Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 5. С. 38-50
Биооптические алгоритмы для восстановления концентрации хлорофилла a в Волгоградском водохранилище по данным снимков Sentinel-3 OLCI
С.В. Федоров
1, 2 , А.А. Мольков
1, 3, 4 , И.А. Капустин
1, 3, 4 , А.В. Ермошкин
1, 3 , Г.В. Лещев
1, 3 , Д.В. Доброхотова
1, 3 , Е.С. Кольцова
1 , Б.В. Коновалов
1, 5 , А.М. Чушнякова
1, 5 1 Нижегородский государственный университет им. Н.И. Лобачевского , Нижний Новгород, Россия
2 Морской гидрофизический институт РАН, Севастополь, Россия
3 Институт прикладной физики РАН, Нижний Новгород, Россия
4 Волжский государственный университет водного транспорта, Нижний Новгород, Россия
5 Институт океанологии им. П.П. Ширшова РАН, Москва, Россия
Одобрена к печати: 29.07.2025
DOI: 10.21046/2070-7401-2025-22-5-38-50
Внутренние водоёмы, включая водохранилища, представляют собой оптически сложные среды, для которых стандартные спутниковые алгоритмы оценки концентрации хлорофилла a оказываются малопригодными без адаптации и валидации. В настоящей работе реализован полный цикл анализа: от натурных измерений и валидации различных алгоритмов атмосферной коррекции до калибровки биооптических алгоритмов, адаптированных к условиям одного из волжских водохранилищ, а именно Волгоградского. В 2024 г. на этом водоёме были проведены две экспедиции с целью сбора натурных данных, включая измерения спектральных коэффициентов яркости воды, содержания хлорофилла a и прозрачности атмосферы. Обнаружена значительная пространственно-временная изменчивость оптических свойств вод, что отражается в спектрах коэффициента яркости водной толщи и концентрации оптически активных компонентов воды. Валидация атмосферной коррекции снимков Sentinel-3 OLCI (англ. Ocean and Land Colour Instrument) показала достаточно высокую точность спутниковых коэффициентов яркости, коэффициент корреляции составил 0,9–1 для большинства спектральных каналов. Некоторое ухудшение точности наблюдалось в синей области спектра — коэффициент корреляции примерно 0,7. Сравнение оценок концентрации хлорофилла a по алгоритму NASA (англ. National Aeronautics and Space Administration) OC4 (англ. Ocean Color) с измерениями данного параметра показало их невысокую точность. Предложены двухканальные алгоритмы для восстановления концентрации хлорофилла a, для которых коэффициент детерминации составляет 0,7–0,8.
Ключевые слова: Волгоградское водохранилище, натурные измерения, атмосферная коррекция, Sentinel-3 OLCI, биооптические алгоритмы, концентрация хлорофилла a
Полный текстСписок литературы:
- Коновалов Б. В., Кравчишина М. Д., Беляев Н. А., Новигатский А. Н. Определение концентрации минеральной взвеси и взвешенного органического вещества по их спектральному поглощению // Океанология. 2014. Т. 54. № 4. С. 704–711. DOI: 10.7868/S0030157414040066.
- Минеева Н. М., Семадени И. В., Макарова О. С. Содержание хлорофилла и современное трофическое состояние водохранилищ р. Волги (2017–2018 гг.) // Биология внутренних вод. 2020. Т. 2. С. 205–208. DOI: 10.31857/S0320965220020102.
- Минеева Н. М., Семадени И. В., Соловьева В. В., Макарова О. С. Содержание хлорофилла и современное трофическое состояние водохранилищ р. Волги (2019, 2020 гг.) // Биология внутренних вод. 2022. № 4. С. 367–371. DOI: 10.31857/S0320965222040210.
- Смирнова М. В., Чебан Е. Ю., Володченко Е. В., Бердникова Е. Ю., Солина Е. С. Гидроэкологические исследования участков Горьковского и Чебоксарского водохранилищ с притоками в летний период 2017 года // Вестн. ВГАВТ. 2017. Т. 53. № 4. С. 98–108.
- Черногаева Г. М., Журавлева Л. Р., Малеванов Ю. А. Интегральная оценка качества воды в бассейне Волги по данным мониторинга в XXI в. // Изв. РАН. Сер. геогр. 2023. Т. 87. № 6. С. 875–884. https://doi.org/10.31857/S2587556623060043.
- Binding C. E., Pizzolato L., Zeng C. EOLakeWatch; delivering a comprehensive suite of remote sensing algal bloom indices for enhanced monitoring of Canadian eutrophic lakes // Ecological Indicators. 2021. V. 121. Article 106999. https://doi.org/10.1016/j.ecolind.2020.106999.
- Castagna A., Vanhellemont Q. A generalized physics-based correction for adjacency effects // Applied Optics. 2025. V. 64. P. 2719–2743. https://doi.org/10.1364/AO.546766.
- Chen J., Zhu W., Tian Y. Q. et al. Remote estimation of colored dissolved organic matter and chlorophyll-a in Lake Huron using Sentinel-2 measurements // J. Applied Remote Sensing. 2017. V. 11. No. 3. Article 036007. DOI: 10.1117/1.JRS.11.036007.
- Doxani G., Vermote E., Roger J.-C. et al. Atmospheric correction inter-comparison exercise // Remote Sensing. 2018. V. 10. No. 2. Article 352. https://doi.org/10.3390/rs10020352.
- Hieronymi M., Bi S., Müller D. et al. Ocean color atmospheric correction methods in view of usability for different optical water types // Frontiers in Marine Science. 2023. V. 10. Article 1129876. DOI: 10.3389/fmars.2023.1129876.
- Hu C., Lee Z., Franz B. Chlorophyll a algorithms for oligotrophic oceans: A novel approach based on three-band reflectance difference // J. Geophysical Research: Oceans. 2012. V. 117. No. C1. Article C01011. https://doi.org/10.1029/2011JC007395.
- Hu C., Feng L., Lee Z et al. Improving satellite global chlorophyll a data products through algorithm refinement and data recovery // J. Geophysical Research: Oceans. 2019. V. 124. No. 3. P. 1524–1543. https://doi.org/10.1029/2019JC014941.
- Le C., Li Y., Zha Y. et al. A four-band semi-analytical model for estimating chlorophyll a in highly turbid lakes: The case of Taihu Lake, China // Remote Sensing of Environment. 2009. V. 113. P. 1175–1182. DOI: 10.1016/j.rse.2009.02.005.
- Mobley C. D. Estimation of the remote-sensing reflectance from above-surface measurements // Applied Optics. 1999. V. 38. P. 7442–7455.
- Molkov A., Fedorov S., Pelevin V. Toward atmospheric correction algorithms for Sentinel-3/OLCI images of productive waters // Remote Sensing. 2022. V. 14. No. 15. Article 3663. https://doi.org/10.3390/rs14153663.
- Mueller J. L., Pietras C., Hooker S. B., Austin R. W., Miller M., Knobelspiesse K. D., Frouin R., Holben B., Voss K. Ocean Optics Protocols For Satellite Ocean Color Sensor Validation, Revision 4, V. II: Instrument Specifications, Characterization and Calibration. Greenbelt, MD, USA: NASA’s Goddard Space Flight Center, 2003. 57 p.
- Müller D., Krasemann H., Brewin R. J. W. et al. The Ocean Colour Climate Change Initiative: I. A methodology for assessing atmospheric correction processors based on in-situ measurements // Remote Sensing of Environment. 2015. V. 162. P. 242–256. https://doi.org/10.1016/j.rse.2013.11.026.
- O’Reilly J. E., Werdell P. J. Chlorophyll algorithms for ocean color sensors — OC4, OC5 and OC6 // Remote Sensing of Environment. 2019. V. 229. P. 32–47. https://doi.org/10.1016/j.rse.2019.04.021.
- Pahlevan N., Mangin A., Balasubramanian S. V. et al. ACIX-aqua: A global assessment of atmospheric correction methods for Landsat-8 and Sentinel-2 over lakes, rivers, and coastal waters // Remote Sensing of Environment. 2021. V. 258. Article 112366. https://doi.org/10.1016/j.rse.2021.112366.
- Sakerin S. M., Kabanov D. M., Rostov A. P. et al. Sun photometers for measuring spectral air transparency in stationary and mobile conditions // Atmospheric and Oceanic Optics. 2013. V. 26. No. 4. P. 352–356. https://doi.org/10.1134/S102485601304012X.
- Seegers B. N., Stumpf R. P., Schaeffer B. A. et al. Performance metrics for the assessment of satellite data products: an ocean color case study // Optics Express. 2018. V. 26. No. 6. P. 7404–7422. DOI: 10.1364/OE.26.007404.
- 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. No. 20. P. 29948–29965. https://doi.org/10.1364/OE.397456.
- Vanhellemont Q., Ruddic 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.
- Xue K., Ma R., Wang D., Shen M. Optical classification of the remote sensing reflectance and its application in deriving the specific phytoplankton absorption in optically complex lakes // Remote Sensing. 2019. V. 11. No. 2. Article 184. DOI: 10.3390/rs11020184.