Содержание к диссертации
Введение
Глава 1 Постановка задачи 13
1.1 Физические требования к информационной технологии восстановления параметров первичной продуктивности по спутниковым данным 13
1.2 Методы решения обратной задачи 15
1.2.1 Алгоритмы атмосферной коррекции 15
1.2.2 Модели оптических свойств морской воды 20
1.3 Технология обработки данных спутниковых видеоспектрометров 26
Выводы по главе 1 33
Глава 2 Разработка регионального алгоритма восстановления концентрации хлорофилла «а» для региона Дальнего Востока 35
2.1 Исследование погрешностей 35
2.1.1. Погрешности восстановления биооптических параметров вызванные вариациями оптических свойств морской воды 36
2.1.1.1 Влияние неопределенности в задании спектральной зависимости поглощения растворенным органическим веществом (РОВ) 40
2.1.1.2 Влияние неопределенности в задании спектральной зависимости обратного рассеяния взвешенными частицами 45
2.1.2. Погрешности обусловленные влиянием атмосферы 51
2.2. Анализ источников погрешностей стандартного алгоритма для региона Дальнего Востока 58
2.3 Разработка регионального алгоритма 61
Выводы по главе 2 64
Глава 3 Создание информационной технологии восстановления концентрации хлорофилла по спутниковым данным 66
3.1 Разработка методики 66
3.2 Разработка аппаратных и программных требований 77
3.3 Разработка программного обеспечения
Выводы по главе 3 89
Глава 4 Применение результатов в прикладных рыбохозяйственных исследованиях 90
4.1 Совместное использование различных спутниковых данных 90
4.2 Исследование гидрофизических процессов и структур 94
4.3 Сопоставление спутниковых данных с реальным выловом 100
Выводы по главе 4 103
Заключение 104
Список литературы 107
Приложения 120
- Технология обработки данных спутниковых видеоспектрометров
- Влияние неопределенности в задании спектральной зависимости поглощения растворенным органическим веществом (РОВ)
- Разработка аппаратных и программных требований
- Сопоставление спутниковых данных с реальным выловом
Введение к работе
Традиционные методы прогнозирования промысловой обстановки используют статистические данные о ходе лова в предыдущие годы с поправками за счет актуальных данных о метеоусловиях, а также океанографические данные, полученные от научно-исследовательских кораблей. К сожалению, оперативность поступления таких данных совершенно недостаточна для создания надежных прогнозов.
Получившие широкое распространение в настоящее время спутниковые методы, несмотря на относительную сложность использования, обеспечивают наибольшую оперативность, а также пространственное и временное покрытие, которые не дают никакие другие методы. Вместе с тем, только космические данные не могут заменить весь объем традиционных наблюдений, так как информация, собираемая в промысловой океанографии, в основном используется комплексно.
Таким образом, космическая информация должна рассматриваться как один из видов, существенно повышающих качество информационного обеспечения рыбопромыслового прогнозирования, интегрируемый вместе с традиционными потоками прогностической информации. По-существу, требуется создание новой комплексной информационной технологии со всей сопутствующей инфраструктурой, адекватной свойствам изучаемых природных объектов - морских экосистем.
Основой подобной технологии должна стать система моделей, методов и средств, в которой достигается оптимальное согласование скорости и объемов получаемой информации требованиям задачи информационного обеспечения рыбопромыслового прогнозирования.
Данный подход и был положен в основу созданной в отрасли системы мониторинга водных биоресурсов, наблюдения и контроля за деятельностью промысловых судов (ОСМ), в которой, в отличие от других мировых аналогов, реализован не только позиционный контроль за местоположением судов, но и обеспечена интеграция всей совокупности мониторинговых данных по алгоритму «объект - среда - промысел» [34].
В рамках данной работы рассматривается информационная технология такой составляющей общей схемы ОСМ, как мониторинг характеристик среды с использованием спутниковых данных и результатов научных рейсов. В качестве исследуемых параметров среды выбран один из наиболее важных - первичная биопродуктивность.
Значительная роль фитопланктона, как показателя биопродуктивности акватории, связана с тем, что он является первым звеном в морской пищевой цепи, кормовой базой для личиночных и ювенальных рыб, косвенным дешифровочным признаком крупно- и среднемасштабной океанической циркуляции (фронтальных зон, течений, вихревых образований, апвеллингов и др.) [10]. Достоверная оценка первичной продукции в морской воде необходима для более полного понимания и контроля экологических и социально-экономических факторов, связанных с рыбной ловлей и освоением морских пищевых ресурсов.
Определение концентрации хлорофилла «а», растворённого органического вещества и взвесей в морской воде может производиться с помощью как контактных, так и дистанционных методов с использованием спутниковых оптических спектрометров. Данное направление спутниковой океанографии является в настоящее время одним из наиболее перспективных и интенсивно развивающихся.
Целью диссертационной работы является разработка и реализация информационной технологии определения параметров первичной продуктивности на основе спутниковых данных, позволяющей повысить точность восстановления концентрации хлорофилла «а» для региона Дальнего Востока и эффективность обработки спутниковых данных.
Для реализации поставленной цели были сформулированы следующие задачи, решаемые в диссертационной работе: анализ задач мониторинга и прогнозирования океанографических и гидробиологических параметров морских акваторий на основе спутниковых данных; разработка программы и проведение подспутниковых экспериментов по верификации данных спутникового сканера SeaWiFS в Охотском море; исследование погрешностей аналитических и эмпирических алгоритмов восстановления концентрации хлорофилла «а» для региона Дальнего Востока; разработка регионального алгоритма восстановления концентрации хлорофилла «а» по спутниковым данным, учитывающего особенности атмосферы и биооптического состояния вод для данного региона; разработка и создание методики комплексного усвоения спутниковых данных и данных in situ для задач определения параметров первичной продуктивности; разработка программного обеспечения для реализации методики, предложенной автором.
Актуальность диссертационной работы обусловлена: созданием в отрасли системы мониторинга водных биоресурсов, наблюдения и контроля за деятельностью промысловых судов (ОСМ), включающей в себя всю совокупность мониторинговых данных по схеме «объект - среда - промысел»; интенсивным развитием спутниковых систем зондирования океана в оптическом диапазоне, постоянно увеличивающимися объёмами данных по цвету океана и необходимостью технологии обработки таких данных; значительными погрешностями стандартных алгоритмов для акваторий, которые по своим условиям отличаются от среднеокеанических и необходимостью региональной настройки алгоритмов восстановления концентрации хлорофилла.
Научная новизна работы заключается в следующем: впервые проанализированы погрешности биооптических алгоритмов и алгоритмов атмосферной коррекции для Охотского моря и основные источники этих погрешностей; предложен региональный алгоритм восстановления концентрации хлорофилла «а» по данным спутникового видеоспектрометра SeaWiFS для Дальнего Востока; разработана методика комплексного усвоения данных дистанционных и контактных измерений; создано программное обеспечение, реализующее предложенную методику; предложена технология интеграции данных спутниковых сканеров цвета в отраслевую систему мониторинга водных биоресурсов, наблюдения и контроля за деятельностью промысловых судов.
Достоверность полученных в диссертации результатов обеспечивается: выбором и исследованием моделей атмосферы и морской воды; тестированием разработанного программного обеспечения; удовлетворительным совпадением результатов расчетов с использованием предложенных алгоритмов с данными контактных измерений.
Практическая ценность работы подтверждается следующим: результаты данной работы внедрены в технологию обработки данных дистанционного зондирования, получаемых с помощью станции TeraScan в СахНИРО.
Положения, выносимые на защиту: численная региональная модель акватории, с использованием которой проанализированы основные погрешности для Дальнего Востока и их источники; региональный алгоритм восстановления концентрации хлорофилла для региона Дальнего Востока, погрешности которого являются вполне приемлемыми для дистанционных методов определения параметров первичной продуктивности; программное обеспечение, реализующее информационную технологию и повышающее эффективность компьютерной обработки данных спутниковых видеоспектрометров; информационная технология восстановления параметров первичной продуктивности по спутниковым данным, включающая в себя все этапы от обработки сырых данных до интеграции результатов в ОСМ.
Основные положения диссертационной работы докладывались и обсуждались на XLII, XLIII и XLIV ежегодных научных конференциях в Московском физико-техническом институте, на XI Всероссийской и XII международной конференциях по промысловой океанологии, на XII Всероссийской школе-конференции по дифракции и распространению радиоволн, на четвёртом международном совещании по цвету океана (4 International Workshop on Ocean Color, Berlin, 2001), а так же были представлены на международных симпозиумах по наукам о Земле и дистанционному зондированию (International Geoscience and Remote Sensing Symposium) в Сиднее (Австралия) 2001 г., Торонто (Канада) 2002 г. и Тулузе (Франция) 2003 г. и Тихоокеанских конференциях по дистанционному зондированию (Pacific Ocean Remote Sensing Conference) Гоа (Индия) 2000 г., и Бали (Индонезия) 2002 г.
Основные результаты диссертационной работы изложены в следующих публикациях:
Романов А.А, Фефилов Ю.В. Дистанционные оптические методы исследования океана. Сканер цвета SeaWiFS. // Тезисы докладов XI Всероссийской конференции по промысловой океанологии (Калининград, 14-18 сентября 1999 г.) / Москва: Издательство ВНИРО 1999, с.153-154.
Романов А.А, Фефилов Ю.В. Особенности и перспективы дистанционных оптических мультиспектральных методов исследования океана. // Тезисы докладов XLII Научной конференции в Московском физико-техническом институте (27-27 ноября 1999 г.) / Москва, 1999 г., ч.З, с.80.
Фефилов Ю.В., Романов А.А Создание региональных алгоритмов восстановления концентрации хлорофилла по спутниковым данным. // Тезисы докладов XLIII Научной конференции в Московском физико-техническом институте (24 ноября -15 декабря 2000 г.) / Москва, 2000 г., ч.З, с.47.
Ю.В. Фефилов, Алексей А. Романов, Александр А. Романов Возможность совместного использования данных различных спутниковых сенсоров для прогнозирования рыбопромысловой обстановки // Тезисы докладов XLIV Научной конференции Московского физико-технического института (23-30 ноября 2001 г.) / Москва, 2001 г., ч.З, с.66. A.Romanov, Y.Fefilov, A.Romanov Multi-satellite Oceanographic Monitoring in Far East Region as a Part of Monitoring, Control and Surveillance System for Russian Fisheries Fleet: Preliminary results //Proceedings of 4 International Workshop on Ocean Color, Berlin, 2001, p.p. 225-234.
А. А. Романов, Ю. В. Фефилов Совместное использование данных дистанционного зондирования и промысловой статистической информации. // Труды XII Всероссийской школы-конференции по дифракции и распространению радиоволн (Москва, 19-23 декабря 2001 г., Российский новый университет), М.: Московский физико-технический институт (государственный университет), т.2. с 421-422
Романов А.А., Фефилов Ю.В. Учет региональных особенностей атмосферы и акваторий в алгоритмах определения первичной продуктивности по спутниковым данным для района Канарского апвеллинга //Тезисы докладов XII международной конференции по промысловой океанологии (Светлогорск, 9-14 сентября 2002 г.) /Калининград: Издательство АтлантНИРО 2002, с.210-211.
Романов А.А., Романов Ал.А., Фефилов Ю.В. Исследование возможности совместного использования данных дистанционного зондирования и промысловой статистической информации на основе судовых суточных донесений //Тезисы докладов XII международной конференции по промысловой океанологии (Светлогорск, 9-14 сентября 2002 г.) /Калининград: Издательство АтлантНИРО 2002, с.209-210.
В.И. Радченко, Г.А. Кантаков, А.О. Шубин, Д.Ю. Стоминок, Ю.В. Фефилов, Ю.А. Малахова, Г.М. Долгих Ихтиоцены и физические условия верхней эпипелагиали шельфа юго-восточного Сахалина в период после ската молоди лососей // Биология, состояние запасов и условия обитания гидробионтов в Сахалино-Курильском регионе и сопредельных акваториях-Южно-Сахалинск, 2002 .- С.70-92.
Романов А.А., Фефилов Ю.В. Разработка пакета прикладных программ отраслевой информационной технологии мониторинга первичной продуктивности океана по спутниковым данным // Биопромысловые и экономические вопросы мирового рыболовства. Аналитическая и реферативная информация. Выпуск 2, Москва, издательство ВНИЭРХ, 2003, с.35-45.
Фефилов Ю.В. Результаты подспутниковых экспериментов по верификации данных сканера SeaWiFS в Охотском море. Электронный журнал "Исследовано в России", 149, стр. 1810-1820, 2003 г.
Фефилов Ю.В. Математическое и программное обеспечение информационной технологии дистанционного определения параметров первичной биопродуктивности. Электронный журнал "Исследовано в России", 159, стр. 1908-1923, 2003 г.
Технология обработки данных спутниковых видеоспектрометров
В ходе работы проанализированы пакеты программ, которые могут быть использованы в рамках разрабатываемой информационной технологии: SeaDAS, Erdas Imagine, ENVI, ArcView GIS, Surfer.
Наиболее функциональным пакетом для обработки данных оптических спутниковых сканеров океана является пакет SeaDAS (SeaWiFS Data Analysis System) разработанный специально для обработки данных сенсора SeaWiFS и свободно доступный сети Интернет по адресу http://seadas.gsfc.nasa.gov [52].
Программное обеспечение поддерживает следующие платформы и операционные системы: SGI: IRIX 6.5 SUN: Solaris 2.6, 2.7, или 2.8 PC: Red Hat Linux 7.1, 7.2 или 7.3 Пакет выполняет следующие основные функции: контроль качества данных; сортировка пикселей, соответствующих поверхности суши, воды и облакам; выделение пикселей, для которых приемные каналы прибора SeaWiFS находятся в состоянии насыщения; выделение в отдельный файл заданного фрагмента изображения; географическая привязка изображений; изменение проекции изображения; нанесение географической координатной сетки, береговой линии, курса судна и другой векторной информации; нанесение карты глубин; проведение атмосферной коррекции; определение биооптического состояния вод; построение стандартных карт по биооптический параметрам; экспорт данных в различных форматах. Последние версии программы позволяют работать с изображениями в полноцветном режиме (предыдущие поддерживали только режим 256 цветов), включают в себя возможность расчета не по одному, а по нескольким встроенным алгоритмам, содержат большее число предопределённых выходных продуктов. Пакет Erdas Imagine содержит инструменты для визуализации, улучшения, геометрической коррекции и картирования космических и аэроснимков. Основным элементом является Viewer - основа для всех интерактивных операций в среде Erdas Imagine Он позволяет эффективно отображать, комбинировать, анализировать и представлять разнообразные географические данные. В настоящее время Erdas Imagine является одним из наиболее универсальных и функциональных пакетов по обработке спутниковых изображений. Основные функции пакета: визуализация данных; работа с векторными данными; работа с растровыми данными; пакетная обработка; геометрическая коррекция; интерполяция поверхностей; сборка мозаики; обработка изображений и пространственный анализ; пространственное моделирование; классификация; составление карт. Erdas Imagine позволяет осуществлять импорт и экспорт нескольких десятков форматов данных, в том числе и некоторых форматов существующих спутниковых видеоспектрометров, но какие-либо специальные средства работы с такими данными в пакете в настоящее время отсутствуют. ENVI (Environment for Visualizing Images) является достаточно функциональным и в то же время простым в управлении программным обеспечением для работы с данными дистанционного зондирования. Пакет ENVI выполняет следующие функции: обработка и анализ гиперспектральных снимков; исправление геометрических и радиометрических искажений; поддержка объемных растровых и векторных форматов; интерактивная коррекция изображений; интерактивное дешифрирование и классификация; выбор области обработки; векторное отображение; оцифровка; построение запросов; по анализ снимков в СВЧ-диапазоне. В отличие от других пакетов по обработке снимков в ENVI встроен удобный язык программирования IDL (Interactive Data Language), что позволяет значительно расширить функциональные возможности ENVI и создавать собственные подпрограммы. Открытая архитектура ENVI обеспечивает удобство обработки данных полученных со спутников Landsat, SPOT, RADARSAT, NASA, NIMA, NOAA, EROS Data Center, Space Imaging, Terra, ESA, а также предусматривается включение в этот список EartWatch и ORBIMAGE и других спутников. Информация о пакете доступна на сайте www.rsinc.com. ArcView GIS ArcView GIS является на сегодняшний день наиболее распространённым программным продуктом из класса «настольных» геоинформационных систем. Она осуществляет следующие функции: отображение векторных и растровых географических данных; анализ данных и выполнение запросов; редактирование табличных данных и векторных объектов; доступ к данным в различных форматах; доступ к базам данных; адресное геокодирование; картирование и создание компоновок карт; поддержка внешних модулей; возможность разработки собственных модулей. В целом ArcView GIS - это набор мощных инструментов для картографирования, создания отчетов и картографического анализа. Информация о пакете доступна на сайте www.esri.com.
Surfer представляет собой пакет для обработки многомерных экспериментальных данных и построения карт изолиний и трехмерных изображений, обладающий возможностями вариограммного моделирования. Основным назначением Surfer является обработка и визуализация двухмерных наборов данных, описываемых функцией типа z = f(x,y). Логику работы с пакетом можно представить в виде трех основных функциональных блоков:
Влияние неопределенности в задании спектральной зависимости поглощения растворенным органическим веществом (РОВ)
Отсчётная длина волны XQ принималась равной 443 нм для показателей поглощения пигментами фитопланктона и желтого вещества и 555 нм для обратного рассеяния взвесью. Спектр удельного поглощения пигментами фитопланктона при этом принимался в форме [10]: Ссыв{Х\ Форма кривой удельного поглощения пигментами фитопланктона считалась независящей от концентрации хлорофилла и соответствующей значению Cchi = 0,5 мг/м . При анализе погрешностей восстановления, связанных с неопределенностью задания моделей оптических характеристик, рассматривались различные значения параметров км п, соответствующие их естественным вариациям в океане. Расчет спектров коэффициента яркости проводился для значений параметра к в диапазоне 0,013 - 0,020 нм и параметра п в диапазоне 0-2,5. Расчеты проводились для 5 каналов спутникового сканера цвета океана SeaWiFS (412, 443, 490, 510 и 555 нм.).
При восстановлении значений биооптических параметров по искаженным систематическими погрешностями спектрам коэффициента яркости использовались следующие фиксированные значения параметров, определяющих спектральные зависимости поглощения РОВ и обратного рассеяния /: = 0,017 нм" и п = \. В такой постановке неизвестными величинами являются три параметра - Сс і а ] и %
Таким образом, получена система из пяти линейных уравнений с тремя неизвестными. Для решения этой системы использовался метод наименьших квадратов, т.е. задача сводилась к решению системы нормальных уравнений. Задача состояла в том, чтобы исследовать погрешности восстановления в широком диапазоне задаваемых значений биооптических параметров, соответствующих их естественным вариациям в океане. Использовались следующие диапазоны указанных параметров:
С тем, чтобы ограничить количество рассматриваемых вариантов расчетов и исключить физически бессмысленные сочетания параметров, было сделано следующее. Если анализировалась зависимость погрешности восстановления концентрации хлорофилла от его задаваемой величины, то рассматривалось ограниченное количество значений поглощения растворенным органическим веществом. Для этого вводился параметр тС; представляющий собой величину вклада поглощения пигментами фитопланктона в поглощение веществом на длине волны 443 нм, т.е. Величина этого параметра варьировалась в пределах 0,05 - 0,8. Для заданной концентрации хлорофилла и различных значений параметра тс находились величина поглощения РОВ (значение т = 0,5 соответствует равному вкладу поглощения пигментами и РОВ на длине волны 443 нм). Таким образом, анализировалась не только зависимость погрешности восстановления концентрации хлорофилла от его задаваемой величины, но и от его вклада в суммарное поглощение веществом. Точно так же, когда анализировалась погрешность восстановления поглощения РОВ от его задаваемой величины, рассматривалось ограниченное количество значений концентрации хлорофилла. В этом случае также задавался параметр mg, представляющий собой величину вклада поглощения РОВ в поглощение веществом на длине волны 443 нм, который варьировался в тех же пределах. Величина показателя рассеяния назад Ъьр на длине волны 555 нм задавалась следующим образом: где параметр / в основном варианте принимался равным 0,03. Полученное в [56] соотношение между показателем рассеяния назад и концентрацией хлорофилла пригодно, по-видимому, для вод первого типа, а для вод с преобладающим поглощением РОВ это соотношение приводит к явно заниженным значениям коэффициента яркости. Восстановленные по искаженным спектрам значения биооптических параметров сравнивались с исходными и определялись относительные погрешности восстановления каждого параметра: где переменные со штрихом относятся к восстановленным значениям Для анализа влияния неопределенности параметра к, характеризующего спектральную зависимость поглощения РОВ, спектр коэффициента яркости рассчитывался для различных значений к, а восстановление биооптических параметров проводилось для фиксированного значения о = 0,017 нм , наиболее часто использующегося в оптической модели поглощения РОВ. Параметр п в спектральной зависимости обратного рассеяния взвешенными частицами и спектр удельного поглощения пигментами фитопланктона при этом считались неизменными (величина п принималась равной 1, спектр удельного поглощения пигментами принимался в указанном выше виде).
Рассмотрим сначала погрешности восстановления основного биооптического параметра - концентрации хлорофилла. На рис. 2.1, 2.2 показаны зависимости погрешностей восстановления концентрации хлорофилла от величины параметра s для разных его задаваемых значений при величине тс = 0,2 и тс - 0,5.
Разработка аппаратных и программных требований
Определение концентрации хлорофилла производилось несколькими независимыми способами: спутниковые измерения (спутниковый сканер цвета SeaWiFS), флуоресцентные измерения (флуоресцентный датчик хлорофилла Sea Tech Inc в составе зонда ICTD), контактные пробы.
В ходе подготовительных мероприятий получены и проанализированы спутниковые карты по температуре поверхности океана и концентрации хлорофилла (приведены на рис. 3.2), на основании которых осуществлён более детальный выбор районов исследований. Кроме того, проанализированы особенности распределения первичной продукции в Охотском море [16, 22, 23, 40, 44] Особое внимание при анализе карт уделялось положению фронтальных зон и районов с повышенными значениями концентрации хлорофилла [27]. Так, было определено, что максимально подходящим районом является район, ограниченный береговой линией острова Сахалин и меридианом 145 в.д.
В целом, выбранный район охватывает весь диапазон концентраций, за исключением самых минимальных, характерных для открытого моря. К востоку от этого меридиана концентрации хлорофилла меняются несущественно и их абсолютные значения невелики. Чрезвычайно большие значения концентраций хлорофилла «а» на спутниковых картах в северной части объясняются в значительной мере стоком реки Амур и выносом оптически активных веществ.
Контактные измерения концентраций хлорофилла и взвеси проводились на пробах воды, отобранных с поверхности и разных горизонтов. Основное внимание уделялось выполнению синхронных подспутниковых измерений. В безоблачную погоду в момент пролета сканера цвета океана производился отбор проб с нескольких горизонтов в пределах фотического слоя (стандартные горизонты до 50 метров, а так же горизонт с максимальными показаниями датчика флюоресценции).
Количество измерений в течение суток - 4-6. Измерения проводились на системе разрезов через исследуемый район. Выбор разрезов основывался на предварительно полученной спутниковой информации о температуре поверхности океана и цвете вод. Отбор проб на хлорофилл и взвесь производился также во всех участках с пробным тралением. Необходимым условием был отбор проб в районах заведомо отличающихся по продуктивности и районах, удалённых географически. Схема района эксперимента и станций, на которых производились измерения, приведена на рис. 3.3.
Время основного отбора проб совпадало со временем прохода спутника, временной интервал 02:00 - 04:00 GMT. Отбор проб воды для анализа на содержание хлорофилла «а» на стандартных горизонтах до 50 метров, а так же на горизонте, где концентрация хлорофилла была максимальной по показаниям флюоресцентного датчика производился пластиковыми батометрами Go Flo объемом 1.7 л с помощью укрепленного на зонде устройства дистанционного отбора проб «Rossette». Отбор проб с поверхности производился с помощью пластикового ведра. Из проб объемом 2 литра хлорофилл «а» был собран на фильтры для дальнейшей обработки в береговой лаборатории. Исследования по океанографии проведены зондом ICTD#1356 по стандартным методикам [19, 24]. Измерялись температура, электропроводность, рН, хлорофилл «а» и размерный состав мезозоопланктона на каждой станции. Обработка включала в себя приведение CTD по метровым и стандартным горизонтам в файлы. Определение аномалий температур производилось по СУБД «Средние многолетние характеристики гидролого-гидрохимических параметров шельфовой зоны острова Сахалин» [28, 29, 30], информационную основу которой составляют среднемноголетние значения гидролого-гидрохимических параметров, рассчитанные за период с 1948 по 2000 годы для каждой станции на всех стандартных горизонтах от поверхности до глубины 500 м. Помимо вышеперечисленных измерений не менее 3 раз в сутки фиксировались параметры, характеризующие условия наблюдений: направление и сила ветра, волнение, наличие пены, облачность. Была также произведена оценка влияния океанографических и гидробиологических параметров верхней эпипелагиали на распределение молоди лосося [33]. Обработка контактных проб, собранных и законсервированных в результате рейса производилась спектрофотометрическим способом по стандартной методике [14], в Сахалинском научно-исследовательском институте рыбного хозяйства и океанографии (СахНИРО). Сравнение контактных и спутниковых измерений Сравнение спутниковых данных и контактных данных, полученных в ходе эксперимента, производится следующим образом. Для всего объёма спутниковых данных за период измерений рассчитаны нормализованные значения регистрируемых яркостей для всех спектральных каналов и концентрация хлорофилла «а» по стандартному алгоритму. Затем была осуществлена географическая привязка полученных данных, выделен район проведения эксперимента и построены карты концентрации в цилиндрической проекции. Для всех станций контактных измерений на соответствующих им спутниковых снимках отобраны данные, в некоторой окрестности каждой станции. Из полученных данных выделены только те, которые соответствуют критерию отсутствия облачности. Результаты сохранены в текстовых файлах, содержащих дату и время спутникового снимка, широту и долготу каждого пикселя, значение концентрации хлорофилла «а» и нормализованных яркостей восходящего излучения в шести спектральных каналах SeaWiFS для каждого пикселя. При сравнении производилось усреднение спутниковых данных в некоторой окрестности каждой станции подспутниковых измерений. Кроме того, учитывался временной критерий - время между отбором контактных проб и проход спутника не должно быть более одного часа, это связано со значительной динамикой фитопланктона в течение суток.
Сопоставление спутниковых данных с реальным выловом
Вспомогательное программное обеспечение представляет собой конвертеры графических и текстовых файлов, а так же программы осуществляющие выборки данных удовлетворяющих заданным критериям из всего объёма данных. Программы предназначены для обеспечения удобства работы с такими данными, а так же возможности последующей обработки этих данных с использованием других распространённых геоинформационных, математических и статистических пакетов программ.
Программное обеспечение написано на языке программирования C++ в среде Borland Builder и функционирует под управлением операционной системы семейства Windows. Специфических требований к аппаратному обеспечению не предъявляется.
Входными данными являются результаты обработки спутниковых изображений программами первой группы в виде графических и текстовых файлов. Выходными - спутниковые карты в графических форматах с файлом географической привязки и текстовые файлы, состав которых определяется пользователем.
Модельные программы предназначены для оценки погрешностей и настройки полуаналитических биооптических алгоритмов. Они представляют собой программную реализацию алгоритмов, которые по входным данным (нормализованные излучения на поверхности океана) восстанавливают концентрации оптически активных веществ (хлорофилла «а», растворённого органического вещества и неорганических взвесей).
Программы позволяют подбирать основные параметры моделей для достижения наилучшего результата, а так же осуществлять их вариации в заданном диапазоне и с заданным шагом для оценки влияния точности задания этих параметров на точность восстановления.
В главе описана разработанная автором информационная технология восстановления параметров первичной продуктивности по спутниковым данным, представляющая собой совокупность методических рекомендаций, системных и аппаратных требований и программного обеспечения для реализации процесса сбора контактных данных, настройки алгоритмов, обработки спутниковой информации и интеграции результатов обработки в ОСМ.
На базе региональных алгоритмов было создано программное обеспечение, реализующее информационную технологию обработки данных спутниковых оптических сканеров. Разработанное программное обеспечение повышает функциональность стандартных пакетов обработки спутниковых данных, сокращает время, затрачиваемое на обработку большого количества изображений, а также позволяет повысить точность результатов за счёт использования региональных алгоритмов.
Созданное программное обеспечение, наряду со стандартным, является неотъемлемым компонентом информационной технологии восстановления параметров первичной продуктивности для задач мониторинга и прогнозирования океанографических и гидробиологических параметров морских акваторий на основе спутниковых данных и впоследствии будет интегрировано в ОСМ в качестве стандартного эксплуатационного ПО региональных центров мониторинга. При внедрении в ОСМ технология позволяет ежесуточно обеспечивать отраслевых потребителей картами, повышающими качество информационного обеспечения краткосрочного прогнозирования промысловой обстановки.
В настоящее время дистанционное зондирование океана является крайне актуальной задачей. Существует множество спутниковых методов дистанционного зондирования океана и восстановления различных физических и биологических параметров поверхности и толщи океана (инфракрасные, оптические, сверхвысокочастотные).
К сожалению, каждый метод в отдельности, в силу его физических особенностей (например, оптические методы не могут зондировать поверхность океана под облаками) не может предоставить полную информацию об исследуемой среде, поэтому крайне важно разработать технологию совместного использования различных данных дистанционного зондирования, таким образом, чтобы используемые источники информации максимально дополняли друг друга.
Совместное использование информации различных спутниковых сенсоров наряду с синхронными подспутниковыми контактными измерениями позволяет значительно расширить возможности дистанционных методов, а так же существенно повысить достоверность получаемой информации [92]. Оно может стать основой универсальной всепогодной технологии обнаружения и мониторинга мезомасштабных структур (течения, вихри, ринги, апвеллинги, фронтальные зоны) в Мировом океане, кратко-, средне- и долгосрочного прогнозирования.
На рисунке 4.1 приведены карта динамической топографии, построенная по данным спутникового альтиметра Topex/Poseidon и карта концентрации хлорофилла «а» по данным спутникового сканера цвета SeaWiFS на 13 мая 2002 года.
При анализе изображений, прежде всего, обращают на себя внимание две области, представляющие собой минимумы высоты морской поверхности и максимумы содержания хлорофилла «а», расположенные к западу от Камчатки.
К юго-востоку от Камчатки наблюдаются два близко расположенных антициклонических вихря, представляющие собой возвышения на карте динамической топографии с низким содержанием фитопланктона в центре и крайне высоким на периферии. Два циклонических и антициклонический вихри южнее отображены на карте динамической топографии, но не отображены на карте концентрации хлорофилла «а» из-за значительной облачности.
Отсутствие части данных на карте динамической топографии вызвано наличием ледового покрова в северной и западной части акватории Охотского моря, а отсутствие данных по концентрации хлорофилла «а» -ледовым покровом и облачностью. Это можно заметить на композитном изображении по данным метеорологического спутника NOAA 16 на то же число, приведённом на рисунке 4.2. Кроме того, совместный анализ этих изображений позволяет заметить такое известное явление, как активное цветение фитопланктона вдоль кромки льда.
