Расчет угла цветности и первичных гидрооптических характеристик вод Черного и Азовского морей по данным спутниковых сканеров цвета

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В работе по спутниковым (MODIS, OLCI) и натурным измерениям коэффициента яркости за 2019–2023 гг. рассчитываются углы цветности вод Черного и Азовского морей. Коэффициент корреляции “спутникового” и “натурного” углов цветности составляет 0.92. Для района исследований предложено разделение спектров коэффициента яркости на подгруппы по величинам угла цветности. Проведено сопоставление показателей поглощения растворенным органическим веществом (включая поглощение детритом) и показателей рассеяния назад взвешенными частицами, рассчитанных по спутниковым данным тремя способами: по эмпирическим формулам для угла цветности, по полуаналитическому алгоритму для спектрального коэффициента яркости и по стандартному спутниковому алгоритму (модель GIOP). Эмпирическое соотношение лучше восстанавливает поглощение растворенным органическим веществом, чем стандартный спутниковый или полуаналитический алгоритмы, в то время как для восстановления рассеяния назад взвешенными частицами все три метода показывают аналогичные по качеству результаты.

Об авторах

Е. Н. Корчемкина

Морской гидрофизический институт РАН

Автор, ответственный за переписку.
Email: korchemkina@mhi-ras.ru
Россия, Севастополь

Е. В. Маньковская

Морской гидрофизический институт РАН

Email: korchemkina@mhi-ras.ru
Россия, Севастополь

Список литературы

  1. Копелевич О.В., Костяной А.Г. Использование биооптических параметров океана, определяемых по спутниковым данным, в качестве основных климатических переменных // Фундаментальная и прикладная климатология. 2018. Т. 3. С. 8–29. https://doi.org/10.21513/2410-8758-2018-3-8-29. EDN: YNFLOP
  2. Корчемкина Е.Н. Влияние дополнительной коррекции на соответствие данных дистанционного измерения коэффициента яркости 2-го уровня данным in situ для вод Черного моря // Труды XII Всероссийской конференции с международным участием “Современные проблемы оптики естественных вод”. М.: Издательство “ИО РАН”, 2023. С. 124–129. https://doi.org/10.29006/ 978-5-6051054-4-2-2023
  3. Корчемкина Е.Н., Маньковская Е.В. Спектральный коэффициент яркости, цветовые характеристики и относительная прозрачность вод Черного моря весной 2019 и 2021 годов: сравнительная изменчивость и эмпирические связи // Морской гидрофизический журнал. 2024. Т. 40. № 1. С. 5–20. EDN: HMPHDG
  4. Ли М.Е., Мартынов О.В. Измеритель коэффициента яркости для подспутниковых измерений биооптических параметров вод // Экологическая безопасность прибрежных и шельфовых вод и комплексное использование ресурсов шельфа. 2000. № 1. С. 163–173. EDN: BELAJW
  5. Ли М.Е., Шибанов Е.Б., Корчемкина Е.Н., Мартынов О.В. Определение концентрации примесей в морской воде по спектру яркости восходящего излучения // Морской гидрофизический журнал. 2015. № 6. С. 17–33. EDN: VHEWVT
  6. Маньковский В.И., Соловьев М.В., Маньковская Е.В. Гидрооптические характеристики Черного моря. Справочник. Севастополь: МГИ НАН Украины. 2009. С. 40–41.
  7. Оптика океана: В 2-х т. / Отв. ред. А.С. Монин. Москва: Наука, 1983. Т. 1. Физическая оптика океана. 371 с.; Т. 2. Прикладная оптика океана. 236 с.
  8. Algorithm Descriptions. 2018. https://oceancolor.gsfc.nasa.gov/atbd (дата обращения 26.06.2024)
  9. Churilova T., Efimova T., Moiseeva N. et al. Annual variability in light absorption by particles and colored dissolved organic matter in coastal waters of Crimea (the Black Sea) // Proceedings of SPIE. Irkutsk: SPIE, 2017. V. 10466: 23rd International Symposium on Atmospheric and Ocean Optics: Atmospheric Physics. 104664B. https://doi.org/10.1117/12.2288339
  10. Churilova T., Suslin V., Krivenko O. et al. Light absorption by phytoplankton in the upper mixed layer of the Black Sea: Seasonality and parametrization // Frontiers in Marine Science. 2017. V. 4. 90. https://doi.org/10.3389/fmars.2017.00090
  11. Korchemkina E.N., Kalinskaya D.V. Algorithm of additional correction of Level 2 remote sensing reflectance data using modelling of the optical properties of the Black Sea waters // Remote Sensing. 2022. V. 14. № 4. https://doi.org/10.3390/rs14040831
  12. Lee M.E., Shybanov E.B., Korchemkina E.N., Martynov O.V. Retrieval of concentrations of seawater natural components from reflectance spectrum // Proceedings of SPIE 22nd International Symposium on Atmospheric and Ocean Optics: Atmospheric Physics, Tomsk, Russia, 29 November 2016 (100352Y). https://doi.org/10.1117/12.2247845
  13. Morel A. Optical properties of pure water and pure sea water // Optical Aspects of Oceanography / Edited by N.G. Jerlov, E.S. Nielson. New York: Academic Press, 1974. P. 1–24.
  14. Ocean Color Web. https://oceancolor.gsfc.nasa.gov/ (дата обращения 26.06.2024)
  15. Shybanov E., Papkova A., Korchemkina E., Suslin V. Blue Color Indices as a Reference for Remote Sensing of Black Sea Water // Remote Sens. 2023. V. 15. 3658. https://doi.org/10.3390/rs15143658
  16. Smith R.C., Baker K.S. Optical properties of the clearest natural waters (200–800 nm) // Applied Optics. 1981. V. 20. Iss. 2. P. 177–184. https://doi.org/10.1364/AO.20.000177
  17. Smith T., Guild J. The C.I.E. colorimetric standards and their use // Transactions of the Optical Society. 1931. V. 33. Iss. 3. P. 73–134. https://doi.org/10.1088/1475-4878/33/3/301
  18. Van der Woerd H.J., Wernand M.R. True colour classification of natural waters with medium-spectral resolution satellites: SeaWiFS, MODIS, MERIS and OLCI // Sensors. 2015. V. 15. Iss. 10. P. 25663–25680. https://doi.org/10.3390/s151025663
  19. Werdell P.J., Franz B.A., Bailey S.W. et al. Generalized ocean color inversion model for retrieving marine inherent optical properties // Applied Optics. 2013. V. 52. Iss. 10. P. 2019–2037. https://doi.org/10.1364/AO.52.002019
  20. Werdell J., Mckinna L., Boss E. et al. An overview of approaches and challenges for retrieving marine inherent optical properties from ocean color remote sensing // Progress in Oceanography. 2018. V. 160. P. 186–212. https://doi.org/10.1016/j.pocean.2018.01.001
  21. Zhao Y., Shen Q., Wang Q. et al. Recognition of water colour anomaly by using Hue Angle and Sentinel 2 image // Remote Sensing. 2020. V. 12(4). 716. https://doi.org/10.3390/rs12040716

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

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

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

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

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

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

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

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

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

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

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

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