Determining currents in the reservoir by consequent subdaily satellite images

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Reconstructing the field of currents using remote sensing methods is a traditional task of oceanology. Satellite instruments such as altimeters, Doppler radars, and optical sensors are routinely used to solve oceanological problems for waters with large dimensions (open areas of the seas and oceans). The latter work well for reservoirs with significant water temperature gradients when applying the method of processing successive satellite images with varying time delays. Less commonly, areas of intense phytoplankton blooms, which are usual for productive waters, are used as markers for image matching. Such waters can be monitored with satellite ocean color sensors that provide high spatial resolution. The goal of the present paper was to investigate the possibility of reconstructing the flow field in the Gorki Reservoir, as an example of a medium-sized eutrophic reservoir, from sequent images of two different high-resolution ocean color sensors with a short time delay between images. This paper describes the field experiment under the satellite overpasses and presents the results of applying the maximum correlation method to two satellite images for retrieval of the current field in comparison with shipboard data. It is shown that the proposed method has prospects for development.

Full Text

Restricted Access

About the authors

I. A. Kapustin

Gaponov-Grekhov Institute of Applied Physics of the Russian Academy of Sciences; Lobachevsky State University of Nizhny Novgorod; Volga State University of Water Transport

Author for correspondence.
Email: kia@ipfran.ru
Russian Federation, Nizhny Novgorod; Nizhny Novgorod; Nizhny Novgorod

A. A. Molkov

Gaponov-Grekhov Institute of Applied Physics of the Russian Academy of Sciences; Lobachevsky State University of Nizhny Novgorod; Volga State University of Water Transport

Email: kia@ipfran.ru
Russian Federation, Nizhny Novgorod; Nizhny Novgorod; Nizhny Novgorod

O. A. Danilicheva

Gaponov-Grekhov Institute of Applied Physics of the Russian Academy of Sciences; Lobachevsky State University of Nizhny Novgorod

Email: kia@ipfran.ru
Russian Federation, Nizhny Novgorod; Nizhny Novgorod

O. V. Shomina

Gaponov-Grekhov Institute of Applied Physics of the Russian Academy of Sciences; Lobachevsky State University of Nizhny Novgorod

Email: kia@ipfran.ru
Russian Federation, Nizhny Novgorod; Nizhny Novgorod

G. V. Leshchev

Gaponov-Grekhov Institute of Applied Physics of the Russian Academy of Sciences; Lobachevsky State University of Nizhny Novgorod

Email: kia@ipfran.ru
Russian Federation, Nizhny Novgorod; Nizhny Novgorod

D. V. Dobrokhotova

Gaponov-Grekhov Institute of Applied Physics of the Russian Academy of Sciences; Lobachevsky State University of Nizhny Novgorod

Email: kia@ipfran.ru
Russian Federation, Nizhny Novgorod; Nizhny Novgorod

A. V. Ermoshkin

Gaponov-Grekhov Institute of Applied Physics of the Russian Academy of Sciences; Lobachevsky State University of Nizhny Novgorod

Email: kia@ipfran.ru
Russian Federation, Nizhny Novgorod; Nizhny Novgorod

References

  1. Алеев М. Ю. Биоконвекция у морских планктонных водорослей // Экология моря. 1991. Т. 38. С. 99–107.
  2. Гузиватый В. В., Науменко М. А., Румянцев В. А. Оценка поверхностных течений Ладожского озера методом максимальной кросс-корреляции // Исследование Земли из космоса. 2020. № 1. С. 20–30.
  3. Доброхотова Д. В., Капустин И. А., Мольков А. А., Лещёв Г. В. Исследование влияния режима работы ГЭС на перераспределение фитопланктона в верхнем водном слое в приплотинном участке Горьковского водохранилища // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 1. С. 242–252.
  4. Капустин И. А., Вострякова Д. В., Мольков А. А., Даниличева О. А., Лещев Г. В., Ермаков С. А. (2021a) Натурные подспутниковые наблюдения конвергентных течений в приповерхностном слое воды по их пенным образам // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 1. С. 188–196.
  5. Капустин И. А., Ермаков С. А., Смирнова М. В., Вострякова Д. В., Мольков А. А., Чебан Е. Ю., Лещёв Г. В. (2021b) О формировании изолированной линзы речного стока круговоротом в Горьковском водохранилище // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 6. С. 214–221.
  6. Капустин И. А., Мольков А. А. Структура течений и глубины в озерной части Горьковского водохранилища // Метеорология и гидрология. 2019. № 7. С. 110–117.
  7. Лебедев С. А., Костяной А. Г. Спутниковая альтиметрия Каспийского моря. М.: Изд. центр «МОРЕ» Международного ин-та океана, 2005. 366 с.
  8. Мольков А. А., Корчёмкина Е. Н., Лещев Г. В., Даниличева О. А., Капустин И. А. О влиянии цианобактерий, волнения и дна на коэффициент яркости воды Горьковского водохранилища // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 4. С. 203–212.
  9. Aleskerova A., Kubryakov A., Stanichny S., Medvedeva A., Plotnikov E., Mizyuk A., Verzhevskaia L. Characteristics of topographic submesoscale eddies off the Crimea coast from high-resolution satellite optical measurement // Ocean Dyn. 2021. V. 71. P. 655–677.
  10. Amani M., Moghimi A., Mirmazloumi S. M., Ranjgar B., Ghorbanian A., Ojaghi S., Ebrahimy H., Naboureh A., Nazari M. E., Mahdavi S., Moghaddam S. H.A., Asiyabi R. M., Ahmadi S. A., Mehravar S., Mohseni F., Jin S. Ocean Remote Sensing Techniques and Applications: A Review (Part I) // Water. 2022. V. 14. № 22. P. 3400.
  11. Bowen M. M., Emery W. J., Wilkin J. L., Tildesley P. C., Barton I. J., Knewtson R. Extracting multiyear surface currents from sequential thermal imagery using the maximum cross-correlation technique // J. Atmos. Ocean. Technol. 2002. V. 19. P. 1665–1676.
  12. Castellanos P., Pelegrí J. L., Baldwin D., Emery W. J., Hernández-Guerra A. Winter and spring surface velocity fields in the Cape Blanc region as deduced with the maximum cross-correlation technique // Int. J. Remote Sens. 2013. V. 34. P. 3587–3606.
  13. Chapron B., Collard F., Ardhuin F. Direct measurements of ocean surface velocity from space: Interpretation and validation // Journal of Geophysical Research: Oceans. 2005. V. 110. № C7.
  14. Chelton D. B., Schlax M. G., Samelson R. M. Global observations of nonlinear mesoscale eddies // Prog. Oceanogr. 2011. V. 91. № 2. P. 167–216.
  15. Chen G., Han G., Yang X. On the intrinsic shape of oceanic eddies derived from satellite altimetry // Remote Sens. Environ. 2019. V. 228. P. 75–89.
  16. Chen W. Nonlinear inverse model for velocity estimation from an image sequence // J. Geophys. Res. Ocean. 2011. V. 116. P. C06015.
  17. Danilicheva O. A., Ermakov S. A., Kapustin I. A. Retrieval of surface currents from sequential satellite radar images // Sovrem. Probl. Distantsionnogo Zondirovaniya Zemli Iz Kosm. 2020. V. 17. P. 93–96.
  18. Delandmeter P., Lambrechts J., Marmorino G. O., Legat V., Wolanski E., Remacle J.-F., Chen W., Deleersnijder E. Submesoscale tidal eddies in the wake of coral islands and reefs: Satellite data and numerical modelling // Ocean Dyn. 2017. V. 67. P. 897–913.
  19. Dransfeld S., Larnicol G., Le Traon P. Y. The potential of the maximum cross-correlation technique to estimate surface currents from thermal AVHRR global area coverage data // IEEE Geosci. Remote Sens. Lett. 2006. V. 3. P. 508–511.
  20. Early J. J., Samelson R. M., Chelton D. B. The evolution and propagation of quasigeostrophic ocean eddies // J. Phys. Oceanogr. 2011. V. 41. № 8. P. 1535–1555.
  21. Emery W. J., Thomas A., Collins M., Crawford W. R., Mackas D. An objective method for computing advective surface velocities from sequential infrared satellite images // J. Geophys. Res. Ocean. 1986. V. 91. P. 12865–12878.
  22. Emery, W. Fowler C., Clayson C. Satellite-image-derived Gulf Stream currents compared with numerical model results // J. Atmos. Ocean. Technol. 1992. V. 9. P. 286–304.
  23. Gade M., Seppke B., Dreschler-Fischer L. Mesoscale surface current fields in the Baltic Sea derived from multi-sensor satellite data // Int. J. Remote Sens. 2012. V. 33. P. 3122–3146.
  24. Hamze-Ziabari S.M., Foroughan M., Lemmin U., Barry D. A. Monitoring Mesoscale to Submesoscale Processes in Large Lakes with Sentinel-1 SAR Imagery: The Case of Lake Geneva // Remote Sensing. 2022. V. 14. № 19. P. 4967
  25. Kapustin I. A., Shomina O. V., Ermoshkin A. V., Bogatov N. A., Kupaev A. V., Molkov A. A., Ermakov S. A. On Capabilities of Tracking Marine Surface Currents Using Artificial Film Slicks // Remote Sens. 2019. V. 11. P. 840.
  26. Kozlov I. E., Plotnikov E. V., Manucharyan G. E. Brief Communication: Mesoscale and submesoscale dynamics in the marginal ice zone from sequential synthetic aperture radar observations // Cryosphere 2020. V. 14. P. 2941–2947.
  27. Kubryakov A. A., Stanichny S. V., Zatsepin A. G., Kremenetskiy V. V. Long-term variations of the Black Sea dynamics and their impact on the marine ecosystem // J. Mar. Syst. 2016. V. 163. P. 80–94.
  28. Liu T., Merat A., Makhmalbaf M., Fajardo C., Merati P. Comparison between optical flow and cross-correlation methods for extraction of velocity fields from particle images // Exp. Fluids. 2015. V. 56. P. 166.
  29. Marmorino G., Chen W. Use of WorldView-2 along-track stereo imagery to probe a Baltic Sea algal spiral // Remote Sens. 2019. V. 11. P. 865.
  30. Marmorino G. O., Holt B., Molemaker M. J., DiGiacomo P.M., Sletten M. A. Airborne synthetic aperture radar observations of “spiral eddy” slick patterns in the Southern California Bight // J. Geophys. Res. Ocean. 2010. V. 115. P. C05010.
  31. Marmorino G. O., Smith G. B., North R. P., Baschek B. Application of airborne infrared remote sensing to the study of ocean submesoscale eddies // Front. Mech. Eng. 2018. V. 4. P. 10.
  32. Molkov A., Fedorov S., Pelevin V. Toward Atmospheric Correction Algorithms for Sentinel-3/OLCI Images of Productive Waters // Remote Sens. 2022. V. 14. P. 3663.
  33. Notarstefano G., Poulain P. M., Mauri E. Estimation of surface currents in the Adriatic Sea from sequential infrared satellite images // J. Atmos. Ocean. Technol. 2008. V. 25. P. 271–285.
  34. Osadchiev A., Sedakov R. Spreading dynamics of small river plumes off the northeastern coast of the Black Sea observed by Landsat 8 and Sentinel-2 // Remote Sens. Environ. 2019. V. 221. P. 522–533.
  35. Qazi W. A., Emery W. J., Fox-Kemper B. Computing ocean surface currents over the coastal California current system using 30-min-lag sequential SAR images // IEEE Trans. Geosci. Remote Sens. 2014. V. 52. P. 7559–7580.
  36. Raj R. P., Johannessen J. A., Eldevik T., Nilsen J. Ø., Halo I. Quantifying mesoscale eddies in the Lofoten Basin // J. Geophys. Res. Ocean. 2016. V. 121. P. 4503–4521.
  37. Rio M. H., Santoleri R. Improved global surface currents from the merging of altimetry and sea surface temperature data. Remote Sens. Environ. 2018. V. 216. P. 770–785.
  38. Shomina O., Danilicheva O., Tarasova T., Kapustin I. Manifestation of Spiral Structures under the Action of Upper Ocean Currents // Remote Sensing. 2022. V. 14. № 8. P. 1871.
  39. Stal L. J. Cyanobacterial mats and stromatolites // Ecology of Cyanobacteria II. 2012. P. 65–125.
  40. Sun H., Song Q., Shao R., Schlicke T. Estimation of sea surface currents based on ocean colour remote-sensing image analysis // Int. J. Remote Sens. 2016. V. 37. P. 5105–5121.
  41. Yang Z., Johnson M. Hybrid particle image velocimetry with the combination of cross-correlation and optical flow method // J. Vis. 2017. V. 20. P. 625–638.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Depth map of the southern part of the Gorki Reservoir with the superimposed ship track (a) and the field of driving wind over the reservoir water area at the time of measurements at a height of 7 metres (b). The part of the track highlighted in red corresponds to the time of the maximum daily flow rate through the HPP, the orange colour indicates the moments of increase and decrease of the daily flow rate. Orange arrows indicate the direction of vessel movement. The dot and letters L and S mark the moments of satellite imagery in relation to ship measurements. Black arrows show the direction of channel flow

Download (382KB)
Indexing metadata
3. Fig. 2. Plots of intraday water flow through the HPP on 05.08.2022 (the day preceding the measurements) and 06.08.2022. Red dots indicate the period of measurements, green dot - the moment of the satellite flyby with the accuracy of up to one hour

Download (136KB)
Indexing metadata
4. Fig. 3. Composite RGB images of Landsat-9/OLI (11:04) (L) (a) and Sentinel-2A/MSI (11:34) (S) (b) of the Gorki Reservoir from 06.08.22 with superimposed vessel track. The arrows indicate the direction of the vessel's movement

Download (562KB)
Indexing metadata
5. Fig. 4. Current fields reconstructed from satellite images at the Gorki Reservoir on 6 August 2022: blue channel with superimposed ship track (a), green channel (b), red channel (c) and near-infrared channel (d)

Download (1010KB)
Indexing metadata
6. Fig. 5. Comparison of the results of ADCP measurements of currents at 0.8 m depth and the result of processing satellite images in the green channel along the ship track. ADCP - blue vectors, red vectors - between satellite passes (11:04-11:34), green vectors - using the MSS method (a). Enlarged south-eastern part of the water area with ADCP measurements close in time and space to the satellite imagery (b)

Download (515KB)
Indexing metadata
7. Fig. 6. Plots of magnitude and direction (where) of the resulting flow using ADCP, MCC and vector sum for ADCP data with 3% wind contribution for the LS site

Download (138KB)
Indexing metadata


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».