Araştırmacılar, su izlemede MODIS arazi yansıtma ürünlerinin performansını değerlendiriyor

Uydu okyanus renk enstrümanları, okyanus, kıyı ve iç sulardaki fiziksel, kimyasal ve biyolojik değişkenlikleri karakterize etmek için kullanılır. Ancak, uzaktan algılama yansıma verilerinin büyük kaybı ve büyük belirsizliği, kıyıya yakın kıyı ve iç suların izlenmesinde güçlükle sonuçlanır.

Kıyı ve iç suların çoğu genellikle bulanıktır; bu alanlarda, suyun üst atmosfer sinyallerine katkısı artırılır ve bu da su izleme için arazi yansıtma ürünlerinin kullanılma olasılığını düşündürür. Orta Çözünürlüklü Görüntüleme Spektroradyometresi (MODIS) yüzey yansıtma ürünü (R_land), su berraklığını ve sulardaki askıda katı maddeleri izlemek için kullanılmıştır.

Son zamanlarda, Profs liderliğindeki bir araştırma grubu. Çin Bilimler Akademisi Nanjing Coğrafya ve Limnoloji Enstitüsü’nden Duan Hongtao ve Ma Ronghua, MODIS R_land ürünlerinin bir alan optik veri setine karşı performansının kapsamlı bir değerlendirmesini sağladı. Veri seti, küresel kıyıya yakın kıyı ve iç sularda 4.143 yansıma spektrumu, 2.320 klorofil-a numunesi ve 1.467 asılı partikül madde numunesi içerir.

Bu eser yayınlandı Yer Bilimleri İncelemeleri.

Duan, “Bu ürünün kullanım kolaylığına ve MODIS okyanus bantlarından daha yüksek uzamsal çözünürlüğüne rağmen, değerlendirmemize göre R_land, iç suları ve kıyı sularını izlemek için en uygun veri kaynağı olmayabilir” dedi.

Sonuçlar, R_land’ın özellikle 469 nm ve 859 nm bantlarında uzaktan algılama yansımasını olduğundan fazla tahmin ettiğini gösterdi. Buna ek olarak, Doğu Çin Denizi’nde SeaDAS yazılımı kullanılarak elde edilen okyanus rengi ürünleriyle karşılaştırıldığında kara yansıması belirgin şekilde fazla tahminler gösterdi.

Araştırmacılar ayrıca, R_land görüntülerinde gözle görülür negatif değerler ve düzensizlik bildirdiler. R_land, siyanobakteriyel pisliklerin kapsadığı piksellerde sıklıkla negatifti. “R_land’daki olumsuzluklar ve yamalılık muhtemelen şunlardan kaynaklandı: [an] sular üzerinde R_land oluşturmada aerosolleri gidermek için uygun olmayan bir mekanizma,” dedi Prof. MA.

Mevcut algoritmalar, küresel iç sular ve kıyı suları boyunca R_land’den tatmin edici klorofil-a ve askıda katı maddeler tahmin etmedi. Makine öğrenimi modelleri, R_land’den küresel bulanık sularda askıya alınmış partikül madde alımları için en son teknoloji algoritmalardan daha iyi performans gösterdi.

Ancak, sınırlı spektral bilgi ve R_land ürünlerinin belirsizliği nedeniyle, makine öğrenimi modelleri dahil tüm modeller R_land’den güvenilir klorofil-a elde edemez. Bu, R_land’ın çoğu sudaki askıda katı maddelerle (örneğin, su berraklığı ve sönme katsayıları) yakından ilişkili parametreleri ölçebileceği anlamına gelir; ancak klorofil-a gibi pigmentleri ölçmek zordur.

Prof. Duan, “MODIS R_land, bu mevcut algoritmaları kullanılabilir hale getiren yeterli bilgiyi içermiyor. Sonuç olarak, askıda kalan partikül madde, bulanıklık ve su berraklığı gibi birkaç parametre dışında, R_land’den çeşitli su rengi parametrelerini almak zordur” dedi.