Arendatava meetodiga saab luua merepinna temperatuuri ja soolsuse vaatlustega lünkadeta "kaardid", mille tulemusi saab kasutada otseselt prognoosimudelites. Lisaks keskkonnamuutuste kaardistamisele saavad sellisest informatsioonist otsest praktilist kasu ka näiteks kalurid, kelle töö sõltub kalaparvede liikumistest.

Praegu kasutatavad mereteadlased uurimistööd juhtinud Jüri Elkeni sõnul merevee pinnakihi uurimiseks valdavalt kolme tüüpi andmeid. Vanim meetod näeb ette vee omaduste mõõtmist kohapeal. Seda tehakse laevadelt või automaatjaamadelt, kasutades kas sensorite andmeid või analüüsides võetud veeproove. Selle kõrval kasutatakse üha enam kaugseiret. Kõige sagedamini satelliitidelt saadavate andmete tulemusi võib esitada näiteks detailsete kaartidena.

Kolmas uurimismeetod näeb ette numbrilist modelleerimist. Mere seisundi muutused leitakse füüsikalisi protsesse simuleerivate keeruliste arvutiprogrammide abil, mille tulemusi saab esitada ka animeeritud kaartidena ehk omalaadse multifilmina.

Kõigil kolmel analüüsimeetodil on Tallinna Tehnikaülikooli meresüsteemide instituudi professori sõnul omad plussid ja miinused. Nii annavad näiteks kohapealsed vaatlused kõige täpsemad andmed merevee omaduste kohta, kuid vaatluspunkte on vähe ning nad on ebaühtlaselt jaotunud, Seetõttu on kujunev pilt küllaltki killustunud.

Satelliidipildilt saadakse üksikasjalik info näiteks vee temperatuuri ja klorofüllisisalduse kohta, kuid mitte merevee soolsuse, toitainete ja paljude muude oluliste merevee näitajate kohta. Numbrilised mere ökosüsteemi mudelid leiavad üha rohkem praktilist kasutamist, kuid nende täpsus jätab mõnikord soovida. "Seega kasutame mereseisundi uurimiseks ja oma prognooside tegemiseks kõiki kolme meetodit. Uurimistulemuse edu valem ongi teadlaste jaoks kolme meetodi omavahelises õiges kombineerimises", lisab Jüri Elken.

Erinevat tüüpi andmete ühildamiseks kasutavad okeanograafid statistilisi meetodeid. Hiljuti ilmunud uuringu täiendasid Tallinna Tehnikaülikooli teadlased koos Taani kolleegidega traditsioonilist EOF ehk empiiriliste ortogonaalsete funktsioonide meetodit. Pinnakaartide kordusmustrid leiti korrapärasel arvutusvõrgul numbrilise mudeli tulemustest, põhiliste mustrite kaalukoefitsiendid konkreetse ajahetke kohta leiti aga lähiperioodi vaatlusandmete põhjal. Meetodigaoli võimalik vaatlustulemusi laiendada piirkondadesse ja nendele ajahetkedele, kus vaatlusi ei tehtud.

"Kui mingi merepiirkond, näiteks Eestit ümbritsevad merealad, on samasuguste ilmastikutegurite mõju all, on mereseisundi muutujate reaktsioon üksteisest eemal asuvates paikades sarnane. Kui näiteks sügisel toimub Soome madalas rannikumeres, kuskil Kotka lähistel, kiirem jahtumine kui avamerel, siis sarnane muutus esineb väga tõenäoliselt ka Pärnu lähistel või Väinameres," selgitas Elken.

Taolist keerulist seoste mustrit võtab põhimõtteliselt arvesse meie arendatud EOF analüüsi rakendus Toetudes ühes kindlas piirkonnas domineerivatele statistilistele mustritele, saab seniste vaatlusjaamade kaardistatavat analüüsisala oluliselt laiendada.

"Teadustöö väljundina lõime vaatlusandmete sulandamise uut tüüpi algoritmi ja ka vastava arvutiprogrammi. Esimeste katsetulemuste põhjal võib väita, et saame oluliselt vähendada seni suureks probleemiks olnud veepinna temperatuuri ja soolsuse päevase prognoosi süstemaatilist erinevust võrreldes tegelike vaatlusandmetega," kinnitas Elken.

Uurimus ilmus ajakirjas Frontiers in Earth Science.