
Ск.вр. Земли 4,746 2,026
WOLF 0,028 0,017
Полный коэффициент множественной регрессии Я0 = 0,72, коэффициент детерминации Ш = 0,51, следовательно, модель устойчивая. Отметим также, что критерий согласия (Фишера) для этой модели (Рст = 6,8) больше критического значения (^таб. = 4,3 при уровне значимости а = 0,001), следовательно, гипотезу об адекватности модели следует принять.
Как видно на рис. 2, динамика российских уловов сельди имеет тенденцию к снижению в 2013 г., а затем можно ожидать стабилизацию уловов.
Модель уловов шпрота
Как видно также из табл. 3, наибольший вклад в дисперсию изменчивости численности шпрота вносят изменчивость аномалий глобальной температуры Земли (йТ), флуктуации скорости вращения Земли, колебания индекса WHWP, характеризующего площадь в Атлантическом океане, занятую аномалиями температуры больше 28,5 °С, и индекс солнечной активности (числа Вольфа).
Полный коэффициент множественной регрессии Я0 = 0,90, коэффициент детерминации Ш = 0,80. Отметим, что критерий согласия (Фишера) для этой модели (Рст = 26,6) больше критического значения (Ртаб = 4,3 при уровне значимости а = 0,001), следовательно, гипотезу об адекватности модели следует принять.
" Тыс. г.
198" 1901 1995 1999 2003 2007 2010 2014 г.
Рис. 2. Вычисленные (регрессия), фактические и предвычисленные (прогноз) с помощью моделей линейной регрессии кривые динамики уловов трески (а), сельди (б) и шпрота (в) в Балтийском море
Представленые на рис. 2 фактическая, вычисленная и предвычисленная (до 2015 г.) кривые динамики уловов балтийского шпрота свидетельствуют о хорошем соответствии вычисленных и фактических данных.
Заключение
Таким образом, можно предполагать, что изменчивость скорости вращения Земли является эффективным предиктором межгодовых колебаний изменчивости термодинамических и биотических процессов в Балтийском море. Мы не видим других объясняющих зависимость биологических процессов в океане, кроме механизмов, связанных с низкочастотной динамикой вод океана и адвекцией веществ, определяющих жизнедеятельность морских организмов.
К таким механизмам можно отнести разнообразную динамику баротропных и бароклинных чисто инерционных волн и волн Россби, включая разнообразные топографические, сдвиговые, струйные и фронтальные волны.
Литература
1. Вершовский М. Г. Электронный научный журнал «ИССЛЕДОВАНО В РОССИИ» 2657. URL: http://zhurnal.ape.relarn.ru/articles/2006/275.pdf (дата обращения: 20,01.2015).
2. Дубровин В. Ф. Атлас термохалинной и биогеографической структур вод Атлантического океана. Калининград. 2013. 471 с.
3. Зезера А. С. Многолетние изменения абиотических условий в Балтийском море (1975-2007 гг.) // Промыслово-биологические исследования Атлант-НИРО в 2006-2007 годах. Т. 1. Балтийское море и заливы. Калининград. 2009. С. 6-17.
4. Зезера А. С. Оценка абиотических условий, влияющих на успех нереста трески в Юго-Восточной Балтике в 1966-1997 гг. // Сб. научн. трудов АтлантНИИ рыб. хоз-ва и океанографии. Калининград. 1998. С. 12-19.
5. Зезера А. С., Грибов Е. А. Адвекция североморских вод в Балтийское море в 2003 г. // Про-мыслово-биологические исследования АтлантНИРО в 2002-2003 годах. Калининград, 2004. Т. 2. Условия среды и промысловое использование биоресурсов: сб. науч. тр. Атлант. НИИ рыб. хоз-ва и океанографии. С. 103-115.
6. Карпушевский И. В., Зезера А. С., Иванович В. М. Адаптационные особенности популяций пелагических и демерсальных рыб в пространственной и временной динамике фактора солености вод Балтийского моря. // Труды Зоологического института РАН. 2013. Приложение № 3. C. 128-135.
7. Кляшторин Л. Б., Сидоренко Н. С. Долгопериодные климатические изменения и флюктуации численности пелагических рыб Пацифики // Изв. ТИНРО. Т. 119. 1996. С. 33-54.
8. Кляшторин Л. Б., Любушин А. А. Циклические изменения климата и рыбопродуктивность. М.: Изд-во ВНИРО. 2005. 258 с.
9. Колесник Ю. А. Цикличность биологических процессов и роль порождающих внешних факторов среды. Владивосток: Изд-во ДВГУ, 1997. 130 с.
10. Назаров Н. А. Биоресурсные исследования АтлантНИРО в Балтийском море в 1992-2006 годах. URL: http://www.gilge.ru/ru/publication/oceanolog/part_5_6.php (дата обращения: 12.12.2014).
11. Сидоренков Н. С. Физика нестабильностей вращения Земли. М.: Наука, 2002. С. 150.
12. Старицын Д. К., Каредин Е. П., Мичурин А. Н. Гидрометеорологические и геофизические предикторы динамики численности основных промысловых рыб СЗТО // Тезисы докл. XII Международной конференции по промысловой океанологии. Светлогорск, 2002.
13. Старицын Д. К., Фукс В. Р. Гидрометеорологические и геофизические предикторы динамики численности основных промысловых рыб в Японском и Охотском морях / Материалы IX Всероссийской конференции по проблемам рыбопромыслового прогнозирования, посвященной 150-летию со дня рождения Н. М. Книповича. Мурманск: Изд-во ПИНРО, 2012. С. 175-185.
14. Фельдман В. Н., Назаров Н. А., Зезера А. С. Многолетняя динамика запасов промысловых рыб Балтийского моря и влияние на них факторов окружающей среды и промысла // Сб. научн. трудов АтлантНИИ рыб. хоз-ва и океанографии. Калининград, 1998. С. 6-12.
15. Фукс В. Р. К классификации низкочастотных баротропных волн в океане // Вестн. С.-Петерб. ун-та. Серия 7. 1999. Вып. 2 (№ 14). С. 92-94.
16. Фукс В. Р. Градиентно-вихревые волны в Балтийском море // Метеорология и гидрология. 2005. № 9. С. 63-68.
17. Enfield D. B., Mestas-Nunez A. M., Trimble P. J. The Atlantic multidecadal oscillation and it's relation to rainfall and river flows in the continental U. S. Geophysical Research Letters. 2001. Vol. 28. P. 2077-2080.
18. World-wide fluctuations of sardine and anchvy stock. The regime problem / Lluch-Belda D., Kawasaki T., MacCall., Parrish R., Shwartzlose R., Smith P. // S. Afr. J. Sci. 1989. Vol. 8. P. 195-205.
19. Sardine and anchovy régime fluctuations of abundance in four regions of the world oceans: a workshop report / Lluch-Belda D., Shwartzlose R., Serra R., Parrish R., Kawasaki T., Hedgecock D., Crawford R. S. // Fich. Oceanogr. Vol. 1(4). P. 339-347.
20. Wada T., Jacobson L. Regimes and stock-recruitment relationship in Japanese sardine 1951-1995 // Can. J. Fish. And Aquat. Sci. 1998. Vol. 55. P. 2455-2463.
21. Weickmann K. M., Robinson W. A., Penland M. C. Stochastic and oscillatory forcing of global atmospheric angular momentum // J. Geophys. Res. 2000. 105, D12, 15543-15557.
References
1. Vershovskiy M. G. Elektronnyi nauchnyi zhurnal «ISSLEDOVANO V ROSSII» 2657 [The electronic scientific journal "INVESTIGATED IN RUSSIA» 2657]. Available at http://zhurnal.ape.relarn.ru/arti-cles/2006/275.pdf. (In Russian)
2. Dubrovin V. F. Atlas termokhalinnoi i biogeograficheskoi struktur vod Atlanticheskogo okeana [Atlas of thermohaline and biological structures of the waters of the Atlantic ocean. Kaliningrad]. Kaliningrad, 2013. 471 p. (In Russian)
3. Zezera A. S. Mnogoletnie izmeneniia abioticheskikh uslovii v Baltiiskom more (1975-2007 gg.) [Long-term changes in abiotic conditions in the Baltic sea (1975-2007)]. Promyslovo-biologicheskie issledo-vaniia Atlant-NIRO v 2006-2007godakh. T. 1. Baltiiskoe more i zalivy [Field biological research Atlant-NIRO in 2006-2007. Vol. 1. The Baltic sea and gulfs]. Kaliningrad, 2009, pp. 6-17. (In Russian)
4. Zezera A. S. [Evaluation of abiotic conditions that affect the success of spawning cod in the SouthEastern Baltic in 1966-1997]. Sb. nauchn. trudov AtlantNII ryb. khoz-va i okeanografii [Collected scientific works of Atlant-NIRO Fisheries and okeanorgraf]. Kaliningrad, 1998, pp. 12-19. (In Russian)
5. Zezera A. S., Gribov E. A. [Advection of North sea waters into the Baltic sea in 2003, commercial and biological studies of AtlantNIRO in 2002-2003. Vol. 2. Environment and commercial use of biological resources]. Usloviia sredy ipromyslovoe ispol'zovanie bioresursov: sb. nauch. tr. Atlant. NII ryb. khoz-va i okeanografii [Environmental conditions and commercial use of biological resources. Collected scientific works of Atlant-NIRO Fisheries and okeanorgraf]. Kaliningrad, 2004, pp. 103-115. (In Russian)
6. Karpushevskii I. V., Zezera A. S., Ivanovich V. M. [Adaptive features of populations of pelagic and demersal fish in the spatial and temporal dynamics of salinity waters of the Baltic sea]. Trudy Zoologicheskogo instituta RAN. Prilozhenie № 3 [Proceedings of the Zoological Institute RAS. Appendix N 3], 2013, pp. 128-135.
7. Kliashtorin L. B., Sidorenko N. S. Dolgoperiodnye klimaticheskie izmeneniia i fliuktuatsii chislennosti pelagicheskikh ryb Patsifiki [The long-term climate change and fluctuations in the number of pelagic fish Pacific]. Izv. TINRO [Math. TINRO], 1996, vol. 119, pp. 33-54. (In Russian)
8. Kliashtorin L. B., Liubushin A. A. Tsiklicheskie izmeneniia klimata i ryboproduktivnost' [Cyclical climate changes and fish productivity]. Moscow, VNIRO Publ., 2005. 258 p. (In Russian)
9. Kolesnik Iu. A. Tsiklichnost' biologicheskikh protsessov i rol'porozhdaiushchikh vneshnikh faktorov sredy [Cyclic nature of biological processes and the role of generating external environmental factors]. Vladivostok, DVGU Publ., 1997. 130 s.
10. Nazarov N. A. Bioresursnye issledovaniia AtlantNIRO v Baltiiskom more v 1992-2006godakh [Atlant-NIRO Bioresource research in the Baltic Sea in 1992-2006]. Available at: http://www.gilge.ru/ru/publication/ oceanolog/part_5_6.php
11. Sidorenkov N. S. Fizika nestabil'nostei vrashcheniia Zemli [Physics of Earth's rotation instabilities]. Moscow, Nauka Publ., 2002. 150 p. (In Russian)
12. Staritsyn D. K., Karedin E. P., Michurin A. N. [Hydrometeorological and geophysical predictors of population dynamics of the main commercial fish SZTO]. Tezisy dokl. XII Mezhdunarodnoi konferentsii po promyslovoi okeanologii [Abstracts. XII International Conference on fisheries oceanography]. Svetlogorsk, 2002. (In Russian)
13. Staritsyn D. K., Fuks V. R. [Hydrometeorological and geophysical predictors of population dynamics of the main commercial fish in Japan and Okhotsk seas]. Sb. Materialy IX Vserossiiskoi konferentsii po problemam rybopromyslovogo prognozirovaniia posviashchennoi 150-letiiu so dnia rozhdeniia N. M. Knipovi-cha [IX conference on fishing forecasting dedicated to the 150th anniversary of N. M. Knipovich]. Murmansk, PINRO Publ., 2012, pp. 175-185. (In Russian)
14. Fel'dman V. N., Nazarov N. A., Zezera A. S. Mnogoletniaia dinamika zapasov promyslovykh ryb Baltiiskogo moria i vliianie na nikh faktorov okruzhaiushchei sredy i promysla [Long-term dynamics of commercial fish stocks of the Baltic Sea and the effects of environmental factors and fishery]. Sb. nauchn. trudov AtlantNII ryb. khoz-va i okeanografii [Atlant-NIRO]. Kaliningrad, 1998, pp. 6-12. (In Russian)
15. Fuks V. R. K klassifikatsii nizkochastotnykh barotropnykh voln v okeane [The classification of low-frequency waves in the barotropic ocean]. Vestn. St.-Peterb. un-ta. Ser. 7, 1999, issue 2, no. 14, pp. 92-94. (In Russian)
16. Fuks V. R. Gradientno-vikhrevye volny v Baltiiskom more [Gradient vortex waves in the Baltic Sea]. Meteorologiia igidrologiia [Meteorology and Hydrology], 2005, no. 9, pp. 63-68. (In Russian)
17. Enfield D. B., Mestas-Nunez A. M., Trimble P. J. The Atlantic multidecadal oscillation and it's relation to rainfall and river flows in the continental U. S. Geophysical Research Letters, 2001, vol. 28, pp. 2077-2080.
18. Lluch-Belda D., Kawasaki T., MacCall., Parrish R., Shwartzlose R., Smith P. World-wide fluctuations of sardine and anchvy stock. The regime problem. S. Afr. J. Sci., 1989, vol. 8, pp. 195-205.
19. Lluch-Belda D., Shwartzlose R., Serra R., Parrish R., Kawasaki T., Hedgecock D., Crawford R. S. Sardine and anchovy régime fluctuations of abundance in four regions of the world oceans: a workshop report. Fich. Oceanogr., vol. 1(4), pp. 339-347.
20. Wada T., Jacobson L. Regimes and stock-recruitment relationship in Japanese sardine 1951-1995. Can. J. Fish. And Aquat. Sci., 1998, vol. 55, pp. 2455-2463.
21. Weickmann K. M., Robinson W. A., Penland M. C. Stochastic and oscillatory forcing of global atmospheric angular momentum. J. Geophys. Res., 2000, 105, D12, 15543-15557.
Статья поступила в редакцию 26 марта 2015 г.
Контактная информация;
Старицын Дмитрий Константинович — кандидат географических наук, доцент; [email protected]
Фукс Виктор Робертович — доктор географических наук, профессор; [email protected]
Staritsyn D. K. — Candidate of Geographic Sciences, Associate Professor; [email protected], Foux V. R. — Doctor of Geographic Sciences, Professor; [email protected]
