Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 4. С. 214-226

Классификация поверхностных вод по данным дистанционной спектрометрии видимой области

Б.Л. Сухоруков 1, 2 , Н.В. Решетняк 1 
1 Гидрохимический институт, Ростов-на-Дону, Россия
2 Институт водных проблем РАН, Южный отдел, Ростов-на-Дону, Россия
Одобрена к печати: 25.07.2023
DOI: 10.21046/2070-7401-2023-20-4-214-226
Проанализированы экспериментальные данные многолетних спектрометрических измерений, полученные на водных объектах России в период с 2009 по 2020 г. Дистанционную гиперспектральную съёмку проводили с различных платформ нижнего уровня с высоты от 2 до 30 м. Основным анализируемым показателем выбраны спектры коэффициентов спектральной яркости (СКСЯ) восходящего от воды излучения в видимой области спектра, 420–750 нм, со спектральным разрешением 1,8 нм. Построен граф классификации СКСЯ по форме спектров по методу Варда (англ. Ward’s method) (дивизимная кластеризация). Представлены средние СКСЯ для каждого класса и каждой группы, соответствующих дендрограмме. Интерпретация СКСЯ каждой из групп основана на знании спектральных особенностей оптически активных (видимых) компонентов водной экосистемы. Классификация СКСЯ по чисто спектральной информации позволяет выделить три класса спектров, очевидно различающихся по форме. Дальнейшая кластеризация осуществляется внутри этих классов с привлечением опорных данных, полученных из аналитических определений мутности воды и трофности водных экосистем. Для вод 2-го типа по спектральным особенностям всего выделено 9 групп СКСЯ. Предложено компактное обозначение каждой из групп.
Ключевые слова: поверхностные воды, дистанционная спектрометрия, коэффициент спектральной яркости, фитопланктон, хлорофилл, водная экосистема, кластеризация, дендрограмма
Полный текст

Список литературы:

  1. Голубицкий Б. М., Левин И. М., Танташев М. В. Коэффициент яркости полубесконечного слоя морской воды // Изв. Акад. наук СССР. Сер. Физика атмосферы и океана. 1974. Т. 10. № 11. С. 1235–1238.
  2. 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.
  3. Копелевич О. В. Оптика океана. Т. 1. Физическая оптика океана. М.: Наука, 1983. 171 с.
  4. РД 52.24.729.2010. Дистанционная спектрометрическая съемка водных объектов в видимом диапазоне волн с мостовых переходов. Ростов н/Д, 2010. 27 с.
  5. Сухоруков Б. Л., Решетняк Н. В. Глава III/47: Развитие метода дистанционной спектрометрии применительно к задаче оценки состояния водных экосистем и классификации акваландшафтов // Новые методы и результаты исследований ландшафтов в Европе, Центральной Азии и Сибири. В 5 т. Т. 3 / под ред. акад. РАН Сычёва В. Г., Мюллера Л. М.: Изд-во ФГБНУ «ВНИИ агрохимии», 2018. С. 224–228. DOI: 10.25680/9000.2018.56.65.240.
  6. Сухоруков Б. Л., Гарбузов Г. П., Никаноров А. М. Оценка экологического состояния водных объектов по спектрам коэффициента яркости // Водные ресурсы. 2000. Т. 27. № 5. С. 579–588.
  7. Сухоруков Б. Л., Ковалева Г. Е., Новиков И. В. Оценка трофности водных объектов по данным дистанционной спектрометрии высокого разрешения видимого диапазона // Водные ресурсы. 2017. Т. 44. № 1. С. 79–90. DOI: 10.7868/S0321059617010199.
  8. Сухоруков Б. Л., Новиков И. В., Ковалёва Г. Е., Решетняк Н. В. База спектрометрических данных высокого разрешения по водным объектам юга России. Свидетельство о гос. регистрации базы данных № 2018620272. Рег. 14.02.2018.
  9. 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.
  10. Халафян А. А. STATISTICA 6. Статистический анализ данных. М.: Бином, 2009. 522 с.
  11. Шифрин К. С. Введение в оптику океана. Л.: Гидрометеоиздат, 1983. 280 с.
  12. Lee Z., Tang J. The Two Faces of “Case-1” Water // J. Remote Sensing. 2022. V. 2022. Article 9767452. DOI: 10.34133/2022/9767452.
  13. 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.
  14. Morel A., Prieur L. Analysis of variations in ocean color // Limnology and Oceanography. 1977. V. 22. No. 4. P. 709–722.
  15. Spyrakos E., O’Donnell R., Hunter P. D. et al. Optical types of inland and coastal waters // Limnology and Oceanography. 2018. V. 63. No. 2. P. 846–870. DOI: 10.1002/lno.10674.
  16. Vazyulya S., Deryagin D., Glukhovets D. et al. Regional Algorithm for Estimating High Coccolithophore Concentration in the Northeastern Part of the Black Sea // Remote Sensing 2023. V. 15. Article 2219. DOI: 10.3390/rs15092219.