Одна из основных задач при получении количественных характеристик на основе спутниковых данных – их верификация с помощью измерений in-situ. Это в частности справедливо для определения мутности и концентрации взвешенных твердых частиц в устьевых областях рек в морях.
Эти параметры определяются по данным оптических спутников с помощью специализированных алгоритмов. Наилучшие результаты достигаются при использовании региональных алгоритмов, разработанных для конкретных регионов, конкретных рек и даже разных сезонов. Такие алгоритмы, естественно, учитывают данные in situ из тех регионов, для которых они разрабатываются.
Не имея возможности заниматься разработкой региональных алгоритмов, нами была поставлена задача оценить эффективность некоторых стандартных алгоритмов определения мутности и концентрации взвешенного вещества для двух районов: приустьевой зоне реки Сулак, впадающей в Каспийское море, и реки Мзымта, впадающей в Черное море.
В качестве тестируемых алгоритмов были выбраны следующие:
1. The C2RCC (Case 2 Regional Coast Color) processor (https://www.brockmann-consult.de/portfolio/water-quality-from-space/). Данный алгортм реализован в программном обеспечении SNAP ESA Sentinel Toolbox (https://step.esa.int/main/toolboxes/snap/), использует нейронные сети
2. Алгоритмы, входящие в the ACOLITE software (http://odnature.naturalsciences.be/remsem/software-and-data/acolite)
Данные алгоритмы позволяют определять мутность (turbidity) и концентрацию взвешенного вещества (SPM) по спутниковым данным, в частности по данным OLI Landsat-8 и MSI Sentinel-2.
Проводилось сравнение результатов, полученных с помощью различных алгоритмов, с результатами синхронных натурных измерений, проведенных нами в Каспийском море в мае 2021 г. и в Черном море в апреле-мае 2019, 2021 г. ].
Было получено, что при значениях мутности до 30 NTU все тестируемые алгоритмы достаточно хорошо коррелируют с данными in-situ. При больших значениях мутности, больших 100 NTU только результаты применения алгоритма Dogliotti коррелируют с натурными синхронными данными. Все остальные алгоритмы дают слишком заниженные значения.