Τηλεπισκόπηση της χλωροφύλλης-α στα παράκτια ύδατα με βάση το συντελεστή απορρόφησης φωτός του φυτοπλαγκτού

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Τηλεπισκόπηση της χλωροφύλλης-α στα παράκτια ύδατα με βάση το συντελεστή απορρόφησης φωτός του φυτοπλαγκτού

Πρωτότυπος τίτλος: Remote sensing of chlorophyll-a in coastal waters based on the light absorption coefficient of phytoplankton

Συγγραφείς: Guangming Zheng, Paul M. DiGiacomo

Δημοσιεύθηκε: Remote Sensing of Environment, Volume 201, November 2017, Pages 331-341

ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: Χλωροφύλλη, Θολά παράκτια ύδατα, Συντελεστής απορρόφησης φωτός, Διαμερισμός, Προσέγγιση σωρευμένων περιορισμών

Eικόνα 1:Σταθμοί δειγματοληψίας στα πλαίσια της παρούσας μελέτης

Αντικείμενο

Αντικείμενο της παρούσας μελέτης είναι να χαρτογραφήσει τη συγκέντρωση χλωροφύλλης-α με μεθόδους που ξεπερνούν τα όρια της οπτικής φωτοερμηνείας. Πιο συγκεκριμένα, σε αρκετές περιπτώσεις ο οπτικός διαχωρισμός της χλωροφύλλης-α είναι εφικτός με απλές τεχνικές, καθώς περιλαμβάνει ουσίες που συναντώνται συνήθως στο έδαφος(μέταλλα και χούμους), ωστόσο ο διαχωρισμός δυσκολεύει όταν υπάρχει συνύπαρξη με πληθυσμούς φυτοπλαγκτόν. Για το λόγο αυτό στη συγκεκριμένη μελέτη εφαρμόζεται μια ημι-αναλυτική μεθοδολογία που αποδίδει τα σημεία συγκέντρωσης χλωροφύλλης-α βασιζόμενη στο συντελεστή απορρόφησης φωτός του φυτοπλαγκτού. Η μεθοδολογία αυτή χρησιμοποιεί παράλληλα ένα γενικευμένο μοντέλο σωρευμένων περιορισμών(GSCM) για να διαμοιράσει το συνολικό συντελεστή απορρόφησης φωτός που προκύπτει από τα δορυφορικά δεδομένα σε δύο συνιστώσες: η πρώτη συνιστώσα σχετίζεται με την απορρόφηση φωτός από φυτοπλαγκτόν, ενώ η δεύτερη όχι.

Eικόνα 2:Ιστόγραμμα συγκέντρωσης χλωροφύλλης στα επιφανειακά ύδατα

Εισαγωγή

Οι πληθυσμοί φυτοπλαγκτού αποτελούν τη βάση της υδάτινης τροφικής αλυσίδας και διαδραματίζουν κομβικό ρόλο στην εξέλιξη των βιοχημικών διαδικασιών. Εξ’ αιτίας αυτών των χαρακτηριστικών η παραγόμενη βιομάζα από φυτοπλαγκτόν χρησιμοποιείται σε αρκετές μελέτες ως μια σημαντική παράμετρος για την ποιότητα των υδάτων. Στην πράξη, ο όγκος της βιομάζας φυτοπλαγκτού καταμετράται με τη βοήθεια διαφόρων ποσοτικοποιημένων παραμέτρων, όπως είναι η μέτρηση συγκέντρωσης σε χλωροφύλλη-α. Η μέτρηση χλωροφύλλης μπορεί αρχικά να γίνει με διαδικασίες έρευνας τοπίου, αλλά επειδή κάτι τέτοιο είναι χρονοβόρο και δαπανηρό οι σύγχρονες επιστήμες προάγουν την εφαρμογή τεχνικών τηλεπισκόπησης σε δορυφορικές εικόνες που παρέχουν διαχρονικά δεδομένα ευρείας κλίμακας. Παρ’ όλα αυτά μέχρι στιγμής οι τεχνικές που βασίζονται στην τηλεπισκόπηση παραμένουν λιγότερο ακριβείς από τις υπόλοιπες, καθώς δεν υπάρχει κάποιος ευρέως αποδεκτός αλγόριθμος που να αποδίδει ακριβώς τη συγκέντρωσης χλωροφύλλης-α στα επιφανειακά ύδατα βασιζόμενος στην αντανάκλαση. Αυτό συμβαίνει διότι στα παράκτια ύδατα εκτός από το φυτοπλαγκτόν συναντώνται και αρκετά χερσαία στοιχεία, κι έτσι είναι δύσκολο να διακριθεί εάν η απορρόφηση του φωτός γίνεται από αυτά ή από το φυτοπλαγκτόν. Για την καλύτερη διάκριση των μερών των επιφανειακών υδάτων έχουν συντεθεί περισσότεροι εξειδικευμένοι αλγόριθμοι, όπως τα νευρονικά δίκτυα τα οποία εισάγουν ένα μεγαλύτερο αριθμό σταθερών συντελεστών στα δεδομένα εισαγωγής που αφορούν την αντανάκλαση.

Eικόνα 3:Διάγραμμα ροής επεξεργασίας των δορυφορικών δεδομένων

Δεδομένα και μεθοδολογία

Για τη βελτίωση των δεδομένων εισαγωγής που θα χρησιμοποιηθούν στην παρούσα μελέτη, πραγματοποιήθηκε συνδυαστική συλλογή στοιχείων που προέκυψαν από έρευνα πεδίου, αλλά και από τη διαχρονική παρατήρηση δορυφορικών εικόνων με βάση την τοποθεσία. Στη συγκεκριμένη έρευνα τα δεδομένα επεξεργασίας αποδίδονται στη χρονική περίοδο 1997 έως 2015 και έχουν ως πηγή συνολικά τέσσερις αισθητήρες. Ειδικότερα, η ανάκτηση των συγκεκριμένων δεδομένων είχε ως βασικό στόχο την αντιστοίχισή τους για τη δημιουργία ενός μοντέλου ημι-αναλυτικής προσέγγισης και μιας νέας εμπλουτισμένης βάσης δεδομένων. Επιπλέον, ορισμένα επιπλέον δεδομένα που προέκυψαν από σουίτα εικόνων VIIRS για το έτος 2016 λειτούργησαν ως ξεχωριστά ομαδοποιημένα δεδομένα και χρησιμοποιήθηκαν ως δείκτης αξιολόγησης της εφαρμογής του παραπάνω μοντέλου.

Eικόνα 4:Αποτελέσματα χλωροφύλλης-α που προέκυψαν από μετρήσεις (a) SeaWiFS, (b) MERIS, (c) MODIS-Aqua, and (d) VIIRS χρησιμοποιώντας την αντανάκλαση μπλε-σε-πράσινο

Δεδομένα πεδίου συγκέντρωσης χλωροφύλλης-α

Τα δεδομένα πεδίου για τη συγκέντρωση χλωροφύλλης-α αντλήθηκαν από την εκτέλεση ενός ερευνητικού προγράμματος με την ονομασία Chesapeak Bay. Στα πλαίσια του προγράμματος ορίστηκαν κατά μήκος της περιοχής μελέτης 64 συνολικά σταθμοί δειγματοληψίας. Στους σταθμούς αυτούς πραγματοποιήθηκε συγκέντρωση δειγμάτων χλωροφύλλης στην επιφάνεια και στον πυθμένα, αλλά και σε δύο διαφορετικά βάθη. Στη συνέχεια τα σημεία δειγματοληψίας αντιστοιχήθηκαν με τα δορυφορικά δεδομένα. Στην παρούσα μελέτη έγινε χρήση μόνο των δεδομένων επιφανειακής χλωροφύλλης.

Eικόνα 5:Αποτελέσματα χλωροφύλλης-α που προέκυψαν από μετρήσεις (a) SeaWiFS, (b) MERIS, (c) MODIS-Aqua, and (d) VIIRS χρησιμοποιώντας την αντανάκλαση κόκκινο-σε-πράσινο

Δορυφορικά δεδομένα τηλεσκοπικής αντανάκλασης

Η κανονικοποιημένη υδάτινη ακτινοβολία που προέρχεται από δορυφορικά δεδομένα, δημιουργείται ύστερα από την εφαρμογή βαθμονόμησης με τα κατάλληλα όργανα, δευτερεύουσας βαθμονόμησης και ατμοσφαιρικής διόρθωσης.

Eικόνα 6:Αποτελέσματα χλωροφύλλης-α που προέκυψαν από μετρήσεις (a) SeaWiFS, (b) MERIS, (c) MODIS-Aqua, and (d) VIIRS χρησιμοποιώντας την αντανάκλαση εγγύς υπέρυθρο-σε-πράσινο

Αποτελέσματα και συζήτηση

Για την εξαγωγή των κατάλληλων αποτελεσμάτων πραγματοποιήθηκε μια γραμμική παλινδρόμηση μεταξύ των μεταβλητών που ορίζονται από τη συγκέντρωση χλωροφύλλης σύμφωνα με τα δορυφορικά δεδομένα και από τα δεδομένα πεδίου που προκύπτουν από μετρήσεις στην επιφάνεια των παράκτιων υδάτων. Για την αξιολόγηση των αποτελεσμάτων που αφορούν τη συγκέντρωση χλωροφύλλης και προέρχονται από την προτεινόμενη μεθοδολογία της παρούσας εργασίας, έγινε χρήση ενός περιεκτικού συνόλου από στατιστικά σφάλματα παραμέτρων, το οποίο στην ουσία βασίζεται στη σύγκριση της βάσης δεδομένων που αναπτύχθηκε με άλλα μοντέλα παρόμοιου τύπου, υποθέτοντας πως οι διαφορές μεταξύ των δορυφορικών δεδομένων και των δεδομένων πεδίου μπορούν να ληφθούν υπ’ όψιν για την παρουσίαση των σφαλμάτων στα μοντέλα. Οι βασικότερες καινοτομίες και τα σύγχρονα στοιχεία που εισάγει το γενικευμένο μοντέλο σωρευμένων περιορισμών(GSCM) συνοψίζονται στα εξής χαρακτηριστικά: 1)είναι αποσυνδεδεμένο από συστατικά που απορροφούν το φως, αλλά όχι εξ’ αιτίας του φυτοπλαγκτού, 2)επιτρέπει τη μελέτη των πιθανών ανεξάρτητων μεταβλητών που αφορούν διαφορετικές βιογεωχημικές/υδάτινες παραμέτρους ποιότητας, οι οποίες δε θα ήταν δυνατόν να μελετηθούν εάν οι ίδιες παράμετροι προέκυπταν από τα ίδια φασματικά κανάλια αντανάκλασης.

Eικόνα 7:Συντελεστής απορρόφησης φωτός του φυτοπλαγκτού

Συμπεράσματα

Η περιγραφή του γενικευμένου μοντέλου σωρευμένων περιορισμών(GSCM) που υφίστανται στην παρούσα μελέτη αποτελεί μια νέα προοπτική μελέτης της ποιότητας των παράκτιων υδάτων, καθώς σε αρκετές περιπτώσεις τα δορυφορικά δεδομένα παρουσιάζουν χαμηλή ακρίβεια κι έτσι απαιτείται ένα επιπλέον εργαλείο για την παραγωγή υψηλής ποιότητας αποτελεσμάτων. Η επιτυχής εφαρμογή του μοντέλου έγκειται και στο γεγονός ότι γίνεται ορθή απόδοση του συνολικού δείκτη απορρόφησης φωτός στο φυτοπλαγκτόν και στα συστατικά άσχετα με τα φύκη. Για την παρακολούθηση της κατάστασης των υδάτων ένας ολοκληρωμένος και ορθολογικός διαμοιρασμός του αλγορίθμου απορρόφησης μπορεί να αποδειχθεί βοηθητικός για την ανάκτηση πληροφοριών που αφορούν το φυτοπλαγκτόν, εάν η ποιότητα των δεδομένων θεωρείται ως προτεραιότητα συγκρινόμενη με την ποσότητα.

Eικόνα 8:Συντελεστής απορρόφησης φωτός του φυτοπλαγκτού

Συμβολή της τηλεπισκόπησης

Οι τεχνικές τηλεπισκόπησης αποτελούν τη βάση για την παραγωγή του μοντέλου καταγραφής συγκέντρωσης χλωροφύλλης. Στη συγκεκριμένη περίπτωση ο έγκαιρος εντοπισμός υπερσυγκέντρωσης αλγών ή συστατικών που σχετίζονται με χερσαία οικοσυστήματα δύναται να αποτελέσει βασικό εργαλείο για τη λήψη προληπτικών μέτρων για την αποφυγή επιβλαβών φαινομένων όπως ο ευτροφισμός.

Σύνδεσμος πρωτότυπου κειμένου: [1]
Eικόνα 9:Γραμμική παλινδρόμηση μεταξύ δεδομένων πεδίου και δορυφορικών δεδομένων
Eικόνα 10:Σύγκριση των κανονικοποιημένων ιστογραμμάτων για τα δεδομένα πεδίου και τα δορυφορικά δεδομένα
Eικόνα 11:Σύγκριση των διαφορετικών αλγορίθμων
Eικόνα 12:Μικρής κλίμακας χωρική συσχέτιση των συντελεστών
Πίνακας 1:Σύνολο των στατιστικών σφαλμάτων του παραγόμενου μοντέλου
Πίνακας 2:Σύνολο των στατιστικών σφαλμάτων του παραγόμενου μοντέλου
Προσωπικά εργαλεία