НОВЫЙ МЕТОД ВОССТАНОВЛЕНИЯ СПЕКТРАЛЬНОГО КОЭФФИЦИЕНТА ЯРКОСТИ МОРЯ НА ОСНОВАНИИ СПУТНИКОВЫХ ДАННЫХ OLCI ПЕРВОГО УРОВНЯ ОБРАБОТКИ

Обложка

Цитировать

Полный текст

Аннотация

В работе предложен альтернативный метод атмосферной коррекции спутниковых данных о цвете моря на примере сканера OLCI для Черного моря. В настоящее время для задач дистанционного зондирования в большинстве случаев используется стандартный алгоритм атмосферной коррекции Гордона и Ванга (GW94). Однако при использовании этого алгоритма в коротковолновой части спектра часто наблюдаются отрицательные значения спектрального коэффициента яркости моря rs( ), которые не имеют физического смысла и искажают расчёты концентраций хлорофилла-а и жёлтого вещества. В данной работе предложен простой алгоритм, построенный исключительно на аналитических формулах, где концептуально реализуется одновременно две процедуры: интерполяции и экстраполяции, экстраполяции – по двум спектральным каналам, интерполяции на основе постоянства соотношения индекса цвета (CI = rs(412)/ rs(443) = 0,8). На отдельных примерах данных сканера OLCI, установленного на спутниках Sentinel 3A/3B, была проверена работоспособность нового алгоритма при различном состоянии атмосферы и морской поверхности путем сопоставления результатов с натурными измерениями платформ AERONET-OC, с данными уровня 2 и с работой регионального метода дополнительной коррекции. Новый алгоритм был протестирован при следующих условиях: чистая атмосфера (присутствие фонового аэрозоля), наличие пылевого аэрозоля, границы облачности, наличие солнечного блика, цветение кокколитофорид. При анализе ряда спутниковых снимков Sentinel 3A/3B получено, что новый простой алгоритм оказался в среднем лучше стандартного, что означает перспективу его совершенствования. Преимуществом данного подхода является его универсальность и возможность его реализации для других акваторий, при наличии закономерностей в изменчивости «синего» индекса цвета.

Об авторах

Е. Б. Шибанов

Морской гидрофизический институт Российской академии наук

ORCID iD: 0000-0001-7943-305X
Scopus Author ID: 6507075380
ResearcherId: ABB-9097-2021

А. С. Папкова

Морской гидрофизический институт Российской академии наук

Email: hanna.papkova@gmail.com
ORCID iD: 0000-0002-4304-4877
кандидат физико-математических наук 2023-2024

Список литературы

  1. Вазюля С. В., Юшманова А. В., Глуховец Д. И. и др. Валидация алгоритмов оценки показателя поглощения окрашенного органического вещества по спутниковым данным в северо-восточной части черного моря // Сборник тезисов докладов шестнадцатой Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса». — 2018. — С. 252. — EDN: YSSQUH.
  2. Копелевич О. В., Вазюля С. В., Салинг И. В. и др. Электронный атлас «Биооптические характеристики морей России по данным спутниковых сканеров цвета 1998-2014 гг.» // Современные проблемы дистанционного зондирования Земли из космоса. — 2015. — Т. 12, № 6. — С. 99—110. — EDN: VBLWSB.
  3. Копелевич О. В., Салинг И. В., Вазюля С. В. и др. Биооптические характеристики морей, омывающих берега западной половины россии, по данным спутниковых сканеров цвета 1998-2017 гг. — Москва : Ваш Формат, 2018. — 140 с. — EDN: YOSZPV.
  4. Корчемкина Е. Н., Шибанов Е. Б., Ли М. Е. Усовершенствование методики атмосферной коррекции для дистанционных исследований прибрежных вод Черного моря // Исследование Земли из космоса. — 2009. — Т. 6. — С. 24—30. — EDN: JVVGXQ.
  5. Папкова А. С., Шибанов Е. Б., Калинская Д. В. Влияние пылевого аэрозоля на спутниковые данные различных сканеров цвета // Морской гидрофизический журнал. — 2024. — Т. 40, 2(239). — С. 766—781. — EDN: WUXIXB.
  6. Паршиков С. В., Ли М. Е. Дистанционное зондирование оптически активных примесей с применением коротковолнового участка спектра // Автоматизированные системы контроля состояния морской среды: сборник научных трудов. — Севастополь : МГИ НАН Украины, 1992. — С. 65—78.
  7. Суетин В. С., Королев С. Н., Кучерявый А. А. Проявление эффектов солнечного блика при определении оптических параметров воды в Черном море по спутниковым измерениям // Морской гидрофизический журнал. — 2016. — 3(189). — С. 52—62. — EDN: WNAFTP.
  8. Суетин В. С., Королев С. Н., Суслин В. В. и др. Проявление особенностей оптических свойств атмосферного аэрозоля над Черным морем при интерпретации данных спутникового прибора SeaWiFS // Морской гидрофизический журнал. — 2004. — Т. 1. — С. 69—79. — EDN: YXQYNV.
  9. Суетин В. С., Королев С. Н., Суслин В. В. и др. Проявления пылевого аэрозоля в результатах оптических наблюдений Черного моря из космоса // Экологическая безопасность прибрежной и шельфовой зон и комплексное использование ресурсов шельфа. — 2008. — Т. 16. — С. 202—211. — EDN: YUNNQD.
  10. Суетин В. С., Толкаченко Г. А., Королев С. Н. и др. Оптические свойства аэрозолей и атмосферная коррекция спутниковых наблюдений Черного моря // Морской гидрофизический журнал. — 2013. — № 1. — С. 34—44. — EDN: TFYSDP.
  11. Шибанов Е. Б. Оптические неоднородности морской воды и атмосферы над морем: дисс...док. физ.-мат. наук. — Севастополь : Федеральный исследовательский центр «Морской гидрофизический институт РАН», 2020.
  12. Шибанов Е. Б., Афонин Е. И. Физическая модель переноса излучения в плоскопараллельной атмосфере для задач дистанционного зондирования, приближение для изотропно и анизотропно рассеивающего слоя. — Москва : Деп. в ВИНИТИ, № 1631-В89, 1989. — 41 с.
  13. Шибанов Е. Б., Папкова А. С. Влияние пылевого аэрозоля на результаты атмосферной коррекции спектрального коэффициента яркости Чёрного и Средиземного морей по спутниковым данным MODIS // Современные проблемы дистанционного зондирования Земли из космоса. — 2021. — Т. 18, № 6. — С. 46—56. — doi: 10.21046/2070-7401-2021-18-6-46-56.
  14. Шибанов Е. Б., Папкова А. С. Особенности работы алгоритмов атмосферной коррекции ocean color при расчёте спектрального коэффициента яркости моря для различных состояний атмосферы // Современные проблемы дистанционного зондирования Земли из космоса. — 2022. — Т. 19, № 6. — С. 9—17. — doi: 10.21046/2070-7401-2022-19-6-9-17.
  15. Ahmad Z., Franz B. A., McClain C. R., et al. New aerosol models for the retrieval of aerosol optical thickness and normalized water-leaving radiances from the SeaWiFS and MODIS sensors over coastal regions and open oceans // Applied Optics. — 2010. — Vol. 49, no. 29. — P. 5545. — doi: 10.1364/ao.49.005545.
  16. Antoine D., Morel A. A multiple scattering algorithm for atmospheric correction of remotely sensed ocean colour (MERIS instrument): Principle and implementation for atmospheres carrying various aerosols including absorbing ones // International Journal of Remote Sensing. — 1999. — Vol. 20, no. 9. — P. 1875–1916. — doi: 10.1080/014311699212533.
  17. Brockmann C., Doerffer R., Peters M., et al. Evolution of the C2RCC neural network for Sentinel 2 and 3 for the retrieval of ocean colour products in normal and extreme optically complex waters // Living Planet Symposium, Proceedings of the conference held 9-13 May 2016. — Prague, Czech Republic, 2016.
  18. Carder K. L., Chen F. R., Lee Z. P., et al. Semianalytic Moderate-Resolution Imaging Spectrometer algorithms for chlorophyll a and absorption with bio-optical domains based on nitrate-depletion temperatures // Journal of Geophysical Research: Oceans. — 1999. — Vol. 104, no. C3. — P. 5403–5421. — doi: 10.1029/1998jc900082.
  19. Deschamps P. Y., Herman M., Tanre D. Modeling of the atmospheric effects and its application to the remote sensing of ocean color // Applied Optics. — 1983. — Vol. 22, no. 23. — P. 2068–2080. — doi: 10.1364/ao.22.003751.
  20. EUMETSAT. Phytoplankton bloom in the Black Sea. — 2022. — https://user.eumetsat.int/resources/case-studies/phytoplankton-bloom-in-the-black-sea.
  21. European Space Agency. S3 OLCI Instrument. — 2025. — https://sentiwiki.copernicus.eu/web/s3-olci-instrument.
  22. Feng L., Hou X., Li J., et al. Exploring the potential of Rayleigh-corrected reflectance in coastal and inland water applications: A simple aerosol correction method and its merits // ISPRS Journal of Photogrammetry and Remote Sensing. — 2018. — Vol. 146. — P. 52–64. — doi: 10.1016/j.isprsjprs.2018.08.020.
  23. Gordon H. R. Removal of atmospheric effects from satellite imagery of the ocean // Applied Optics. — 1978. — Vol. 17, no. 10. — P. 1631–1636. — doi: 10.1364/AO.17.001631.
  24. Gordon H. R. Evolution of Ocean Color Atmospheric Correction: 1970-2005 // Remote Sensing. — 2021. — Vol. 13, no. 24. — P. 5051. — doi: 10.3390/rs13245051.
  25. Gordon H. R., Brown O. B., Evans R. H., et al. A semianalytic radiance model of ocean color // Journal of Geophysical Research: Atmospheres. — 1988. — Vol. 93, no. D9. — P. 10909–10924. — doi: 10.1029/jd093id09p10909.
  26. Gordon H. R., Wang M. Surface-roughness considerations for atmospheric correction of ocean color sensors 1: The Rayleighscattering component // Applied Optics. — 1992. — Vol. 31, no. 21. — P. 4247. — doi: 10.1364/ao.31.004247.
  27. Gordon H. R., Wang M. Retrieval of water-leaving radiance and aerosol optical thickness over the oceans with SeaWiFS: a preliminary algorithm // Applied Optics. — 1994. — Vol. 33, no. 3. — P. 443. — doi: 10.1364/ao.33.000443.
  28. Gould R. W., Arnone R. A., Martinolich P. M. Spectral dependence of the scattering coefficient in case 1 and case 2 waters // Applied Optics. — 1999. — Vol. 38, no. 12. — P. 2377. — doi: 10.1364/ao.38.002377.
  29. Hu C., Carder K. L., Muller-Karger F. E. Atmospheric Correction of SeaWiFS Imagery over Turbid Coastal Waters // Remote Sensing of Environment. — 2000. — Vol. 74, no. 2. — P. 195–206. — doi: 10.1016/s0034-4257(00)00080-8.
  30. Hu C., Lee Z., Franz B. Chlorophyll a algorithms for oligotrophic oceans: A novel approach based on three-band reflectance difference // Journal of Geophysical Research: Oceans. — 2012. — Vol. 117, no. C1. — doi: 10.1029/2011jc007395.
  31. Kalinskaya D. V., Papkova A. S. Why Is It Important to Consider Dust Aerosol in the Sevastopol and Black Sea Region during Remote Sensing Tasks? A Case Study // Remote Sensing. — 2022. — Vol. 14, no. 8. — P. 1890. — doi: 10.3390/rs14081890.
  32. Korchemkina E. N., Kalinskaya D. V. Algorithm of Additional Correction of Level 2 Remote Sensing Reflectance Data Using Modelling of the Optical Properties of the Black Sea Waters // Remote Sensing. — 2022. — Vol. 14, no. 4. — P. 831. — doi: 10.3390/rs14040831.
  33. Kubryakov A. A., Mikaelyan A. S., Stanichny S. V. Summer and winter coccolithophore blooms in the Black Sea and their impact on production of dissolved organic matter from Bio-Argo data // Journal of Marine Systems. — 2019. — Vol. 199. — P. 103220. — doi: 10.1016/j.jmarsys.2019.103220.
  34. Mélin F. Validation of ocean color remote sensing reflectance data: Analysis of results at European coastal sites // Remote Sensing of Environment. — 2022. — Vol. 280. — P. 113153. — doi: 10.1016/j.rse.2022.113153.
  35. Moulin C., Gordon H. R., Chomko R. M., et al. Atmospheric correction of ocean color imagery through thick layers of Saharan dust // Geophysical Research Letters. — 2001. — Vol. 28, no. 1. — P. 5–8. — doi: 10.1029/2000gl011803.
  36. Remote sensing of ocean colour in coastal, and other optically-complex, waters. Reports of the International Ocean-Colour Coordinating Group. No. 3 / ed. by S. Sathyendranath. — Dartmouth, Canada : IOCCG, 2000. — 140 p.
  37. Ruddick K. G., Ovidio F., Rijkeboer M. Atmospheric correction of SeaWiFS imagery for turbid coastal and inland waters // Applied Optics. — 2000. — Vol. 39, no. 6. — P. 897. — doi: 10.1364/ao.39.000897.
  38. Schollaert S. E., Yoder J. A., O’Reilly J. E., et al. Influence of dust and sulfate aerosols on ocean color spectra and chlorophyll a concentrations derived from SeaWiFS off the U.S. east coast // Journal of Geophysical Research: Oceans. — 2003. — Vol. 108, no. C6. — doi: 10.1029/2000jc000555.
  39. Shybanov E. B., Papkova A., Korchemkina E., et al. Blue Color Indices as a Reference for Remote Sensing of Black Sea Water // Remote Sensing. — 2023. — Vol. 15, no. 14. — P. 3658. — doi: 10.3390/rs15143658.
  40. Shybanov E. B., Papkova A. S. Algorithm for Additional Correction of Remote Sensing Reflectance in the Presence of Absorbing Aerosol: Case Study // Physical Oceanography. — 2022. — Vol. 29, no. 6. — P. 688–706. — doi: 10.22449/1573-160X-2022-6-688-706.
  41. Stein A. F., Draxler R. R., Rolph G. D., et al. NOAA’s HYSPLIT Atmospheric Transport and Dispersion Modeling System // Bulletin of the American Meteorological Society. — 2015. — Vol. 96, no. 12. — P. 2059–2077. — doi: 10.1175/bams-d-14-00110.1.
  42. Thuillier G., Hersé M., Labs D., et al. The Solar Spectral Irradiance from 200 to 2400 nm as Measured by the SOLSPEC Spectrometer from the Atlas and Eureca Missions // Solar Physics. — 2003. — Vol. 214, no. 1. — P. 1–22. — doi: 10.1023/a:1024048429145.
  43. Viollier M., Tanre D., Deschamps P. Y. An algorithm for remote sensing of water color from space // Boundary-Layer Meteorology. — 1980. — Vol. 18, no. 3. — P. 247–267. — doi: 10.1007/bf00122023.
  44. Wei J., Yu X., Lee Z., et al. Improving low-quality satellite remote sensing reflectance at blue bands over coastal and inland waters // Remote Sensing of Environment. — 2020. — Vol. 250. — P. 112029. — doi: 10.1016/j.rse.2020.112029.
  45. Zibordi G., Holben B., Slutsker I., et al. AERONET-OC: A Network for the Validation of Ocean Color Primary Products // Journal of Atmospheric and Oceanic Technology. — 2009. — Vol. 26, no. 8. — P. 1634–1651. — doi: 10.1175/2009jtecho654.1.
  46. Zibordi J., Kwiatkowska E., Mélin F., et al. Assessment of OLCI-A and OLCI-B radiometric data products across European seas // Remote Sensing of Environment. — 2022. — Vol. 272. — doi: 10.1016/j.rse.2022.112911.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Шибанов Е.Б., Папкова А.С., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 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».