Бесплатный автореферат и диссертация по наукам о земле на тему
Алгоритмы определения концентрации хлорофилла-а и общей взвеси и идентификации микроводорослей Lepidodinium chlorophorum и Emiliania huxleyi по спутниковым данным на примере Бискайского залива
ВАК РФ 25.00.28, Океанология

Автореферат диссертации по теме "Алгоритмы определения концентрации хлорофилла-а и общей взвеси и идентификации микроводорослей Lepidodinium chlorophorum и Emiliania huxleyi по спутниковым данным на примере Бискайского залива"

На правах рукописи

Морозов Евгений Александрович

АЛГОРИТМЫ ОПРЕДЕЛЕНИЯ КОНЦЕНТРАЦИИ ХЛОРОФИЛЛА-А И ОБЩЕЙ ВЗВЕСИ И ИДЕНТИФИКАЦИИ МИКРОВОДОРОСЛЕЙ

ьЕРюоотшм снмжорношм и ЕМ1ЫШ1А

НиХЬЕП ПО СПУТНИКОВЫМ ДАННЫМ НА ПРИМЕРЕ БИСКАЙСКОГО ЗАЛИВА

Специальность: 25.00.28 - океанология

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук

1 р МАИ 2013

Санкт-Петербург 2013

005059439

005059439

Работа выполнена в Научном фонде "Международный центр по окружающей среде и дистанционному зондированию имени Нансена" и федеральном государственном бюджетном образовательном учреждении высшего профессионального образования "Российский государственный гидрометеорологический университет"

Научные руководители: доктор физико-математических наук, проф.

Поздняков Дмитрий Викторович

кандидат физико-математических наук, проф. Сычёв Виталий Иванович

Официальные оппоненты: доктор физико-математических наук, проф.

Кудрявцев Владимир Николаевич

кандидат географических наук, доц. Шилов Игорь Олегович

Ведущая организация: Санкт-Петербургский государственный

электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (СПбГЭТУ)

Защита состоится 06 июня 2013 г. в 12:00 на заседании диссертационного совета Д 212.197.02 при Российском государственном гидрометеорологическом университете по адресу: 195196, Россия, Санкт-Петербург, Малоохтинский проспект, д. 98.

С диссертацией можно ознакомиться в научной библиотеке Российского государственного гидрометеорологического университета (РГГМУ).

Автореферат разослан ^ & 2013 г.

Ученый секретарь диссертационного совета кандидат географических наук,

проф. В. Н. Воробьев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность.

Бискайский залив (БЗ) является важным природным объектом: прибрежная зона имеет высокую плотность населения и здесь располагаются разнообразные промышленные предприятия и активно ведётся сельское хозяйство (Treguer, 1979; 2000; ICES, 2008; ICES, 2010; OSPAR Commission, 2000).

Фитопланктон — один из важнейших индикаторов состояния экосистемы. По изменениям динамики этого первичного продуцента можно судить о состоянии экосистемы в целом, прежде всего, имея в виду её трофический статус.

С возрастанием общей антропогенной нагрузки на БЗ усиливается влияние на трофический статус этой акватории и светового климата в водном столбе. Продуцирование микроводорослями, как фототрофными растительными организмами, регулируется в значительной степени доступностью световой энергии в водном столбе. В прибрежных водах важным регулятором светового режима является взвесь, в основном терригенного происхождения. Следовательно, для более полного понимания процессов, происходящих в водной экосистеме на её нижнем трофическом уровне, необходимо уметь оценивать и содержание терригенной взвеси, и её влияние на перенос солнечного изучения в водном столбе.

К этому следует добавить, что в последние годы всё большее внимание начинают привлекать и учащающиеся случаи массового развития вредоносных видов водорослей, как в прибрежной, так и в пелагиальной части БЗ (Lepidodinium chlorophorum и Emiliania huxleyi, соответственно).

Таким образом, слежение за экологическим состоянием прибрежной зоны и его изменением представляет интерес с многих точек зрения.

Однако ввиду большой площади БЗ традиционный мониторинг с научно-исследовательских судов и стационарных пунктов не в состоянии адекватно справляться с этой задачей. В этом отношении спутниковые дистанционные системы, и прежде всего те, которые оперируют в видимом диапазоне электромагнитного спектра, оказываются наиболее предпочтительными. Это в свою очередь означает, что требуются соответствующие алгоритмы для выделения и

количественной оценки искомой информации из интегрального светового сигнала, выходящего из-под поверхности воды и воспринимаемого спутниковым датчиком.

БЗ является примером оптически очень неоднородного водного объекта, что, естественно, представляет серьёзное затруднение для разработки адекватного био-оптического алгоритма обработки спутниковых данных о цвете океана, и последующего анализа результатов восстановления параметров качества воды (ПКВ).

До настоящего времени отсутствовали достаточно точные методы и биооптические алгоритмы, которые позволили бы, по возможности, комплексно исследовать со спутников указанную совокупность проблем экосистемы БЗ на низшем трофическом уровне.

В свете сказанного выше разработка и реализация такого рода алгоритмов представляется чрезвычайно своевременной задачей.

В силу сложнейших связей между гидро-биологическими и геофизическими процессами, на повестку дня выдвинута задача синергетического использования спутниковой информации в разных спектральных интервалах.

Наконец, характерные для региона БЗ сложные метеорологические условия, частая облачность в зимний период, а также сложная по своей природе динамика био-геохимиических процессов в БЗ и необходимость использования протяжённых рядов данных выдвигают задачу совмещения спутниковых данных аналогичного предназначения.

В данной диссертационной работе мы постарались как можно более полно решить упомянутые выше задачи.

Цель исследования: Создание биооптических алгоритмов, позволяющих выявить характерные особенности состояния и динамики экосистемы БЗ на низшем уровне её трофической структуры и их связи с внутриводными и гидрометеорологическими процессами.

При этом решались следующие задачи: 1 Разработка алгоритма определения концентраций хлорофилла-а (ХЛ) и общей взвеси (ОВ) в шельфовой зоне БЗ по данным спутниковых

датчиков SeaWiFS и MODIS с использованием репрезентативной базы данных измерений in situ.

2 Разработка методики объединения данных по концентрациям ХЛ и ОВ, полученных со спутниковых датчиков SeaWiFS и MODIS.

3 Исследование эффективности объединения данных датчиков SeaWiFS и MODIS для увеличения покрытия акватории БЗ данными (в периоды с интенсивным облачным покровом).

4 Увеличение продолжительности ряда данных по пространственно-временныПм вариациям концентраций ХЛ и ОВ в БЗ за счёт объединения (bridging) данных с датчиков SeaWiFS и MODIS в единый временноОй ряд.

5 Разработка алгоритма идентификации цветений L. chlorophorum по данным датчика MODIS с использованием базы данных измерений in situ.

6 Исследование сезонной, межгодовой и пространственной динамики цветений L. chlorophorum.

7 Разработка алгоритма одновременного определения концентраций ХЛ и кокколитов кокколитофора Е. huxleyi, а также ХЛ диатомовых в областях интенсивного цветения этого кокколитофора.

8 Разработка алгоритмов идентификации цветений кокколитофоров Е. huxleyi по данным спутниковых датчиков CZCS, SeaWiFS и MODIS.

9 Разработка методики слияния данных спутниковых датчиков CZCS, AVHRR, SeaWiFS и MODIS по цветениям Е. huxleyi.

10 Увеличение продолжительности длины ряда данных об интенсивных цветениях Е. huxleyi за счёт объединения данных датчиков CZCS, AVHRR, SeaWiFS и MODIS.

Научная новизна.

- Разработаны наиболее точные на сегодняшний день алгоритмы восстановления концентраций ХЛ и ОВ в БЗ.

- Произведено объединение рядов данных по концентрациям ХЛ и ОВ в шельфовой зоне БЗ. Впервые составлены объединённые продолжительные ряды данных концентраций ХЛ и ОВ по спутниковым наблюдениям.

- Впервые получен ряд данных частотности цветений кокколитофоров Е. huxleyi в БЗ за 30-летний период.

- Впервые применена для вод БЗ методика идентификации цветений Е. Ъих1еу1 по данным спутниковых датчиков АУНИ1 и СгСБ.

- Впервые разработан и применён алгоритм определения присутствия и картирования ареала цветения водоросли Ьер1<Зобтит сЫогорИогит в прибрежных водах БЗ за период 2002-2008 гт.

- Впервые для БЗ численно оценена эффективность объединения данных датчиков 5еа\\^Р5 и МОБ15 в зимний период для повышения покрытия акватории данными в периоды с интенсивной облачностью.

Практическая значимость.

Показана перспективность / принципиальная возможность комплексного исследования параметров качества вод (ПКВ) конкретного водного объекта с гидрооптически сложным составом вод на основе разнообразной исключительно спутниковой информации.

Результаты могут быть использованы для:

- усовершенствования мониторинга экологического состояния вод БЗ, включая получение информации о биопродуктивности вод в шельфовой зоне и световом климате этой акватории;

- для мониторинга возникновения и динамики развития вредоносных цветений ЬергдобШит сЫогорЬогит в прибрежных водах БЗ;

для мониторинга вредоносных цветений ЕтШата 1шх1еу1 в открытой/пелагиальнной части БЗ;

- при идентификации вредоносных цветений водорослей также и в различных районах Мирового океана (в силу неспецифичности разработанных алгоритмов по отношению к типам природных вод).

Положения, выносимые на защиту.

1. Разработаны наиболее точные на настоящий момент алгоритмы для определения концентраций ХЛ и ОВ в шельфовых водах БЗ.

Впервые:

2. Разработаны с применением нейронных сетей и нечёткой логики алгоритмы идентификации цветений водоросли Ьер1с1ос1шшт сЫогорЬогит в прибрежных водах БЗ.

3. Разработан алгоритм одновременного определения концентрации кокколитов, ХЛ кокколитофора ЕтШата Ъих]еу\ и ХЛ диатомовых водорослей в районах цветения Е. /шх/еу/ по данным датчиков ЭеаМ^РБ и МОПНЯ.

4. Разработаны алгоритмы идентификации цветений кокколитофоров по данным датчиков SeaWiFS, MODIS, CZCS.

5. На количественном уровне показана оправданность / эффективность объединения данных SeaWiFS и MODIS с помощью взаимосовместимых алгоритмов для исследования пространственно-временной изменчивости XJI и OB в шельфовой зоне БЗ с применением разработанных алгоритмов. Подтверждено, что по шельфовой зоне пространственно-временная изменчивость в распределениях ХЛ и OB обусловлена в основном поступлением вещества с материковым стоком и периодическим влиянием ветрового перемешивания и апвеллингов.

Апробация работы. Результаты работы обсуждались на следующих конференциях:

VI Всероссийская открытая конференция "Современные проблемы исследования Земли из космоса", Институт космических исследований РАН, Россия, Москва (10-14 ноября 2008 г.); Международный симпозиум по атмосферной радиации и динамике - МСАРД-2009, Петергоф, С.-Петербург, Россия (22-26 июня 2009 г.); Седьмая Всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса", Москва, Россия (16-20 ноября 2009 г.); Océans from space symposium, Венеция, Италия(26-23 апреля 2010 г.); ESA Living planet symposium, Берген, Норвегия (28 июня - 2 июля 2010 г.); Восьмая всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса", Москва, Россия (15-19 ноября 2010 г.); 64-я конференция профессоров, преподавателей и научных работников, Санкт-Петербургский государственный университет, Санкт-Петербург, Россия (25 января - 5 февраля 2011 г.).

Основные результаты работы использованы при подготовке курсов "обработка спутниковой информации" и "аэрокосмические методы" для студентов специальности океанология и магистров гидрометеорологов океанологического факультета РГГМУ.

Публикации. По теме работы опубликовано 14 печатных работ, из которых 5 -статьи в ведущих рецензируемых журналах по данной тематике. Некоторые из результатов работы использованы при написании книги "Monitoring of harmful algal blooms", Lasse H. Pettersson and Dmitry Pozdnyakov, Springer-Praxis, 2013.

Структура и объем диссертации. Работа состоит из введения, 5 глав и заключения. Общий объем диссертации составляет 225 страниц; содержит 79 иллюстраций, 9 таблиц. Список литературы включает 197 библиографических ссылок, из них 177 работ из зарубежных и международных изданий.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении обоснована актуальность темы, сформулированы цели и задачи работы, отражена научная новизна и значение результатов для науки и практики, а также сформулированы основные положения, выносимые на защиту.

В главе 1 рассматриваются современные пути решения обратной задачи ДЗ водной поверхности в видимом диапазоне спектра, описываются принципы построения алгоритмов её решения. Рассмотрены алгоритмы получения по спутниковым данным дополнительной информации: температуры поверхности океана (ТПО), скорости и направления ветра. Рассмотрены характеристики современных спутниковых датчиков видимого и ИК диапазонов, данные которых использовались в работе, приведены принципы построения алгоритмов обработки спутниковых данных о цвете вод и даны конкретные примеры наиболее распространённых из них.

В нашем случае решение прямой задачи сводится к нахождению спектральной зависимости подповерхностного коэффициента отражения для дистанционного зондирования в водной среде -О) от концентраций

компонентов водной среды и их оптических свойств. Использование коэффициента -0) обусловлено тем, что он связан с определяемой по

дистанционным данным яркостью водной поверхности LW(Ä, +0, 0V, (¡к, Л) измеряемой со спутника:

R™ (-0, Л, во, <р) = T,„rfU(+0, 0V, (fK, Л) / Ed(+ 0, Л), (1)

где TSurf - фактор ослабления солнечного света при прохождении через раздел вода - воздух, Е,(+ О, Л) - освещенность водной поверхности, в„ - солнечный зенитный угол, <р - угол визирования водной поверхности спутниковым датчиком.

Подповерхностный коэффициент же отражения для дистанционного зондирования может быть параметризован через первичные гидрооптические

характеристики, определяемые непосредственно компонентами морских вод. В частности для средних широт и для характерных для них высот Солнца и вертикального визирования эффективно следующее соотношение (Jerome и др. 1989):

= - 0,00036 + 0,110(Ьь/а) - 0,0447(Ь,/а)\ (2)

I I

где а = IXа* . Ъь = ^ГсДЬД, i = 1, 2, ... I, где о* , (ЬЦ,- удельные, т.е.

I i

отнесенные к единице концентрации С,, первичные гидрооптические

характеристики (ПГХ).

В главе 2 приведена географическая характеристика БЗ. Описаны метеорологический и гидрологический, режимы, гидробиологические и гидрохимические свойства вод, охарактеризованы фитопланктон, общая взвесь и растворённое органическое вещество, а также оптические свойства вод БЗ.

В главе 3 описаны созданные нами алгоритмы обработки спутниковых данных.

В разделе 3.1 описана разработка гидрооптического алгоритма для восстановления концентраций XJI и ОВ в шельфовой зоне БЗ. Дана характеристика баз данных использованных для разработки алгоритмов.

Имея обширную базу синхронных и квази-синхронных со спутниковыми измерениями (СКС) данных in situ, включающую СКС данные со значениями из всего диапазона изменения параметров в БЗ, мы выбрали метод нейронных сетей (НО.

В НС соседние слои соединены между собой: каждый нейрон в отдельном слое соединён связью (i) с каждым нейроном следующего слоя. Каждая связь имеет вес (w), и выходное значение О каждого нейрона рассчитывается в соответствии с выражением

О =Ji-bias+J-iWiXi) (3)

где bias - специфичное для каждого нейрона значение, w, - вес связи, х, -выходное значение, получаемое по связи от предыдущего слоя (у нейронов во входном слое есть только одна входная связь и х* являются значениями выходного слоя), f - нелинейная сигмоидная функция, дающая на выходе возрастающие значения в диапазоне от 0 до 1 по мере того, как значение аргумента изменяется от до

И*)=--7-г (4)

1+ехр(—V;)

где V,- - взвешенная сумма всех сигналов на входе нейрона л.

Алгоритм обучения представляет собой процедуру, осуществляющую последовательность действий для настройки весов.

Оптимальной для наших целей оказалась конфигурация сети с 6 нейронами во входном слое, 10 и 3 нейронами в первом и втором скрытых слоях и одним нейроном в выходном слое (см. рис. 1).

Ы—.....-к......^ А- А

е,эв2. ^ у&лмз " е.чэз

0.fi05

Рисунок 1. Универсальная схема нейронных сетей, использованных в данном исследовании для восстановления концентраций XJI и ОВ.

Для настройки сети, был создан тренировочный массив данных, состоящий из векторов концентраций ХЛ и ОВ, измеренных in situ и соответствующих им спектров Rrsyt.

В разделе 3.2 описана разработка биооптических алгоритмов для идентификации и оконтуривания областей цветений L. chlorophorum.

Исходя из анализа объёма и характера имевшейся в нашем распоряжении базы дистанционных данных и измерений in situ, для автоматической идентификации L. chlorophorum были выбраны два независимых подхода: Н£ и метод, основанный на нечёткой кластеризации с-средних.

Для обучения НС алгоритма идентификации L. chlorophorum использовался подход аналогичный описанному в разделе 3.1, но в качестве данных in situ использовались результаты наземных наблюдения именно за цветениями фитопланктона L. chlorophorum.

Исходной информацией для нечёткой кластеризации основанной на с-средних является матрица наблюдений X, каждая строчка которой представляет собой результат измерения п признаков одного из М объектов кластеризации. Задача кластеризации состоит в разбиении объектов из матрицы X на несколько подмножеств (кластеров), в которых объекты более схожи между собой, чем с объектами из других кластеров. В нашем случае использовалось разбиение на два подмножества: Ь. сЫогорЪогит и не I. сЫогорЬогит.

В разделе 3.3 описаны алгоритмы, с помощью которых производились исследования цветений кокколитофора Е. Иих1еуи В рамках алгоритма на основе многомерной оптимизации Левенберга-Марквардта для определения кокколитофоров и кокколитов по данным 5еа\\^Р5 и МСШ15 мы оперируем следующими величинами: ЯГ1к(А,С,а,Ьь) - значение коэффициента отражения для дистанционного зондирования непосредственно под поверхностью воды на длине волны А,, рассчитанного по параметризации (1) для заданных значений вектора концентраций С - (С™, С™, Сров) и спектральных значений суммарного поглощения а и рассеяния назад Ъь в водном столбе, - значение коэффициента отражения для дистанционного зондирования, измеренное дистанционным датчиком на длине волны А,, параметризации (2) для заданных значений вектора концентраций С = (Сш, Ст, Сров) и спектральных значений суммарного поглощения а и рассеяния назад Ьь в водном столбе.

Вектор концентрации С наиболее близкий к реальному его значению достигается при поиске абсолютного минимума функции невязки /(С):

Г(С)=Ея)(С), (5)

где дI - величина невязки измеренного и рассчитанного коэффициентов отражения, которая может быть вычислена следующим способом:

д, =[БГ Л^.С.аДу. (6)

При поиске искомого вектора концентрации С используется следующая итерационная формула:

ск+1 = ск + к(гк'рк + /ш,;1 РкяГ!и(ск), (7)

где к - номер шага итерации, Рк = \dRrsJdCkl - матрица п х т; Рк — транспонированная матрица Рк, О - диагональ матрицы РЖ, - направление минимизации, Л - длина шага оптимизации.

Метод многомерной оптимизации отыскивает минимум функции невязки для нескольких стартовых векторов концентраций Со. В качестве окончательного решения задачи принимается вектор концентраций С, который дает наименьшее из значений функции невязки.

Для исследования многолетней изменчивости цветений Е. huxleyi с использованием всех доступных данных о цвете океана, был разработан алгоритм, который может быть применим к данным SeaWiFS. MODIS и менее совершенного датчика CZCS.

Алгоритм основан на выявлении в спектре яркости восходящего излучения водной поверхности в областях цветения Е. huxleyi характерных спектральных особенностей, с использованием которых была настроена система порогов по отношению к высоте и форме анализируемого спектра, что позволяет выделять пиксели с цветением этой водоросли.

Для получения коэффициента отражения для дистанционного зондирования, Rrs в спектральной области единственного канала видимого диапазона (580 нм — 680 нм) датчика AVHRR и выявления случаев цветения £L huxleyi, мы использовали процедуру атмосферной коррекции, предложенную в (Smyth et о/, 2004). Ввиду невысокой энергетический чувствительности датчика AVHRR имелась возможность регистрировать только факт цветения водоросли Е. huxleyi.

В главе 4 описана оценка точности разработанных нами алгоритмов восстановления ПКВ в БЗ.

В разделе 4.1 приведена оценка точности биооптических алгоритмов восстановления ПКВ: НС-алгоритмов (НСА) для восстановления концентраций XJI и ОВ в шельфовой зоне; НСА и алгоритма с-средних для идентификации L. chlorophorum.

При оценке по коэффициенту корреляции (г) и среднеквадратической ошибке (СКО), точность НС-алгоритма для ХЛ характеризуется следующими значениями: г=0,79 (СКО = 3,17 мкг/л) и г=0,72 (СКО = 2,45 мкг/л) для СКС данных SeaWiFS и MODIS, соответственно (см. рис. 2 а, б).

Точность НС-алгоритма для восстановления концентраций ОВ характеризуется следующими значениями: г = 0,71 (СКО = 2,865 мг/л) для SeaWiFS и г~ 0,74 (СКО = 2,877 мг/л) для MODIS (см. рис. 2 в, г).

О высокой точности алгоритма также говорит сравнение среднеквадратической ошибки восстановления по спутниковым данным концентрации XJI и ОВ со среднеквадратическим отклонением соответствующих наборов СКС данных in situ (табл. 1).

^10'

Е

О

о;

s =г

аз Q.

¡Ю"1

Рисунок 2. Результаты сравнения восстановления концентраций XJI алгоритмом НС для SeaWiFS (а) и MODIS (б) и концентраций ОВ, полученных алгоритмом НС для SeaWiFS (в) и MODIS (г), с измерениями in situ.

Применение алгоритма к спутниковым изображениям выявляет пространственное распределение концентраций ХЛ и ОВ (см. рис. 3). В заштрихованной части выявляются структуры, идентифицируемые НС-алгоритмом, как и следовало ожидать, как область высоких концентраций ОВ, в действительности — это области скопления кокколитов Е. huxleyi в местах

концентрация ОВ in situ, мг/л

10"1 10° ю'

концентрация ОВ in situ, мг/л

MODIS

скс пары: 361

СКО = 2,88 -з г = 0.74

цветения этой водоросли, имеющие оптические свойства, схожие с минеральной взвесью теригенного происхождения.

Таблица 1. Стандартное отклонение значений концентраций, полученных in situ. Среднеквадратическая ошибка восстановления этих значений по спутниковым данным НСА и коэффициент корреляции, г между значениями полученными in situ и восстановленными по спутниковым данным.

Параметр Датчик станд. откл. in situ ско г

ХЛ SeaWiFS 5,132 мкг/л 3,174 мкг/л 0,795

MODIS 3,494 мкг/л 2,498 мкг/л 0,720

ОВ SeaWiFS 4,049 мг/л 2,865 мг/л 0,711

MODIS 4,220 мг/л 2,877 мг/л 0,744

Результаты дистанционной идентификации L. chlorophorum (с применением НС-алгоритма (НСА) и алгоритма нечёткой классификации с-средних (АсС)) проверены по данным in situ.

В качестве примера на рисунке 4 (а, б) приведены результаты идентификации и оконтуривания цветения L. chlorophorum в море Д'Ируаз. Применение НСА и АсС для обработки этого изображения однозначно выявляет (Рис. 4.6 б) наличие области цветения.

В разделе 4.2 описано совмещение данных разных датчиков цвета океана и выявление внутригодовой изменчивости ПКВ в шельфовой зоне БЗ. Исследован вопрос соотношения значений концентраций XJI и ОВ, восстанавливаемых в одном и том же пикселе по данным датчиков SeaWiFS и MODIS. Для этого были рассмотрены все доступные данные по Б 3 за период их совместного функционирования (2002 - 2004 гг.) и выбраны случаи, для которых изображения SeaWiFS и MODIS получены с временным интервалом, не превышающим 2,5 часа.

Скатерограммы на рисунке 5 иллюстрируют расхождение между данными SeaWiFS и MODIS за 2003 год.

Был проанализирован набор статистических параметров (см. табл. 2), характеризующих совместимость значений XJ1 и ОВ, определённых в сов падающих по пространству и времени пикселях по данным SeaWiFS и MODIS.

а) б)

Рисунок 3. Среднемесячные пространственные распределения ХЛ (а) и ОВ (б) полученные НС-алгоритмом, в шельфовой зоне БЗ (июнь 2004). Данные 5еа\\'1р5.

5еа\Л/1РБ, концентрация ХЛ (мкг/я)

Беа^АРБ, концентрация ОВ (мг/л)

Рисунок 5. Скатерограммы, иллюстрирующие соответствие между результатами восстановления концентраций ХЛ (а) и ОВ (б) по данным 5еа\Л^Р5 и МСШГБ, использованным в данном исследовании. Цветовая шкала отражает значения

Рисунок 4. Пространственное распределение ХЛ (а) и область цветения Ь. сЫогорЬогит в море Д'Ируаз на 26.10.2006, выделенная с применением НСА (черная штриховка) и АсС (зелёная обасть) (б) к данным MODIS-Aqua.

десятичного логарифма числа пар данных в точке графика. Чёрная линия определяется уравнением линейной регрессии между данными БеаУ^РБ и МСЮШ.

Для каждого месяца были рассчитаны следующие статистические параметры: угловой коэффициент (Б) и свободный член (I) линейной регрессии

Хисю^=1+3-Х5еои;15-, коэффициент корреляции (г= ' " _ 2);

\ ^ I * 5еаЮР5 ~ Х 5еаМР5) 2-> [Х М0015 ~ Х МСЮ'Л I

средняя абсолютная ошибка (в %) (сжз=£ |х,;""ир5 х ш ), и

среднеквадратическая ошибка логарифмированных значений (

ско=ехгдех_ концентрацияХЛили ОВ.

Было проанализировано, как процедура слияния влияет на долю свободной от облаков области, доступной для последующего анализа.

Таблица 2. Сравнение результатов определения концентрации ХЛ и ОВ

НС- алгоритмом по данным 8еа\\^Р8 и МОШБ в БЗ и юго-восточной части пролива

Ла-Манш для 2003 г.; п = число пар пикселей собранных за период времени.

ХЛ

Месяц 5 I Я САО,% СКО, мкг/л п

Январь 0,59 0,26 0,82 7,66 1,63 760775

Февраль 0,55 0,37 0,75 14,50 1,54 677390

Март 0,68 0,37 0,79 26,19 1,53 1329593

Апрель 0,51 0,57 0,69 24,11 1,58 1414780

Май 0,75 0,35 0,79 45,83 1,68 975603

Июнь 0,93 0,21 0,81 42,88 1,70 1185436

Июль 0,85 0,25 0,82 86,38 1,98 1847563

Август 0,63 0,27 0,81 70,00 1,88 1603839

Сентябрь 0,76 0,21 0,85 47,60 1,70 2377051

Октябрь 0,49 0,29 0,70 5,14 1,72 709337

Ноябрь 0,43 0,25 0,67 -18,24 2,13 592768

Декабрь 0,60 0,14 0,81 -9,15 1,82 346962

Весь год 0,67 0,30 0,77 40,14 1,75 13821097

ОВ

Месяц в I К САО, % СКО, мг/л п

Январь 0,90 0,49 0,73 7,26 2,00 748020

Февраль 0,87 0,74 0,79 22,87 1,75 671890

Март 0,94 0,73 0,78 29,42 1,70 1326726

Апрель 0,66 0,92 0,62 24,75 1,76 1414341

Май 0,44 0,86 0,45 -2,66 2,05 975468

Июнь 0,46 1,00 0,45 6,54 2,02 1185161

Июль 0,60 0,19 0,56 -20,83 1,94 1847148

Август 0,62 0,11 0,55 -26,86 1,98 1603795

Сентябрь 0,91 0,04 0,68 -6,83 1,69 2376925

Октябрь 0,84 0,08 0,70 -11,68 1,80 709214

Ноябрь 0,99 0,14 0,81 -1,27 1,85 591365

Декабрь 1,00 0,18 0,82 4,58 1.86 346011

Весь год 0,94 0,09 0,71 -0,38 1,86 13796064

В разделе 4.3 описано временное сопряжение данных разных датчиков цвета океана и выявление на этой основе межгодовой и многодекадной изменчивости ПКВ (см. рис. 6).

2,0

I 1.0 X 0.5

0,0 ТТ^ТГТТГГГГ:Т"ГТГГТТТ

год/месяц

6,0 5,0

2 3,0

03

0 2,0

1,0

б)

год/месяц

Рисунок 6. Два частично перекрывающихся временныОх ряда среднемесячных концентраций ХЛ в мкг/л (а) и ОВ ш мг/л (б), восстановленных с помощью НС-алгоритма по данным Зеа'МРБ (1997-2004 гг) и МСЮК (2002-2009 гг), осреднённым

по всей шельфовой зоне БЗ.

С применением биооптического алгоритма оценки площади цветения кокколитофоров, отдельно была оценена площадь цветений в северной и центральной частях БЗ (пример для центральной части см. на рис. 7).

I п А -- ---МСХЛЭ —•-ЗезУЛ/РБ

............................................................................... л.____________1 \ л 1 \ 0 ........ штшш в&шк ШШ аШ$ВШ ЗШ»

л * 30000

5 § 20000 3 I

9 ¡5 юооо

с <и

ш о

^ ^^ ^^ ^^ ^^ ^С, ^Сг ^^ ^^ ^^ ^^ ^ а? § С? о' С? ¿Г с? С? о <5

дата, год/месяц

Рисунок 7. Момент возникновения и площадь цветения Е. Ъих1еу1 в центральной части БЗ. Данные Эеа'МРБ и МСШК.

В главе 5 описано синергетическое совмещение данных о характеристиках природных вод с различных спутниковых датчиков для анализа выявленной изменчивости ПКВ.

В разделе 5.1 А) проанализирована внутригодовая изменчивость ПКВ в прибрежной зоне БЗ с использованием совмещённых данных 5еа\¥ГР5-МОШ5 по среднемесячным концентрациям ХЛ и ОВ в шельфовой зоне за период 19972009 гг. Б) С помощью алгоритма идентификации цветения вредоносной водоросли Ь. сЫогорИогит (рис. 8), проанализирована пространственно-временная динамика этих цветений и возможные факторы, влияющие на развитие этих цветений.

0,4 0.3 0,2 ■ 0,1 0,0

-м. Д'Ируаз •

20022003 2004 20052006 2007 2008 2009

Г" ,..........—"

20022003200420052006 200720082009

годы

шаЯщи

Р-Адур

2002 2003 2004 20052006 2007 2008 2009 годы

р. Жиронда ! .

I

|| • !

ии 1 0,0 " УА. й

20022003 2004 20052006 2007 2008 2009 годы

Рисунок 8. Хронология цветения Ь. сЫогорНогит в различных прибрежных акваториях БЗ и в районе пролива Дерут, моря Д'Ируаз и эстуария реки Сена. На вертикальной оси - относительная площадь области, занятой цветением.

В разделе 5.2 с применением соответствующих разработанных алгоритмов (глава 3) рассмотрена временнаОя изменчивость цветений Е. Ьих1еу1. Основываясь на том, что известно об экологии Е. }шх\еу\ (Ва1сЬ, 1991; Но1^ап ее а/., 1993), для исследования межгодовой изменчивости в пелагиальной зоне БЗ было рассмотрено влияние облачности, ТПО, силы приводного ветра, поверхностных течений и поступления клеток кокколитофоров из других районов Мирового океана на возникновение цветений в центральной части БЗ, а также сделаны выводы о влиянии наиболее значимых факторов.

дата

Рисунок 9. Центральная часть БЗ, 2001 год: временной ряд значений облачности (черная линия), относительной площади цветения Е. Ьих/еу/ (столбики с заливкой) и концентрации ХЛ диатомовых водорослей (столбики со штриховкой).

Основные результаты и выводы

1. Разработан наиболее точный на данный момент оперативный алгоритм восстановления концентраций ХЛ фитопланктона и минеральной взвеси по космическим данным в видимом диапазоне электромагнитного спектра для сложных в гидрооптическом отношении вод БЗ.

2. Произведено объединение данных датчиков Зеа'М^БЗ и МСШК для составления и изучения временного ряда данных ХЛ и ОВ большой продолжительности (13 лет).

3. Разработаны оперативные высокоточные алгоритмы идентификации вредоносных цветений водорослей Ь. сМогорИогит и Е. Ъих\еу>.

4. На основе объединения данных датчиков СгСЭ, АУНИК, Беа\Л'1р5 и М001Э воссоздан и изучен временной ряд данных по цветению Е. Ьих1еу\ общей продолжительностью 30 лет.

5. Благодаря разработанным методикам извлечения из спутниковых данных информации о внутриводных процессах установлены и интерпретированы закономерности а) пространственно-временной динамики развития фитопланктона, в том числе, вредоносной водоросли L. chlorophorum в шельфовой зоне БЗ и б) временной динамики цветения кокколитофора Е. huxleyi в пелагиальной зоне БЗ.

Исследование БЗ с использованием разработанных алгоритмов показало эффективность их эффективность как перспективного инсрумента детального изучения внутриводных процессов, который обеспечивает объективную оценку параметров процессов протекающих в природных водах. Разработанные методики объединения данных с различных датчиков цвета вод позволили с одной стороны, получить ряды данных превосходящие по продолжительности время жизни одного датчика и расширить возможности анализа, а с другой, показали необходимость учёта особенностей различных датчиков даже при значительной схожести их характеристик. Такой подход комплексного анализа данных видимого диапазона с помощью набора алгоритмов восстановления различных параметров качества вод и спутниковых данных из других диапазонов электро-магнитного спектра, позволил выявить особенности особенности временных вариаций развития фитопланктонного сообщества: это периоды с высокими (1998 - 2001) и низкими концентрациями ХЛ и ОВ в 2002 - 2006 гг.) и случаи возникновения прибрежных апвеллингов в шельфовых водах БЗ, выявить различия в цветении микроводорослей L. chlorophorum и Е. huxleyi в отдельных районах БЗ и временной сделать обоснованные предположения и факторах влияющих на частоту и момент возникновения этих цветений.

Существенно, что разработанные алгоритмы и методики являются неспецифичными для конкретного региона и могут быть применены для многих районов Мирового океана.

Публикации в изданиях, рекомендованных ВАК:

1) Morozov Е. Space-borne study of seasonal, multi-year, and decadal phytoplankton

dynamics in the Bay of Biscay / E. Morozov, D. Pozdnyakov, T. Smyth, V.

Sychev, H. Grassl // International Journal of Remote Sensing. - 2013. - Vol.

34:4. - P. 1297-1331.

2) Морозов Е.А. Автоматическое распознавание и оконтуривание областей

цветения Lepidodinium Chlorophorum по данным сканирующей аппаратуры / Е.А. Морозов, О.В. Анискина, Д.В. Поздняков, JI.X. Петтерссон, В.И. Сычёв, X. Грассль // Исследование Земли из космоса. -2011. - № 2. - С. 49-59.

3) Morozov Е. A new area-specific bio-optical algorithm for the Bay of Biscay and

assessment of its potential for SeaWiFS and MODIS/Aqua data merging / E. Morozov, A. Korosov, D. Pozdnyakov, L. Pettersson, V. Sychev // Int. J. of Remote Sensing. - 2010. - Vol. 31: 24. - P. 6541 - 6565.

4) Морозов Е.А. Наблюдения из космоса многолетней пространственной

динамики биохимических переменных в Бискайском заливе / Е.А. Морозов, Д.В. Поздняков, В.И. Сычёв // Учёные записки Российского Государственного Гидрометеорологичесого Университета. — 2010. — № 14.-С. 147-161.

5) Коросов А.А. Идентификация и картирование ареалов цветения

кокколитофоров в Бискайском заливе / Коросов А.А., Морозов Е.А., Поздняков Д.В., Петтерссон Л.Х., Грассль X. // Исследование Земли из космоса. - 2009. - № 3. - С. 67-78. Публикации в других научных изданиях:

6) Морозов Е. А. Исследование сезонной и межгодовой изменчивости био-гео-

химических процессов в Бискайском заливе по спутниковым данным / Е. А. Морозов, Д. В. Поздняков // 64-я конференция профессоров, преподавателей и научных работников, С-ПбГУ, Санкт-Петербург, Россия, 25 янв. - 5 февр. 2011.

7) Morozov Е. MODIS reveals green dinoflagellate bloom in the English Channel

and the Bay of Biscay: identification algorithm and spatio-temporal analyses of the phenomenon / E. Morozov, O. Aniskina, D. Pozdnyakov, L. Pettersson, // Oceans From Space : Proceedings of symposium, Venice, Italy, 26-30 Apr. 2010.-P. 175-176.

8) Pozdnyakov, D. Observations of multi-year spatial dynamics of biochemical

variables in the Bay of Biscay from space / Pozdnyakov, D., Morozov, Eu., Pettersson, L., Sychev, V., // ESA Living Planet Symposium : Proceedings, Bergen, Norway, 28 June - 2 July 2010.

9) Морозов Е.А. Наблюдения по данным датчиков цвета океана многолетних и

сезонных изменений некоторых показателей состояния экосистемы Бискайского залива / Е.А. Морозов, Д.В. Поздняков, A.A. Коросов, В.И. Сычёв // Современные проблемы дистанционного зондирования Земли из космоса : докл. Всероссийск. конф., Москва, Россия, 15 - 19 ноя. 2010. -С. 206-207.

10) Pozdnyakov D. Seasonal dynamics of the phenomenon of massive

coccolithophore blooms across the Bay of Biscay as revealed from space / D. Pozdnyakov, A. Korosov, E. Morozov, L. Pettersson // ISRSE-33 : Proceedings, Italy, Stresa, 4-8 May 2009.

11) Морозов E. О совместимости данных датчиков SeaWiFS, MODIS и MERIS

no водам типа 2 на примере Бискайского залива / Е. Морозов, А. Коросов, Д. Поздняков, В. Сычёв // Современные проблемы дистанционного зондирования Земли из космоса : докл. Всероссийск. конф., Москва, Россия, 16 - 20 ноя. 2009.

12) Морозов Е. К вопросу о совместимости данных SeaWIFS, MODIS и MERIS

о цвете океана на примере акватории Бискайского залива / Е. Морозов, А. Коросов, Д. Поздняков // Международный симпозиум по атмосферной радиации и динамике (МСАРД-2009) : тез. докл., С.-Петербург-Петергоф, Россия, 22 - 26 июня, 2009.

13) Морозов Е.А., Восстановление параметров качества воды в Бискайском

заливе с использованием различных гидрооптических моделей / Морозов Е.А., Коросов A.A., Поздняков Д.В. // Современные проблемы дистанционного зондирования Земли из космоса : докл. Всероссийск. конф., Москва, Россия, 10 - 14 ноя. 2008.

14) Коросов A.A. Применение нейронных сетей для обработки данных датчиков SeaWiFS и MODIS по Бискайскому заливу / A.A. Коросов, Е.А. Морозов, Д.В. Поздняков // Современные проблемы дистанционного зондирования Земли из космоса : докл. Всероссийск. конф., Москва, Россия, 10 - 14 ноя. 2008.

Подписано в печать 29.04.2013г. Формат 60x84 1/16. Бумага офсетная. Печать офсетная. Усл. печ. л. 1,3. Тираж 100 экз. Заказ № 3093.

Отпечатано в ООО «Издательство "ЛЕМА"» 199004, Россия, Санкт-Петербург, В.О., Средний пр., д. 24 тел.: 323-30-50, тел./факс: 323-67-74 e-mail: izd_lema@mail.ru http://www.lemaprint.ru

Текст научной работыДиссертация по наукам о земле, кандидата физико-математических наук, Морозов, Евгений Александрович, Санкт-Петербург

МЕЖДУНАРОДНЫЙ ЦЕНТР ПО ОКРУЖАЮЩЕЙ СРЕДЕ И ДИСТАНЦИОННОМУ ЗОНДИРОВАНИЮ ИМ. НАНСЕНА

РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ ГИДРОМЕТЕОРОЛОГИЧЕСКИЙ

УНИВЕРСИТЕТ

04201454813

МОРОЗОВ Евгений Александрович

На правах рукописи

АЛГОРИТМЫ ОПРЕДЕЛЕНИЯ КОНЦЕНТРАЦИИ ХЛОРОФИЛЛА-« И ОБЩЕЙ ВЗВЕСИ И ИДЕНТИФИКАЦИИ МИКРОВОДОРОСЛЕЙ ЬЕРЮСЮШЮМ СНЮЯОРНОЯ им И ЕМШАША НиХЬЕП ПО СПУТНИКОВЫМ ДАННЫМ НА

ПРИМЕРЕ БИСКАЙСКОГО ЗАЛИВА

Специальность: 25.00.28 - Океанология

ДИССЕРТАЦИЯ

на соискание ученой степени кандидата физико-математических наук

Научные руководители: Доктор физико-математических наук, проф. Поздняков Д. В. Кандидат физико-математических наук, проф. Сычёв В. И.

Санкт-Петербург 2013

Введение 7 Глава 1 Теоретические основы построения алгоритмов восстановления характеристик природных вод и границы раздела вода-атмосфера по данным дистанционного зондирования............................................................. 18

1.1 Формирование радиометрических характеристик восходящего 19 сигнала ..........................................................................................................

1.1.1 Постановка прямой задачи дистанционного зондирования в видимом диапазоне............................................................................ 19

1.1.2 Удельные первичные гидрооптические характеристики (ПГХ)... 21

1.1.3 Вторичные гидрооптические характеристики................................ 23

1.1.4 Компоненты яркости светового сигнала, регистрируемой дистанционным датчиком................................................................. 24

1.1.5 Коэффициент отражения для дистанционного зондирования...... 25

1.1.6 Параметризация коэффициента отражения для дистанционного зондирования.................................................................................... 26

1.1.7 Основные цветообразующие компоненты водной среды и характеристики их взаимодействия с электро-магнитным излучениеим в видимом диапазоне.................................................. 28

1.2 Алгоритмы восстановления параметров качества воды......................... 38

1.2.1 Первые эмпирические алгоритмы.................................................... 38

1.2.2 Алгоритмы основанные на отношении сигналов на двух длинах волн.......................................................................................;............ 39

1.2.3 Алгоритмы, основанные на искусственных нейронных сетях...... 41

1.2.4 Алгоритмы идентификации типов водорослей............................. 42

1.2.5 Объединение данных с различных датчиков цвета океана........... 44

1.3 Алгоритм восстановления температуры поверхности воды................. 46

1.4 Алгоритм восстановления скорости и направления приводного ветра .. 47

1.5 Краткая характеристика датчиков, использованных в диссертационном исследовании................................................................ 48

1.6 Выводы к главе 1......................................................................................... 52

Глава 2 Общая характеристика Бискайского залива..................................................... 53

2.1 Географическое описание.......................................................................... 53

2.1.1 Батиметрия........................................................................................ 53

2.2 Климат.......................................................................................................... 55

2.3 Метеорологический режим........................................................................ 56

2.3.1 Ветровые условия............................................................................. 56

2.3.2 Осадки................................................................................................ 56

2.3.3 Облачность........................................................................................ 57

2.4 Гидрологический режим региона.............................................................. 58

2.4.1 Основные черты поля течений........................................................ 61

2.4.2 Характерные водные массы............................................................. 65

2.4.3 Волновой режим............................................................................... 65

2.4.5 Приливы............................................................................................. 67

2.4.6 Апвеллинги........................................................................................ 67

2.4.7 Сток рек............................................................................................. 68

2.5 Гидробиология и гидрохимия.................................................................... 70

2.5.1 Фитопланктон.................................................................................... 70

2.5.2 Общая взвесь..................................................................................... 72

2.5.3 РОВ.................................................................................................... 75

2.5.4 Оптические характеристики БЗ....................................................... 75

2.6 Выводы к главе 2......................................................................................... 77

Глава 3 Разработка биооптических алгоритмов восстановления параметров

качества воды по данным спутниковых датчиков цвета океана для

шельфовой и открытой акваторий БЗ............................................................... 78

3.1 Биооптический алгоритм для восстановления концентраций ОВ и ХЛ 79 фитокомплекса вегетирующего в шельфовой зоне БЗ............................

3.1.1 Характеристика баз используемых данных ................................... 79

3.1.2 Разработка специализированного нейронно-сетевого алгоритма для восстановления концентраций ХЛ и ОВ в шельфовой зоне

БЗ........................................................................................................ 83

3.2 Биооптические алгоритмы для идентификации и оконтуривания

областей цветений Lepidodinium chlorophorum.................................. 94

3.2.1 Характеристика данных in situ по цветениям L. chlorophorum .... 95

3.2.2 Нейронно-сетевой биооптический алгоритм................................. 95

3.2.3 Биооптический алгоритм, основанный на нечёткой логике с-средних........................................................................................... 97

3.2.4 Вспомогательный биооптический алгоритм для идентификайии цветений L. chlorophorum................................................................. 101

3.3 Биооптические алгоритмы для исследования цветений Emiliania

huxleyi........................................................................................................... 104

3.3.1 Биооптический алгоритм определения концентрации кокколитофоров и кокколитов по данным SeaWiFS и MODIS...... 104

3.3.2 Биооптический алгоритм идентификации областей цветения Е. huxleyi по данным SeaWiFS и MODIS............................................ 113

3.3.3 Биооптический алгоритм идентификации областей цветения Е. huxleyi по данным CZCS................................................................... 115

3.3.4 Биооптический алгоритм идентификации областей цветения Е. huxleyi по данным AVHRR............................................................... 116

3.4 Выводы к главе 3......................................................................................... 118

Глава 4 Применение алгоритмов восстановления параметров качества воды (ПКВ)

в Бискайском заливе........................................................................................... 120

4.1 Оценка точности биооптических алгоритмов восстановления ПКВ...... 120

4.1.1 Оценка точности НС-алгоритмов для восстановления концентраций XJI и OB в шельфовой зоне БЗ................................ 120

4.1.2 Оценка точности НС- алгоритма и алгоритма с-средних для идентификации L. chlorophorum...................................................... 133

4.2 Совмещение данных разных датчиков цвета океана и выявление

внутригодовой изменчивости ПКВ в шельфовой зоне БЗ...................... 137

4.2.1 Сравнение результатов восстановления концентраций ХЛ и OB,

полученных по данным SeaWiFS и MODIS................................... 137

4.2.2 Оценка эффективности слияния данных SeaWiFS и MODIS для

БЗ........................................................................................................ 146

4.2.3 Совмещение данных SeaWiFS и MODIS по цвету океана в пределах шельфовой зоны БЗ.......................................................... 150

4.3 Временное сопряжение данных разных датчиков цвета океана и выявление на этой основе межгодовой и многодекадной изменчивости ПКВ в БЗ...................................................................................................... 153

4.3.1 Шельфовая зона................................................................................ 153

4.3.2 Пелагиальная зона............................................................................ 155

4.4 Выводы к главе 4......................................................................................... 161

Глава 5 Синергетическое совмещение данных о характеристиках природных вод с

различных спутниковых датчиков для анализа выявленной внутригодовой

и межгодовой изменчивости ПКВ в Бискайском заливе................................. 163

5.1 Шельфовая зона.......................................................................................... 163

5.1.1 Внутригодовая изменчивость полей концентраций ХЛ и ОВ в шельфовой зоне БЗ......................................................................

5.1.2 Межгодовая изменчивость полей концентраций ХЛ и ОВ с шельфовой зоне БЗ......................................................................

5.1.3 Внутригодовая изменчивость цветений Ьер1йо(Итит

chlorophorum в шельфовой зоне БЗ................................................. 177

5.1.4 Межгодовая изменчивость цветений Lepidodinium chlorophorum

в шельфовой зоне БЗ........................................................................ 180

5.2 Пелагиальная зона БЗ....................................................................... 182

5.2.1 Исследование внутригодовой изменчивости цветений Emiliania huxleyi в пелиагиальной зоне БЗ...................................................... 182

5.2.2 Исследование факторов контролирующих внутригодовое развитие цветений Emiliania huxleyi в пелагиальной зоне БЗ...... 186

5.2.3 Межгодовая изменчивость цветений Emiliania huxleyi в пелагиальной зоне БЗ....................................................................... 189

5.3 Выводы по главе 5....................................................................................... 198

Заключение......................................................................................................................... 200

5

Список используемых сокращений Список использованной литературы

ВВЕДЕНИЕ

Одним из важнейших аспектов проблемы экологии водных бассейнов является вопрос о тенденциях развития фитопланктона - совокупности свободно плавающих растительных организмов, населяющих поверхностный слой водной толщи пресных и морских водоёмов.

Пристальное внимание к фитопланктону объясняется присущей ему способностью многообразно и глубоко влиять на экологический режим среды обитания, а в конечном счёте и на глобальную экологическую обстановку. Являясь основным источником питания зоопланктона, фитопланктон представляет собой важнейшее звено в трофической цепи водоёмов. Большое содержание жиров, углеводов, белков, а в некоторых случаях и витаминов делают фитопланктон весьма перспективным с точки зрения его переработки в пищу человека. Фитопланктон оказывает значительное влияние на регуляцию химических и оптических свойств среды обитания. Благодаря способности фиксировать азот фитопланктон обогащает водную среду соединениями этого элемента, атмосферу и Мировой океан - продуктом фотосинтеза - кислородом. Некоторые виды фитопланктона могут поглощать растворённые органические вещества, увеличивая тем самым прозрачность вод. Существуют популяции фитопланктона, способствующие самоочищению водоёмов и биофильтров на очистных сооружениях. Поскольку для каждой группы фитопланктона характерны присущие только ей физико-химические и гидрологические условия среды обитания, она имеет свою область распространения. Фитопланктон может служить индикатором течений, апвеллингов, даунвеллингов, и его можно использовать в качестве биоиндикатора для районирования морей. Благодаря био-флуоресценции и звукорассеивающим свойствам слоёв популяций фитопланктона, индикация последнего широко используется в гидролокации и эхолотировании, в том числе при поиске высокопродуктивных районов Мирового океана.

С фитопланктоном нередко связаны и определённые негативные явления: в соответствующих условиях (особенно в периоды «цветения воды») значительно снижается прозрачность воды, отмечается гибель рыб, нарушается работа очистных

сооружений и предприятий целлюлозно-бумажной промышленности. В результате выделения фитопланктоном специфических ароматических веществ вода в водоёме приобретает самые разнообразные привкусы и запахи и нередко становится практически непригодной для питья. Фитопланктон может быть причиной заморов рыб из-за снижения концентрации растворённого кислорода в воде (при разложении фитопланктона) и выделения токсинов (в процессе метаболизма или распада фитопланктона). Существуют также ядовитые виды фитопленктона. Во время «красных» приливов отмечается массовое отравление рыб. Использование же такой рыбы в пищу домашним животным и скоту вызывает их гибель.

Разумеется, на этом не исчерпываются все последствия присутствия фитопланктона в водных бассейнах. В действительности они значительно многообразнее и обнаруживают многочисленные глубинные обратные связи, превращая этот казалось бы частный вопрос в одну из актуальнейших проблем современной экологии.

Актуальность.

Бискайский залив (БЗ) является важным экологическим и промышленным объектом. Экосистема пелагиальной части залива является местом обитания многочисленных видов китов и дельфинов, а также более сотни видов промысловых рыб, таких как тунец, сардина, макрель и ряда ценных эстуарийных видов рыб. (Treguer, 1979; 2000; ICES, 2008; ICES, 2010). Однако народно-хозяйственное значение БЗ не ограничивается исключительно промышленным рыболовством: здесь получили широкое развитие туризм, аквафермерские хозяйства, судоходство, добыча песка и гравия, а также разработки по получению волновой, приливной и ветровой электроэнергии. (OSPAR Commission, 2000).

Прибрежная зона имеет высокую и неуклонно возрастающую плотность населения: она возросла в прибрежной полосе, шириной 10 км от Бретани до французско-испанской границы, с 111 чел./км2 в 1962 до 141 чел./км2 в 1990 (OSPAR Commission, 2000).

Здесь располагаются разнообразные промышленные предприятия и активно ведётся

сельское хозяйство, интенсивность которого также неуклонно возрастает (OSPAR Commission 2000).

С возрастанием общей антропогенной нагрузки на БЗ усиливается влияние на трофический статус этой акватории и светового климата в водном столбе. Эти изменения оказываются самым непосредственным образом связанными между собой: продуцирование микроводорослями, как фототрофными растительными организмами, регулируется в значительной степени доступностью световой энергии в водном столбе. В прибрежных водах важным регулятором светового режима является взвесь, прежде всего (по своему массовому соотношению) терригенного происхождения. Следовательно, для более полного понимания процессов, происходящих в водной экосистеме на её нижнем уровне, необходимо уметь оценивать и содержание терригенной взвеси и её влияния на перенос солнечного изучения в водном столбе.

К этому следует добавить, что в последние годы всё большее внимание начинают привлекать и учащающиеся случаи массового развития вредоносных водорослей, происходящие как в прибрежной, так и в центральной части БЗ.

Таким образом, слежение за экологическим состоянием прибрежной зоны БЗ и его изменением имеют важное значение для прибрежных стран и его мониторинг представляет интерес с многих точек зрения.

Однако ввиду большой площади БЗ традиционный мониторинг с научно-исследовательских судов и стационарных станций не в состоянии адекватно справляться с этой задачей. В этом отношении спутниковые дистанционные системы, и прежде всего те, которые оперируют в видимом диапазоне электро-магнитного спектра, оказываются в этом отношении наиболее предпочтительными. Это в свою очередь означает, что требуются соответствующие инструменты-алгоритмы для выделения и количественной оценки искомой информации из интегрального светового сигнала, выходящего из-под поверхности воды и воспринимаемого спутниковым датчиком.

Прибрежные воды БЗ являются примером оптически очень неоднородного водного объекта, что, естественно, представляет серьёзное затруднение для разработки

адекватного био-оптического алгоритма, для обработки спутниковых данных о цвете океана, и последующего анализа/сравнения результатов восстановления параметров качества воды (ПКВ).

До настоящего времени отсутствовали достаточно точные методы и биооптические алгоритмы, которые позволили бы, по-возможности, комплексно исследовать со спутников указанную совокупность проблем экосистемы БЗ, хотя бы даже на низшем трофическом уровне (НТУ).

В свете сказанного выше разработка и реализация такого рода алгоритмов представляется чрезвычайно своевременной задачей.

В силу сложнейших прямых и обратных связей между биологическими и геофизическими процессами, на повестку дня выдвинута задача синергетического исследования спутниковой информации в разных спектральных интервалах.

Наконец, сложные погодные и метеорологические условия характерны для региона БЗ, частая облачность в зимний период настоятельно выдвигает задачу совмещения спутниковых данных аналогичного предназначения.

Для выявления истинных причинно-следственных связей, обуславливающих активную и сложную по своей природе динамику био-геохимиических процессов в БЗ, необходимы по-возможности протяжённые ряды данных по которым можно было бы судить и о возможной роли происходящий климатических сдвигов.

В данной диссертационной работе мы постарались как можно более полно решить упомянутые выше задачи.

Выясняется, что искомые решения лежат в плоскости гармоничного сочетания собственно гидробиологических аспектов проблемы и современных и современных физико-математических подходов позволяющих решение этих заведомо некорректных задач столь характерных для живой природы.

Цель исследования.

Создание биооптических алгоритмов, позволяющих выявить характерные особенности состояния и динамики экосистемы БЗ на низшем уровне её трофической

структуры и их связи с внутриводными и гидрометеорологическими процессами.

При этом решались следующие задачи:

1 Разработка алгоритма определения концентраций хлорофилла-а (.ХЛ) и об�