Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Восемнадцатая Всероссийская Открытая конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

XVIII.A.354

Применение гиперспектральных спутниковых данных для определения присутствия сине-зеленых водорослей в Черном и Азовском морях

Морозов Е. А. (1), Кубряков А.А. (1), Алескерова А.А. (1)
(1) ФГБУН ФИЦ "Морской гидрофизический институт РАН", Севастополь, Россия
Использованы данные гиперспектральных спутниковых датчиков HICO (NASA) и ГСА (НЦ ОМЗ «Российские космические системы») Для идетнификации и качественной оценцки содержания сине-зеленых водорослей в некоторых акваториях Черного и Азовского морей.
Применен алгоритм на основе второй производной для определения минимума спектра коэффициента отражения для дистанционного зондирования или спектральной яркости в области спектра около 680 нм, так называемый индекс присутствия цианобактерий (Wynne et al., 2008; Wynne et al., 2013). Этот алгоритм позволяет использовать как спутниковые данные прошедшие атмосферную коррекцию, так и не прошедшие. На основе данного алгоритма разработан подход к идентификации присутствия фикоцианина, являющегося пигментом-маркером (Stumpf et al., 2016; Gitelson et al., 2011) для сине-зеленых водорослей, анализирующий минимум спектра в области 620 нм.
Произведено сопоставление результатов автоматической идентификации присутствия сине-зеленых водорослей с визуальным анализом спектров. Произведено сопоставление результатов применения алгоритмов к гиперспектральным данным прошедшим (HICO) и непрошедшим (ГСА) атмосферную коррекцию.
Работы проводились пр гранту РФФИ №20-35-70034.

Ключевые слова: Гиперспектральные спутниковые данные; ГСА; HICO; Сине-зеленые водоросли; фикоцианин
Литература:
  1. Gitelson A. A. , Gao B.-C., Li R.-R., Berdnikov S., and Saprygin V. (2011) Estimation of chlorophyll-a concentration in productive turbid waters using a Hyperspectral Imager for the Coastal Ocean—the Azov Sea case study. Environ. Res. Lett. 6 024023 (6pp) doi:10.1088/1748-9326/6/2/024023
  2. Stumpf R. P., Davis, T. W., Wynne T. T., Graham J. L., . Loftin K. A, Johengen T. H., Gossiaux D., Palladino D., Burtner, A. (2016) Challenges for mapping cyanotoxin patterns from remote sensing of cyanobacteria, Harmful Algae, 54 160–173 http://dx.doi.org/10.1016/j.hal.2016.01.005
  3. Wynne T. T., Stumpf R. P., Tomlinson M. C., Warner, R. A., Tester, P. A., Dyble, J. and
  4. Fahnenstiel, G. L. (2008) Relating spectral shape to cyanobacterial blooms in the Laurentian Great Lakes, International Journal of Remote Sensing, 29:12, 3665 — 3672
  5. Wynne T.T., Stumpf R.P., Briggs T.O. (2013) Comparing MODIS and MERIS spectral shapes for cyanobacterial bloom detection, International Journal of Remote Sensing, DOI:10.1080/01431161.2013.804228

Презентация доклада

Методы и алгоритмы обработки спутниковых данных

34