Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 5. С. 50-68
Анализ и верификация алгоритмов определения мутности и концентрации взвешенного вещества, имплементированных в программный комплекс ACOLITE
П.Д. Жаданова
1 , К.Р. Назирова
1 1 Институт космических исследований РАН, Москва, Россия
Одобрена к печати: 14.10.2023
DOI: 10.21046/2070-7401-2023-20-5-50-68
Получение количественной информации о физических и гидрооптических параметрах морской среды на основе данных дистанционного зондирования является одной из актуальных задач спутниковой океанологии. В работе представлен подробный обзор современных алгоритмов Nechad и Dogliotti после применения атмосферной коррекции ACOLITE DSF. Подробно изложена методика расчётов оптических параметров морской воды по упомянутым выше алгоритмам и описан опыт использования различных стандартных спутниковых алгоритмов в прибрежных зонах Каспийского и Чёрного морей. Приведены примеры расчётов концентрации взвешенного вещества и мутности морской воды в тестовых приустьевых районах. Цель работы состояла в проведении верификации алгоритмов расчёта концентрации взвешенного вещества и мутности морской воды в тестовых районах с помощью результатов квазисинхронных in situ измерений. Установлено, что применение стандартного алгоритма Nechad для расчёта мутности морской воды даёт высокую корреляцию с результатами подспутниковых измерений в приустьевых районах р. Мзымты при значениях мутности <50 NTU (англ. Nephelometric Turbidity Unit). Показана возможность использования алгоритма Dogliotti в различных географических районах при условии высокой степени замутнённости прибрежных вод (≥100 NTU). Полученные результаты могут служить методической рекомендацией к использованию рассматриваемых в работе алгоритмов в прибрежных районах Чёрного и Каспийского морей.
Ключевые слова: мутность воды, концентрация взвешенного вещества, измерения in situ, ACOLITE, MSI Sentinel 2, OLI/TIRS Landsat-8, -9, Каспийское море, Терек, Сулак, Чёрное море, Мзымта
Полный текстСписок литературы:
- Джаошвили Ш. Реки Черного моря: Технический отчет № 71. Европейское агентство по охране окружающей среды, 2002. 58 с.
- Дрожжина К. В. Особенности природно-климатических условий бассейна реки Мзымта для целей рекреационной деятельности // Молодой ученый. 2013. № 5(52). С. 196–198.
- Завьялов П. О., Маккавеев П. Н., Коновалов Б. В. и др. Гидрофизические и гидрохимические характеристики морских акваторий у устьев малых рек российского побережья Черного моря // Океанология. 2014. Т. 54. № 3. С. 293–308. DOI: 10.7868/S0030157414030150.
- Лаврова О. Ю., Митягина М. И., Костяной А. Г. Спутниковые методы выявления и мониторинга зон экологического риска морских акваторий. М.: ИКИ РАН, 2016. 334 с.
- Лаврова О. Ю., Назирова К. Р., Алферьева Я. О. и др. Сопоставление параметров плюмов рек Сулак и Терек на основе спутниковых данных и измерений in situ // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 5. C. 264–283. DOI: 10.21046/2070-7401-2022-19-5-264-283.
- Назирова К. Р., Лаврова О. Ю., Краюшкин Е. В. и др. Особенности выявления параметров речного плюма контактными и дистанционными методами // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 2. С. 227–243. DOI: 10.21046/2070-7401-2019-16-2-227-243.
- Barreneche J. M., Guigou B., Gallego F. et al. Monitoring Uruguay’s freshwaters from space: An assessment of different satellite image processing schemes for chlorophyll-a estimation // Remote Sensing Applications: Society and Environment. 2023. V. 29. Article 100891. https://doi.org/10.1016/j.rsase.2022.100891.
- Dogliotti A. I., Ruddick K. G., Nechad B. et al. A single algorithm to retrieve turbidity from remotely-sensed data in all coastal and estuarine waters // Remote Sensing of Environment. 2015. V. 156. P. 157–168. https://doi.org/10.1016/j.rse.2014.09.020.
- Doxaran D., Froidefond J. M., Castaing P., Babin M. Dynamics of the turbidity maximum zone in a macrotidal estuary (the Gironde, France): Observations from field and MODIS satellite data // Estuarine, Coastal and Shelf Science. 2009. V. 81. No. 3. P. 321–332. DOI: 10.1016/j.ecss.2008.11.013.
- Kopelevich O. V., Sheberstov S. V., Burenkov V. I. et al. Assessment of underwater irradiance and absorption of solar radiation at water column from satellite data // Current Research on Remote Sensing, Laser Probing, and Imagery in Natural Waters: Proc. SPIE. 2007. V. 6615. P. 56–66. https://doi.org/10.1117/12.740441.
- Kuhn C., de Matos Valerio A., Ward N. et al. Performance of Landsat-8 and Sentinel 2 surface reflectance products for river remote sensing retrievals of chlorophyll-a and turbidity // Remote Sensing of Environment. 2019. V. 224. P. 104–118. https://doi.org/10.1016/j.rse.2019.01.023.
- Maciel F. P., Pedocchi F. Evaluation of ACOLITE atmospheric correction methods for Landsat-8 and Sentinel 2 in the Río de la Plata turbid coastal waters // Intern. J. Remote Sensing. 2021. V. 43. P. 215–240. https://doi.org/10.1080/01431161.2021.2009149.
- Nazirova K., Alferyeva Y., Lavrova O. et al. Comparison of in situ and remote-sensing methods to determine turbidity and concentration of suspended matter in the estuary zone of the Mzymta river, Black Sea // Remote Sensing. 2021. V. 13. No. 1. Article 143. https://doi.org/10.3390/rs13010143.
- Nechad B., Ruddick K. G., Neukermans G. Calibration and validation of a generic multisensor algorithm for mapping of turbidity in coastal waters // Remote Sensing of the Ocean, Sea Ice, and Large Water Regions. 2009. V. 7473. P. 161–171. https://doi.org/10.1117/12.830700.
- Nechad B., Ruddick K. G., Park Y. Calibration and validation of a generic multisensor algorithm for mapping of total suspended matter in turbid waters // Remote Sensing of Environment. 2010. V. 114(4). P. 854–866. https://doi.org/10.1016/j.rse.2009.11.022.
- Nechad B., Ruddick K., Schroeder T. et al. Coastcolour round robin datasets: a database to evaluate the performance of algorithms for the retrieval of water quality parameters in coastal waters // Earth System Science Data. 2015. V. 7. No. 7. P. 319–348. https://doi.org/10.5194/essd-7-319-2015.
- Vanhellemont Q. (2019a) Adaptation of the dark spectrum fitting atmospheric correction for aquatic applications of the Landsat and Sentinel 2 archives // Remote Sensing of Environment. 2019. V. 225. P. 175–192. https://doi.org/10.1016/j.rse.2019.03.010.
- Vanhellemont Q. (2019b) Daily metre-scale mapping of water turbidity using CubeSat imagery // Optics Express. 2019. V. 27. P. A1372–A1399. https://doi.org/10.1364/OE.27.0A1372.
- Vanhellemont Q. Sensitivity analysis of the dark spectrum fitting atmospheric correction for metre- and decametre-scale satellite imagery using autonomous hyperspectral radiometry // Optics Express. 2020. V. 28. P. 29948–29965. https://doi.org/10.1364/OE.397456.
- Vanhellemont Q., Ruddick K. Turbid wakes associated with offshore wind turbines observed with Landsat 8 // Remote Sensing of Environment. 2014. V. 145. P. 105–115. https://doi.org/10.1016/j.rse.2014.01.009.
- Vanhellemont Q., Ruddick K. Advantages of high quality SWIR bands for ocean colour processing: Examples from Landsat-8 // Remote Sensing of Environment. 2015. V. 161. P. 89–106. https://doi.org/10.1016/j.rse.2015.02.007.
- Vanhellemont Q., Ruddick K. Acolite for Sentinel 2: Aquatic applications of MSI imagery // Proc. 2016 ESA Living Planet Symp. Prague, Czech Republic, 2016. P. 9–13.
- Vanhellemont Q., Ruddick K. Atmospheric correction of metre-scale optical satellite data for inland and coastal water applications // Remote Sensing of Environment. 2018. V. 216. P. 586–597. https://doi.org/10.1016/j.rse.2018.07.015.
- Vanhellemont Q., Ruddick K. Atmospheric correction of Sentinel 3/OLCI data for mapping of suspended particulate matter and chlorophyll-a concentration in Belgian turbid coastal waters // Remote Sensing of Environment. 2021. V. 256. Article 112284. https://doi.org/10.1016/j.rse.2021.112284.
- Wang J., Lee Z., Wang D. et al. Atmospheric correction over coastal waters with aerosol properties constrained by multi-pixel observations // Remote Sensing of Environment. 2021. V. 265. Article 112633. https://doi.org/10.1016/j.rse.2021.112633.