Данные многоспектральной аэрокосмической съемки в видимом и ближнем инфракрасном диапазонах спектра широко применяются для исследования морских биоресурсов, в том числе для определения содержания фитопланктона в водных объектах, являющегося важным показателем первичной продуктивности. Для решения этой задачи при автоматическом дешифрировании многоспектральных снимков, как правило, используют либо регрессионные, либо многопараметрические модели.
Регрессионные модели создают на основе статистической обработки данных локальных натурных измерений и представляют в виде функциональных зависимостей между спектрально-яркостными характеристиками водной поверхности и концентрацией хлорофилла «а» (индикатором биомассы фитопланктона). Существенным недостатком этих моделей является проблематичность их использования для водных объектов, гидрооптические свойства которых отличаются от тех, что наблюдались при проведении экспериментов.
Многопараметрические модели описывают теоретические закономерности переноса светового потока в водной среде с учетом процессов рассеяния и поглощения излучения пигментами фитопланктона и минеральными взвесями (Lee et al., 1994). Применение таких моделей на практике связано со значительными трудностями, так как предполагает наличие исходных данных о достаточно большом количестве параметров (альбедо дна, глубина, показатели поглощения желтым веществом и обратного рассеивания взвесью), определение которых может являться отдельной сложной задачей.
Компенсировать недостатки и усилить преимущества регрессионных и многопараметрических моделей возможно в случае их совместного применения. Данная идея была реализована в разработанном авторами полимодельном комплексе, который основан на использовании математического аппарата искусственных нейронных сетей (ИНС). Преимуществом ИНС является тот факт, что при исследовании зависимостей между отражательными свойствами объектов и показателями их состояния сеть позволяет реализовать одновременно несколько моделей. При обучении ИНС используются и адаптивно настраиваются многопараметрические модели переноса излучения, а также дополняющие их регрессионные эмпирические модели для повышения качества оценивания содержания пигментов фитопланктона. Данный подход также позволяет определять состояние водных объектов в условиях неопределенности с возможностью уточнения получаемых оценок по ограниченному объему измерений на опорных точках. (Григорьева и др., 2018).
В докладе рассматриваются методика формирования полимодельного комплекса, выбор конфигурации ИНС и метод ее обучения для оценки содержания фитопланктона. Представлены примеры обработки зарегистрированных космическим аппаратом Sentinel 2 материалов многоспектральной съемки акваторий Севастопольской бухты и Феодосийского залива. Проведено сравнение полученных карт содержания фитопланктона с результатами обработки данных Sentinel-2 в специальном программном обеспечении SNAP с открытым исходным кодом, разработанным Европейским космическим агентством.