Ocean Surface Current Uncertainty Quantification via Drift Modeling and Spaceborne Retrieved Radial Velocities

Abstract

Ocean surface current is an essential ocean state variable in operational oceanography. They govern the movement of pollutants, microorganisms, heat, and salt across the ocean. Their dynamics shape marine ecosystems and influence climate patterns. Monitoring and accurately predicting ocean surface currents are essential for managing offshore pollution and its potential impacts on the shoreline, safeguarding marine biodiversity and ensuring maritime safety.

Ocean and atmospheric models are simplified representations of a highly complex, multi-scale flow system where approximations are unavoidable. Combined with the limited and inexact nature of available observations, predictions inherently present a degree of uncertainty. Ensemble modeling addresses these uncertainties by providing multiple future outcomes rather than a single solution. This approach helps quantify the likelihood of specific events, offering a more probabilistic understanding of the ocean behavior and enhancing decision-making in emergency situations, e.g, oil spills. Although widely employed and investigated by the atmospheric community, operational ensemble prediction systems are still emerging in oceanographic forecast centers.

In this thesis, we evaluate how ocean and atmospheric ensemble operational prediction systems address ocean surface current uncertainties through short-term drift modeling and ocean current retrieval using satellite observations. The first part of this work provides background information about ocean dynamics as a multi-scale problem, modeling, remote sensing, and uncertainty. The second part presents the three research papers produced during the Ph.D. project.

We introduce novel approaches to analyzing ensemble performance, with metrics specifically tailored for trajectory modeling, encompassing both delineated oil slicks and drifter trajectories. Our research sheds new light on the effects of horizontal resolution and wind forcing on short-term oil slick drift prediction using operational ensemble models. Furthermore, we present the first estimates of how wind field uncertainty affects ocean radial velocities, using remote sensing as the source of ocean current data.

By bridging remote sensing, numerical modeling, and quantitative ensemble performance metrics, the main results of the three research articles in this compendium showed that (Paper I) wind forcing has little impact on short-term trajectory prediction spread, and lower resolution ensemble models provide trajectory predictions as skillful as those provided by higher resolution deterministic models; (Paper II) model error directly impacts the rank histogram, leading to misinterpretations in assessing the model's spread; and (Paper III) the uncertainty in ocean radial velocity caused solely by the wind field can be as significant as that of the source data itself.

Overflatestrøm som en nøkkelvariabel i operasjonell oseanografi. Via strømmene transporteres forurensning, mikroorganismer, varme og salt i havene. Havstrømmene er med på å forme marine økosystemer, samt en viktig del av klimasystemet. Overvåking og nøyaktig prediksjon av havstrømmene er viktig for blant annet å beskytte marin biodiversitet, håndtere og iverksette tiltak ved akutt forurensing, og for sikre maritime operasjoner.

Hav- og atmosfæremodeller er forenklede representasjoner av svært komplekse systemer med dynamiske prosesser på ulike tids- og romskalaer, og det er nødvendig med visse forenklinger for å beskrive systemene. Prediksjoner basert på modeller har dermed en iboende usikkerhet, som i tillegg kan påvirkes av begrensede eller unøyaktige observasjoner. Såkalte ensemblesystemer tar høyde for disse usikkerhetene ved å beskrive utfallsrommet fra flere modeller med litt forskjellig utgangspunkt i stedet for én enkelt løsning. Denne tilnærmingen bidrar til å kvantifisere sannsynligheten for spesifikke hendelser, og gir en mer probabilistisk forståelse av havets dynamikk. Dette kan forbedre beslutningsgrunnlaget i nødsituasjoner, som for eksempel ved oljesøl i havet. Innenfor meteorologi er ensemblesystemer allerede et godt etablert verktøy, mens det fortsatt er relativt lite utnytteti operasjonelle oseanografiske varslingssystemer.

I denne avhandlingen ser vi på hvordan operasjonelle ensemblebaserte prediksjonssystemer for hav- og atmosfære behandler usikkerhet i havoverflatestrømmer gjennom korttidsvarsling av drift samt henting av havstrømdata ved bruk av satellittobservasjoner. Den første delen av dette arbeidet gir bakgrunnsinformasjon om havdynamikk som et multi-skala problem, modellering, fjernmåling og usikkerhet. Den andre delen presenterer de tre forskningsartiklene som ble produsert i løpet av Ph.D.-prosjektet.

Vi introduserer nye tilnærminger til å analysere ensemblesystemets ytelse, i form av metrikker spesielt tilpasset trajektoriemodellering, som dekker både oljeflak og drivbaner. Vår forskning belyser effektene av horisontal oppløsning og vindpådrag på korttidsvarsler for oljedrift ved bruk av operasjonelle ensembler. Videre presenterer vi de første estimatene av hvordan usikkerheten i vindfeltet påvirker havstrømmer, gjennom bruk av fjernmåling som kilde til havstrømdata.

Gjennom å forene fjernmåling, numerisk modellering og kvantitative metrikker, viser hovedresultatene fra de tre forskningsartiklene i dennee avhandlingen at (1) vindpådrag har liten innvirkning på spredningen i korttidsvarsler for trajektorier, og ensemblemodeller med lavere oppløsning gir trajektoriprediksjoner som er like treffsikre som de fra deterministiske modeller med høyere oppløsning; (2) modellfeil påvirker direkte ensemblespredningen, noe som fører til feiltolkninger; og (3) usikkerheten i havstrømobservasjoner som utelukkende skyldes vindfeltet, kan være av samme størrelsesorden som strømmene