Разработка и применение процедуры комплексного дистанционного зондирования для исследования внутриводных процессов в морях и крупных озерах

Коросов, Антон Андреевич

Бесплатный автореферат и диссертация по наукам о земле на тему
Разработка и применение процедуры комплексного дистанционного зондирования для исследования внутриводных процессов в морях и крупных озерах
ВАК РФ 25.00.28, Океанология

Автореферат диссертации по теме "Разработка и применение процедуры комплексного дистанционного зондирования для исследования внутриводных процессов в морях и крупных озерах"

На правах рукописи КОРОСОВ АНТОН АНДРЕЕВИЧ

Р " " 1 М

" ¿С'!/

РАЗРАБОТКА И ПРИМЕНЕНИЕ ПРОЦЕДУРЫ КОМПЛЕКСНОГО ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ДЛЯ ИССЛЕДОВАНИЯ ВНУТРИВОДНЫХ ПРОЦЕССОВ В МОРЯХ и КРУПНЫХ ОЗЕРАХ

Специальность: 25.00.28 - океанология

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук

Санкт-Петербург 2007

003069791

Работа выполнена в Международном центре по окружающей среде и дистанционному зондированию им Нансена

Научный руководитель

доктор физико-математических наук проф Поздняков Дмитрий Викторович

Официальные оппоненты

доктор технических наук Бузников А А,

кандидат физико-математических наук Сычев В И

Ведущая организация

Институт водных проблем Севера Российской Академии Наук

Защита состоится 22 мая 2007 в 12 00 на заседании диссертационного совета Д 212 197 02 при Российском Государственном Гидрометеорологическом Университете по адресу

195196, Россия, Санкт-Петербург, Малоохтинский проспект 98

С диссертацией можно ознакомиться в научной библиотеке Российского Государственного Гидрометеорологического Университета

Автореферат разослан 20 апреля 2007

Ученый секретарь диссертационного совета доктор географических наук,

проф Воробьев В Н

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

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.

1 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

2 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

3 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

4 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

Пробтема снижения объема спутниковых данных за счет экранирования облачным покровом впервые решена с использованием процедуры временной

интерполяции

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

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, Spam, 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 8th 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 Ионовазав 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 JIП Бобылеву, директору Центра по окружающей среде и дистанционному зондированию им Нансена проф О М Йоханнессону, г-ну Л X Петтерссону (NERSC, Берген, Норвегия), проф X Грасслу (ZMAW, Гамбург, Германия), а также доктору Р Доерферу (GKSS, Гамбург, Германия) Автор отмечает

поддержку фонда ШТАБ в рамках фанта "ГКТАБ У8 04-83-3533" Автор благодарен Коросову А В и Калинкиной Н М за моральную поддержку и помощь при работе над текстом диссертации

И. ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении обоснована актуальность темы и проанализирована изученность вопроса, 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 рассматривается постановка прямой задачи дистанционного зондирования водной поверхности в видимом и ИК диапазонах спектра

Решение прямой задачи ДЗ в видимом диапазоне используется при решении обратной задачи, то есть в алгоритме восстановления параметра качества воды по спутниковым данным В нашем случае решение прямой задачи сводится к нахождению спектральной зависимости коэффициента отражения для дистанционного зондирования в водной среде -0) 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 ¿»(Я, +0, 6>„ Л)-

Яы (-0, Я, в0, <р) = в„ ^ Я)/Е/+0, Л), (1)

где Ты^- фактор ослабления солнечного света при прохождении через раздел вода - воздух, Е/+0, Л) - освещенность водной поверхности, в0 - солнечный зенитный угол, (р — угол визирования водной поверхности спутниковым датчиком.

Оптические свойства естественных водоемов определяются наличием в водной среде растворенных и взвешенных веществ, живых организмов, пузырьков газов и микротурбулентных неоднородностей К основным цветообразующим компонентам (ЦОК) относят воду как таковую, хлорофилл фитопланктона (хл), минеральную взвесь (мв) и растворенное органическое вещество {ров) Первичные гидрооптические характеристики (коэффициенты поглощения я, обратного рассеяния Ьь и др), являются свертками оптических свойств ЦОК и обладают свойствами аддитивности Если ввести удельные, т е отнесенные к единице концентрации С,, первичные гидрооптические характеристики (ПГХ) - а,, Ъь„ то

а = ¿с,*.', Ъь^Сй , / = 1,2, /, (2)

где г — индекс ЦОК

Совокупность спектральных значений коэффициентов а и Ъь для основных цветообразующих компонент характерных для некоторого водоема составляет гидрооптическую модель этого водоема

Коэффициент отражения для дистанционного зондирования в водной среде .(—О, А, 90, <р) является вторичной гидрооптической характеристикой, которая характеризует не только оптические свойства водной среды, но и свойства поля яркости света, распространяющегося в водной среде Коэффициент Rrm(Ä, -0) определяется на горизонте сразу под поверхностью воды Исследования методом Монте-Карло показали, что зависимость л, -0) от солнечного зенитного угла (0О) и угла визирования водной поверхности спутниковым датчиком (<р) проявляется слабо, а зависимость этого коэффициента от ПГХ для широкого диапазона условий освещения и визирования гладкой водной поверхности, может быть параметризована следующим образом

Rrsv(-0, Л) = - 0 00036 + 0 110(Ьь(Л)/а(Л)) - 0 0447(Ьь(Л)/а(Л))2 (3) Таким образом, при наличии гидрооптической модели (те спектральных сечений коэффициентов а и Ъь для каждого компонента водной среды) появляется возможность рассчитать спектральные значения R^ для любого набора концентраций ЦОК

В разделе 1.2 рассматривается постановка прямой задачи дистанционного зондирования водной поверхности в ИК диапазоне, которая сводится к установлению зависимости интенсивности электромагнитного излучения от температуры поверхности воды и ее излучательной способности

В главе 2 рассматриваются характеристики современных спутниковых датчиков видимого и ИК диапазонов, данные которых использовались в работе В разделе 2.1. описываются современные пути решения обратной задачи дистанционного зондирования в видимом диапазоне Показано, что стандартные алгоритмы обработки спутниковых данных ведуших космических агентств (NASA, ESA) неприменимы при исследовании прибрежных вод и внутренних водоемов в силу их оптической сложности, что вынуждает разрабатывать в этих целях более сложные алгоритмы

В разделе 2.2. обобщены методы расчета температуры поверхности воды и рассмотрены факторы, уменьшающие точность расчетов На основе данных подспутниковых измерений показано, что значения температуры поверхности (Тп) вод Белого моря, рассчитанные по спутниковым данным с помощью стандартных алгоритмов, отличаются от данных синхронных контактных наблюдений в среднем на 5%, что позволяет использовать стандартные алгоритмы NOAA при обработке данных дистанционного зондирования в ИК диапазоне для исследования акваторий Белого моря и Ладожского озера

В главе 3 описаны созданные нами алгоритмы обработки спутниковых данных

В разделе 31 дается описание метода многомерной оптимизации Левенберга-Марквардта (ЛМ) и метода нейронных сетей (НС), которые использованы в оперативном алгоритме восстановления параметров качества

воды

В рамках метода ЛМ мы оперируем следующими величинами Rm(\C,a.bt) - значение коэффициента отражения для дистанционного зондирования непосредственно под поверхностью воды на длине волны Xt, рассчитанного по формулам параметризации (2-3) для заданных значений вектора концентраций С = (Сх„ Сш, Сров) и спектральных значений суммарного поглощения а и рассеяния назад Ьь в водном столбе, 5, - значение коэффициента отражения для дистанционного зондирования, измеренное дистанционным датчиком на длине волны

Оптимальный вектор концентрации С достигается при поиске абсолютного минимума функции невязкиХС)

ЛС) = 2>;(С), (4)

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

gj=fSj-RmQs,,C,a,bb)] (5)

При поиске оптимального вектора концентрации С используется следующая итерационная формула

С*,, - Ск + h(FkFk + fbDf' FkRm(C0, (6)

где к - номер шага итерации, Fk = оНплг/оСк\ - матрица п х т, F'k -транспонированная матрица Fk, D - диагональ матрицы FkFk, ¡хк - направление минимизации, Х- длина шага процедуры оптимизации

С целью уменьшения вероятности получения неадекватного результата, метод многомерной оптимизации отыскивает минимум функции невязки для нескольких стартовых векторов концентраций С0, что существенно увеличивает время расчетов В качестве окончательного решения задачи принимается тот вектор концентраций С, который дает наименьшее из полученных минимальных значений функции невязки

Нейронная сеть представляет собой совокупность нейронов, аксонов и сигналов Сигнал в нашем случае - это число, которое передается от одного нейрона к другому, а нейрон - сигмоидная функция, трансформирующая входной сигнал в выходной Связь между двумя нейронами, представляющая аксон, численно задается как вес сигнала На начальном этапе НС тренируется для настройки весов входных сигналов каждого нейрона

В разработанном нами алгоритме количество нейронов во входном слое было выбрано равным числу спектральных каналов спутникового датчика, в первом внутреннем слое было 18 нейронов, во втором внутреннем слое - 6 нейронов, выходной слой содержал 3 нейрона по числу искомых ЦОК Для настройки сети, которая восстанавливает вектор концентраций, был создан тренировочный массив данных, состоящий из 2000 векторов концентраций ЦОК С и соответствующих им спектров , рассчитанных по формулам (2-3)

и с применением гидрооптических моделей, разработанных для ряда мезотрофных водоемов

В разделе 3.1.3. зависимость точности и скорости работы алгоритмов JIM и НС от наличия шума во входных данных, от величины искомых концентраций, от выбора функции невязки и от архитектуры сети исследуется в ходе численных экспериментов Был создан массив из 360000 векторов концентраций хл, мв и ров, которые были равномерно распределены случайным образом в следующих диапазонах СХ7 = 0-50 мкг/л, См„ = 0-20 мг/л и Сров = 020 мгС/л С помощью соотношения (2) и параметризации (3) по векторам концентраций ЦОК были рассчитаны спектральные значения коэффициента отражения для дистанционного зондирования под поверхностью воды Rr„ для 6 длин волн 412, 443, 490, 510, 590, 670 нм (положение каналов SeaWiFS) Для расчета значений RmQ.) была использована гидрооптическая модель Ладожского оз, которое является типичным представителем мезо-олиготрофного внутреннего водоема со сложными гидрооптическими свойствами Имитация измеренного коэффициента отражения для дистанционного зондирования S производилась путем добавления шума к значениям Rnw по следующей формуле

где р - случайное число в диапазоне -1 1, и - уровень добавляемого шума В наших экспериментах в модельные данные добавлялся шум на уровнях 0, 5, 10 и 15%, что соответствует среднему уровню шумов обусловленных неточной атмосферной коррекцией данных дистанционного зондирования видимого диапазона

Спектральные значения 5 подавались на вход процедуры многомерной оптимизации или нейронных сетей для восстановления вектора концентраций С. Разница между модельными (С„) и восстановленными (Св) концентрациями использовалась для расчета абсолютной (га) и относительной (г^) точности алгоритма

При обработке модельных данных с нулевым шумом ошибка восстановления концентраций ЦОК алгоритмом ЛМ зависит только от ошибки компьютерных вычислений и составляет 0 1 % При таких же условиях точность нейронных сетей меньше для значений СХ1, С„„ и Сро,, в диапазонах от 0 до 5 мкг/л, мг/л и мгС/л соответственно, ошибка восстановления составляет 50±30%, а для более широкого диапазона С„, С„„ и Сров (от 5 до 25 соответствующих единиц) - 14±3% При добавлении 15-процентного шума точность алгоритма ЛМ и, особенно, алгоритма НС падает Многомерная оптимизация при этом работает с 15% ошибкой, а нейронные сети для

5=(1 +vp)R,

(7)

= с. -С.

С. - С ¿V, = -—z8

(8) (9)

широкого диапазона концентраций дают ошибку 40±15% При добавлении шума, интенсивность которого растет с уменьшением Я, ошибка восстановления увеличивается в 2-3 раза

Наша реализация алгоритма НС, предназначенная для оценки концентраций ЦОК в широком диапазоне (0 < Сх7 < 50 мкг/л, 0 < Смв < 30 мг/л, 0 < С,», <30 мг/л), дает наибольшую относительную погрешность при восстановлении малых значений См в диапазоне 0-5 мкг/л Была создана «специализированная» узкодиапазонная сеть, которая обучалась для диапазона Сх7 0-5 мкг/л, при этом два другие вещества варьируют в широких пределах Точность такой сети в 3-5 раз выше, чем широкодиапазонной

Оценка скорости работы разработанных нами алгоритмов JIM и НС в ряде численных экспериментов показала, что алгоритму ЛМ для достижения значения _ДС) = 10'8 ср"2 при котором обеспечивается точность восстановления на уровне 5%, необходимо менее 100 итераций и достаточно 400 стартовых векторов Со Время обработки одного вектора S при этом составляет 0 07±0 04 сек (процессор Intel Pentium 2 7 ГГц) Скорость работы нейронной сети практически не зависит от ее архитектуры или «специализации» и составляет десятитысячные доли секунды на один спектр S

3 1.4 Комбинированный алгоритм. С целью объединения более высокой точности и устойчивости алгоритма ЛМ ко входному шуму с высокой скоростью работы алгоритма НС был создан комбинированный био-оптический алгоритм одновременного восстановления концентраций хлорофилла, минеральной взвеси и растворенной органики В комбинированном алгоритме на первом этапе применяется нейронная сеть, которая с высокой скоростью позволяет получить приблизительную оценку вектора концентраций Снс= {СХ7, C«, Сроа) с точностью 30%, что позволяет сузить диапазон дальнейшего поиска до ±0 3 Сне На втором этапе итеративный поиск искомого вектора концентраций с большей точностью производится процедурой Левенберга-Марквардта в суженном диапазоне Как показывают наши численные эксперименты, в комбинации с НС алгоритму ЛМ для достижения искомой точности восстановления необходимо только 15 стартовых значений Со, что увеличивает скорость восстановления в 25 раз

Дополнительной инновацией является снабжение комбинированного алгоритма двумя блоками оценки качества входных спутниковых данных, в основу которых положены результаты численного решения прямой задачи ДЗ, рассмотренной в разделе 1 1 Функция первого блока состоит в выявлении аномалий спектрального распределения Rrm, вызванных неточной атмосферной коррекцией Описываемый блок алгоритма анализирует спектральный ход кривой первой производной Rr™Q>-) и помечает спектры R^wс провалом в синей области и отрицательные значения Rrn в голубой области как не отвечающие

оптическим свойствам вод типа 2 и, следовательно, непригодные к использованию

Функция второго блока алгоритма состоит в поиске пикселей, для которых используемая гидрооптическая модель является явно неприменимой Такая ситуация может возникнуть, если в зондируемом столбе воды содержатся ЦОК, спектральные сечения поглощения и рассеяния которых не описываются используемой моделью Если после оптимизации значение функции невязки j{C) превышает 10'5 ср2, такие пиксели не используются

Использование этих двух блоков приводит к уменьшению общего объема доступной спутниковой информации на 10-20%, тем не менее, качество получаемых данных в среднем оказывается существенно выше

3.1.5 Проверка работоспособности алгоритма по данным in situ измерений. Точность восстановления Сх„ Смв и Срш при помощи разработанного нами комбинированного алгоритма была проверена при сравнении концентраций ЦОК, измеренных в ходе экспедиций в Белом море (Онежский залив), Финском заливе (восточная часть), оз Мичиган (восточная прибрежная зона) и оз Эри и рассчитанных по синхронным спутниковым данным с датчиков SeaWiFS (Sea Viewing Wide Field Sensor) или MODIS (Moderate Resolution Imaging Spectrometer)

Непосредственно измеренные и восстановленные по спутниковым данным концентрации ЦОК для указанных акваторий в целом хорошо согласуются (рис 1) Корреляция между измеренными и восстановленными значениями ЦОК составляет R = 0 84 для хл, 0 63 для мв и 0 74 для ров Средняя относительная ошибка Сх, < 2 мкг/л составляет 50±30%, а для больших значений Сх, - 20±17% Абсолютная ошибка при восстановлении малых значений Сх, в среднем не превышает 1 5 мкг/л, а при восстановлении больших концентраций достигает 4 мкг/л При восстановлении значений CVf0 в диапазоне 0 5-10 мг/л и Сроя - от 10 до 40 мгС/л средняя относительная ошибка составляет 30±20%, а абсолютная - 0 1 мг/л для мв и 1 8 мгС/л для ров При расчете меньших концентраций средняя относительная ошибка достигает 50±25%, а значения абсолютной ошибки составляют 1.5 мг/л для мв и 8 мгС/л для ров

Некоторые сравниваемые пары концентраций резко выделяются тем, что измеренное значение значительно отличается от рассчитанного, при этом ошибка восстановления может доходить до 100% (рис 1) Существует несколько причин таких отклонений Во-первых, пространственное разрешение контактных и дистанционных методов различаются на порядки Во-вторых, для использованных данных время отбора пробы не совпадает абсолютно точно со временем пролета спутника, следовательно, гидрооптическая ситуация за время отставания измерения могла измениться В-третьих, неизбежны погрешности, связанные с процедурой отбора проб и последующим лабораторным определением концентраций веществ, которые могут достигать 30% В-четвертых, низкая точность атмосферной коррекции спутниковых данных при зондировании внутренних водоемов и прибрежных морских зон

В-пятых, отсутствие гидрооптических моделей, разработанных для конкретных зондируемых акваторий

Учитывая результаты численных экспериментов и проверок по судовым данным, мы даем следующие оценки точности нашего алгоритма при обработке реальных космических снимков

• при восстановлении концентраций хлорофилла, минеральной взвеси и растворенной органики в диапазонах 0-3 мкг/л, 0-1 мг/л и 0-5 мгС/л, ошибка не превышает 100%,

• при восстановлении ЦОК в диапазонах 3-30 мкг/л, 1-20 мг/л и 5-40 мгС/л, ошибка не превышает 50%

Приведенные оценки являются результатом усреднения по данным двух спутников и ряда водоемов отличающихся по своими гидрооптическими свойствами Таким образом, разработанный нами алгоритм пригоден для обработки данных с разных спутников «цвета океана» по разным водным объектам, при условии наличия адекватной гидрооптичекой модели

(_,

Е 12

„ 10

—* S

5" 6

5 10 15

Си msrtu,[MKr/ii)

jE - 6

С El Sltll,[MKr/jl]

10 20 jO

С pot m situ,[MKr/ji]

Рис 1 Сравнение концентраций хл, мв и ров, измеренных in situ и восстановленных по соответствующим значениям Rm(k) по данным ДЗ ряда акваторий, перечисленных в тексте

Для обработки космических снимков комбинированный алгоритм был реализован на языке С++ в виде программы boreali (Вю-Optical REtneval ALgorlthm), которая читает исходные спутниковые снимки в формате HDF, проводит геометрическую коррекцию снимков, восстанавливает концентрации ЦОК в каждом пригодном пикселе снимка и сохраняет результаты восстановления в бинарных файлах

25 июня 10 августа ¡Оеентября

Рис. 2, (цветная вставка). Пространственные распределения ((мкг/л), С, (мгС/Д), С '„„ (мг/л) и Тц (г, ПС) полученные процедурой интерполяции на несколько да!: 25 июня, 10 августа и 10 сентября.

Июль

Август

Рис. 5, (цветная нетавка). Усредненные за период (1998-2004 гг.) среднемесячные распределения Ся> (мкг/л ),()„„ (мгС/л), С« (мг/л) и Тц (г, °С) по акватория Белого моря ча три месяца вегетационного периода май, июль, сентябрь, полученные по спутниковым данным.

___

Раздел 3 2 посвящен методам обработки серий космических снимков для решения проблемы снижения качества и объема спутниковых данных за счет экранирования водной поверхности облаками Предложено два способа решения этой проблемы

В рамках первого способа для получения непрерывных распределений концентраций ЦОК и Тц по акватории изучаемого водного объекта в каждом пикселе находились их среднемесячные значения, при этом использовались все космические снимки, полученные в этот месяц над исследуемым объектом

Для получения дистанционных данных высокого разрешения по пространству (от 0 1 до 10 км) и по времени (от 1 до 20 дней) впервые была применена процедура временной интерполяции В ее рамках акватория водного объекта равномерно разбивается на ячейки размером 1x1 км В каждой ячейке г поведение исследуемой переменной^,(с) описывается функцией вида

У.{0 = " о + 1>/у (10)

где ( — время, а0, - коэффициенты полинома и п — степень полинома Коэффициенты уравнения (10) рассчитываются по данным со всех космических снимков Беа^АБЗ (данные 1998-2004 гг) или МОО!5 (данные 2002-2004 гг ), сделанных над объектами нашего исследования за весь период мониторинга При расчете коэффициентов а} в некоторой ячейке г используются данные только тех пикселей, которые находятся на расстоянии меньше 2 км от ее центра

Установленная таким образом функция позволяет рассчитать значение переменной у,{{) в ячейке г любой момент времени, в нашем случае - с 1 мая по 31 сентября Совокупность функций во всех ячейках позволяет строить ежедневные поля распределения >•(/) по всей акватории изучаемого водного объекта Процедура интерполяции была полностью автоматизирована и реализована в виде программы на языке С++

Для изучения межгодовых изменений экосистем Белого моря и Ладожского озера акватории водных объектов разделялась на несколько участков по их характерным свойствам (батиметрия, водные массы, гидрологический режим и др) согласно классической схеме районирования этих водоемов Для каждого из таких участков с использованием всех доступных спутниковых данных с помощью разработанного нами алгоритма был рассчитан тренд изменения интересующих нас параметров (например, концентрации ЦОК или Тп) По уравнению тренда рассчитывались значения концентраций в первый и в последний годы наблюдений и определялась относительная разность между этими показателями Такой подход к оценке многолетних изменений применим только в том случае, если уравнение регрессии найденного тренда оказывается статистически значимым, то есть

межгодовая изменчивость оказывается мала по сравнению с многолетним изменением, что было подтверждено для исследованных нами объектов

В разделе 3 3 рассмотрены источники дополнительных метеорологических и спутниковых данных по Белому морю и Ладожскому озеру находящиеся в свободном доступе в сети Интернет

В разделе 3 4. предложена общая схема методики комплексного анализа данных дистанционного зондирования, которая обеспечивает комбинированный анализ спутниковых данных видимого и ИК диапазона, данных численного моделирования и контактных данных, что расширяет аналитические возможности спутниковых методов и приводит к адекватной интерпретации данных космического наблюдения

В главе 4 исследуются биотические и абиотические процессы в Ладожском озере и Белом море с использованием разработанной процедуры комплексного дистанционного зондирования

В разделе 4.1. дается общая характеристика Ладожского озера расположение, рельеф дна, гидрологический и термический режим, термический бар, химический состав вод и сезонная сукцессия фитопланктона

Далее в этом разделе представлены результаты анализа спутниковых данных по Ладожскому озеру С помощью созданных нами алгоритмов было обработано более 2500 космических снимков озера, сделанных в весенне-летне-осенний период с 1998 по 2004 годы датчиками 8еа\У1Е5, МСЮГБ и АУНЯЯ По спутниковым данным рассчитаны поля Тп и концентраций хл, мв, ров на каждые пять суток вегетационного периода (рис 2, цветная вставка)

По термическим картам полученным по спутниковым данным определена последовательность положений линий фронта термобара (рис 3) Ранней весной он находится у южной границы озера При прогревании положение фронта определяется батиметрией озера, скорость продвижения, рассчитанная нами по спутниковым данным, составляет 1 км/сутки К середине лета, когда фронт термобара перемещается в центральную, более глубоководную часть, скорость его прохождения увеличивается до 1 5-5 км/сутки, при этом зависимость расположения линий термобара от батиметрии снижается

По термическим картам полученным по спутниковым данным с использованием модели прогревания озера (г11тике\,1сЬ, 1993) нами рассчитаны значения суммарного теплового потока на границе раздела вода-воздух, который обеспечивает наблюдаемое прогревание водоема (рис 4) Оценка суммарного теплового потока показала, что он составляет 250±70 Вт/м2, из которых примерно две трети приходится на поток солнечной радиации, а одна треть - на горизонтальный тепловой поток из теплоактивной в теплоинертную область

Рис. 3. Временная последовательность положения термобара на акватории Ладожского озера. Цифрам соответствуют следующие временные интервалы: 1 - 1 мая, 2-5 мая, 3-10 мая, 4-15 мая, 5-20 мая, 6-25 мая, 7 - 1 июня, 8-5 июня, 9-10 июня, 10 -15 июня, 11 - 20 июня.

330

Рис. 4. Суммарный тепловой поток ы (Вт/м2) на границе вода-воздух, рассчитанный по данным ИК зондирования, полученным весной 1998 г. Черной линией обозначены _ береговая черта Ладожского озера и изобата 50 м. Белым цветом обозначены ячейки акватории Ладожского озера с глубиной больше 50 И, экранированные облачностью или в которых погрешность расчета скорости нагревания превышала 10%.

I кшученные нами спутниковые данные указывают на то, что межгодовые отличия термического режим озера вызваны прежде всего вариациями в режиме облачного покрова, что отчетливо выявляется при сравнении динамики нагревания водоема и облачности при анализе данных за 2001 г, и данных, осредненных за период 1998-2004 гг. Июнь 2001 г. был более облачным, чем в любой другой год этого периода. И результате, нагревание вод на южном мелководье до температур 18-20 °С происходит на две недели позже. Однако июль 2001 г. оказался наиболее безоблачным месяцем за весь период наблюдений. В результате, воды в центральной части озера нагрелись в среднем больше на 1-2 °С и оставались теплыми дольше на две недели, чем в среднем за семилетний период.

Совместный анализ спутниковых данных видимого и ИК диапазона позволил выявить основные черты пространственно-временного распределения фитопланктона. Максимальные концентрации хя (15-20 мкг/л) наблюдаются ь южной прибрежной части озера в течение всего вегетационного периода (рис. 2, цветная вставка). Развитие микроводорослей в центральной части озера

весной ограничено фронтом термобара По мере его продвижения на север к середине июня в центральной части озера Сх, увеличиваются до 5-6 мкг/л При дальнейшем прогревании к середине июля в восточно-центральной части озера возникает зона интенсивного развития фитопланктона до уровня СХ1 = 15 мкг/л Постепенно эта зона смещается на север вдоль восточного берега, где этот пик развития заканчивается в середине сентября

Поля концентраций мв и ров, восстановленные по данным видимого диапазона (рис 2, цветная вставка), иллюстрируют зависимость этих показателей от гидрологического режима Весной, в период половодья, в эстуариях впадающих рек С„„ достигает 5 мг/л, а Сров 10 мгС/л В более глубоководной части озера их значения составляют всего 0 5 мг/л и 2 мгС/л В середине лета концентрации в эстуариях рек С„в уменьшается до 2 мг/л, а Сров -до 5 мгС/л

Исследования Ладожского озера дистанционными методами показывают, что созданная база данных спутниковой информации высокого разрешения о современном состоянии экосистемы водоема, эффективна как при углубленном исследовании озерных процессов, для долговременного мониторинга экологического состояния указанных водных объектов, так и для верификации термогидродинамических и экологических моделей

В разделе 4.2. дается характеристика Белого моря описывается его расположение, рельеф дна, гидрологический и термический режим, течения и фронты, климат, химический состав вод

Далее в этом разделе представлены результаты анализа спутниковых данных по Белому морю С помощью разработанных алгоритмов было обработано более 2500 космических снимков сделанных в весенне-летне-осенний период с 1998 по 2004 годы датчиками Беа'МРЗ, МСЮ18 и АУНЮ1 По спутниковым данным рассчитаны поля Тц и концентраций хл, мв, ров на каждые пять суток вегетационного периода, а также среднемесячные распределения этих параметров (рис 5, цветная вставка)

Для комплексной интерпретации дистанционных данных и установления причинно-следственной связи между гидродинамическими и биотическими процессами и их проявлениями на поверхности мы использовали данные расчетов по численной трехмерной модели (разработка И А, Неелова и О П Савчука, 2005) Модель имитирует термогидродинамические и биохимические морские процессы, использует исторические данные по речному стоку, приливным течениям, обмену водными массами с Баренцевым морем и атмосферным условиям Гидробиологический блок описывает жизненный цикл основных групп фитопланктона и зоопланктона, их трофическую связь Используемые результаты численного моделирования представлены в виде карт течений, температуры и солености, биогенных веществ, биомассы фитопланктона на разных горизонтах в Белом море

Была проведена проверка согласованности модельных и спутниковых полей Г/7 , а также полей Сх, и биомассы фитопланктона Это было предпринято, во-первых, для оценки возможности совместного использования дистанционных и модельных данных, а, во-вторых, для калибровки и валидации экологической модели в рамках перспективной задачи ассимиляции спутниковых данных Качественное сравнение полей Тп и полей СХ7 и биомассы фитопланктона, восстановленных по спутниковым и модельным данным на 15 июня, показало высокую степень пространственной согласованности как гидрофизических, так и гидробиологических показателей Количественное сравнение показало высокую степень корреляции временных рядов СХ1 и биомассы фитопланктона (И. = О 8-0 95) и временных рядов модельной и спутниковой Тп (Я = 0 78-0 99)

Эффективность комплексного анализа спутниковых и модельных данных можно проиллюстрировать на примере изучения биотических и абиотических процессов, протекающих в море в мае В этом месяце максимального уровня достигает первичная продукция, что можно определить по спутниковым данным (концентрации хл достигают 10±2 мкг/л, рис 5, цветная вставка), что и предсказывается моделью (в верхних слоях воды биомасса фитопланктона достигает максимального значения 50 мгМ/м3, рис 6) Это обусловлено как достаточно высоким уровнем солнечной радиации, так и весенним половодьем Спутниковые данные показывают, что максимальный за год речной сток выносит с относительно теплыми речными водами (Тп = 6±1 °С, рис 5, цветная вставка) в больших количествах взвешенные минеральные вещества (Сие = 8±1 мг/л, рис 5, цветная вставка) и растворенные органические вещества (Сров = 2 7±0 3 мгС/л, рис 5, цветная вставка) 010203040501998 1999 2000 2001

О 2 5 10 15 20 25 30 35 40 т§№ш"3

Рис 6 Изоплеты средних распределений биомассы фитопланктона по глубине в Двинском заливе Величина биомассы фитопланктона рассчитана по гидродинамической модели с биохимическим блоком По оси X отложены годы, по оси У - глубина (в метрах)

Как предсказывает гидродинамическая модель, сток рек приводит к образованию на внешней границе заливов термогалинных фронтов с градиентами солености до 0 6 700/км (рис 7) и Тп до 0 3 °С/км (рис 8)

Рис. 7. Распределение 5 0) вод в поверхностном слое Белого моря в мае, рассчитанное по

гидродинамической модели. Здесь и далее на рис. 7-9 по осям X и У отложены градусы западной .И^^ИрХ долготы и северной широты, а

' пунктирной линией указано

■"* положение фронта, выделяемого по

^^ _ . спутниковым данным видимого и

ИК диапазонов.

Фронты выступают в роли так называемых «маргинальных фильтров« (А.П. Лисицын, 1994) и ограничивают распространение минеральных и взвешенных веществ из залива в Бассейн. Это позволяет идентифицировать точное фактическое расположение фронта по спутниковым данным по высоким градиентам См (0.25 мг/л км"!) и Срое (0.12 мгС/л км"1). Зона резкого снижения концентраций мв и ров совпадают с областью высоких градиентов Тп (0,3 °С/км), определенных по спутниковым данным.

Рис. 8. Распределение Тп (°С) вод Белого моря в мае, рассчитанное с помощью модели.

Сток Северной Двины формирует интенсивное стоковое течение Тихонова со скоростями до 40-50 см/с (рис. 9), которое выносит речные воды в Горло образуя вдоль южного берега область пониженной солености (рис. 7) и повышенных концентраций мв, ров я хл (рис. 5, цветная вставка).

Точное совпадение расположения фронтальных зон определенных по спутниковым и модельным данным говорит об эффективности комплексного подхода: в то время как по данным ДЗ мы судим о фактическом расположении фронта, модель в деталях выявляет внутриводные процессы, которые привели к его появлению.

Рис. 9, Поверхностные течения в Белом море в мае, рассчитанные по гидродинамической модели.

В разделе 4.2.3. межгодовые изменения концентраций ЦОК в разных районах моря были исследованы в связи с проблемой глобального потепления, которое отчетливо проявляется в этом регионе: за последние 7 лет среднегодовая температура воздуха увеличилась на 2.1 "С, это привело к увеличению Тп и уменьшению площади льдов, к увеличению осадков, особенно в зимне-весенний период, на 8%.

С помощью разработанного метода анализа многолетних спутниковых данных нами впервые выявлено, что в заливах за семилетний период (19982004 гг.) наблюдается увеличение концентраций мв и ров на 10-18 %, что связано со средним увеличением весеннего стока рек, обусловленного увеличением уровня осадков. В свою очередь, это привело к уменьшению прозрачности воды, увеличению ее мутности. Связанные с этим изменения трофических взаимодействий и ухудшение условий фотосинтеза в заливах крупных рек повлекло за собой и уменьшение концентраций хл на 7-20%. Межгодовые отличия проявляются в меньшей степени в Бассейне пли Горле из-за меньшего влияния речного стока.

Основные результаты и выводы

1. Разработан оперативный алгоритм одновременного восстановления концентраций хлорофилла фитопланктона, минеральной взвеси и растворенного органического вещества по космическим снимкам в видимом диапазоне для сложных в гидрооптическом отношении природных вол. Относительная погрешность восстановления концентраций цвето-Образующих компонент в продуктивных мезотрофных водоемах, оцененная в численных экспериментах и на реальных данных, составляет 50%, что гораздо выше точности стандартных алгоритмов при обработке спутниковых данных по Белому морю и Ладожскому озеру.

2. Разработан способ объективной оценки качества входных данных по уровню шума и аномалиям, обусловленным неточной атмосферной коррекцией и неполной адекватностью используемой гидрооптической модели. Это позволяет отсеивать данные с шумом, превышающим уровень 15%, хотя и

сокращает общий объем полезной спутниковой информации на 10-20%

3 Разработан алгоритм обработки многолетних рядов спутниковых данных с целью реконструкции серий космических снимков высокого временного разрешения Его применение при обработке многолетних серий космических снимков Ладожского озера и Белого моря показало высокую эффективность при решении проблемы снижения объема спутниковой информации, связанной с экранирующим влиянием облачного покрова Адекватность реконструированных снимков подтверждена с помощью статистических методов

4 Разработана методика комплексного дистанционного зондирования, объединяющая в себе алгоритм восстановления параметров качества воды и алгоритм обработки временных рядов космических снимков Ее применение обеспечивает комбинированный анализ спутниковых данных видимого и инфракрасного диапазона, данных численного моделирования и контактных данных

Исследование Ладожского озера и Белого моря показало эффективность разработанной методики как перспективного способа детального изучения внутриводных процессов, который обеспечивает наиболее объективную оценку параметров процессов протекающих в морях и крупных озерах Именно такой подход комплексного анализа спутниковых данных ИК и видимого диапазона, модельных и контактных данных позволяет прослеживать динамику поверхностных проявлений внутриводных процессов и устанавливать механизмы их возникновения, развития и взаимодействия

5 С помощью процедуры комплексного ДЗ было количественно исследовано весеннее прогревание Ладожского озера оценена скорость продвижения термобара, рассчитаны компоненты теплового баланса озера, и зависимость межгодовой динамики термического режима от метеорологических условий Использование комплексного подхода выявило с недоступной ранее детализацией, влияние термогидродинамических процессов (прежде всего термобара) на динамику биогеохимических процессов

6 С помощью процедуры комплексного ДЗ наглядно проиллюстрировано, что изменения некоторых гидрохимических, гидробиологических и гидрофизических характеристик вод Белого моря зависят от стока рек и гидродинамики моря Анализ многолетних спутниковых данных показал, что экосистема шельфовых арктических морей с большим речным стоком быстро реагирует на глобальное потепление за счет снижения прозрачности вод и ухудшения светового климата в водной среде

7 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 Наши исследования показывают, что созданная база

эффективна как при углубленном исследовании озерных и морских процессов, так и для долговременного мониторинга экологического состояния указанных водных объектов В тоже время эта база данных представляет исключительный интерес для калибровки и валидации термогидродинамических и экологических моделей в рамках перспективной задачи ассимиляции спутниковых данных

Список работ по теме диссертации (жирным шрифтом выделены работы опубликованные в научных журналах из обязательного перечня ВАК)

1 Коросов А А, Оценка изменчивости земного покрова по данным

дистанционного зондирования // Сохранение биоразнообразия Фенноскандии Материалы международной конференции -Петрозаводск Изд-во Карельского НЦ РАН, 2000 - С 49-50

2 Коросов А А Географические инструменты и методы интерпретации

спутниковых данных // Водная среда Карелии исследования, использование и охрана Петрозаводск Изд-во Карельского НЦ РАН,2003 -С 121-125

3 Durand D , Pozdnyakov D V , Korosov A A , Folkestad A , Pettersson L , An

Advanced Case-II water algorithm for a simultaneous retrieval of water quality and bottom depth m optically shallow aquatic environments numerical experiments and applications // Proceeding of the II International Conference "Current Problems in Optics of Natural Waters" - St -Petersburg, 2003 - P 89

4 Pozdnyakov D V , Korosov A A , and Pettersson L H , Advanced bio-optical

algorithm for case II waters underpinning methodology, facility assessment, validation and realization exemplifications // Proceeding of the 30th International Symposium on Remote Sensing of Environment -Honolulu, Hawaii, 2003 - CDROM

5 Pozdnyakov D , Korosov A , Shuchman R , Edson R , Development of a tool for

the assessment of water quality from visible satellite imagery taken over turbid inland waters (with Lake Michigan as an example) // Proceeding of the International Geoscience and Remote Sensing Symposium -Toulouse, France, 2003 -Pp 25-25

6 Korosov A A , Filatov N N , Mazurov A A , Pozdnyakov D V Joint research of

spatial distribution of water surface temperature and water quality parameters in Lake Ladoga on the basis of multi-year satellite data in the visible and IR // International symposium "Atmospheric radiation" (MSAR-2004) - St Petersburg, 2004 -P 105

7 Korosov A A , Pozdnyakov D V , Pettersson L , New enhanced bio-optical

algorithm for satellite systems of World Ocean research // International symposium "Atmospheric radiation" - St Petersburg, 2004 -P 106

8 Korosov A A , Pozdnyakov D V , Remotely sensed spatial distributions of Lake

Ladoga water quality methodology and pilot results // Workshop on Sustainable Use, Management and Development of Lake Ladoga Basin /

Eds Markku Viljanen and Larisa Shirenko - Joensuu, Finland University of Joensuu, 2004 - Pp 26-30 9 Korosov A A , Pozdnyakov D V , Evaluation of the current state and modification trends of the White Sea primary prediction from remote sensing data for the last five years methods and pilot results // Proceeding of the IX international conference «The study, sustainable use and conservation of natural resources of the White Sea» - Petrozavodsk PIN, 2004 - Pp 11-14

10. Поздняков Д.В., Коросов A.A., Петтерссон JI.X., Ионов B.B., Новый операционный алгоритм восстановления параметров качества природных вод по данным спутникового зондирования // Исслед. Земли из космоса. - 2005. - № 4. - С. 17-29.

11 Pozdnyakov D V, Korosov А А , Grassl Н , Pettersson L , An advanced

algorithm for operational retrieval of water quality from satellite data in the visible // Int J Rem Sens 2005 - Vol 26, No 12 - Pp 26692688 [DOI 10 1080/01431160500044697]

12 Korosov A A, Pozdnyakov DV, Filatov NN, Neelov I A, Savchuk AB,

Johannesen О M, Petterson L H, Realization of a dedicated synergistic study of the White Sea based on spaceborne, shipborne and ecological modeling means // Proceeding of the 8th International Conference on Remote Sensing for Marine and Coastal Environments - Halifax, CA, 2005 - Pp 17-19

13 Pozdnyakov D V , Shuchman R A , Means J С , Korosov A A , Lake Michigan

time series productivity measurements obtained from a new SeaWiFS and MODIS satellite retrieval algorithm means // Proceeding of the 8th International Conference on Remote Sensing for Marine and Coastal Environments - Halifax, С A, 2005 - Pp 20-25

14 Filatov NN, Johannessen О M, Korosov A A, Neelov I A, Savchouk OP,

Pozdnyakov D V , Kovalenko V N , , Pettersson L H , Bobylev L P , Realization Of A Dedicated Synergistic Study Of The White Sea Based On Spaceborne, Shipborne And Ecological Modeling Means // Proceeding of the 31st International Symposium on Remote Sensing of Environment - St Petersburg, 2005 - CD ROM

15 Folkestad A , Korosov A A , S0rensen К, Pettersson L H , Pozdnyakov D V , An

analytical Case 2 water algorithm for the North Sea // Proceeding of the 31st International Symposium on Remote Sensing of Environment - St Petersburg, 2005 — CDROM

16 Schuchman R A , Korosov A A , Pozdnyakov D V , Means J С , Savage S , Hatt

С , Meadows G A , SeaWiFS and MODIS-observed Multi-year Seasonal and Spatial Dynamics in Biotic and Abiotic Processes m Lake Michigan as Obtained from a New Water Quality Retrieval Algorithm // Proceeding of the 31st International Symposium on Remote Sensing of Environment - St Petersburg, 2005 - CDROM

17 Pozdnyakov D V , Korosov A A , Pettersson L H , Johannessen О M , MODIS evidences the river runoff impact on the Kara Sea trophy // Int J Rem Sens - 2005 - Vol 26, No 17 - Pp 3641-3648 [DOI 10 1080/01431160412331330266] 18. Pozdnyakov D.V., Shuchman R.A., Korosov A.A., Hatt С, Operational algorithm for the retrieval of water quality in the Great Lakes // Rem. Sens, of Environment. -2005. - Vol. 97. - Pp. 352-370.

19 Shuchman R A , Korosov A A , Hatt C., Pozdnyakov D V , Means J , Meadows

G , Alterations of the Lake Michigan System / Water Quality Evidence Provided by the SeaWiFS Seven-Year Time Series of Observations // J of Great Lakes Research -2006 - Vol 32 - Pp 258-279

20 Pozdnyakov D V, Korosov A A , A new water quality retrieval algorithm for

case II waters / White Sea Its Marine Environment and Ecosystem Dynamics Influenced by Global Change / Eds Filatov, N , Pozdnyakov, D , Johannessen, О M , Pettersson, L H , Bobylev, LP- Chichester, UK- Springer-Praxis, 2005 - Pp 181-193.

21 Коросов А В , Коросов A A , Техника ведения ГИС приложение в экологии

- Петрозаводск ПетрГУ, 2006 - 185 с

22. Коросов А.А., Поздняков Д.В., Филатов Н.Н., Мазуров А.А., Лупян Е.А., Грассл X., Ионов В.В., Изучение сезонной и пространственной изменчивости некоторых экопараметров в Ладожском озере по спутниковым данным // Исслед. Земли из космоса. - 2005. - № 5.

- С. 76-85.

23 Коросов А А , Поздняков Д В , Филатов Н Н , Мазуров А А , Лупян Е А ,

Разработка алгоритмов для изучения сезонной и пространственной изменчивости параметров качества вод Ладожского озера по данным дистанционных измерений // Материалы юбилейной конференции «Водные ресурсы Европейского Севера итоги и перспективы исследований» - Петрозаводск, 2006 - С. 78-92

24 Pozdnyakov D V , Johannessen О М , Pettersson L Н , Korosov А А , Climate-

driven dynamics of biochemical fluxes and food web interactions m the Arctic seas strongly influenced by river discharge a satellite-based case study of the White and Kara Seas // Proceeding of the "Arctic frontiers" conference - Tromso, Norway, 2007 -P 25 25. Pozdnyakov D.V., Johannessen O.M., Korosov A.A., Pettersson L.H., Grassl H., Miles M.W., Satellite evidence of ecosystem changes in the White Sea: A semi-enclosed arctic marginal shelf sea // Geophys. Res. Lett.

- 2007. - Vol. 34, No. 8, P. L08117.

Подписано в печать 16 04 2007 Формат 60x48 1/16 Бумага офсетная Печать офсетная Уел печ л 1,4 Тираж 100 экз Заказ № 470 Отпечатано в ООО «Типография Микроматикс» 199004, Россия, Санкт-Петербург, В О , Большой пр 55, тел /факс 328 52 63 e-mail zakaz-mm@mail ru

Содержание диссертации, кандидата физико-математических наук, Коросов, Антон Андреевич

Введение.

Глава 1. Теоретические основы дистанционного зондирования в видимом и инфракрасном диапазонах.

1.1. Постановка прямой задачи дистанционного зондирования в видимом диапазоне.

1.1.1. Компоненты яркости светового сигнала, регистрируемой дистанционным датчиком.

1.1.2. Коэффициент отражения для дистанционного зондирования.

1.1.3. Параметризация коэффициента отражения для дистанционного зондирования.

1.1.4. Удельные первичные гидрооптические характеристики.

1.1.5. Основные цветообразующие компоненты водной среды.

Вода, Н20.

Фитопланктон.

Растворенное органическое вещество.

Минеральная взвесь.

Изменчивость первичных гидрооптических характеристик.

1.2. Постановка прямой задачи дистанционного зондирования в инфракрасном диапазоне.

1.2.1. Формирование яркостной температуры поверхности воды.

Глава 2. Современное дистанционное зондирование.

2.1. Общая характеристика спутниковых датчиков видимого и инфракрасного диапазонов, данные которых использовались в настоящей работе.

2.2. Алгоритмы восстановления параметров качества воды по данным дистанционного зондирования.

2.2.1. Эмпирические алгоритмы.

2.2.2. Полу аналитические алгоритмы.

2.3. Алгоритм расчета температуры поверхности воды по данным дистанционного зондирования.

Глава 3. Разработка процедуры комплексного дистанционного зондирования.

3.1. Алгоритм обработки космических снимков для восстановления параметров качества воды.

3.1.1. Метод многомерной оптимизации Левенберга - Марквардта.

3.1.2. Метод нейронных сетей.

3.1.3. Оценка работоспособности алгоритмов в ходе численного эксперимента.

Описание эксперимента.

Влияние шума на точность восстановления.

Усовершенствование процедуры многомерной оптимизации.

Усовершенствование нейронных сетей.

Условия эффективной работы нейросетевого и оптимизационного алгоритмов.

3.1.4. Комбинированный алгоритм.

3.1.5. Проверка работоспособности алгоритма по данным in situ измерений.

3.1.6. Программная реализация алгоритма.

Включение нейронных сетей.

Чтение HDF-файлов.

Процедура автоматической геометрической коррекции.

3.2. Способы обработки серий космических снимков.

3.2.1. Получение среднемесячных распределений параметров качества воды и температуры.

3.2.2. Увеличение временного разрешения космических данных.

3.2.3. Оценка межгодовой изменчивости параметров качества воды по многолетним космическим данным.

3.3. Обработка дополнительных метеорологических и спутниковых данных.

3.4. Процедура комплексного дистанционного зондирования.

Глава 4. Применение процедуры комплексного дистанционного зондирования для изучения внутриводных процессов.

4.1. Сезонная изменчивость параметров качества воды и температуры Ладожского озера.

4.1.1. Общая характеристика Ладожского озера.

4.1.2. Исследование качества вод Ладожского озера дистанционными методами.

Сезонная динамика термического режима.

Расчет результирующего теплового потока на границе вода - воздух при весеннем прогревании озера.

Межгодовые отличия термического режима озера.

Динамика развития фитопланктона.

Сезонные изменения химических свойств воды.

4.2. Исследование Белого моря по данным дистанционного зондирования.

4.2.1. Общая характеристика Белого моря.

География Белого Моря.

Свойства вод Белого моря.

Гидродинамический режим Белого моря.

4.2.2. Изучение сезонной динамики параметров качества Беломорских вод по данным дистанционного зондирования.

Сезонные изменения Тп и качества вод Белого моря, выявленные по данным дистанционного зондирования.

Гидродинамическая модель Белого моря.

Совместный анализ данных дистанционного зондирования и результатов моделирования для оценки сезонной изменчивости термогидродинамических процессов.

4.2.3. Оценка многолетних изменений экосистемы Белого Моря по данным дистанционного зондирования.

Текущие изменения климата Белого моря.

Оценка многолетних изменений экосистемы Белого моря.

Введение Диссертация по наукам о земле, на тему "Разработка и применение процедуры комплексного дистанционного зондирования для исследования внутриводных процессов в морях и крупных озерах"

На поверхности морей и озер можно наблюдать проявления ряда физических и биологических процессов, протекающих в толще вод и атмосфере. В частности, биологические процессы, связанные с развитием фитопланктона, могут проявляться в изменении цвета воды поверхностного слоя, а такие гидродинамические явления, как струйные течения, вихри, внутренние волны и некоторые другие - в изменении свойств поверхностного волнения или температуры воды. Сток рек также находит свое отражение в изменении свойств поверхностных прибрежных вод. Поэтому задача о получении информации о внутриводных процессах по наблюдаемым свойствам водной поверхности представляет несомненный интерес в рамках мониторинга крупных водоемов.

Для изучения свойств поверхности и приповерхностного слоя в настоящее время широко используются «контактные методы», основанные на непосредственном взаимодействии измерительной аппаратуры с водой или взятии ее проб, кроме того начинают все активнее внедряться дистанционные методы наблюдения в видимом, инфракрасном или микроволновом диапазоне с судов, самолетов или из космоса.

Контактные, судовые измерения, выполняемые на протяженных водных объектах, неизбежно страдают от невысокого пространственно-временного разрешения и не в состоянии адекватно отразить пространственную и временную изменчивость свойств воды, особенно, при исследовании мезомасштабных процессов.

Эти ограничения преодолеваются дистанционными методами. Их основное преимущество состоит в способности обеспечивать информацию о свойствах водной поверхности с существенно большим временным и пространственным разрешением и охватом по сравнению с контактными методами. Тем не менее, дистанционные методы, будучи косвенными, должны использоваться в совокупности с контактными как для проверки и уточнения космических оценок, так и для установления причинно-следственных связей исследуемых явлений в водной толще с наблюдаемыми их проявлениями на поверхности.

Актуальность. Исследование Мирового Океана средствами дистанционного зондирования (ДЗ) приобретает в последние десятилетия все большее значение. В настоящее время данные ДЗ широко используются как для наблюдения за локальными экологическими процессами (антропогенным загрязнением, эвтрофированием, развитием токсических водорослей) так и для слежения за проявлением глобального изменения климата. С запуском новых спутников наблюдения Земли становятся доступными дистанционные данные по более широкому кругу искомых параметров, обладающие при этом более высоким временным и пространственным разрешением, что позволяет подробно исследовать большее разнообразие мезомасштабных процессов в океанах, морях и озерах. Наличие данных многолетних спутниковых наблюдений дает возможность изучать долгопериодные изменения свойств водных объектов.

Существует несколько основных проблем, возникающих при использовании данных ДЗ в видимом и инфракрасном диапазонах электромагнитного спектра в океанологических исследованиях. Одна из них связана с влиянием атмосферы и облачности на качество и количество космических данных. Процедура атмосферной коррекции данных ДЗ пока еще недостаточно точна, что ведет к неизбежным ошибкам при определении температуры и спектрального состава света, исходящего из толщи воды. Помимо этого, облачность является принципиальным препятствием зондированию океана в указанных спектральных диапазонах. Поэтому наличие облаков в зоне космической съемки значительно снижает объем информации о визируемом приповерхностном слое водного объекта.

Другая проблема зондирования океана в видимом диапазоне заключается в отсутствии универсальных алгоритмов обработки дистанционных данных. Спектральный состав света, отраженного водной толщей, зависит от оптических свойств воды как таковой, количества и природы взвешенного органического и минерального, а также растворенного органического вещества. Эта зависимость является нелинейной, а ее характер определяется районом и сезоном исследований. Космические агентства, которые предоставляют данные спутникового зондирования, сопровождают их стандартными алгоритмами обработки. Такие алгоритмы, как правило, являются универсальными (и то условно) только для открытого океана, вариации цвета которого определяются исключительно пространственной изменчивостью концентраций фитопланктона и сопутствующих продуктов его жизнедеятельности.

Состав прибрежных и внутренних вод является более сложным: такие воды богаты взвесью и растворенными веществами, которые поступают с водосбора или со дна океана, при этом значения их концентраций, в отличие от открытых районов морей и океанов, не коррелируют друг с другом. Поскольку, оптические свойства этих веществ специфичны для конкретных водоемов, алгоритмы, разработанные специально для изучения одного водоема, неприменимы для адекватного определения концентраций компонент водной среды другого водоема.

Как правило, океанологи используют единичные безоблачные снимки для получения мгновенной картины распределения того или иного параметра или, если безоблачные снимки недоступны, рассчитывают среднее распределение по серии последовательных снимков. Такой подход, тем не менее, не дает адекватного представления о динамике изменения пространственных полей и может даже искажать реальную картину.

В современной практике ДЗ для изучения интересующего явления зачастую используются данные лишь одного спутникового датчика (например, только данные оптических спектрометров для исследования явлений так называемого «цветения воды» -массового развития фитопланктона). Тем не менее, внутриводные процессы тесно связаны между собой, и отсутствие дополнительной информации (например, температуры поверхности воды по данным инфракрасной съемки) сужает аналитические возможности этого метода, а в некоторых случаях приводит к ошибочной интерпретации данных дистанционного наблюдения. Таким образом, задача оптимизации процедуры комплексного многоспектрального дистанционного исследования морских и озерных процессов является на современном этапе ДЗ также весьма актуальной.

Цель исследования. Разработать методику комплексного анализа данных дистанционного зондирования видимого и инфракрасного диапазона и применить ее для изучения внутриводных процессов в Белом море и Ладожском озере. При этом решались следующие задачи:

1. Разработать оперативный алгоритм одновременного восстановления концентраций хлорофилла фитопланктона, минеральной взвеси и растворенного органического вещества (так называемый алгоритм восстановления параметров качества воды) по космическим снимкам в видимом диапазоне и оценить его точность.

2. Разработать алгоритм обработки многолетних рядов космических снимков видимого и инфракрасного диапазонов с целью реконструкции серий космических снимков высокого временного разрешения для решения проблемы влияния облаков.

3. Разработать такую методику совместного анализа спутниковых данных, которая, будучи основанной на алгоритме восстановления параметров качества воды и алгоритме обработки временных рядов космических снимков, обеспечивает комбинированный анализ спутниковых данных видимого и инфракрасного диапазона, данных численного моделирования и контактных данных.

4. Применить методику комплексного дистанционного зондирования для изучения сезонной и межгодовой динамики внутриводных процессов в Ладожском озере как представителе пресноводного водоема со сложной структурой гидрооптических свойств, находящемся в переходном экологическом состоянии.

5. Применить методику комплексного дистанционного зондирования для изучения сезонной и межгодовой динамики внутриводных процессов в Белом море как представителе Арктического моря, отличающемся спецификой термогидродинамических процессов и находящемся в зоне отчетливой климатической нестационарности.

Объектом исследования данной работы являются: а) оптические свойства и процессы процессы переноса света в природных водах; б) термогидродинамические и гидробиологические процессы, которые проявляются на поверхности морей и крупных озер в виде особенностей полей температуры поверхности воды и спектрального состава света отраженного водным столбом.

Предметом исследования являются:

• Методы решения обратных задач дистанционного зондирования, восстановления параметров качества природных вод с целью идентификации проявления термогидродинамических и гидробиологических процессов на поверхности морей и крупных озер и их изучения.

• Механизмы проявления термогидродинамических и гидробиологических процессов на поверхности морей и крупных озер.

Методы исследования:

1. Численное моделирование зависимости спектрального состава света, выходящего из-под поверхности воды, от концентраций веществ, взвешенных или растворенных в водном столбе (решение прямой задачи в теории переноса света в водной среде).

2. Решение обратной задачи с использованием численных методов: обучение и использование нейронных сетей, программная разработка и использование процедуры многомерной оптимизации для восстановления параметров качества воды.

3. Применение регрессионных алгоритмов для геометрической коррекции космических снимков, обработки многолетних серий космических снимков и изучения сезонной и межгодовой динамики параметров качества воды.

4. Применение статистического аппарата для проверки адекватности работы алгоритма восстановления параметров качества воды по данным контактных измерений и результатам численного моделирования.

5. Программирование на языках С++ и Matlab для создания программ оперативной обработки космических снимков.

Научная новизна диссертации заключается в разработке методики совместного анализа данных дистанционного зондирования видимого и инфракрасного диапазонов, в рамках которой созданы алгоритмы одновременного восстановления нескольких параметров качества воды и обработки временных рядов космических снимков.

В разработанном автором алгоритме впервые объединены нейронные сети и процедура многомерной оптимизации для одновременного восстановления концентраций основных цветообразующих веществ по данным дистанционного зондирования в видимом диапазоне. Комбинация этих математических методов обеспечивает увеличение скорости обработки снимков на несколько порядков и, следовательно, высокую оперативность получения данных, что столь востребовано современной оперативной океанографией. При наличии адекватной гидрооптической модели точность и скорость работы алгоритма не зависит от выбранного спутникового датчика и исследуемого водного объекта (т.е. конкретных гидрооптических условий).

В разработанном автором алгоритме обработки временных рядов космических снимков впервые используется процедура временной интерполяции для частичного решения проблемы снижения объема спутниковых данных, обусловленного экранирующим влиянием облачного покрова. Многолетние серии космических снимков Ладожского озера и Белого моря впервые обработаны с применением этой процедуры для получения космических снимков высокого пространственно-временного разрешения и их последующего анализа.

Высокое пространственное и временное разрешение полученных данных впервые делает возможным их использования для проверки и улучшения термогидродинамических и экологических моделей водоемов, как это показано на примерах Белого моря и Ладожского озера.

Применение процедуры комплексного дистанционного зондирования впервые позволило получить ряд оригинальных результатов:

1. Исследована пространственно-временная взаимосвязь сезонной динамики термобара в Ладожском озере и развития фитопланктона, оценена межгодовая изменчивость динамики этих процессов.

2. По дистанционным данным рассчитан суммарный тепловой поток на границе вода -воздух, обеспечивающий наблюдаемую скорость весеннего прогревания озера.

3. Выявлены особенности сезонной динамики положения зон активного развития фитопланктона в Ладожском озере.

4. Получены сезонные карты распределений параметров качества воды и температуры водной поверхности в Белом море и визуализирована их зависимость от стока рек и циркуляции.

5. Дана количественная оценка изменения параметров качества воды за семилетний период и выявлена зависимость от климатических изменений в Белом море.

Теоретическая ценность

Сопряжение метода нейронных сетей с процедурой многомерной оптимизации Левенберга - Марквардта привело к созданию алгоритма решения обратных задач с широкой областью применения. Главной особенностью алгоритма является его скорость и устойчивость ко входному шуму, что позволяет использовать его для решения задач, где преобладают требования ко времени и точности обработки поступающей информации, в частности для оперативной обработки космических снимков любой акватории полученных с любого спутникового датчика видимого диапазона, предназначенного для исследования Мирового океана.

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. Это 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.

Практическая значимость

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"). Пакет включает программы, которые выполняют следующие функции: ежедневная автоматическая загрузка текущих спутниковых данных; первичная обработка (включая геометрическую коррекцию); восстановление параметров качества воды несколькими алгоритмами; визуализация карт качества воды; динамическое создание веб-интерфейса для доступа к данным через сеть Интернет.

Полученные данные по Белому морю и Ладожскому озеру используются для проверки и совершенствования термогидродинамических моделей.

Разработанные алгоритмы могут применяться при оперативном мониторинге природных водоемов для выявления зон повышенной биологической продуктивности в промысловых целях, а также при мониторинге экологического состояния водоемов и качества вод для целей водоснабжения при организации соответствующих служб на региональном и федеральном уровнях.

Положения, выносимые на защиту

1. Разработан оригинальный оперативный алгоритм одновременного восстановления концентраций хлорофилла фитопланктона, минеральной взвеси и растворенного органического вещества, использующий сочетание нейронной сети и процедуры многомерной оптимизации. Комбинация этих методов обеспечивает как приемлемую точность восстановления искомых параметров, так и скорость обработки снимков, необходимую для задач современной оперативной океанографии. Эффективность алгоритма при наличии адекватной гидрооптической модели не зависит от выбранного спутникового датчика, специализированного под задачи мониторинга Мирового Океана, и исследуемого водного объекта. В алгоритм встроена процедура оценки качества входных данных, которая оценивает уровень шума, обусловленного атмосферной коррекцией и адекватность данных используемой гидрооптической модели, а также отсевает непригодные данные.

2. Впервые разработан алгоритм обработки многолетних временных рядов космических снимков для реконструкции сезонного хода концентраций цветообразующих веществ в природных водах и температуры поверхности воды. Алгоритм позволяет в значительной мере продвинуться в преодолении проблемы снижения объема искомой информации, обусловленного облачным фильтром, при изучении динамики внутриводных процессов по космическим снимкам.

3. Впервые получена ранее недоступная детализация синхронизированной сезонной динамики параметров качества воды и температуры поверхности воды Ладожского озера. Впервые в виде анимационных изображений получена последовательность передвижения зон интенсивного развития фитопланктона в течение всего вегетационного периода во взаимосвязи с динамикой передвижения термобара по акватории озера. Впервые по данным ДЗ рассчитана скорость весеннего прогревания озера, суммарный тепловой поток на границе вода - воздух и дана оценка горизонтального теплового потока из прибрежной зоны в пелагиаль.

4. Впервые получена ранее недоступная детализация синхронизированной сезонной динамики параметров качества воды и температуры поверхности воды Белого моря. Выяснено, что пик развития фитопланктона и максимальные концентрации растворенной органики минеральной взвеси наблюдаются в заливах, образованных большими реками, в период максимального уровня стока рек. Через анализ исторических и модельных данных показано, что выявленное дистанционно пространственное распределение концентраций цветообразующих веществ по акватории моря определяется (помимо чисто биологических факторов) преобладающими поверхностными течениями, а также приливными движениями.

5. Впервые выявлена реакция экосистемы Белого моря на потепление климата в регионе, которая проявляется в снижении первичной продуктивности (главным образом в прибрежной зоне и заливах) под влиянием увеличения стока рек и уменьшения прозрачности вод.

Апробация работы. Результаты работы обсуждались на следующих конференциях: EURISY Summer School for PhD 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, 812 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 ie географического общества», Санкт-Петербург, 15 апреля 2005; The 8th 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 посвященной 15-летию ИВПС, 19 сентября 2006; "Arctic frontiers" Tromso, Norway, 21-26 Januaiy, 2007.

Публикации.

По теме работы опубликовано 25 печатных работ, из которых 1 - учебное пособие, 7 -статьи в реферируемых журналах

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, содержащего основные результаты. Общий объем диссертации составляет 195 страниц; содержит 53 иллюстрации, 11 таблиц.

Заключение Диссертация по теме "Океанология", Коросов, Антон Андреевич

Основные результаты работы можно сформулировать следующим образом:

• Разработан оперативный алгоритм одновременного восстановления концентраций хлорофилла фитопланктона, минеральной взвеси и растворенного органического вещества (так называемый алгоритм восстановления параметров качества воды) по космическим снимкам в видимом диапазоне для сложных в гидрооптическом отношении природных вод. В алгоритме объединены нейронные сети и процедура многомерной оптимизации. Комбинация этих математических методов обеспечивает более высокую скорость обработки снимков столь востребованную современной оперативной океанографией.

• Разработанный алгоритм восстановления параметров качества воды обеспечивает объективную оценку качества входных данных по уровню шума, обусловленного неточной атмосферной коррекцией и неполной адекватностью используемой гидрооптической модели.

• Работоспособность алгоритма восстановления параметров качества воды оценена в ряде численных экспериментов. При 15% случайном шуме во входных данных относительная погрешность составляет 20-50% в зависимости от восстанавливаемых концентраций ЦОК. При наличии адекватной гидрооптической модели, точность и скорость работы алгоритма не зависят от выбранного спутникового датчика и исследуемого водного объекта (т.е. определенных гидрооптических условий).

• Точность восстановления параметров качества воды при обработке реальных спутниковых данных (т.е. зашумленных неточной атмосферной коррекцией) была также проверена в ходе сравнения концентраций ЦОК, восстановленных по космическим снимкам и измеренных с кораблей в водах Белого моря, Балтийского моря, оз. Онтарио и оз. Эри. В продуктивных мезотрофных водах с высоким содержанием хлорофилла фитопланктона относительная погрешность восстановления его концентрации не превышает 50%. В мутных водах, с очень высокими концентрациями минеральной взвеси (Смв > 10 мг/л) , точность восстановления концентраций хл падает и ошибка может достигать 100%.

• Алгоритм восстановления параметров качества воды реализован в виде программы на языке С++, которая читает данные спутниковых датчиков SeaWiFS, MOD1S, MERIS из файлов в формате HDF и DIM, проводит восстановление концентраций цветообразующих веществ и генерирует карты пространственного распределения хлорофилла, минеральной взвеси и растворенной органики в географической проекции. Программа компилируется в операционных системах Windows или UNIX. В настоящее время она используется в Норвегии в рамках проекта MarCoast для оперативной автономной обработки снимков MERIS Северного моря (http://hab.nersc.no).

• Разработан алгоритм обработки многолетних рядов спутниковых данных с целью реконструкции серий космических снимков высокого временного разрешения для частичного решения проблемы снижения объема спутниковой информации, связанной с экранирующим влиянием облачного покрова.

Многолетние серии космических снимков Ладожского озера и Белого моря впервые обработаны с применением этого алгоритма для генерирования космических снимков высокого временного разрешения и их последующего анализа. Адекватность реконструированных пространственно-временных распределений концентраций ЦОК и Тп проверена с помощью статистических методов.

Применение процедуры комплексного дистанционного зондирования к изучению Ладожского озера (как модели морской экосистемы) позволило детально изучить по спутниковым, модельным и судовым данным элементы термического режима озера. В частности, было количественно исследовано весеннее прогревание водоема: оценена скорость продвижения термобара, рассчитаны компоненты теплового баланса озера, выявлена зависимость межгодовой динамики термического режима от метеорологических условий.

Использование комплексного подхода, при исследование биотических процессов в Ладожском озере позволило выявить с недоступной ранее детализацией и пространственно-временным разрешением влияние термодинамических процессов (прежде всего динамикой развития термобара) на биогеохимические процессы.

С помощью процедуры комплексного дистанционного зондирования детально изучена сезонная динамика изменения некоторых гидрохимических, гидробиологических и гидрофизических характеристик вод Белого моря и показана их зависимость от стока рек и гидродинамики моря.

Использование данных численного моделирования циркуляции вод в Белом море позволило установить причинно следственные связи между гидродинамическими и биотическими процессами.

• Показана возможность валидации данных биогеохимического моделирования по спутниковым данным на примерах Белого моря и Ладожского озера.

• На примере Белого моря выявлено, что экосистема шельфовых арктических морей с большим речным стоком быстро реагирует на глобальное потепление за счет снижения прозрачности вод и ухудшения светового климата в водной среде.

Заключение

В данной работе разработана процедура комплексного дистанционного зондирования природных водных объектов, которая обеспечивает совместное использование спутниковых данных видимого и инфракрасного диапазонов в сочетании с данными численного моделирования и контактными данными для изучения биотических и термогидродинамических процессов в природных водоемах на примере Ладожского озера и Белого моря.

Библиография Диссертация по наукам о земле, кандидата физико-математических наук, Коросов, Антон Андреевич, Санкт-Петербург

1. Аоки М., Введение в методы оптимизации. М.:Мысль, 1977. - 370 с.

2. Атлас «Ладожское Озеро» / под ред. Г.В. Хворова и Г.Н. Уткина. СПб.: Институт

3. Озероведения РАН, 2002. 130 с.

4. Брызгало В.А., Иванов В.В. Долгопериодная и сезонная изменчивость химическогоречного стока в Белое море // Экологическая химия. 2002. - № 8, вып. 4. -С.224-245

5. Гидрохимия и гидрооптика Ладожского Озера/Отв. ред. О.А.Алекин. Л.: Наука,1967.-215 с.

6. Думанская И.О. Методы изучения площадных характеристик дрейфующего льда иих прикладное значение для гидрометобеспечения транспортных операций в Белом Море // Метеоспектр. 2004. - № 1, вып. 17. - С.61-72

7. Ерлов Н.Г., Оптика моря. М.: Гидрометеоиздат, 1980. - 246 с.

8. Ивантер Э.В., Коросов А.В. Введение В Количественную Биологию. Петрозаводск:1. ПетрГУ, 2003.-304 с.

9. Кондратьев К.Я., Поздняков Д.В. Оптические свойства природных вод идистанционное зондирование фитопланктона. Л.: Наука, 19906. - 190 с.

10. Кондратьев К.Я., Москаленко Н.К., Поздняков Д.В. Оптика океана. Т.1. Физическаяоптика океана. М.: Наука, 1983. - 372 с.

11. Кондратьев К.Я., Поздняков Д.В., Исаков В.Ю. Радиационно-гидрооптическиеэксперименты на озерах. Л.: Наука, 1990а. - 115 с.

12. Кремер Н.Ш. Теория вероятностей и математическая статистика. М.: Юнити, 2003.- 574 с.

13. Ладожское Озеро / под ред. Н.Н.Филатова. Петрозаводск: КНЦ РАН, 2000. - 490 с.

14. Ладожское Озеро: Прошлое, Настоящее, Будущее / под ред. чл.-кор. В.А.Румянцеваи д.б.н. В.Г.Драбковой, СПб.: Наука, 2002. - С. 16-49

15. Лясковский А.В. Решение прямой и обратной задач в рамках дистанционногозондирования параметров качества природных вод: Автореф. дис. канд. физ,-мат. наук., СПб.: СПбГУ, 2000. - 21 с.

16. Науменко М.А. Горизонтальные градиенты температуры в термическойфронтальной зоне крупного пресноводного водоема // Метеорология и гидрология. 1989. - № 6. С.89-92

17. Петрова Н.А., Иофина И.В., Капустина Л.И., Кулиш Т.П., Петров П.Н., Расплетина

18. Г.Ф. Антропогенная эвтрофикация Ладожского озера: стадии трансформации экосистемы с 1975 по 2004 // Экологическая химия. 2005. - № 14, - С.209-234

19. Петрова Н.А. Сукцессии фитопланктона при антропогенном эвтрофированиибольших озер. Л.: Наука, 1999. - 198 с.

20. Поздняков Д.В., Лясковский А.В. Сравнительный анализ алгоритмов восстановлениякачества воды для вод типа 2 // Исслед. Земли из космоса. 1999. - № 1. - С.7-78

21. Растительные Ресурсы Ладожского Озера / Ред. И.М. Распопов. Л.: ЛГУ, 1968.231 с.

22. Всесторонне исследования Белого Моря / под ред. Сапожникова В. / Экологиярусских морей. М.: ВНИИРО, 1994. - 100 с.

23. Оптика океана, т. 1. -М.: Наука, 1983, 360 с.

24. Современное состояние экосистемы Ладожского Озера / под ред. Н.А. Петровой и

25. Г.Ф. Расплетина. Л.: Наука, 1987. - 216 с.

26. Тихомиров А.И., Температурный режим и теплосодержание Ладожского Озера /

27. Термический режим Ладожского Озера / под ред. С.В. Калесника. Л.: ЛГУ, 1968.-С. 144-217

28. Тихомиров А.И. Термина Крупных Озер. JL: Наука, 1982. - 232 с.

29. Федоров К.Н., Гинзбург А.И. Приповерхностный слой океана. Л.:

30. Гидрометеоиздат, 1988. 303 с.

31. Хайкин С. Нейронные сети: полный курс. М.: «Вильяме», 2006. - 1104 С.

32. Ackleson S.G., Cullen J.J., Brown J., Lesser M. Irradiance-Induced Variability In Light

33. Scatter From Marine Phytoplankton In Culture // Journal Of Plankton Research. -1993.-Vol. 15, No. 7. Pp.737-759

34. Anding D., Kauth R. Estimation Of Sea Surface Temperature From Space // Remote Sens.

35. Environ. 1970. - Vol. 1. - Pp.217-220

36. Antoine D., Morel A., Andre J.M. Algal Pigment Distribution And Primary Production In

37. The Eastern Mediterranean As Derived From Coastal Zone Color Scanner Observations // Journal Of Geophysical Research. 1995. - Vol. 16, No. 100 -Pp.193-196

38. Arctic Climate Impact Assessment, Impacts Of A Warming Arctic. Cambridge, UK:

39. Cambridge University Press, 2004. 200 p.

40. Arctic Environment Variability In The Context Of Global Change/Ed. L. P. Bobylev, K.

41. Ya. Kondratyev, О. M. Johannessen. Chichester: Springer-Praxis, 2003. - 470 p.

42. Asknes D. L., Nejstgaard J. E., Saedberg E., Somes T. Optical control of fish andzooplankton populations // Limnol. Oceanogr. 2004. - Vol.49. - Pp. 233-238.

43. Aversen J.C., Weaver E.C., Millard J.P. Rapid Assessment Of Water Pollution By

44. Airborne Measurements Of Chlorophyll Content // AIAA Paper. 1971. - Vol.71. - Pp.1097-1104

45. Babin M., Stramski D., Ferrari G.M., Claustre H., Bricaud A., Obolensky G., Hoepffner N.

46. Variations In The Light Absorption Coefficients Of Phytoplankton, Nonalgal Particles, And Dissolved Organic Matter In Coastal Waters Around Europe // Journal Of Geophysical Research. 2003. - Vol. 108, No. C7. - Pp. 3211-3242

47. Barton I.J. Satellite Derived Sea Surface Temperatures: Current Status // J. Geophys. Res.-1995. Vol. 100. - Pp. 8777-8790

48. Bricaud A., Babin M., Morel A., Claustre H. Variability In The Chlorophyll-Specific

49. Absorption Coefficients Of Natural Phytoplankton: Analysis And Parametrization // J.Geophys. Res.- 1995.-Vol. 100, No. C7.-Pp. 13321-13332

50. Bricaud A., Claustre H., Ras J., Oubelkheir K., Natural Variability Of Phytoplanktonic

51. Absorption In Oceanic Waters: Influence Of The Size Structure Of Algal Populations //Journal Of Geophysical Research. 2004. - Vol. 109, No. CI 1010. Pp. 1019-1029

52. Bricaud A., Morel A., Prieur L. Optical Efficiency Factors Of Some Phytoplankters //1.mnol. Oceanogr. 1983. - Vol. 28, No. 5. - Pp. 816-832.

53. Brown P.O., Minnet P.J., MODIS Infrared Sea Surface Temperature Algorithm Algorithm

54. Theoretical Basis Document. Miami, USA: University Of Miami, 1999. - 98 p.

55. Bukata R. P., Bruton J. E., Jerome J. H., Jain S. C., Zwick H. H. Optical Water Quality

56. Model Of Lake Ontario. 2: Determination Of Chlorophyll A And Suspended Mineral Concentrations Of Natural Waters From Submersible And Low Altitude Optical Sensors // Applied Optics. 1981. -Vol. 20, No. 9. - Pp. 1704 - 1714

57. Bukata R. P., Jerome J. H., Bruton J. E., And Jain S. C., Determination Of Inherent Optical

58. Properties Of Lake Ontario Coastal Waters // Applied Optics. 1979. - Vol. 18, No. 23.-Pp. 3926-3932

59. Bukata R.P., Bruton J.E., Jerome J.H., Application Of Direct Measurements Of Optical

60. Parameters To The Estimation Of Lake Water Quality Indicators/Environment Canada Scientific Series. Burlington: Environment Canada, 1985. - Vol. 140. - 40 P

61. Bukata R.P., Jerome J.H., Bruton J.E. Particulate Concentrations In Lake St.Clair As

62. Recorded By A Shipborne Multispectral Optical Monitoring System // Remote Sens. Environ. 1988. - Vol. 25. - Pp. 201- 229

63. Bukata R.P., Jerome J.H., Kondratyev K.Ya., Pozdnyakov D.V. Optical Properties And

64. Remote Sensing Of Inland And Coastal Waters. Boca Raton, E.A.: CRC Press, 1995.-362 p.

65. Darecki M., Kaczmarek S., Olszewski J. Seawifs Ocean Colour Chlorophyll Algorithms

66. For The Southern Baltic Sea // Int. J. Remote. Sens. 205. - Vol. 26, No. 2. -Pp.247-260

67. Djavidnia S., Melin F., Hoepfner N. Analysis Of Multi-Sensor Global And Regional

68. Ocean Color Products/European Commision. Ispra, Italy: Joint Research Centre, 2006.-218 p.

69. Doerffer R., Schiller H., Pigment Index, Sediment And Gelbstoff Retrieval From

70. Directional Water Leaving Radiance Reflectances Using Inverse Modelling Technique: Algorithm Theoretical Basis Document 2.12. Geesthacht, Germany: GKSS, 1997.-83 p.

71. Donlon C.J. The GHRSST-PP Development And Implementation Plan, Version 4.

72. Exeter, UK: GHRSST-PP Projectoffice, 2003. 55 p.

73. Doxaran D., Cherukuru N., Lavender S.J. Apparent And Inherent Optical Properties Of

74. Turbid Estuarine Waters: Measurements, Empirical Quantification Relationships, And Modeling // Applied Optics. -2006. Vol. 45, Iss. 10. - Pp. 2310-2324

75. Doxaran D., Cherukuru R. C. N., Lavender S. J. Use Of Reflectance Band Ratios To

76. Estimate Suspended And Dissolved Matter Concentrations In Estuarine Waters // Int. J. Remote. Sens. -205. Vol. 26, No. 8. - Pp. 1763-1769

77. Fisher J., Kronfeld U. Sun-Stimulated Chlorophyll Fluorescence. 1: Influence Of Oceanic

78. Properties // Int. J. Remote Sens. 1990. - Vol. 11, No. 12. - Pp. 2125-2147

79. Folkestad A., Korosov A.A., Sorensen K., Pettersson L.H., Pozdnyakov D.V. An

80. Analytical Case 2 Water Algorithm For The North Sea // Proc. of 31 International Symposium on Remote Sensing of Environment. SPb, Russia, 2005. - Pp. 200-205

81. Ge Yu., Gordon H.R., Voss K.J. Simulation Of Inelastic Scattering Contributions To The1.radiance Field In The Osean: Variation In Fraunhofer Line Depth // Appl. Opt. 1993. Vol. 32, No. 21. - Pp. 4028-4036

82. Gons H. J., Rijkeboer M., And Ruddick K. G. A Chlorophyll Retrieval Algorithm For

83. Satellite Imagery (Medium Resolution Imaging Spectrometer) Of Inland And Coastal Waters // J. Plankton Res. 2002. -Vol. 24. - Pp. 947-951

84. Gordon H. R., Voss K.J., MODIS Normalized Water-Leaving Radiance Algorithm

85. Theoretical Basis Document 18. Miami, US: University Of Miami, 2004. - 125 p.

86. Gordon H.R. Dependence Of The Diffuse Reflectance Of Natural Waters On The Sun

87. Angle // Limnol. Oceanogr. 1989. - Vol. 34, No. 8. - Pp. 1484-1489

88. Gordon H.R. Diffuse Reflectance Of The Ocean: The Theory Of Its Augmentation By

89. Chlorophyll-A Fluorescence // Appl. Opt. 1979. - Vol. 18, No. 8. - Pp. 1161-1166

90. Gordon H.R., Brown O.B., Jacobs M.M. Computed Relationships Between The Inherent

91. And Apparent Optical Properties Of A Flat Homogeneous Ocean // Appl.Opt. -1975.-Vol. 14, No. 2.-Pp. 417-427

92. Gordon H.R., Clark D.K., Mueller J.L., Hovis W.A. Phytoplankton Pigments From The

93. Nimbus-7 Coastal Zone Color Scanner: Comparisons With Surface Measurements // Science. 1980. - Vol. 210, No. 4465. - Pp. 63-66

94. Gordon H.R., Morel A.Y. Remote Assessment Of Ocean Colour For Interpretation Of

95. Satellite Visible Imagery. A Review. New York, US: Springer-Verlag, 1983. -114 p.

96. Gordon H.R., Smith R.C., Zaneveld J.R.V. Introduction To Ocean Optics // Proceedings ofthe VII Ocean Optics Meeting. Monterey, US, 1991. - Pp. 2-41

97. Gordon H.R., Wang M. Retrieval Of Water-Leaving Radiance And Aerosol Optical

98. Thickness Over The Oceans With Seawifs: A Preliminary Algorithm // Appl. Opt.1994. Vol. 33, No. 3. - Pp. 443-452

99. Grassl H., Pozdnyakov D., Lyaskovsky A., Pettersson L. Numerical Modelling Of

100. Transspectral Processes In Natural Waters: Implications For Remote Sensing // Int. J. Remote Sens. 2002. - Vol. 23, No. 8. - Pp. 1581-1607

101. Grebmeier J., Overland J.E., Moore S.E., Farley E.V., Carmack E.C., et al. // Science.2006. -Vol. 311, No. 5766. Pp. 1461-1464

102. Green S.A., Blough N.V. Optical Absorption And Fluorescence Properties Of

103. Chromophoric Dissolved Organic Matter In Natural Waters // Limnol. Oceanogr. -1994. Vol. 39, No. 8. - P. 1903-1916

104. Hoepffner N., Sathyendranath S. Determination Of Major Groups Of Phytoplankton

105. Iturriaga R., Mitchell B.G., Kiefer D.A. Microphotometric Analysis Of Individual Particle

106. Absorption Spectra // Limnol. Oceanogr. 1988. - Vol. 33, No. 1. - Pp. 128-135

107. Jeffrey S.W., Mantoura R.F.C., Wright S.W. Phytoplankton Pigments In Oceanography:

108. Guidelines To Modern Methods. Paris, France: UNESCO, 2005. - 300 p.

109. Jerome J.H., Bukata R.P., Bruton J.E. Monter Carlo Determinations Of Volume

110. Reflectance For Natural Waters. Burlington, CA: NWRI, 1989. - Rep. Vol. 87, No. 10.-1989 p.

111. Jerome J.H., Bukata R.P., Miller J.R Remote Sensing Reflectance And Its Relationship To

112. Optical Properties Of Natural Waters // Int. J. Rem. Sens. 1996. - Vol. 17, No. 16. -Pp. 3135-3155

113. Johannessen O.M., Bengtsson L., Miles M.W., Kuzmina S.I., Semenov V.A., Alekseev

114. G.V., Nagurnyi A.P., Zakharov V.F., et al., Arctic Climate Change: Observed And Modelled Temperature And Sea-Ice Variability // Tellus A. 2004. - Vol. 56. -328 p.

115. Kalnay et al., The NCEP/NCAR 40-Year Reanalysis Project // Bull. Amer. Meteor. Soc.-1996. Vol. 77. - Pp. 437^70

116. Karelia & St. Petersburg / Eds. Eira Varis And Sisco Porter. Joensuu, Finland: Joensuu

117. University Press Oy., 1996. 250 p.

118. Carder K.L., Chen F.R., Lee A., Hawes S.K., Cannizzaro J.P. Case 2 Chlorophyll A

119. Algorithm Theoretical Basis Document 19. St. Petersburg, USA: University Of South Florida, 2003. - 67 p.

120. Kidwell K.B. NOAA Polar Orbiter Data Users Guide. Suitland, USA: U.S. Department1. Of Commerce. 255 p.

121. Kirk J.T.O. Dependence Of Relationship Between Inherent And Apparent Optical

122. Properties Of Water On Solar Altitude // Limnol. Oceanogr. 1984. - Vol. 29. - Pp. 350-356

123. Kirk J.T.O. Volume Scattering Function, Average Cosine, And The Underwater Light

124. Field // Limnol. Oceanogr. 1991. - Vol. 36. - Pp. 455^67

125. Kondratyev K.Ya., Filatov N.N., Limnology And Remote Sensing. Chichester, UK:1. Praxis, 1999.-410 p.

126. Kondratyev K.Ya., Pozdnyakov D.V., Laser Active Remote Sensing Of Phytoplankton In1.land Waters // Proc. Of "The 5th International Colloquium-Physical Measurements And Signatures In Remote Sensing". Courchevel, France, 1991. -Pp.691-696

127. Land P.E., Haigh J.D. Atmospheric Correction Over Case 2 Waters Using An Iterative

128. Fitting Algorithm Including Relative Humidity // SPIE. 1995. - Vol. 2963. - Pp. 609-612

129. Lavender S.J., Pinkerton M.H., Moore G.F., Aiken J., Blondeau-Patissier D., Modification

130. To The Atmospheric Correction Of Seawifs Ocean Colour Images Over Turbid Waters // Continental Shelf Research. 2005. - Vol. 25. - Pp. 539-555

131. Levenberg K. A Method For The Solution If Certain Non-Linear Problems In Least

132. Squares // Quant. Appl. Math. 1944. - Vol. 2. - Pp. 164-168

133. Madsen K., Nielsen H.B., Tingleff 0. Methods For Non-Linear Least Squares Problems.

134. Copenhagen, Denmark: Technical University Of Denmark, 2004. 58 p.

135. Malm J., Jonson L. A Study Of The Thermal Bar In Lake Ladoga Using Water Surface

136. Temperature Data From Satellite Images // Remote Sens. Environ. 1993a. - Vol. 44. - Pp. 35-46

137. Malm J., Grahn L., Mironov D., Terzhevik A. Field Investigations Of The Thermal Bar In1.ke Ladoga, Spring 1991 //Nordic Hydrology. 1993b. - Vol. 24. - Pp. 339-358

138. Malm J., Mironov D., Terzhevik A., Jonson L. Investigation Of The Spring Thermal

139. Regime In Lake Ladoga Using Field And Satellite Data // Limnol. Oceanogr. 1994. - Vol. 39, No. 6. - Pp. 1333-1348

140. Malm J. Spring Circulation Associated With The Thermal Bar In Large Temperate Lakes

141. Nordic Hydrology. 1995. - Vol. 26, Pp. 331-358

142. Marquardt D.W. An Algorithm For Least-Squares Estimation Of Non-Linear Parameters

143. J. Intern. Soc. Appl. Math. 1963. - Vol. 11, No. 2. - Pp. 36^18

144. Marshall B.R., Smith R.C. Raman Scattering And In-Water Ocean Optical Properties //

145. Appl. Opt. 1990. - Vol. 29, No 1. - Pp. 71 -84

146. Masuda К., Takashima Т., And Takayama Y. Emissivity Of Pure And Sea Waters For The

147. Model Sea Surface Temperature In The Infrared Regions // Remote Sens. Environ. 1988.-Vol. 24. -Pp. 313-329

148. McClain C.R., Yen Eueng-Nan CSZC Bio-Optical Algorithm Comparison. Case Studies

149. For The Seawifs Calibration And Validation/NASA Tech. Memo Vol. 13. -Greenbelt, USA: NASA Publ., 1994. 52 p.

150. McMillin L.M., Crosby D.S. Theory And Validation Of The Multiple Window Sea Surface

151. Temperature Technique // J. Geophys. Res. 1984. - Vol. 90. - Pp. 11587-11601

152. Melentyev V.V., Pettersson L.H., Chernook V.I. ERS SAR Data Application Use For

153. Studying Sea Ice Parameters And Retrieving Of Greenland Seals Migration // Proceedings of the ERS-ENVISAT Symposium. Goethenburg, Sweden, 2000. -Pp.567-578

154. Mitchel B.G., Kiefer D. Chlorophyll A Specific Absorption And Fluorescence Excitation

155. Spectra For Light-Limited Phytoplankton // Deep-Sea Res. 1988. - Vol. 35, No. 5. - Pp. 639-663

156. Mitchell B.G., Kiefer D.A. Variability In Pigment Specific Particulate Fluorescence And

157. Absorption Spectra In The Northeastern Pacific Ocean // Deep-Sea Res. 1988. -Vol. 35,No. 5.-Pp. 665-689

158. Morel A. Optical Modeling Of The Upper Ocean In Relation To Its Biogenous Matter

159. Content(Case I Waters) // J.Geophys.Res. 1988. - Vol. 93, No. C9. - Pp. 1074910768

160. Morel A., Antoine D., Pigment Index Retrieval In Case 1 Waters: Algorithm Theoretical

161. Basis Document 2.9. Paris, France: Universite Pierre Et Marie Curie, 2000. - 26 p.

162. Morel A., Gentini B. Diffuse Reflectance Of Oceanic Waters: Its Dependence On Sun

163. Angle As Influenced By The Molecular Scattering Contribution // Appl. Opt. -1991. Vol. 30, No. 30. - Pp. 4427-4438

164. Morel A., Prieur L. Analysis Of Variations In Ocean Water // Limnol. Oceanogr. 1977.-Vol. 22. Pp. 709-722

165. Morel A., Voss K.J. Gentili B. Bidirectional Reflectance Of Oceanic Waters: A

166. Comparison Of Modelled And Measured Upward Radiance Fields // J. Geophys. Res.- 1995.-Vol. 100,No. C7.-Pp. 13143-13150

167. NASA Technical Memorandum No. 104566, Vol. 3 / Eds. S.B. Hooker, E.R. Firestone.

168. Washington DC, USA: NASA, 1993. 21p.

169. Neelov I. A. A Model Of The Arctic Ocean Circulation // Proceeding of Conference On

170. The Dynamics Of The Arctic Climate System. Goteborg, Sweden, 1994. - Pp. 446-450

171. O'Reilly J.R., Maritorena S., Mitchell B. G., Siegel D. A., Carder K. L., Garver S. A.,

172. Kahru M., McClain C. R. Ocean Color Chlorophyll Algorithms For Seawifs // Journal Of Geophysical Research. 1998. - Vol. 103. Pp. 24937-24953

173. Park Y. -J., Ruddick K. Model Of Remote-Sensing Reflectance Including Bidirectional

174. Effects For Case 1 And Case 2 Waters // Appl. Opt. 2005. - Vol. 44. - Pp. 12361249

175. Patt F.S., Barnes R.A., Eplee R.E., Franz Jr.B.A., Robinson W.D., Feldman G.C., Bailey

176. Peters S.W.M., Eleveld M., Pasterkamp R., Van Der Woerd H., Devolder M., Jans S.,

177. Park Y., Ruddick K., Block Т., Brockmann C., Doerffer R., Krasemann H., Rottgers R., Schonfeld W., Jorgensen P.V., Tilstone G., Martinez-Vicente V., Moore G., Sorensen K., Hokedal J., Johnsen T.M., Lomsland E.R., Aas E. Atlas Of

178. Chlorophyll-A Concentration For The North Sea Based On MERIS Imagery Of 2003. Amsterdam, Holland: Vrije Universiteit, 2005. - 50 p.

179. Petzold T.J. Volume Scattering Functions For Selected Ocean Waters. San Diego, USA:

180. Scripps Inst. Of Oceanography Publ., 1972. 79 p.

181. Pope R. M. And E. S. Fry, Absorption Spectrum 380-700 Nm Of Pure Water. II.1.tegrating Cavity Measurements // Appl.Opt. 1997. - Vol. 36. - Pp. 8710-8723

182. Pozdnyakov D.V., Korosov A.A., Pettersson L.H., Johannessen O.M. MODIS Evidences

183. The River Runoff Impact On The Kara Sea Trophy // Int. J. Rem. Sens. 2005. -Vol. 26,No. 17.-Pp. 3641-3648

184. Pozdnyakov D.V., Grassl H. Color Of Inland And Coastal Waters, Chichester, UK:1. Springer, 2003.-170 p.

185. Pozdnyakov D.V., Johannessen O.M., Korosov A.A., Pettersson L.H., Grassl H., Miles

186. M.W., Satellite Evidence Of Ecosystem Changes In A Semi-Enclosed Arctic Marginal Sea // Geophysical Research Letters . 2007. - (Accepted for publication)

187. Richardson A., Schoeman D.S. Climate Impact On Plankton Ecosystems In The Northeast

188. Atlantic //Science. 2004. - Vol. 305, No. 5690.-Pp. 1609-1612

189. Robinson I.S. Measuring The Oceans From Space: The Principles And Methods Of

190. Satellite Oceanography. Chichester, UK: Springer-Praxis, 2004. - 350 p.

191. Robinson I.S., Donlon C.J. Global Measurements Of Sea Surface Temperature From Space

192. Global Atmos. Ocean Sys. 2003. - Vol. 9, No. 1. - Pp. 19-37

193. Roesler C.S., Perry M.J In Situ Phytoplankton Absorption, Fluorescence Emission and

194. Particulate Backscattering Spectra Determined From Reflectance // J. Geophys. Res.- 1995.-Vol. 100, No. C7.-Pp. 13279-13294

195. Roesler C.S., Perry M.J., Carder K.L. Modelling In Situ Phytoplankton Absorption From

196. Total Absorption Spectra In Productive Inland Marine Waters // Limnol.Oceanogr. -1989. Vol. 34, No. 8. - Pp. 510-1523

197. Ruddick К., Ovidio F., Rijkeboer M., Atmospheric Correction Of Seawifs Imagery For

198. Turbid Coastal And Inland Waters // Appl. Opt. 2000. - Vol .39. - Pp. 897-912

199. Sathyendranath S., Morel A. Light Emerging From The Sea Interpretation And Uses In

200. Remote Sensing / Remote Sensing Applications In Marine Science And Technology // Proceedings of the Advanced Study Institute. Dundee, Scotland, 1983. - Pp. 323-357

201. Schiller H., Doerffer R. Improved Determination Of Coastal Water Constituents

202. Concentrations From MERIS Data // IEEE Transactions On Geoscience And Remote Sensing. 1999. - Vol. 43, No. 7. - Pp. 1585-1591

203. Schiller H., Doerffer R. Neural Network For Emulations Of An Inverse Model-Operational

204. Derivation Of Case II Water Properties From MERIS Data // Int. J. Rem. Sens. -1999.-Vol. 20.-Pp. 1735-1746

205. Siegel D.A., Wang M., Maritorena S., Robinson W. Atmospheric Correction Of Satellite

206. Ocean Color Imagery: The Black Pixel Assumption // Applied Optics. 2000. -Vol. 39.-Pp. 3582-3591

207. Simis S.G.H., Peters S.W. M., Gons H.J. Remote Sensing Of The Cyanobacterial Pigment

208. Phycocyanin In Turbid Inland Water // Limnol. Oceanogr. 2005. - Vol. 50, No. 1. -Pp.237-245

209. Smith C.M., Alberte R.S. Characterization Of In Vivo Absorption Features Of

210. Chlorophyte, Phaeophyte And Rhodophyte Algal Species // Marine Biology. 1994. -Vol. 118.-Pp. 511-521

211. Smith R. C., Baker K. S. Optical Properties Of The Clearest Natural Waters 200-800 Nm

212. Appl. Opt. 1981. - Vol. 20. - Pp. 177-184

213. Sosik H.M., Mitchell B.G. Light Absorption By Phytoplankton, Photosynthetic Pigments

214. And Detritus In The California Current System // Deep-Sea Res. 1995. - Vol. 42, No. 10.-Pp. 1717-1728

215. Stavn R.H., Weiderman A.D. Raman Scattering In Ocean Optics: Quantitative Assessment

216. Of Internal Radiant Emission // Apl. Opt. 1992.-Vol. 31, No. 9.-Pp. 1294-1303

217. Stramski D., Rosenberg G., Legendre L. Photosynthetic And Optical Properties Of Marine

218. Chlorophyte Dunaliella Tertiolecta Grown Under Fluctuating Light Caused By Surface-Wave Focusing // Marine Biology. 1993. - Vol. 115. - Pp. 363-372.

219. Sturm B. CZCS Processing Algorithms / Ocean Colour: Theory And Applications In A

220. Decade Of CZCS Experience. Netherlands: ESA Publ., 1993. - P. 95-116

221. Tassan S. Local Algorithms Using Seawifs Data For The Retrieval Of Phytoplankton

222. Pigments, Suspended Sediment, And Yellow Substance In Coastal Waters // Appl.Opt. 1994. - Vol. 33, No. 12. - Pp. 2369-2378

223. The Coastal Zone Color Scanner (CZCS) Experiment / The Nimbus 7 User's Guide.

224. Goddard, USA: NASA Publ., 1978. Pp. 19-32

225. Viljanen M., Rumyantsev V., Slepukhina Т., Simola H. Ecological State Of Lake Ladoga/

226. Karelia And St. Petersburg. Jyvaskyla, Fndland: Joensuu Univ. Press Publ, 1996. -Pp.107-128

227. Vodacek A., Green S.A., Blough N.V. An Experimental Model Of The Solar-Stimulated

228. Fluorescence Of Chromophoric Dissolved Organic Matter // Limnol. Oceanogr. -1994.-Vol. 39,No. l.-Pp. 1-11

229. White Sea: Ecology And Environment / Ed. V.Ja. Berger. Tromso, Norway: Tromso

230. University Publ., 2001. 157 p.

231. White Sea: Its Marine Environment And Ecosystem Dynamics Influenced By Global

232. Change / Eds. Nikolay Filatov, Dmitry Pozdnyakov, Ola Johannessen, Lasse Pettersson, Leonid Bobylev. Chichester, UK: Springer-Praxis, 2005. - 472 p.

233. Witte W.G., Whitlock C.H., Harriss R.C., Usry J.W., Poole L.R. Influence Of Dissolved

234. Organic Materials On Turbid Water Optical Properties And Remote-Sensing

235. Reflectance // Journal of Geophysical Research. 1982. - Vol. 87, No. CI. - Pp. 441-446

236. Yu-Hwan A., Bricaud A., Morel A. Light Backscattering Efficiency And Related

237. Properties Of Some Phytoplankters // Deep-Sea Res. 1992. - Vol. 39, No. 11/12. -Pp.1835-1855

238. Zaneveld J.R.V. A Theoretical Derivation Of The Dependence Of The Remotely Sensed

239. Reflectance Of The Ocean On The Inherent Optical Properties // J. Geoph. Res. -1995. Vol. 10, No. C7. - Pp. 13135-13142

240. Zell A. Stuttgart Neural Network Simulator User Manual, Version 4.1. Stuttgart

241. Germany: University Of Stuttgart, 1995. 200 p.

242. Zilitinkevich S.S., Malm J. A Theoretical Model Of Thermal Bar Movement In A Circular1.ke //Nordic Hydrology. 1993. - Vol. 24. - Pp. 13-30

243. Zilitinkevich S.S., Terzhevik A.Yu. The Thermal Bar // J.Fluid Mech. 1992. - Vol. 230.-Pp. 27^12

Информация о работе

Коросов, Антон Андреевич
кандидата физико-математических наук
Санкт-Петербург, 2007
ВАК 25.00.28

Диссертация

Разработка и применение процедуры комплексного дистанционного зондирования для исследования внутриводных процессов в морях и крупных озерах - тема диссертации по наукам о земле, скачайте бесплатно

Автореферат

Похожие работы