Содержание к диссертации
Введение
Глава 1. Теоретические основы дистанционного зондирования в видимом и инфракрасном диапазонах 18
1.1. Постановка прямой задачи дистанционного зондирования в видимом диапазоне 19
1.1.1. Компоненты яркости светового сигнала, регистрируемой дистанционным датчиком 22
1.1.2. Коэффициент отражения для дистанционного зондирования. 26
1.1.3. Параметризация коэффициента отражения для дистанционного зондирования 26
1.1.4. Удельные первичные гидрооптические характеристики 30
1.1.5. Основные цветообразующие компоненты водной среды 32
Вода, Н20. 32
Фитопланктон 34
Растворенное органическое вещество 38
Минеральная взвесь 39
Изменчивость первичных гидрооптических характеристик 41
1.2 . Постановка прямой задачи дистанционного зондирования в инфракрасном диапазоне 42
1.2.1. Формирование яркостной температуры поверхности воды 43
Глава 2 . Современное дистанционное зондирование 45
2.1. Общая характеристика спутниковых датчиков видимого и инфракрасного диапазонов, данные которых использовались в настоящей работе 45
2.2. Алгоритмы восстановления параметров качества воды по данным дистанционного зондирования 47
2.2.1. Эмпирические алгоритмы 50
2.2.2. Полуаналитические алгоритмы 57
2.3. Алгоритм расчета температуры поверхности воды по данным дистанционного зондирования 59
Глава 3. Разработка процедуры комплексного дистанционного зондирования 65
3.1. Алгоритм обработки космических снимков для восстановления параметров качества воды 66
3.1.1. Метод многомерной оптимизации Левенберга - Марквардта 67
3.1.2. Метод нейронных сетей 73
3.1.3. Оценка работоспособности алгоритмов в ходе численного эксперимента 78
Описание эксперимента. 78
Влияние шума на точность восстановления 80
Усовершенствование процедуры многомерной оптимизации 87
Усовершенствование нейронных сетей 89
Условия эффективной работы нейросетевого и оптимизационного алгоритмов 91
3.1.4. Комбинированный алгоритм 93
3.1.5. Проверка работоспособности алгоритма по данным in situ измерений 98
3.1.6. Программная реализация алгоритма 103
Включение нейронных сетей. 104
Чтение HDF-файлов 10 5
Процедура автоматической геометрической коррекции 105
3.2. Способы обработки серий космических снимков 107
3.2.1. Получение среднемесячных распределений параметров качества воды и температуры 107
3.2.2. Увеличение временного разрешения космических данных. 107
3.2.3. Оценка межгодовой изменчивости параметров качества воды по многолетним космическим данным ПО
3.3. Обработка дополнительных метеорологических и спутниковых данных. 111
3.4. Процедура комплексного дистанционного зондирования 114
Глава 4. Применение процедуры комплексного дистанционного зондирования для изучения внутриводных процессов 116
4.1. Сезонная изменчивость параметров качества воды и температуры Ладожского озера 116
4.1.1. Общая характеристика Ладожского озера 117
4.1.2. Исследование качества вод Ладожского озера дистанционными методами 124
Сезонная динамика термического режима. 125
Расчет результирующего теплового потока на границе вода - воздух при весеннем прогревании озера 132
Межгодовые отличия термического режима озера 140
Динамика развития фитопланктона 141
Сезонные изменения химических свойств воды 143
4.2. Исследование Белого моря по данным дистанционного зондирования. 144
4.2.1. Общая характеристика Белого моря 146
География Белого Моря 146
Свойства вод Белого моря 147
Гидродинамический режим Белого моря 148
4.2.2. Изучение сезонной динамики параметров качества Беломорских вод по данным дистанционного зондирования 150
Сезонные изменения Тп и качества вод Белого моря, выявленные по данным дистанционного зондирования 151
Гидродинамическая модель Белого моря 157
Совместный анализ данных дистанционного зондирования и результатов моделирования для оценки сезонной изменчивости термогидродинамических процессов 162
4.2.3. Оценка многолетних изменений экосистемы Белого Моря по данным дистанционного зондирования 172
Текущие изменения климата Белого моря. 173
Оценка многолетних изменений экосистемы Белого моря 173
Заключение 177
Литература 181
- Параметризация коэффициента отражения для дистанционного зондирования
- . Постановка прямой задачи дистанционного зондирования в инфракрасном диапазоне
- Эмпирические алгоритмы
- Метод многомерной оптимизации Левенберга - Марквардта
Введение к работе
Актуальность. Исследование Мирового Океана и внутренних водоемов средствами дистанционного зондирования (ДЗ) приобретает в последние десятилетия все большее значение. Спутниковые данные используются для исследования всего спектра внутриводных процессов: от локальных экологических процессов (антропогенного загрязнения, эвтрофирования, развития токсических водорослей и др.) до проявлений глобального изменения климата в гидросфере. Круг дистанционно определяемых параметров океана расширяется, увеличивается качество спутниковых данных, что обеспечивает информацию о свойствах водной среды с существенно большим временным и пространственным разрешением и охватом.
Существует ряд проблем, ограничивающих возможности эффективного применения данных ДЗ в океанологических исследованиях. Одна из проблем зондирования водной поверхности в видимом диапазоне заключается в отсутствии универсальных алгоритмов восстановления искомых параметров по спутниковым данным. Стандартные алгоритмы, разработанные ведущими космическими агентствами, предназначены только для исследования открытого океана и позволяют восстанавливать лишь один параметр - концентрацию хлорофилла фитопланктона. Состав прибрежных и внутренних вод является более сложным, поэтому информация только о хлорофилле оказывается недостаточной для характеристики состояния таких водоемов и происходящих в них процессов. Кроме того, оптические свойства растворенных и взвешенных в воде веществ специфичны для конкретных прибрежных и внутренних водоемов. Существует необходимость разработки алгоритмов, которые одновременно восстанавливают концентрации нескольких основных цветообразующих веществ, представленных в водном столбе, и пригодны для обработки спутниковых данных по водоемам с различными оптическими свойствами.
Вторая проблема зондирования в видимом и инфракрасном (ИК) диапазонах связана с влиянием облачности и неточной коррекцией влияния атмосферы, которые уменьшают объем спутниковой информации и снижают качество космических данных. Общая практика состоит либо в использовании единичных безоблачных снимков для получения мгновенной картины распределения того или иного параметра, либо в расчете усредненного изображения по серии последовательных (и, возможно, нерегулярных) снимков водной поверхности частично экранированной облаками. Для адекватного изучения динамики внутриводных процессов необходимы алгоритмы обработки серий космических снимков для получения непрерывных временных рядов спутниковых данных, что требует разработки новых методических
подходов и программных продуктов.
Наконец, при изучении интересующего явления зачастую используются данные лишь одного типа спутникового датчика (например, оптического спектрометра для изучения качества природных вод). Учитывая тесную взаимосвязь внутриводных процессов, при дистанционном зондировании природных вод целесообразно привлекать дополнительную информацию (в частности, данные о температуре поверхности воды по данным ИК-съемки), что существенно расширяет аналитические возможности метода ДЗ и позволяет избегать ошибок в интерпретации данных.
Цель исследования: Разработать методику комплексного анализа данных дистанционного зондирования в видимом и ИК диапазонах и применить ее для изучения внутриводных процессов в Белом море и Ладожском озере.
При этом решались следующие задачи:
Разработать оперативный алгоритм одновременного восстановления концентраций хлорофилла фитопланктона, минеральной взвеси и растворенного органического вещества (алгоритм восстановления параметров качества воды) по космическим снимкам в видимом диапазоне и оценить его точность.
Решить проблему уменьшения объема спутниковых данных, обусловленную экранированием облаками водной поверхности, путем реконструкции полей распределений искомых параметров высокого временного и пространственного разрешения с помощью процедуры временной интерполяции.
Разработать методику комплексного анализа спутниковых данных видимого и ИК диапазона, данных численного моделирования и контактных данных, которая основана на алгоритме восстановления параметров качества воды и процедуре временной интерполяции.
С помощью разработанной методики комплексного ДЗ изучить сезонную и межгодовую динамику внутриводных процессов в:
А) Ладожском озере как представителе пресноводного водоема со сложной структурой гидрооптических свойств, находящемся в переходном экологическом состоянии;
Б) Белом море как представителе Арктических морей, отличающемся
спецификой термогидродинамических процессов и находящемся в зоне
отчетливой климатической нестационарности.
Научная новизна. Автором впервые разработана процедура сопряжения
нейронной сети и процедуры многомерной оптимизации, которая реализована в
едином алгоритме одновременного восстановления концентраций трех
основных цветообразующих компонент по данным дистанционного
зондирования в видимом диапазоне.
Проблема снижения объема спутниковых данных за счет экранирования
облачным покровом впервые решена с использованием процедуры временной интерполяции.
С помощью разработанных алгоритмов создана база данных ранее недоступной спутниковой информации высокого временного и пространственного разрешения о современном состоянии экосистем Белого моря и Ладожского озера.
По спутниковым данным впервые получена детальная картина прохождения термического бара в Ладожском озере, рассчитан суммарный тепловой поток на границе вода-воздух и изучено влияние термического режима на гидробиохимические процессы.
Впервые получены сезонные карты распределений параметров качества воды и температуры водной поверхности в Белом море и визуализирована их зависимость от стока рек и циркуляции. Впервые дана количественная оценка изменения параметров качества воды в Белом море за семилетний период.
Теоретическая и практическая значимость. Усовершенствование метода многомерной оптимизации Левенберга - Марквардта за счет сопряжения с методом нейронных сетей привело к созданию алгоритма решения обратных задач с широкой областью применения, не ограниченной приложениями дистанционного зондирования. Его использование позволит с большей точностью и гораздо быстрее восстанавливать концентрации цвето-образующих компонент, а также решать и другие обратные задачи, в которых фактор скорости получения результатов имеет приоритетное значение при заданных требованиях к точности.
Создание базы данных спутниковой информации открывает возможность как углубленного исследования морских и озерных процессов, их взаимосвязи и зависимости от внешних факторов, так и долговременного мониторинга экологического состояния указанных водных объектов.
На основе разработанных алгоритмов создан пакет программ для оперативного мониторинга зон активного развития фитопланктона в Северном море в рамках программы Европейского космического агентства «Морские и прибрежные экологические информационные системы» (ESA "Marine & Coastal Environmental Information Services").
Разработанные алгоритмы могут в дальнейшем применяться для выявления зон повышенной биологической продуктивности для промысловых целей, а также для мониторинга экологического состояния водоемов и качества вод для целей водоснабжения.
Апробация работы. Результаты работы обсуждались на следующих конференциях: EURISY Summer School for Ph.D. students on Oceanography, Vigo, Spain, 24-29 June 2003; International Geoscience and Remote Sensing Symposium, Toulouse, France, 21-25 July 2003; II International Conference "Current Problems in Optics of Natural Waters", St.-Petersburg, Russia, 8-12
September 2003; The 30th International Symposium on Remote Sensing of Environment, Hawaii, Honolulu, 10-14 November 2003; International symposium "Atmospheric radiation" (MSAR - 2004), St.-Petersburg, Russia, 22-25 June 2004; Workshop on Sustainable Use, Management and Development of Lake Ladoga Basin, University of Joensuu, Joensuu, Finland, 10-13 July 2004; IX international conference «The study, sustainable use and conservation of natural resources of the White Sea», KRC, Petrozavodsk, Russia, 11-14 October 2004; Собрание «Русского географического общества», Санкт-Петербург, 15 апреля 2005 г.; The 81 International Conference on Remote Sensing for Marine and Coastal Environments, Halifax, Nova Scotia, 17-19 May 2005; 31st International Symposium on Remote Sensing of Environment, St-Petersburg, Russia, 20-24 June 2005; "Helmholtz EOS Summer school", Helgoland, Germany, 24-28 July 2006; «Водные ресурсы Европейского Севера: итоги и перспективы исследований», юбилейная конференция посвященная 15-летию ИВПС, 19 сентября 2006; "Arctic frontiers" Tromso, Norway, 21-26 January 2007; GEO workshop on "Remote Sensing of Inland and Marine Coastal Waters", Switzerland, 27-29 march 2007.
Публикации. По теме работы опубликовано 25 печатных работ, из которых 7 - статьи в ведущих рецензируемых журналах по данной тематике, 1 - учебное пособие.
Личный вклад автора. Автор работы самостоятельно выполнил все этапы исследования: постановку задачи, планирование научных исследований, обработку данных и теоретическое обобщение полученных результатов. Автор обеспечивал компьютерную обработку использовавшихся спутниковых данных и разработку компьютерных программ, реализующих алгоритм восстановления параметров качества воды и анализа временных рядов космических снимков. Автор лично принимал участие в практической реализации и внедрении разработанного алгоритма восстановления параметров качества вод Северного моря. Все основные результаты, которые представлены в диссертации, получены непосредственно автором.
Структура и объем диссертации. Работа состоит из введения, 4 глав и заключения. Общий объем диссертации составляет 195 страниц; содержит 53 иллюстрации, 11 таблиц. Список литературы включает 145 библиографических ссылок, из них 120 работ из зарубежный изданий.
Автор выражает глубокую признательность и искреннюю благодарность научному руководителю д. ф.-м. н., проф. Д.В. Позднякову за помощь в проведении исследований, обсуждении и анализе результатов. Диссертант благодарит к.г.н. проф. В.В. Ионова зав. каф. «Океанология» на фак. Географии и геоэкологии СПбГУ, где автор проходил обучение в аспирантуре. Автор благодарен директору научного фонда «Нансен-Центр» к. ф.-м. н. Л.П. Бобылеву, директору Центра по окружающей среде и дистанционному зондированию им. Нансена проф. О.М. Йоханнессону, г-ну Л.Х. Петтерссону
(NERSC, Берген, Норвегия), проф. X. Грасслу (ZMAW, Гамбург, Германия), а также доктору Р. Доерферу (GKSS, Гамбург, Германия). Автор отмечает поддержку фонда INTAS в рамках гранта "INTAS YS 04-83-3533". Автор благодарен Коросову А.В. и Калинкиной Н.М. за моральную поддержку и помощь при работе над текстом диссертации.
Параметризация коэффициента отражения для дистанционного зондирования
Коэффициент диффузного отражения R может быть параметризован через первичные гидрооптические характеристики водной среды (Gordon et al., 1983): R gbb/a, (10) где фактор q - параметр, зависящий от углового распределения светового поля в водной среде и индикатрисы рассеяния водной среды, Ьь - рассеяние светового луча на оптических неоднородностях водной среды в направлении, обратном направлению его распространения (рассеяние назад). Анализ изменчивости параметра ;, проведенный в рамках приближения однократного рассеяния (Morel et al., 1995), показал, что R должен расти с ростом зенитного угла Солнца и увеличением степени замутненности водного столба (т. е. изменением результирующей индикатрисы рассеяния среды распространения фотонов и ростом концентрации гидрозоля). В ходе численных экспериментов методом Монте-Карло было получено несколько параметризаций коэффициента. Гордон и соавторы (Gordon et al., 1991) предложили искомую параметризацию в виде степенного ряда: R = г,Х , (і = 1,2,3), где X = (Ьь/а)(1 + фь/а)). В этом разложении первый член оказывается доминирующим: г\ = 0.32 для безоблачного неба (Солнце в зените) и г\ = 0.37 (сплошная облачность). Согласно (Kirk et al., 1984): R(-0, во, Л) = (0.975-0.629 fio) Фь/а), О1) где /4? = cos во, во - зенитный угол Солнца после преломления на границе раздела «воздух - вода». Для условий сплошной облачности Ц-0,Х)=0.437фь/а). (12) Сравнение прецизионных измерений R с расчетными по формулам (И, 12) обнаруживает в некоторых случаях (в частности, при больших в0) определенные несоответствия, обусловленные неадекватным учетом рассеивающих свойств водной среды. От этих недостатков избавлено следующее соотношение: R(-0, во, Я) = {(0.9713-2.29В)[(1/цо-1]+ 0.31} bb/a, (13) где В - вероятность рассеяния в обратном направлении оптическими неоднородностями водной среды (Kirk et al., 1991). (Рассеяние в обратном направлении дальше в тексте будет называться обратным рассеянием или рассеянием назад).
Стремление избежать необходимости использования трудноопределяемой величины Q явилось побудительной причиной введения коэффициента i?rsw. Однако аналитические выражения для i?rsw, будучи весьма полезными для выявления функциональных связей этого коэффициента с гидрооптическими характеристиками среды и угловыми характеристиками светового поля, оказываются, тем не менее, сложными для практического использования. Для преодоления этой трудности были предприняты модельные эксперименты методом Монте-Карло, направленные на поиски упрощенных параметризаций i?rsw. В работе (Jerome et al., 1989) моделировались углы падения солнечной радиации, равные 0, 15, 30, 45, 60, 75, 89, и два варианта углового распределения рассеянной небосводом радиации - изотропное и кардиоидное. Значение RTSV/ усредненное в диапазоне зенитных углов Солнца 15-89, для углов визирования близких к надирным и в предположении о гладкой морской поверхности было параметризовано следующим образом (с коэффициентом корреляции г = 0.99): Rrsw = - 0.00036 + О.ПОфъ/а) - 0.0447 (bi/a)1. (14) Раддик и соавторы (Park et al., 2005) предлагают модель зависимости Rrsw от зенитного угла Солнца и спутника, азимутального угла между спутником и Солнцем, а также индикатрисы рассеяния света на частицах и соотношения между рассеянием на частицах и рассеянием водой. Эта модель учитывает многократное рассеяние света на частицах и представлена в виде полинома 4й степени: Rrsw(0oAA p) = 1(в0,вЛ р,пН (15) где А р -азимутальный угол между Солнцем и спутником, gt - коэффициент при і-том члене полинома, уь - соотношение между рассеянием на взвешенных частицах и водой, айц-альбедо однократного рассеяния, щ является функцией поглощения и обратного рассеяния, а также индикатрисы рассеяния взвешенных частиц и воды. Коэффициенты полинома gi определяются с использованием модели переноса излучения, встроенной в программу HydroLight 4.2, которая имитирует распространение света в столбе воды в зависимости от различных условий освещенности, сканирования, наличия в воде поглощающих и рассеивающих веществ. Имитация проникновения света проводилась для следующих условий: 10 длин волн от 412 до 780; 8 значений хлорофилла от 0 до 30 мкг/л.; 7 солнечных зенитных углов от 0 до 85; 10 спутниковых зенитных углов от 0 до 87; 13 азимутальных углов от 0 до 1807; скорость ветра 0, 5 и 10 м/с; облачность 0%, 50%) и 100%. Проведенные расчеты показывают, что полином хорошо описывает зависимость спектра коэффициента для дистанционного зондирования от указанных выше параметров. Однако, учет многократного рассеяния и геометрии сканирования дает максимальное увеличение точности расчета RTSVt всего на 10%, что сравнимо с точностью современных методов атмосферной коррекции (Gons et al., 2002; Ruddick et al., 2000). В статьях (Schiller et al., 2005; Schiller et al., 1999) прямая модель зависимости Rrsw от а, Ьь, и геометрии зондирования имитируется при помощи искусственной нейронной сети (подробнее см. глава 2). Для создания тренировочного и тестового массива данных используется опять-таки программа HydroLight 4.2. Нейронная сеть тренировалась для большого диапазона значений а, Ьь и различных условий сканирования. Точность этого метода также остается в рамках точности атмосферной коррекции, но нейронная сеть восстанавливает не только значения RISW, но и автоматически рассчитывает Якобиан, то есть частную производную RISV/ по входным параметрам. Это позволяет использовать нейронную сеть в алгоритмах многомерной оптимизации, решающих обратную задачу: восстановление значений а, Ьь по измерянным значениям RIsvt (см. глава 2). Приведенное выше соотношение (14) носит принципиально важный характер с позиций дистанционного зондирования: в первом приближении можно считать, что i?rsw не только практически не зависит от солнечного зенитного угла, но и от соотношения между падающей на водную поверхность прямой и рассеянной радиацией. Наиболее чувствителен коэффициент 7?rSw лишь к оптическим свойствам зондируемого водного объема, а именно к величине Ьь I а. Для отвесных углов визирования она может быть параметризована относительно Rrsw следующим образом (Jerome et al., 1996): bb /a = 0.0027 + 9.87 Rrsw - 34.5(Rrswf + 1534(Rrsw)3. (16) Это открывает принципиальную возможность восстановления параметров качества воды по значениям Lw(+0,A) и Ej(+0, А), оцениваемым дистанционно.
Следует иметь в виду, что установленная выше связь между Rrsw(-0, Л) и гидрооптическими характеристиками водной среды исходит из предположения, что перенос света в водном столбе и, следовательно, формирование Rrsw(-0, Л) обусловлено лишь двумя процессами взаимодействия фотонов со средой распространения -поглощением и упругим рассеянием. В действительности же функция источника в уравнении переноса света в водной среде в общем случае должна определяться не только упругим рассеянием, но и неупругим (комбинационным или рамановским) рассеянием на молекулах воды (Marshall et al., 1990; Ge Yu et al., 1993; Stavn et al., 1992), а также флуоресценцией фитопланктона и растворенного органического вещества (Fisher et al., 1990; Green et al., 1994). Это означает, что яркостный сигнал Lw(+0, Л) оказывается «зашумленным», и при решении обратных задач восстановления параметров качества воды вообще говоря требуются процедуры, позволяющие вычесть из дистанционно измеряемого сигнала Lw(+0, Л) вклады, обусловленные комбинационным рассеянием и флуоресценцией (Pozdnyakov et al., 2003). Однако, практическая реализация введения таких поправок требует точных данных о квантовом выходе флюоресценции хлорофилла фитопланктона и растворенного органического вещества в зондируемом водоеме. К сожалению, такие данные в большинстве случаев отсутствуют.
. Постановка прямой задачи дистанционного зондирования в инфракрасном диапазоне
Измерения инфракрасного излучения используются с 1970 г. для оценки температуры поверхности воды (7п) из космоса (Anding et al., 1970). Инфракрасные датчики на борту спутников работают уже более 25 лет для постоянного наблюдения за температурой поверхности облаков и Гп. Это был один из первых дистанционных методов, который получил широкое распространение среди океанографов. В этом разделе обсуждаются физические основы зондирования в ИК-диапазоне и факторы, влияющие на точность определения температуры. 1.2.1. Формирование яркостной температуры поверхности воды Дистанционное зондирование в инфракрасном диапазоне базируется на том, что все тела испускают излучение, интенсивность которого зависит от температуры и излучательной способности. (Robinson, 2003). Спектральные свойства излучения абсолютно черного тела (АЧТ) при температуре Т (в Кельвинах) описывается законом излучения Планка: М(Я, Т) = С,/(Л5ехр(С2/(ЛТ))- ), (23) где X - длинна волны излучения в метрах, М - спектральная энергетическая светимость (Вт м" м"), (т.е. плотность потока излучения на единицу ширины спектральной полосы, центрированной на X на единицу площади поверхности, вне зависимости от направления), а С\ и Сг - константы. Интеграл функции М по всем длинам волн дает полную энергетическую светимость АЧТ: М= в Ґ, где в = 5.669 10"8 ВТ M"2K4 (постоянная Стефана). Уравнение (23) описывает излучение идеального АЧТ. Эффективность излучения реальной поверхности описывается спектральной излучательной способностью е(Х) светимость реальной поверхности на длине волны X при температуре Т, отнесенная к М(К) (энергетической светимости идеального источника при температуре Т). Значение излучательной способности морской поверхности обычно лежит между 0.98 и 0.99. Максимального значения е - 0.992 достигает при излучении с гладкой поверхности в зенитном направлении на длине волны 11 мкм. Значения е уменьшаются до 0.986 при угле излучения 50 (Masuda et al., 1988). Как отмечается в начале этой главы, спектральное положение максимума электромагнитного излучения воды зависит от ее температуры. Максимальное значение функции Планка для характерных температур поверхности воды приходится на диапазон 9-11 мкм (рис. 1). Это делает тепловой инфракрасный диапазон оптимальным для измерения 7п, так как излучение в этом диапазоне значительно изменяется с температурой: при изменении от 0 до 40С излучение почти удваивается. Поскольку вода не является АЧТ, ее излучательная способность меньше единицы, поэтому температура рассчитанная по измеренной яркости поверхности будет меньше фактической температуры, и имеет название радиояркостная температура. Определение температуры, в принципе, может быть достигнуто путем преобразования уравнения (23) с учетом того, что для гладкой ламбертовской поверхности измеряемая яркость L связана со светимостью М соотношением Ь=М/л. На практике простое преобразование невозможно, так как спектральные полосы датчика имеет конечную ширину и его спектральная чувствительность имеет вид кривой Гаусса. Измеренная яркостная температура отличается от фактической температуры поверхности не только из-за того, что излучательная способность меньше единицы, но и из-за поглощения излучения атмосферой. Это ограничивает ИК радиометрию морской поверхности двумя спектральными диапазонами: примерно 3.5 4.1 мкм и 10.5 - 12.5 мкм (Robinson, 2003). Диапазон 3.5 - 4.1 мкм может быть использован для определения 7п только в ночное время, поскольку днем солнечный свет, отраженный поверхностью воды, зашумляет полезный сигнал, излучаемый поверхностью воды. В настоящем исследовании мы исключаем из рассмотрения комплекс вопросов, связанных с влиянием атмосферы на инфракрасное излучение и ограничимся рассмотрением существующих методов расчета температуры поверхности воды по данным ИК зондирования. Глава 2. Современное дистанционное зондирование 2.1. Общая характеристика спутниковых датчиков видимого и инфракрасного диапазонов, данные которых использовались в настоящей работе
В своей работе мы использовали данные дистанционного зондирования полученные в оптическом диапазоне спектрометрами SeaWiFS, MODIS и MERIS и AVHRR (рис. 8, таб. 1). В значительной мере специализированные под задачи дистанционного зондирования Мирового океана, эти приборы установлены на искусственных спутниках Земли, летающих на околополярной орбите. Это обеспечивает возможность получать ежедневные данные по всей поверхности Земли. Работа спутников обеспечивается наземными службами, которые получают исходные данные со спутника по радиоканалу, проводят их первичную обработку и распространяют готовые данные зондирования через Интернет или адресно рассылают их на CD потребителям.
Эмпирические алгоритмы
Морелем было предложено разделять воды на две основные категории по оптическим признакам (Morel et al., 1977). К первому типу относятся такие воды, чьи оптические свойства определяются только фитопланктоном и продуктами его жизненного цикла (детритом - фрагментами отмерших клеток фитопланктона, фекальными пеллетами зоопланктона и прижизненными выделениями растворенной органики). Все остальные гидрооптические ситуации реализуются в водах второго типа, где концентрации взвешенного вещества или растворенной органики не зависит от концентраций фитопланктона и, следовательно, концентраций хл.
В случае вод первого типа получение количественной оценки концентраций хл в воде упрощено: значения коэффициента диффузного отражения R(X) в области хлорофилльного провала пропорциональны (хотя и нелинейно) концентрации хлорофилла. Воды первого типа можно встретить практически во всех открытых частях акваторий океанов и морей, включая как олиготрофные воды во внутренних областях круговых океанических течений, так и высокопродуктивные районы апвеллингов.
Гидрооптические условия вод второго типа реализуются, когда дополнительные количества взвешенного или органического вещества поступают с речным стоком или со дна океана в результате ресуспензии. Эти ситуации, как правило, наблюдаются в прибрежных морских зонах, а также внутренних водоемах. В этих водах содержание взвешенных и растворенных веществ не зависит от фитопланктона и не коррелирует с Си, но вносит существенный вклад в формирование спектрального распределения Rrsw( 0, Я.).
Первой работой, положившей начало дистанционному зондированию экологического состояния природных вод, явилось исследование Аверсена с соавторами (Aversen et al., 1971). Они убедительно продемонстрировали реальное влияние хлорофилльного пигмента фитопланктона на спектр диффузно отраженного морем солнечного излучения и доказали возможность связать эти спектральные изменения с концентрацией хл. Эти авторы нашли количественную связь между содержанием хл и разностью значений яркости моря, зарегистрированной с борта самолета с высоты 150 м на длинах вол 443 и 525 нм. Это был первый эмпирический алгоритм для вод первого типа. Он был построен в виде регрессионной связи между Сх, и отношением восходящей яркости на длине максимума хлорофилльного провала (ki) к восходящей яркости на длине волны шарнирной точки (XJ): где А и В - регрессионные коэффициенты, a Lw - (здесь и далее) яркость восходящего излучения на горизонте (+0).
Введением яркостного отношения достигалась нормализация спектра яркости водной поверхности Lw в области хлорофилльного провала значением яркости в «нейтральной» или шарнирной точке Aj, где Lw(kj) в первом приближении не зависит от содержания в зондируемом водном столбе ЦОК (помимо воды как таковой) и определяется интенсивностью и спектральным составом падающей солнечной радиации. Поскольку концентрация молекул НгО в зондируемом водном объеме не изменяется, то воздействие воды как таковой на сигнал является одинаковым и учитывается коэффициентами А и В.
Как отмечалось, с увеличением содержания в воде хл и ров положение минимума хлорофилльного провала и шарнирной точки смещается в длинноволновую область, поэтому в зависимости от сочетания прежде всего С и Сров в качестве АД/ опытным путем подбираются различные пары, наилучшим образом удовлетворяющие параметрической зависимости типа (25), например: 443 / 520 нм; 443 / 550 нм; 520 / 550 нм; 520 / 670 нм (NASA, 1993).
При больших концентрациях фитопланктона поглощение в голубой области спектра становится столь значительным, что сигнал (т.е. величина Lw) оказывается на уровне шума - необходимое условие использовать в алгоритме (25) более длинноволновые пары. На основе полевых исследований у восточного и западного побережий США, а также в Мексиканском заливе и Саргассовом море была предложена пара Lw(443)/Lw(550) как наиболее универсальная в условиях коррелированно меняющихся концентраций ЦОК (McClain et al., 1994). Эта пара использована в алгоритме обработки данных радиометра CZCS (Coastal Zone Color Scanner, NASA, США) при восстановлении С , (мкг/л) в водах первого типа:
Метод многомерной оптимизации Левенберга - Марквардта
Совместное использование многоспектральных спутниковых данных, результатов численного моделирования и судовых измерений, которые синхронизированы во времени и пространстве, положено нами в основу комплексного подхода к дистанционному зондированию (ДЗ) с целью более глубокого и многостороннего исследования морских и озерных процессов и явлений. Такой подход уменьшает неопределенность интерпретации спутниковых данных и ведет к установлению причинно-следственных связей между исследуемыми внутриводными процессами и их проявлением на водной поверхности.
В настоящем исследовании дистанционная составляющая в комплексном подходе обеспечивалась данными, полученными спутниковыми датчиками видимого и инфракрасного (ИК) диапазонов электромагнитного спектра. Данные видимого диапазона использовались для расчета концентраций веществ, определяющих цвет природных вод: хлорофилла фитопланктона, минеральной взвеси и растворенного органического вещества. Эти вещества традиционно рассматриваются как суррогатные индикаторы качества природных вод. Они входят в число важных показателей биотических свойств водной среды, поскольку непосредственно вовлечены в функционирование экосистемы водоема (Кондратьев и др., 1999). Причина использования суррогатных характеристик качества природных вод объясняется неспособностью дистанционных средств зондирования обеспечивать данные непосредственно о параметрах качества природных вод (таких как уровень растворенного кислорода, сапробность, концентрации ксенобиотиков, бактерицидности водной массы и др.). Данные ИК диапазона обеспечивают информацию о температуре поверхности воды (Гц). Являющиеся отражением различных внутриводных процессов, синхронизированные во времени и пространстве, данные в видимом и ИК диапазонах в совокупности с материалами моделирования и согласованными измерениями in situ позволяют исследовать глубинные взаимосвязи этих процессов в общем механизме функционирования изучаемой водной экосистемы.
Алгоритм обработки космических снимков для восстановления параметров качества воды Существующие эмпирические алгоритмы обработки спутниковых данных видимого диапазона, рассмотренные в разделе 2.2, обладают рядом ограничений: они разработаны для исследования оптически простых вод и восстановления концентраций только одного вещества - хлорофилла фитопланктона. Перед нами стояла задача разработать собственный алгоритм, который одновременно определяет концентрации трех цветообразующих компонент (ЦОК): хлорофилла (Сх,), минеральной взвеси (Смв) и растворенного органического вещества (Сров). Эта задача определялась прежде всего необходимостью исследования водоемов различной оптической сложности. Кроме того, имелась необходимость в алгоритме, применимом к данным, получаемым с различных спутниковых датчиков цвета океана, функционирующих в настоящее время и доступных широкому кругу потребителей. Метод многомерной оптимизации Левенберга - Марквардта
В математике, биологии, экономике, социологии и других отраслях для решения нелинейных задач аппроксимации функций, построения имитационных моделей, подбора оптимальной конфигурации оборудования и др. используются различные методы многомерной оптимизации. Именно оптимизационный метод был положен нами в основу искомого алгоритма восстановления концентраций ЦОК.
Эффективность его использования в рамках задачи количественного определения концентраций обусловлена тем, что зависимость спектрального распределения коэффициента отражения для дистанционного зондирования i?rsw (здесь и дальше в диссертации предполагается визирование водной поверхности в надире) одновременно от концентраций трех веществ можно представить в виде регрессии, параметрами которой и являются концентрации этих веществ. Методы минимизации суммы квадратов отклонений - пожалуй наиболее изученная совокупность подходов, связанных с оценкой параметров в нелинейных регрессиях (Madsen et al., 2004). Среди них существует эффективный подход для минимизации суммы квадратов невязок - метод Ньютона-Гаусса и его модификация, предложенная Левенбергом и Марквардтом (Levenberg, 1944; Marquardt, 1963), сущность которого сводится к следующему.
