Sevastopol, Russian Federation
Russian Federation
Russian Federation
Russian Federation
The paper aims to find the correlation relationship between the land–water area ratio for a fixed area of the Danube Delta and the total river discharge using Landsat series satellite products and SMHI Hypeweb hydrological model. The study period covered 1984–2010. We used a total of 132 satellite images in one band in the near-infrared spectral range with a spatial resolution of 30 m. Two study areas were selected: the delta area with channel and land (44.9–45.4° N, 29.55–29.60° E) and the control area of the mouth seashore (44.9–45.4° N and 29.80–29.85° E). For each of them a histogram was plotted which characterised the reflected light in relative units and their corresponding numbers of pixels. The signal from the first area was found to be in the range of 7000–26,000 r.u., whereas from the second one it was 7000–8000 r.u. This distinction allowed us to separate the delta areas occupied by river water from those of land. For this purpose, we calculated the ratio between the number of pixels corresponding to a value of 7000–8000 r.u. to all pixels in the area. Then we found the correlation between the river discharge from the SMHI Hypeweb hydrological model and the proportion of pixels corresponding to areas occupied by water. The regression y = 7.78∙10–4∙x 0.09 – 5.98∙10–4 was obtained. The analysis of seasonal variability showed that in the studied delta area, the share of pixels related to water-occupied areas > 0.5 corresponds to the months from March to May, and the minimum values < 0.3 correspond to July–September. All this is consistent with the period of intensity of precipitation and snowmelt in the Danube River basin area. The data from this work may be useful to researchers assessing the impact of this river discharge on the hydrological regime and condition of the Black Sea.
remote sensing, Danube River, river discharge, Landsat TM, SMHI Hypeweb, hydrological model, Black Sea
Введение
Черное море занимает уникальное географическое положение благодаря системе проливов Босфор, Дарданеллы и Гибралтар, что делает его самым изолированным водоемом в бассейне Атлантического океана. В таких условиях масса воды, поступающая из устьев рек, оказывает особо выраженное влияние на динамику, а также оптические и биохимические характеристики вод в приустьевых районах морских акваторий. Для Черного моря сток р. Дуная является определяющим в физико-химических процессах как в районе северо-западного шельфа, так и во всем море в целом [1, 2]. Также велик вклад Дуная в многолетние и сезонные изменения уровня моря [3]. Поэтому количественная оценка объема воды, попадающей из Дуная в Черное море, весьма востребована в разных областях научного знания.
С развитием дистанционных методов наблюдения земной поверхности с искусственных спутников Земли возникают новые возможности мониторинга зон сопряжения устья реки с озером или морем.
Проблема изучения расхода рек по спутниковым данным в оптическом диапазоне спектра не является новой. Например, решению этой проблемы посвящены работы [4–6]. В этих трудах для разделения поверхности занятой водой и суши используется двухканальный подход [5] или система автоматической классификации (ISODATA) [4]. Использование полученных результатов с синхронными измерениями расхода реки на гидропостах позволило построить регрессионную связь между этими параметрами, которую можно использовать для мониторинга расхода реки, опираясь только на спутниковые измерения.
Известны также альтиметрические методы [7–9] и оценка с использованием данных высокого разрешения, полученных со спутника Sentinel-2 [10–13]. Однако следует отметить, что указанные методы, несмотря на их преимущества, затруднительны для использования отечественными исследователями, так как доступ к спутниковым продуктам в настоящее время ограничен.
Использование этих методов требует учета множества факторов (растительный покров, цветность воды, аэрозольный компонент атмосферы, спектральные индексы, основанные на нескольких каналах и пр.), что усложняет оценку расхода рек по этим методам.
Цель работы – найти корреляционную связь между соотношением площадей суша/вода и суммарного расхода воды р. Дуная по наблюдениям фиксированного района дельты реки с использованием спутниковых данных среднего разрешения второго уровня (т. е. после выполнения атмосферной коррекции) в ближнем инфракрасном диапазоне спектра, используя один спектральный канал. В статье использованы материалы доклада на XII Всероссийской конференции с международным участием «Современные проблемы оптики естественных вод 2023» [14].
Материалы и методы
В качестве исходных данных расхода в устье р. Дуная использованы данные реанализа, полученные с сайта SMHI Hypeweb . В источнике приводятся сведения о ежедневном расходе воды (сектор 9600704) с 1 января 1981 г. по 31 декабря 2010 г. (рис. 1).
Спутниковые продукты серии Landsat (совместный проект геологической службы США и НАСА) получены с сайта Landsat Missions Для исследования из всего доступного массива снимков отбирали безоблачные изображения второго уровня, то есть после выполнения атмосферной коррекции, в спект-
ральном канале (СК) 5, диапазон длин волн 1.55–1.75 мкм с пространственным разрешением 30 м. Этот спутниковый продукт характеризует коэффициент отражения естественного солнечного света (в у. е.) исследуемого участка земной поверхности с учетом влияния атмосферы и геометрии наблюдения. Для водной поверхности сами значения коэффициента отражения и его изменчивость, связанная с геометрией наблюдения, минимальны, так как при выборе сцен мы исключили данные, где был блик от морской поверхности. Выбор СК был обусловлен его меньшей чувствительностью к ошибкам, связанным с аэрозолем в атмосфере и высоким содержанием минеральной взвеси в речных водах, что определяло более качественное разделение суши и водной поверхности.
Рис. 1. Расход в устье р. Дуная (сектор 9600704) по данным реанализа c cайта SMHI Hypeweb
Fig. 1. Water discharge at the Danube River mouth (sector 9600704) according to reanalysis data from the SMHI Hypeweb website
Всего за 1984–2010 гг. было отобрано 132 снимка, с разбивкой по месяцам:
|
январь |
3 |
|
июль |
22 |
|
февраль |
5 |
|
август |
19 |
|
март |
8 |
|
сентябрь |
11 |
|
апрель |
9 |
|
октябрь |
11 |
|
май |
14 |
|
ноябрь |
5 |
|
июнь |
18 |
|
декабрь |
7 |
Как и следовало ожидать, наибольшее число подходящих для использования сцен приходится на теплый период года, что связано в первую очередь с частотой покрытия облаками в течение года. По годам за рассматриваемый интервал времени отобранные снимки распределены равномерно – в среднем было охвачено пять месяцев в году.
Район исследования (фиксированный участок дельты) имеет координаты 44.9–45.4° с. ш. и 29.55–29.60° в. д. (рис. 2, a). Кроме того, был взят конт-
рольный участок устьевого взморья с координатами 44.9–45.4° с. ш. и 29.80–29.85° в. д., расположенный рядом с районом исследования (рис. 2, b).
Рис. 2. Районы исследования: a – фиксированный участок дельты; b – контрольный район устьевого взморья (URL: https://earthexplorer.usgs.gov/)
Fig. 2. Study areas: a – the fixed section of the delta; b – the control area of the mouth seashore (adopted from: https://earthexplorer.usgs.gov/)
Рис. 3. Пример гистограмм сигналов в СК 5 (1.55–1.75 мкм) для фиксированного участка дельты (a) и контрольного района устьевого взморья (b) за 5 сентября 2009 г.
Fig. 3. An example of SC 5 (1.55–1.75 µm) signal histograms for the fixed delta area (a) and the control area of the mouth seashore (b) for 5 September 2009
Для СК 5 для двух выбранных районов (рис. 2) были построены гистограммы (рис. 3). Контрольный район устьевого взморья (рис. 3, b) характеризуется диапазоном изменчивости сигнала, исходящего от водной поверхности, в интервале 7000–8000 у. е. В то же время весь возможный диапазон изменчивости для фиксированного участка дельты (рис. 3, a) составлял от 7000 до 26 000 у. е. На рис. 3 демонстрируется тот очевидный факт, что для ближнего инфракрасного диапазона сигнал от водной поверхности (рис. 2, b) существенно слабее, чем от суши (рис. 2, a).
Таким образом, долю занятой водой поверхности на фиксированном участке дельты на рис. 2, a (weight water) находили как отношение числа пикселов в гистограмме из диапазона от 7000 до 8000 у. е. ко всем пикселам в районе. Связь между расходом р. Дуная и величиной weight water находили по соответствующей дате съемки, т. е. в тот же день. Так как сечение русла (рукавов) меняется с глубиной, то должна быть связь между шириной русла (рукавов) и расходом воды. При этом ширина русла (рукавов), очевидно, связана с наблюдаемой на спутниковой сцене площадью, покрытой водой.
Результаты и обсуждение
Результат связи между долей пикселов (weight water), занятых водой, на фиксированном участке дельты и расходом р. Дуная за 1984–2010 гг. представлен на рис. 4. Коэффициент корреляции равен 0.78, суммарное число точек – 132. Выбор отдельных рукавов в дельте р. Дуная в качестве фиксированного участка дельты слабо влияет на характер полученной зависимости (рис. 4). То же самое можно сказать и про увеличение площади фиксированного участка внутри дельты.
Рис. 4. Связь между долей пикселов (weight water), занятых водой, для фиксированного участка дельты и расходом реки Дуная за период 1984–2010 гг. (кружками обозначены отдельные сцены, линия – общая регрессионная связь: y = 7.78∙10–4∙x 0.09 – 5.98∙10–4
Fig. 4. Relationship between the proportion of pixels (weight water) occupied by water for the fixed delta area and the Danube River discharge for 1984–2010: the dots denote separate scenes and the line is the general regression relationship: y = 7.78∙10–4∙x 0.09 – 5.98∙10–4
Характер полученной функциональной зависимости качественно объясняется в рамках простой гипотезы. Для этого достаточно рассмотреть два тривиальных случая поперечных сечений русла реки: прямоугольное и треугольное. В первом случае ширина русла фиксирована, следовательно, изменение расхода не будет влиять на увеличение ширины русла или площади поверхности, занятой водой, то есть это период низкого расхода воды. Во втором случае это будет квадратичная функция от ширины русла. Все остальные варианты с менее крутым сечением русла будут приближаться к полученной нами зависимости.
Анализ сезонной изменчивости показывает, что значениям weight water, большим 0.5, соответствуют месяцы с марта по май; минимальные значения weight water (менее 0.3) соответствуют июлю – сентябрю. Все это удовлетворительно согласуется с периодом интенсивности выпадения осадков и таяния снегов в ареале водозабора р. Дуная
Выводы
Для решения задачи определения расхода р. Дуная по спутниковым продуктам серии Landsat предложен простой одноканальный метод, отличающийся доступностью для широкого круга пользователей. Показана возможность разделения участка дельты реки на области, занятые сушей и водой, по их сигналу в ближнем инфракрасном диапазоне спектра. Выяснено, что водной поверхности соответствуют значения 7000–8000 у. е., а суше 7000–26 000 у. е. Вычислив соотношение между количеством пикселов, соответствующих занятым водой участкам, ко всем пикселам избранного участка дельты и связав эту долю с расходом реки по данным реанализа гидрологической модели для той же даты, мы получили регрессионную связь y = 7.78∙10–4∙x 0.09 – 5.98∙10–4. Указанная зависимость может применяться для расчета поступления речной воды Дуная в Черное море. Выявлено, что соотношение пикселов вода/суша, превышающее 0.5, характерно для весенних месяцев, а менее 0.3 соответствует лету – началу осени, что совпадает с периодом интенсивности осадков и таяния снегов в бассейне р. Дуная.
стья рек Украины и устьевые процессы. Севастополь : ЭКОСИ-Гидрофизика, 2008. 448 с.
1. Cyganova M. V., Lemeshko E. M., Ryabcev Yu. N. Vliyanie apvellinga na razvitie rechnogo plyuma v pribrezhnoy zone severo-zapadnogo shel'fa Chernogo morya na osnove chislennogo modelirovaniya // Ekologicheskaya bezopasnost' pribrezhnoy i shel'fovoy zon morya. 2023. № 1. S. 20–30. EDN SYKFPE.
2. Kondrat'ev S. I. Tri harakternye gidrologo-gidrohimicheskie situacii vozle ust'ya Dunaya po dannym ekspedicionnyh issledovaniy Morskogo gidrofiziche-skogo instituta v 1997–2013 godah // Morskoy gidrofizicheskiy zhurnal. 2019. T. 35, № 4. S. 367–383. EDN BTJNWV. https://doi.org/10.22449/0233-7584-2019-4-367-383
3. Goryachkin Yu. N., Ivanov V. A. Uroven' Chernogo morya: proshloe, nastoyaschee i budu-schee. Sevastopol' : EKOSI-gidrofizika, 2006. 210 s. EDN XXXSRN.
4. Sputnikovaya diagnostika rashoda vody na rekah snezhno-ledovogo pitaniya na primere reki Kash [KNR] / A. G. Terehov [i dr.] // Trudy Trinadcatoy Vseros-siyskoy otkrytoy konferencii «Sovremennye problemy distancionnogo zon-dirovaniya Zemli iz kosmosa». Moskva : IKI RAN, 2015. S. 140. URL: http://conf.rse.geosmis.ru/thesisshow.aspx?page=109&thesis=5229 (data obrascheniya: 20.02.2025).
5. Ocenka vozmozhnostey sputnikovogo monitoringa dinamiki rechnogo stoka na primere analiza sostoyaniya reki Amudar'i / I. D. Muhamedzhanov [i dr.] // So-vremennye problemy distancionnogo zondirovaniya Zemli iz kosmosa. 2022. T. 19, № 1. S. 87–103. EDN IPZFFN. https://doi.org/10.21046/2070-7401-2022-19-1-87-103
6. Gleason C. J., Durand M. T. Remote sensing of river discharge: A review and a framing for the discipline // Remote Sensing. 2020. Vol. 12, iss. 7. P. 1107. https://doi.org/10.3390/rs12071107
7. Satellite remote sensing estimation of river discharge: Application to the Yukon River Alaska / D. M. Bjerklie [et al.] // Journal of Hydrology. 2018. Vol. 561. P. 1000–1018. https://doi.org/10.1016/j.jhydrol.2018.04.005
8. Evaluating the potential for measuring river discharge from space / D. M. Bjerklie [et al.] // Journal of Hydrology. 2003. Vol. 278, iss. 1–4. P. 17–38. https://doi.org/10.1016/S0022-1694(03)00129-X
9. Estimating continental river basin discharges using multiple remote sensing datasets / A. W. Sichangi [et al.] // Remote Sensing of Environment. 2016. Vol. 179. P. 36–53. https://doi.org/10.1016/j.rse.2016.03.019
10. Sentinel-2 high-resolution data for river discharge monitoring / P. Filippucci [et al.] // Remote Sensing of Environment. 2022. Vol. 281. 113255. https://doi.org/10.1016/j.rse.2022.113255
11. Estimation of the Water Level in the Ili River from Sentinel-2 Optical Data Using En-semble Machine Learning / R. I. Mukhamediev [et al.] // Remote Sensing. 2022. Vol. 15, iss. 23. P. 5544. https://doi.org/10.3390/rs15235544
12. Mukhamedjanov I. D., Konstantinova A. M., Loupian E. A. The use of satellite data for monitoring rivers in the Amu Darya basin // Regional Problems of Earth Remote Sensing. 2020. Vol. 223. 03008. https://doi.org/10.1051/e3sconf/202022303008
13. Sputnikovyy monitoring rechnyh otmeley transgranichnoy reki Ili (Central'-naya Aziya) v zadache ocenki urovnya vody / A. G. Terehov [i dr.] // Sovremennye problemy distancionnogo zondirovaniya Zemli iz kosmosa. 2023. T. 20, № 4. S. 227–238. EDN IZGLPD. https://doi.org/10.21046/2070-7401-2023-20-4-227-238
14. Suslin V. V., Podgibaylov E. A., Martynov O. V., Sholar' S. A. Rashod vody reki Dunay po opticheskim sputnikovym dannym srednego razresheniya // Sovremennye problemy optiki estestvennyh vod : Trudy XII Vserossiyskoy konferencii s mezhdunarodnym uchastiem. Sankt-Peterburg, 25–27 oktyabrya 2023 goda. T. 13. Sankt-Peterburg : Himizdat, 2023. S. 240–245. EDN FYCODD
