Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 1. С. 239-252
Информативность мультиспектральных (OLCI) и гиперспектральных данных при оценке состояния пресноводных экосистем на примере Цимлянского водохранилища
Б.Л. Сухоруков
1, 2 , Н.В. Решетняк
2 , В.В. Сапрыгин
3 1 Институт водных проблем РАН, Южный отдел, Ростов-на-Дону, Россия
2 Гидрохимический институт, Ростов-на-Дону, Россия
3 Российский информационно-аналитический и научно-исследовательский водохозяйственный центр, Ростов-на-Дону, Россия
Одобрена к печати: 22.02.2022
DOI: 10.21046/2070-7401-2022-19-1-239-252
Приведены данные дистанционных спектрометрических измерений в рамках многоуровневого синхронного эксперимента на Приплотинном плёсе Цимлянского вдхр., проведённого в августе 2020 г. Концентрацию хлорофилла a фитопланктона (Схл а) определяли по измерениям, выполненным на трёх уровнях. Данные верхнего, спутникового уровня получены с сайта Европейской организации спутниковой метеорологии (EUMETSAT) мультиспектральным сканером OLCI (Sentinel-3). С борта судна, с высоты около 2 м, проводили дистанционную съёмку спектрометром S41 (фирмы Laser LS). Спектральный диапазон портативного прибора — 389–808 нм, спектральное разрешение — 1,8 нм. На этом уровне Схл а определяли по ранее построенным биооптическим моделям. На этом же уровне синхронно со спектрометрической съёмкой отбирали пробы воды для последующего аналитического определения Схл а в лабораторных условиях. Сопоставление результатов, полученных на различных уровнях, выявило ряд несоответствий в оценке Схл а для выбранного водного объекта, находящегося в гиперэвтрофном состоянии. Результаты оценок Схл а различаются в несколько раз. Обсуждены возможные причины отмеченных несоответствий. Показана недостаточная информативность мультиспектральных данных для оценки трофического статуса подобных водных объектов. Отмечена необходимость уточнения алгоритмов интерпретации спутниковых данных для гиперэвтрофных водных объектов.
Ключевые слова: многоуровневый эксперимент, дистанционная спектрометрия, коэффициент спектральной яркости (КСЯ), хлорофилл a фитопланктона
Полный текстСписок литературы:
- Вехов Д. А., Науменко А. Н., Горелов В. П., Голоколенова Т. Б., Шевлякова Т. П. Современное состояние и использование водных биоресурсов Цимлянского водохранилища (2009–2013 гг.) // Рыбохозяйственные исследования на водных объектах Европейской части России. СПб.: ФГБНУ ГосНИОРХ, 2014. С. 116–145. DOI: 10.13140/2.1.2469.7289.
- Голубицкий Б. М., Левин И. М., Танташев М. В. Коэффициент яркости полубесконечного слоя морской воды // Изв. Акад. наук СССР. Физика атмосферы и океана. 1974. Т. 10. № 11. С. 1235–1238.
- ГОСТ 17.1.4.02-90. Вода. Методика спектрофотометрического определения хлорофилла а. М.: Изд-во стандартов, 1990. 15 с.
- Зеге Э. П. Инженерные методы расчета световых полей в условиях многократного рассеяния. Распространение света в дисперсной среде. Минск: Наука и техника, 1982. С. 84–105.
- Копелевич О. В. Оптика океана. Т. 1. Физическая оптика океана. М.: Наука, 1983. 171 с.
- РД 52.24.729.2010. Дистанционная спектрометрическая съемка водных объектов в видимом диапазоне волн с мостовых переходов. Ростов-на-Дону, 2010. 27 с.
- Сухоруков Б. Л., Новиков И. В. Сравнительный анализ двух способов интерпретации дистанционных спектрометрических данных о состоянии водных экосистем // Оптика атмосферы и океана. 2001. Т. 4. № 10. С. 944–949.
- Сухоруков Б. Л., Гарбузов Г. П., Никаноров А. М. Оценка состояния водных объектов по спектрам коэффициента яркости // Водные ресурсы. 2000. № 5. С. 579–588.
- Сухоруков Б. Л., Ковалёва Г. Е., Никаноров А. М. Способ оценки трофности водных объектов. Патент РФ 2632720. Рег. 09.10.2017.
- Сухоруков Б. Л., Решетняк Н. В., Ковалева Г. Е. Биооптическая модель Нижнего Дона для оценки концентрации хлорофилла а фитопланктона по дистанционной спектрометрической информации // Наука Юга России. 2020. Т. 16. № 2. С. 41–50. DOI: 10.7868/S25000640200205.
- Шифрин К. С. Введение в оптику океана. Л.: Гидрометеоиздат, 1983. 280 с.
- Doerffer R. OLCI Level 2. Algorithm Theoretical Basis Document. Ocean Colour Turbid Water. Version 2.0. Document Ref: S3-L2-SD-03-C11-GKSS-ATBD / GKSS Research Center. Institute for Costal Research. 2010. 50 p. URL: https://sentinel.esa.int/documents/247904/349589/OLCI_L2_ATBD_Ocean_Colour_Turbid_Water.pdf.
- Kravitz J., Matthews M., Bernard S., Griffith D. Application of Sentinel 3 OLCI for chl-a retrieval over small inland water targets: Successes and challenges // Remote Sensing of Environment. 2020. V. 237. Art. No. 111562. DOI: 10.1016/j.rse.2019.111562.
- Liu H., He X., Li Q., Hu X., Ishizaka J., Kratzer S., Yang C., Shi T., Hu S., Zhou Q., Wu G. Evaluation of ocean colour atmospheric correction methods for Sentinel-3 OLCI using global automatic in-situ observations // IEEE Trans. Geoscience and Remote Sensing. 2021. 19 p. DOI: 10.1109/TGRS.2021.3136243. URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9654183&isnumber=4358825.
- Mobley C. D. Estimation of the remote-sensing reflectance from above-surface measurements // Applied Optics. 1999. V. 38(36). P. 7442–7455. DOI: 10.1364/ao.38.007442.
- Mograne M. A., Jamet C., Loisel H., Vantrepotte V., Mériaux X., Cauvin A. Evaluation of five atmospheric correction algorithms over French optically-complex waters for the Sentinel-3A OLCI Ocean Color Sensor // Remote Sensing. 2019. V. 11. Art. No. 668. DOI: 10.3390/rs11060668.
- Mollaee S. Estimation of phytoplankton chlorophyll-a concentration in the western basin of Lake Erie using Sentinel-2 and Sentinel-3 data: Master thesis / Univ. Waterloo. Ontario, Canada, 2018. 93 p.
- Moore G., Mazeran C., Huot J. P. MERIS ATBD 2.6. Case II.S Bright Pixel Atmospheric Correction. European Space Agency, 2017. Iss. 5.3. 82 p. URL: https://earth.esa.int/eogateway/documents/20142/37627/MERIS_ATBD_2.6_v5.3%20-%202017%20-%20BPAC.pdf.
- Morel A., Prieur L. Analysis of variations in ocean color // Limnology and Oceanography. 1977. V. 22. No. 4. P. 709–722. DOI: 10.4319/lo.1977.22.4.0709.
- Moses W. J., Gitelson A. A., Perk R. L., Gurlin D., Rundquist D. C., Leavitt B., Barrow T. M., Brakhage P. Estimation of chlorophyll-a concentration in turbid productive waters using airborne hyperspectral data // Water Research. 2012. V. 46(4). P. 993–1004. DOI: 10.1016/j.watres.2011.11.068.
- Moses W. J., Saprygin V., Gerasyuk V., Povazhny, V. V., Berdnikov S., Gitelson A. A. OLCI-based NIR-red models for estimating chlorophyll-a concentration in productive coastal waters — a preliminary evaluation // Environmental Research Communications. 2019. V. 1(1). Art. No. 011002. DOI: 10.1088/2515-7620/aaf53c.
- Ritchie R. J. Universal chlorophyll equations for estimating chlorophylls a, b, c and d and total chlorophylls in natural assemblages of photosynthetic organisms using acetone, methanol, or ethanol solvents // Photosynthetica. 2008. V. 46. P. 115–126. DOI: 10.1007/s11099-008-0019-7.
- Sentinel-3 OLCI Marine User Handbook. EUMETSAT, 2021. Doc. No. EUM/OPS-SEN3/MAN/17/907205. Iss. v2G e-signed. 48 p. URL: https://www-cdn.eumetsat.int/files/2021-03/Sentinel-3%20OLCI%20Marine%20User%20Handbook.pdf.
- Smith M. E., Robertson Lain L., Bernard S. An optimized chlorophyll a switching algorithm for MERIS and OLCI in phytoplankton-dominated waters // Remote Sensing of Environment. 2018. V. 15. P. 217–227. DOI: 10.1016/j.rse.2018.06.002.