MDPI Machine Learning Algorithm User Guide

Mašininio mokymosi algoritmas

Informacija apie produktą

Specifikacijos

Produkto pavadinimas: Nuotolinio stebėjimo straipsnis
Autorius: Larissa Patricio-Valerio, Thomas
Schroederis, Michelle J. Devlin, Yi Qin, Scottas Smithersas
Paskelbimo data: 21 m. liepos 2022 d
Raktiniai žodžiai: Himawari-8, vandenyno spalvos, dirbtinis
neuroniniai tinklai, Didysis barjerinis rifas, pakrančių vandenys, iš viso
skendinčios kietosios medžiagos, mašininis mokymasis, vandens kokybė

Produkto naudojimo instrukcijos

1. Įvadas

Nuotolinio stebėjimo straipsnyje pateikiama įžvalgų apie naudojimą
mašininio mokymosi algoritmai, skirti išgauti bendrą suspenduotų kietųjų dalelių kiekį
Didžiajame barjeriniame rife, naudojant Himawari-8 duomenis. Straipsnis
aptariami geostacionarumo panaudojimo iššūkiai ir pranašumai
Žemės orbitos palydovai nuolatiniam pakrantės stebėjimui
srityse.

2. Paieškos procesas

Straipsnyje pabrėžiama geostacionarumo svarba
palydovai, tokie kaip Himawari-8, fiksuojant duomenis beveik realiuoju laiku
pakrančių procesai. Tai pabrėžia žemos Žemės orbitos apribojimus
palydovai, skirti išspręsti trumpalaikį kintamumą, palyginti su
geostacionarių palydovų.

3. Vandenyno spalvų jutikliai

Straipsnyje minima vandenyno spalvų jutiklių reikšmė
palydovai erdvinei informacijai, susijusiai su vandeniu, gauti
kokybės. Jame aptariama laiko dinamika, kurią stebėjo
geostacionarieji palydovai ir jų poveikis pakrantės stebėjimui
reiškinius.

Dažnai užduodami klausimai (DUK)

Kl.: Kas yra pagrindinis nuotolinio stebėjimo straipsnio akcentas?

A: Pagrindinis dėmesys skiriamas mašininio mokymosi algoritmo naudojimui su
Himawari-8 duomenys, skirti gauti bendrą suspenduotų kietųjų medžiagų kiekį Didžiojoje
Barjerinis rifas.

Kl.: Kodėl pakrantėse pirmenybė teikiama geostacionariems palydovams
stebėti?

A: Geostacionarieji palydovai siūlo beveik nuolatinį stebėjimą
dideli plotai su didesniu dažniu, todėl galima geriau stebėti
sparčiai kintančių pakrantės procesų.

nuotolinis stebėjimas

Straipsnis
Mašininio mokymosi algoritmas, skirtas Himawari-8 bendram suspenduotų kietųjų dalelių paėmimui Didžiajame barjeriniame rife
Larissa Patricio-Valerio 1,2,*, Thomas Schroeder 2, Michelle J. Devlin 3, Yi Qin 4 ir Scottas Smithersas 1

1 Mokslo ir inžinerijos koledžas, James Cook universitetas, Taunsvilis, QLD 4811, Australija; scott.smithers@jcu.edu.au
2 Sandraugos mokslo ir pramonės tyrimų organizacija, Vandenynai ir atmosfera, GPO Box 2583, Brisbenas, QLD 4001, Australija; thomas.schroeder@csiro.au
3 Aplinkos žuvininkystės ir akvakultūros mokslo centras, Parkfield Road, Lowestoft, Suffolk NR33 0HT, JK; michelle.devlin@cefas.co.uk
4 Sandraugos mokslo ir pramonės tyrimų organizacija, Vandenynai ir atmosfera, GPO Box 1700, Kanbera, ACT 2601, Australija; yi.qin@csiro.au
* Susirašinėjimas: larissa.patriciovalerio@my.jcu.edu.au

Citata: Patricio-Valerio, L.; Schroederis, T.; Devlinas, MJ; Qin, Y.; Smithers, S. Mašininio mokymosi algoritmas, skirtas Himawari-8 bendram suspenduotų kietųjų dalelių paėmimui Didžiajame barjeriniame rife. Remote Sens. 2022, 14, 3503. https://doi.org/ 10.3390/rs14143503
Akademinis redaktorius: Chrisas Roelfsema
Gauta: 15 m. gegužės 2022 d. Priimta: 19 m. liepos 2022 d. Paskelbta: 21 m. liepos 2022 d.
Leidėjo pastaba: MDPI išlieka neutralus dėl jurisdikcijos pretenzijų paskelbtuose žemėlapiuose ir institucinių ryšių.
Autorių teisės: © 2022 autorių. Licenciatas MDPI, Bazelis, Šveicarija. Šis straipsnis yra atviros prieigos straipsnis, platinamas pagal Creative Commons Attribution (CC BY) licencijos sąlygas (https://creativecommons.org/licenses/by/4.0/).

Anotacija: Vandenyno spalvos nuotolinis aptikimas buvo esminis dalykas atliekant sinoptinio masto jūrų vandens kokybės stebėjimą Didžiajame barjeriniame rife (GBR). Tačiau vandenyno spalvų jutikliai, esantys žemos orbitos palydovuose, tokiuose kaip Sentinel-3 žvaigždynas, neturi pakankamai pakartotinio apsilankymo galimybių, kad visiškai išspręstų paros kintamumą labai dinamiškoje pakrantės aplinkoje. Siekiant įveikti šį apribojimą, šiame darbe pateikiamas fizikos pagrindu sukurtas pakrančių vandenyno spalvų algoritmas, skirtas išplėstiniam Himawari vaizduokliui, esančiam geostacionariame palydove Himawari-8. Nepaisant to, kad Himawari-8 yra sukurtas meteorologiniams tikslams, jis suteikia galimybę kas 10 minučių įvertinti vandenyno spalvų ypatybes keturiose plačiose matomose ir beveik infraraudonųjų spindulių spektrinėse juostose ir 1 km2 erdvine raiška. Buvo atliktas Himawari-8 juostų susietos vandenyno atmosferos spinduliuotės perdavimo modeliavimas, siekiant realiai įvertinti GBR vandens ir atmosferos optines savybes bei įvairias saulės ir stebėjimo geometrijas. Imituoti duomenys buvo naudojami kuriant atvirkštinį modelį, pagrįstą dirbtinio neuroninio tinklo metodais, siekiant įvertinti bendrą suspenduotų kietųjų dalelių (TSS) koncentraciją tiesiai iš Himawari-8 viršutinės atmosferos spektrinio atspindžio stebėjimų. Algoritmas buvo patvirtintas kartu su in situ duomenimis visoje pakrantės GBR ir buvo įvertintos jo aptikimo ribos. TSS gavimas parodė santykines paklaidas iki 75 % ir 2 mg L-1 absoliučią paklaidą patvirtinimo diapazone nuo 0.14 iki 24 mg L-1, o aptikimo riba buvo 0.25 mg L-1. Aptariame galimus Himawari-8 dieninių TSS produktų pritaikymus gerinant vandens kokybės stebėjimą ir valdymą GBR.
Raktiniai žodžiai: Himawari-8; vandenyno spalva; dirbtiniai neuroniniai tinklai; Didysis barjerinis rifas; pakrantės vandenys; bendras suspenduotų kietųjų medžiagų kiekis; mašininis mokymasis; vandens kokybė
1. Įvadas Vandenyno spalvų jutikliai žemos Žemės orbitos (LEO) palydovuose, pvz., MODIS/Aqua,
VIIRS/Suomi-AE ir OLCI/Sentinel-3 pateikė ilgalaikius vertingų ir ekonomiškai efektyvių stebėjimų įrašus, kad būtų galima ištirti kasdienę ir metinę vandens kokybės dinamiką Didžiajame barjeriniame rife (GBR) [1]. LEO palydovai nuskaito tą pačią geografinę sritį geriausiu atveju per vieną ar dvi dienas; tačiau laiko tarpas tarp dviejų iš eilės identiškų orbitų (ty pakartotinio apsilankymo periodiškumas) paprastai svyruoja nuo vienos iki keturių savaičių. Be to, vandenyno spalvotiems vaizdams didelę įtaką gali turėti debesys ir saulės blizgesys, o tai riboja aukštos kokybės stebėjimų gavimą [5]. Tam gali prireikti kas savaitę arba kas mėnesį sudaryti kasdienių vaizdų iš tos pačios srities, kad būtų sukurtas sudėtinis be debesų view vandenyno. Todėl LEO palydovų pajėgumų laike nepakanka sukurti visapusišką stebėjimo sistemą ir veiksmingai stebėti trumpalaikius dinamiškus pakrantės procesus, tokius kaip fitoplanktono dygimo ciklai, kasdienė potvynių plunksnų progresija ir

Remote Sens. 2022, 14, 3503. https://doi.org/10.3390/rs14143503

https://www.mdpi.com/journal/remotesensing

Nuotoliniai jutikliai, 2022, 14, 3503

2 iš 23

potvynių ir vėjo sukelta resuspensija [7]. Mokslininkai ir aplinkosaugos vadybininkai vis dar

pasikliaukite LEO vandenyno spalvų produktais, kad gautumėte ekonomiškai efektyvią erdvinę informaciją –

pakrantės GBR [10,11, XNUMX], tačiau pripažįsta šių metodų apribojimus, siekiant išspręsti trumpalaikį laikotarpį.

kintamumas.

–

Palydovai, esantys g-stacionarioje Žemės orbitoje (GEO), kitu atveju leidžiami beveik ištisiniai

didelių Žemės rutulio plotų stebėjimas didesniu dažniu (nuo minučių iki valandų), lyginant

iki beveik kasdieninio LEO platformų apsilankymo dažnumo, ypač tropikuose [9]. The

Pirmasis pasaulyje geostacionarus vandenyno spalvotas vaizdas (GOCI-I), paleistas 2010 m., atskleidė

sparčiai kintančių pakrantės procesų šiaurės rytų Azijoje laiko dinamika, pvz

drumstumo plunksnų ir kenksmingų dumblių žydėjimo [12,13]. Jo sėkmė suteikė naudingą atvejį

ateities pasaulinių GEO vandenyno spalvų misijų plėtrai [14]; tačiau nė vienas iš

per artimiausią dešimtmetį pasiūlytos misijos buvo skirtos stebėjimui

Australijos vandenys. Nepaisant to, GEO palydovai visame pasaulyje naudojami meteorologiniams stebėjimams.

servisai ir naujausių technologijų pažanga išnaudojo jų galimybes rinkti duomenis virš vandenynų, todėl iš kosmoso galima stebėti dinamiškesnius procesus [-15].

Tofhbe annedxst-ignentheera-vtiiosinblGe EspOemctreutemor(o2loogri3cailnssetenasdorosfaorenleyq1uibpapnedd)

su padidintu skaičiumi kartu su patobulinta

ragreadendovtisaoltyTnmahctpieeeortsornAivaacdlirsldvyoeiawnnpnsgoeciitdednivd,itui-ftHooryfnri-(mavsthliiagemewwnfieaaatlrr-etsi-totouIrm-tno-nimplaoorgiegsee,eci-rceara(daA-lnteioeHnobat)Ires)a-edtnorrdrnvueabeovtoniicaosboirntoldosafr-uHroedrvqiemecudarealvAni-wbicusraiauesrtstiair-ol[8ai1ns/l8ia9ac]ta.,iGopinnEacbOloiulfsidtaEiietnaesrglt[lih9tth]e.–feriTosGhmcBeusRrae-.

Himawa-ri-8 yra 140.7 rytų aukštyje virš pusiaujo ir 10 minučių nuskaitymo sparta per dieną (nuo 48 iki 8 val. vietos laiku) fiksuoja mažiausiai 4 viso disko stebėjimus. Nors AHI prietaisas buvo sukurtas meteorologiniams tikslams, jis matomas ir beveik infraraudonųjų spindulių

(VNIR) juostos (1 pav. ir 1 lentelė) leidžia aptikti jūros ypatybes, turinčias stiprią

optiniai signalai, pavyzdžiui, iš labai drumstų vandenų [19]. Be to, Himawari-21

itin didelės skiriamosios gebos stebėjimai leidžia stebėti vandenyno savybes iš

sub-hourly iki metinio laiko s skalės visai GBR lagūnai ir gretimai vandenyne

basin without inter-orbital data g-aps.

wFiigthurtehe1.trHainmsmawisas-riio-n8

atmosferos dujų matomų ir infraraudonųjų juostų (vientisos baltos linijos) spektrinės atsako funkcijos (pilka užpildyta linija) ir perdavimo ozonu (raudona)

ištisinė linija) tarp 400 ir 1000 nm.

Iš Him-awari-8 gali būti sukurta daugybė vandenynų zonų stebėjimo ir valdymo programų, įskaitant vandenyno spalvą [22,23, 8]. Naujausi tyrimai parodė, kad Hima-wari-17,24 stebėjimai gali aptikti bendrą suspenduotų kietųjų dalelių (TSS) kiekį pakrantės vandenyse [22, 8] ir chlorofilo koncentraciją (CHL) atvirame vandenyne [XNUMX]. Šie rezultatai rodo įdomią galimybę stebėti aukšto dažnio ir dinamiškus procesus pakrantės GBR. Tačiau, nors gali būti prieinami keli vandenyno spalvų algoritmai, skirti palydoviniam pakrančių vandens kokybės parametrų nuskaitymui, jie gali būti netinkami GBR optiniam sudėtingumui arba netaikomi Himawari-XNUMX stebėjimams.

Nuotoliniai jutikliai, 2022, 14, 3503

3 iš 23
– –
Tleanbglteh1s.anHdimbaanwdawrii-d8-thA, dasvsaoncciaetdedHsipmaatiwalarreisIomluatgioenr.vSiisgibnlael-aton-dn- oni-esearr–aintiforsar(SeNd Rb)anfrdosmcpenertrv [25.

Juosta # (pavadinimas) #1 (mėlyna) #2 (žalia) #3 (raudona) #4 (NIR)

Juostos centras (plotis) 470.64 (45.37) nm 510.00 (37.41) nm 639.15 (90.02) nm 856.69 (42.40) nm

Erdvinė raiška 1 km 1 km 0.5 km 1 km

SNR @100 % Albedo 585 (641.5) 645 (601.9) 459 (519.3) 420 (309.3)

B modeliu pagrįsti vandenyno spalvų algoritmai, kuriuose naudojamas spinduliuotės perdavimo modeliavimas, parodė didesnį našumą, taikomą atliekant daugialaikius pakrančių vandenų nuotolinio stebėjimo tyrimus, palyginti su empiriniais algoritmais [26]. Konkrečiai kalbant, neuroniniai tinklai yra skaičiavimo požiūriu efektyvus inversijos metodas nuotolinio stebėjimo programoms optiškai sudėtinguose pakrančių vandenyse dėl jų gebėjimo apytiksliai suderinti nelinijinius funkcinius ryšius [27]. Šiame darbe aprašomas modeliu pagrįsto Himawari-35 neuroninio tinklo vandenyno spalvų algoritmo (2 pav.) kūrimas ir GBR pakrančių vandenims parametrizuotas. Vieno žingsnio inversijos algoritmas buvo sukurtas siekiant įvertinti TSS tiesiogiai iš Himawari–8 viršutinės atmosferos (TOA) stebėjimų naudojant daugiasluoksnį perceptroną, dirbtinių neuroninių tinklų (ANN) klasę. Pirma, TOA atspindžių RTOA() sr-8 spektrinis kampinis pasiskirstymas buvo modeliuojamas VNIR Himawari-1 juostose su esamu susietu vandenyno atmosferos spinduliavimo perdavimo (RT) modeliu (priekinis modelis). RT modeliavimas apėmė realius vandens kokybės parametrų, atmosferos ir apšvietimo sąlygų pokyčius. Tada buvo suprojektuoti, apmokyti ir išbandyti keli ANN eksperimentai (atvirkštiniai modeliai), kad būtų galima gauti TSS Himawari–8 juostose, remiantis imituojamu TOA spinduliavimu. Galiausiai, Himawari-8 gauti TSS išėjimai buvo statistiškai įvertinti, palyginti su tuo pačiu metu GBR esančiais in situ vandens kokybės duomenimis, ir ištirti pasirinkto algoritmo apribojimai.

2 pav. Modeliu pagrįsto vandenyno spalvų algoritmo, sukurto Himawari-8, srauto schema.
2. Metodai Spinduliavimo perdavimo modeliavimo parametrų nustatymas ir projektavimas
ANN atvirkštinis modelis yra nurodytas tolesniuose poskyriuose. Priekinės ir atvirkštinės modelio parametrų nustatymas atitinka metodą, anksčiau sukurtą Europos pakrančių vandenims [36], tačiau buvo pritaikytas šiame tyrime, atsižvelgiant į GBR optines sąlygas vandenyje [38]. Be to, H-imawari-39 gavimo, apdorojimo ir maskavimo procedūros bei vandenyno spalvų procesorius yra aprašyti čia sukurtam modeliu pagrįstam algoritmui. Pateikiamas patvirtinimo protokolas ir algoritmo apribojimų vertinimo metodai bei pirmieji TSS stebėjimo rezultatai GBR.

Nuotoliniai jutikliai, 2022, 14, 3503

4 iš 23
2.1. „Forward“ modelis
Šiame darbe Himawari-40,41 VNIR juostų susietam vandenyno atmosferos spinduliuotės perdavimo modeliavimui buvo panaudota skaliarinė matricos operatoriaus modelio (MOMO) versija [8] (1 lentelė). Neatsižvelgus į atmosferos poliarizaciją, TOA gali būti 1% paklaidos, o tai priimtina naudojant pakrančių vandenį [2]. Himawari-42 RTOA () buvo modeliuojamas realiam GBR optinių savybių diapazonui vandenyje ir atmosferoje.
Imituota vandenyno atmosferos sistema yra stratifikuota į kelis horizontaliai vienalyčius plokštumos lygiagrečius sluoksnius, kuriuose atsižvelgiama į apibrėžtus vandens ir atmosferos optinių sudedamųjų dalių tipus ir koncentracijas. Imituotos atmosferos (TOA) aukštis yra 50 km storio ir padalintas į 11 sluoksnių, kur vertikalus profiles slėgis, temperatūra ir drėgmė atitinka JAV standartinę atmosferą [43]. Reilio sklaidos susilpnėjimas atsižvelgiama į du barometrinius paviršiaus slėgius – 980 hPa ir 1040 hPa. Atmosfera yra padalinta į ribinį sluoksnį (0 km), laisvąją troposferą (2 km) ir stratosferą (2 km). Kiekviename sluoksnyje modeliavimas buvo atliktas aštuoniems skirtingiems aerozolių rinkiniams su skirtingomis aerozolio optinio storio (a) koncentracijomis esant 12 nm nuo 12, 50 iki 550, 0.015. Kiekvieną aerozolių rinkinį sudaro trys pagrindiniai aerozolių modeliai: jūrinis modelis ribiniame sluoksnyje, kontinentinis modelis laisvojoje troposferoje ir sieros rūgšties modelis stratosferoje, kai santykinė drėgmė yra nuo 1.0% iki 70%. Diapazonas buvo nustatytas remiantis daugiamečiais 99 lygio saulės fotometrais AERONET [2] stoties Lucinda Jetty pakrantės observatorijoje (LJCO), esančios centrinėje GBR [44,45S, 18.52E]. Atitinkamų Ångström koeficientų [146.39] tarp 46 ir 550 nm analizė LJCO AERONET stotyje patvirtina jūrinių ir žemyninių aerozolių tipų mišinį, atitinkantį tuos, kurie buvo naudojami RT modeliavime.
Atmosferos dujų (išskyrus O3) perdavimas buvo gautas iš HighResolution Transmission Molecular Absorption (HITRAN) duomenų bazės [47] ir įgyvendintas spinduliavimo perdavimo modeliavime naudojant modifikuotą Bennartzo ir Fischerio k-skirstymo modelį [48]. Spinduliuotės perdavimo modeliavimas buvo atliktas darant prielaidą, kad pastovi ozono apkrova yra 344 Dobsono vienetai (DU) [43]. Himawari-8 juostos buvo imituotos 17 saulės ir stebėjimo kampų bei 25 vienodai išdėstytų santykinių azimuto kampų. Modeliavimas buvo atliktas siekiant nustatyti tikroviškus vandens kokybės svyravimus, kuriuos reprezentuoja atsitiktinai parinktos unikalios CHL, TSS ir geltonųjų medžiagų (YEL) koncentracijos, toliau vadinamos koncentracijos tripletais. Imituojamų koncentracijų tripletų diapazonai buvo apibrėžti remiantis in situ koreliuojamų koncentracijų, rastų GBR, dispersija, vadovaujantis Zhang ir kt. [49]. Imituoti koncentracijos tripletai buvo tolygiai paskirstyti logaritminėje erdvėje, todėl kiekviena dydžių tvarka buvo pavaizduota panašiai, vengiant pasikartojančių modeliavimų.
Bendra spektrinė jūros vandens sugertis a() buvo sumodeliuota keturių komponentų biooptiniu modeliu, apskaičiuojančiu gryno vandens absorbciją (aw), fitoplanktono ir visos negyvos organinės medžiagos (ty detrito) ap1 kaip CHL funkciją [0.01, 15], neabsorbcijos apSS dalelių funkciją. [2, 0.01], o geltonųjų medžiagų absorbcija yra 100.0 nm [443, 0.002]. Gryno vandens sugerties koeficientas (aw) buvo sumodeliuotas pagal Pope ir Fry [2.5] Himawari-50 matomoms juostoms 8 ir Hale ir Querry [1] 3 juostai. Fitoplanktono ir detrito ap51 spektrinė absorbcija buvo atlikta Bricaud et al. [4], o ne dumblių dalelių ap1 absorbcija buvo parametrizuota pagal Babin ir kt. [52], kurio vidutinis nuolydis Sp2 yra 53, gautas iš in situ biooptinių duomenų sampGBR vadovavo 2002–2013 m. Geltonųjų medžiagų spektrinis sugerties koeficientas buvo modeliuojamas pagal Babin ir kt. [53], kurio vidutinis nuolydis Sy yra 0.015, kuris taip pat buvo gautas iš in situ stebėjimų iš GBR [39].
Bendra spektrinė jūros vandens sklaida (b()) buvo modeliuojama dviejų komponentų biooptiniu modeliu [53], apskaičiuojančiu gryno vandens (bw) sklaidą ir sklaidą arba organines ir neorganines daleles bp kaip TSS funkciją. Gryno jūros vandens sklaida

Nuotoliniai jutikliai, 2022, 14, 3503

5 iš 23

koeficientas buvo išreikštas kaip nuo bangos ilgio priklausomas galios įstatymas, pagrįstas Morel [54],

apibrėžtas pasauliniam druskingumo vidurkiui 35 PSU. Sklaidos indėlis organinių ir

neorganinės dalelės buvo sujungtos, kad būtų gautas bendras kietųjų dalelių sklaidos koeficientas bp po Babin ir kt. parametrų. [55]. Masės specifinis sklaidos koeficientas

GBR vandenims buvo apskaičiuotas 0.31 m2 g-1 TSS dalelių bp, vadovaujantis Babin ir kt. [55]. 2 atvejo vandenims buvo pritaikytas atgalinės sklaidos tikimybės modelis [49,56]

apskaičiuokite ir pasirinkite vandens sklaidos fazės funkcijas (, ) pagal TSS ir YEL santykį. Modeliavimas buvo atliktas daugeliui atsitiktinių koncentracijų

trynukai ir atmosferos sąlygos, kaip nurodyta anksčiau, sukurti visapusišką

azimutaliniu būdu išspręstų Himawari-8 RTOA(). Iš šios duomenų bazės, statistiškai

reprezentatyvūs mokymo ir bandymų pogrupiai buvo atsitiktinai išgauti, kad būtų sukurta atvirkštinė

modelis. Mokymo ir bandymo pogrupius sudarė 100,000 XNUMX įvesties vektorių

kuriuose yra

: imituotas RTOA 470, 510, 640 ir 856 nm juostose, jūros lygio atmosferos slėgis nuo 980 iki 1040 hPa, saulės zenito kampas (s), zenito stebėjimas (v) ir santykinis azimutas ().

2.2. Atvirkštinis modelis

Šiame tyrime daugiasluoksnis perceptronas (MLP), nukreipto dirbtinio neuroninio tinklo (ANN) klasė [57], buvo įdiegtas kaip atvirkštinis modelis, pagrįstas Malthouse [58] sukurta Neural Network Simulator C programa, siekiant apytiksliai nustatyti funkcinį ryšį tarp Himawari-8 RTOA() ir TSS koncentracijos. Dabartinį MLP sudaro įvesties sluoksnis, paslėptas sluoksnis ir neuronų išvesties sluoksnis. Kiekvienas neuronas yra sujungtas su kiekvienu kito sluoksnio neuronu svoriu. Prižiūrimą mašininį mokymąsi arba mokymo procedūrą galima apibūdinti taip:

Įvesties neuronai (ni) gauna įvesties vektorių

, kuriame yra imituoti atspindžiai

ir aukščiau aprašytus papildomus duomenis, ir išplatina juos į paslėptojo sluoksnio neuronus

(nh).

· Paslėptame sluoksnyje dirbtiniai neuronai susumuoja svertinius įvesties signalus ir perduoda juos per nelinijinę perdavimo funkciją, o vėliau perduoda savo išėjimus

į išvesties sluoksnio neuronus (ne).

· Kainos funkcija (ty vidutinės kvadratinės paklaidos, MSE – (1) lygtis) tarp sim-

apskaičiuojami viso mokymo duomenų rinkinio tiksliniai išėjimai yt ir ANN apskaičiuoti išėjimai yc (N = 100,000 1) ir koreguojami vidiniai tinklo svoriai (W2, WXNUMX).

· ANN mokymas kartojamas tol, kol bus sumažinta sąnaudų funkcija tarp produkcijos ir tikslinės vertės.

MSE = y c – y t /N

(1)

Išlaidų funkcija sumažinama kartotiškai pritaikant svorio matricas (W1, W2), naudojant ribotos atminties BroydenFletcherGoldfarbShanno optimizavimo algoritmą [59]. Trijų sluoksnių MLP architektūrai visa analitinė funkcija pateikiama pagal (2) lygtį:

W2 × S1

W1 × x

(2)

kur S1 ir S2 yra netiesinės ((3) lygtis) ir linijinės perdavimo funkcijos, naudojamos atitinkamai išvesties ir paslėptame sluoksnyje.

S(x) = 1 + ex -1

(3)

Neuronų skaičius įvesties ir išvesties sluoksniuose buvo nustatytas pagal problemos įvesties ir išvesties parametrų skaičių, o keli eksperimentiniai bandymai

Nuotoliniai jutikliai, 2022, 14, 3503

6 iš 23

buvo reikalingi norint nustatyti optimalų neuronų skaičių paslėptame sluoksnyje. The

eksperimentai buvo sukurti keičiant paslėpto sluoksnio neuronų skaičių nuo 10 iki 100,

10 žingsniais. Atsitiktinė, bet visiems eksperimentams fiksuota sėkla buvo naudojama inicijuoti –

tinklų svorio konfigūracija. Eksperimentai apėmė pagrindinį komponentą

analizę (PCA) kaip išankstinio apdorojimo žingsnį, skirtą RTOA() įvestims dekoruoti. Be to, eksperimentai buvo suprojektuoti naudojant 0.8% spektriškai nekoreliuojamą nuo signalo priklausomą atsitiktinį m - triukšmą, pridėtą prie RTOA įvesties kiekvienoje juostoje. ANN eksperimentai buvo apmokyti ir išbandyti naudojant 100,000 XNUMX įvesties vektorių, atsitiktinai išskirtų iš spinduliuotės perdavimo.

modeliuojamas duomenų rinkinys. Kiekvienas įvesties vektorius buvo susietas su logaritmine TSS koncentracija, kuri buvo pasirinkta kaip tikslinė išvestis, kuri turi būti apytikslė prižiūrimo mokymosi metu.

procedūra. Visi eksperimentai buvo išmokyti atlikti 1000 pakartojimų ir sumažinti išlaidas

funkcija ((1) lygtis) buvo apskaičiuota per visą mokymo duomenų rinkinį kiekvienos iteracijos metu. An

Tinklo mokymui stebėti buvo naudojamas nepriklausomas N = 100,000 XNUMX vektorių testo duomenų rinkinys

našumą ir išvengti per didelio pritaikymo.

–

2.3.

TBhaesHicipmraowceasrsi-in8- gOscteeapns

Himawari-8 raw spalvų apdorojimas

duomenis

TSS

produktų

yra

parodyta

Paveikslas

Įsigytos 1 lygio (L1) viso disko Himawari-8 VNIR juostos, ištrauktos per GBR sritį –

(10 P, 29 S, 140 E, 157 E), geografinė vieta, ir navigacija pataisyta. Geografiniai neapdoroti duomenys

buvo transformuoti į 1b (L1b) lygio TOA spindulius (LTOA() W m-2sr-1µm-1 ) per –

tghreidawppalsicraetsiaomnpolfedpofrsot-mlau0.n5ckhmuptoda1tkedmctaolimbraattcihonthceoreefsfiocliuetn-itosn[o60f ]t.heTahseso6c4i0atnemd VbNanIRd

juostos. L1b kalibruotas LTOA() buvo normalizuotas pagal nežemišką saulės apšvitą F() W -m-2 kiekvienai juostai. F() buvo apskaičiuotas kaip metų dienos funkcija

ir naudojant vidutines nežemiškos saulės apšvitos F vertes b-as, nustatytas Kurucz [61] ir pritaikytas Himawari-8 juostoms [62]. Gauti TOA atspindžiai RTOA() sr-1 VNIR Himawari-8 juostose buvo naudojami kaip inversijos metodo įvestis. Be to,

s, v, and values were calculated for each pixel of the satellite image as a function of latitude, longitude, and local time, following existing procedures [63], and converted into

Dekarto koordinatės (x, y, z).

3 pav. Himawari-8-Ocean spalvų apdorojimo schema. HSD reiškia Himawari-8 standartinius duomenis, GBR reiškia Didįjį barjerinį rifą, VNIR reiškia Himawari-8 matomas ir artimas infraraudonųjų spindulių juostas (470, 510, 640 ir 856 nm), o ANN reiškia dirbtinį neuronų tinklą.

ACulsoturadlimanasckoinntginoenf tHainmdaswuarrroi–u8nodbisnegrvwaatitoenrss.

buvo The

sukūrė Qin ir kt. [64] 2 km raiškos debesų kaukė buvo

resampvedė į dulkes ir dūmus

1plkummHesimfraowmabrii-o8mg-raisds

ir apima nudegimu užterštų pikselių maskavimą. Taip pat atsirado pikselių, identifikuotų kaip

paviršiai, tokie kaip žemyninės zonos, salos ir seklumos, buvo užmaskuoti pagal formąfiles

galima rasti Didžiojo barjerinio rifo jūrų parko administracijos [65] duomenų bazėje. Saulės spindesys

–

Nuotoliniai jutikliai, 2022, 14, 3503

7 iš 23
kaukė buvo sukurta apskaičiuojant pagrindinio saulės blizgesio taško (PPS) koordinates kaip metų dienos (saulės polinkio), vietos valandos, platumos ir ilgumos funkciją [66], esant 1 km erdvinei skiriamajai gebai. Saulės disko kontūras buvo buferinis 1300 km apskritimo spinduliu nuo PPS koordinačių. Spindulio dydis buvo pasirinktas atlikus keletą vizualinių bandymų, siekiant užtikrinti maksimalų pagrindinio saulės disko srities aprėptį.
Himawari-8 stebėjimai buvo normalizuoti po pikselį ir kiekvienai juostai su beveik lygiagrečiais palydoviniais duomenimis apie bendrą stulpelio ozoną, gautą iš bendro ozono, gauto iš Stratosferos ir troposferos palydovų komponentų analizės (TOAST) produkto [67] prieš inversiją. Produktas TOAST, kurio erdvinė skiriamoji geba yra 1.25 x 1 laipsnis ir dienos laiko skiriamoji geba, buvo raiškaampatvedė iki 1 km, kad atitiktų Himawari-8 tinklelį. Himawari-8 stebėjimai buvo normalizuoti kiekvienoje juostoje pagal santykį tarp TOAST gauto ozono perdavimo ir imituoto ozono kolonėlės tankio 344 DU perdavimo. Be to, vidutinio jūros lygio atmosferos slėgio duomenys iš NCEP/NCAR 'Reanalysis 2' PaRt2m [68] buvo panaudoti kaip įvestis Himawari-70 stebėjimams apversti. „Reanalizė 8“ duomenys apskaičiuojami kas 2 val. (6, 0, 6, 12 UTC) ir sampvadovaujamas įprastu pasauliniu 2.5 laipsnių erdvinės skiriamosios gebos tinkleliu [71]. Buvo gauti artimiausi lygiagrečiai PaRt2m duomenys ir resampvedė į 1 km Himawari-8 tinklelį. Gauta TSS, susijusios kaukės ir metaduomenys buvo išsaugoti NetCDF file, įskaitant su pikseliu susijusias vėliavėles, skirtas už diapazono ribų esantiems įėjimams ir išvestims. Galiojančių įėjimų ir išėjimų diapazonai buvo apibrėžti remiantis RT modeliuojamu duomenų rinkiniu. Pavyzdžiui, jei tam tikras pikselio įvesties ir (arba) išvesties parametras viršijo modeliuojamus diapazonus, pikseliui buvo priskirta atitinkama vėliavėlė. Įvesties ir išvesties vėliavėlės buvo sumuojamos kiekvienam Himawari-8 tinklelio pikseliui. Prieš atliekant vėlesnį patvirtinimą ir taikymo analizę, vandens kokybės produktams buvo pritaikytos už diapazono ribų esančios vėliavėlės.
2.4. Didysis barjerinis rifas in situ duomenys
In situ TSS, kurį 2015–2018 m. išmatavo Australijos jūrų mokslų institutas (AIMS) ir Sandraugos mokslo ir pramonės tyrimų organizacija (CSIRO), buvo gauti iš IMOS biologinės optinės duomenų bazės [72] per Australijos vandenyno duomenų tinklo (AODN) portalą. Tiek CSIRO, tiek AIMS naudoja gravimetrinį metodą TSS koncentracijai jūros vandenyje nustatyti. Metodą sudaro skendinčių kietųjų medžiagų sausosios masės matavimas iš žinomo tūrio jūros vandens samppo vakuuminio filtravimo ant iš anksto pasverto membraninio filtro. Daugiau informacijos apie AIMS ir CSIRO naudojamą metodiką aprašyta Great Barrier Reef Marine Park Authority [73] ir Soja-Woz´niak et al. [74], atitinkamai. Nepaisant to, kad AIMS ir CSIRO laboratorijos naudoja šiek tiek skirtingus TSS nustatymo metodus (ty pakartojimų skaičių, filtravimo pagalvėles, skalavimą ir tt), šie duomenų rinkiniai buvo sujungti atliekant šį patvirtinimą. Iš viso buvo atsižvelgta į 347 in situ duomenų taškus, kurių TSS svyravo nuo 0.01 iki 85 mg L-1 ir vidutiniškai 3.5 mg L-1. In situ duomenų taškai, esantys 1 km atstumu nuo pakrantės arba rifų, nebuvo įtraukti į analizę, kad būtų sumažintas neapibrėžtumas dėl gretimų poveikio [75]. Įtraukėme visus in situ jūros vandens samppaimti paviršiuje (<0.5 m gylyje) stočių, esančių kintamo vandens gylyje (1.5 m iki 40 m), o sekliausias duomenų taškas rodo TSS > 10 mg L-1.
2.5. Patvirtinimo protokolas
Šiame tyrime naudojamas patvirtinimo protokolas atitinka ankstesnių vandenyno spalvų nuotolinio stebėjimo patvirtinimo pratimų patirtį Australijoje, įskaitant pakrantės GBR [27,76,77, XNUMX, XNUMX]. Šiuose tyrimuose aprašyti apdorojimo etapai, skirti išgauti palydovinius stebėjimus kartu su in situ matavimais pakrantės GBR, taip pat naudingi statistiniai rodikliai.
Keli Himawari-8 stebėjimai gali būti sujungti per tam tikrą laikotarpį (ty hourly) pašalinti galimus iškrypimus ir sumažinti jutiklių bei aplinkos triukšmą, greičiausiai pagerinant įvertinimus ir patvirtinimo efektyvumą [7,9,16]. Todėl šiam patvirtinimo pratimui buvo gauti visi turimi Himawari-8 stebėjimai, nuskaityti per ± 30 minučių nuo įrašyto in situ laiko. Atrinkti ir apdoroti 10 min Himawari-8 stebėjimai VNIR

Nuotoliniai jutikliai, 2022, 14, 3503

8 iš 23

- -

juostos su susijusia saule ir stebėjimo geometrija buvo pogrupyje 3 x 3 pixe-l bo-x-es,

centruojamas kiekvieno lygiagrečio in situ duomenų taško koordinates. Taip pat buvo išgauti 3 x 3 pikselių lygiagrečių kaukių pogrupiai (ty debesys, žemė, rifai ir saulės blizgesys) ir pagalbiniai duomenys (ty ozonas ir slėgis). Beveik tikros spalvos kompozitai iš pasirinktų Himawari-8 –

stebėjimai buvo apžiūrėti vizualiai, kad būtų išvengta sutapimų vandenyse su aštria horizontalia

optinių savybių gradientai (ty drumstumo frontai) arba šalia esantys debesys.

–

Hourly galiojančių poaibių sudėtinės dalys buvo apskaičiuotos pagal laiko vidurkį, neatsižvelgiant į

užmaskuoti pikseliai. hourly agreguoti pogrupiai buvo apdoroti naudojant ANN inversiją

algoritmus ir užmaskuotas už diapazono ribų. Galiausiai mediana ir standartinis nuokrypis

iš hourly buvo apskaičiuoti TSS poaibiai, neįskaitant m-klaustų pikselių. Tik tie pogrupiai, kurių viename pikselių langelyje užmaskuoti du ar mažiau pikselių, buvo laikomi tinkamais suderinti. ANN

išėjimai buvo apskaičiuoti logaritmine skale (log10), o lygiagretusis in situ TSS buvo logtransformuotas statistinei analizei. ir baigtaview iliustruota patvirtinimo procedūra

4 paveiksle. Rezultatai buvo įvertinti atsižvelgiant į jų vidutinę kvadratinę paklaidą

(RMSE – arba absoliuti paklaida), poslinkis, vidutinis absoliutus procentastage paklaida (MAPE – arba santykinė paklaida) ir determinacijos koeficientas (R2). Poslinkis, R2 ir RMSE buvo apskaičiuoti log10

–

erdvė ir MAPE buvo apskaičiuoti tiesiniais matavimais, o p – iš palydovo

psproadceu,cftowlloitwhi-nNgtEhqeunautimonbser(4o)f(v7a)l,iwd hmearetcmhuispsth. e

RMSE = 1/N (m-p)2

(4)

MAPE = 100/N |(m -p)|/p 2

(5)

2 rublių =

N(mp)- ( m)( p) m2 – ( m)2 N p2 – (

p)2

(6)

Poslinkis = 1/N (m -p)

(7)

ANN atitikimo eksperimentai buvo suskirstyti pagal aukščiau aprašytą statistinę metriką. Pirmenybė buvo teikiama tiems eksperimentams su mažiausiu RMSE, nes šis statistinis parametras yra išlaidų funkcija, kuri sumažinama ANN mokymo metu. Buvo pasirinktas geriausiai veikiantis eksperimentas su mažiausiu neuronų skaičiumi paslėptame sluoksnyje, siekiant sumažinti skaičiavimo pastangas Himawari-8 stebėjimų inversijai visame GBR.

4 pav. Supaprastinta viršusview algoritmo patvirtinimo procedūros.

2.6. Apribojimų įvertinimas

Signalo ir triukšmo santykis (SNR) buvo apskaičiuotas matomiems ir beveik infraraudoniesiems spinduliams.

HEaimstearwnaSrti-a-8ndLTaOrdA

(Tim) oeb–seArvEaStTio)nast

nuskaitytas pasirinktas

nuo 08:00 iki 16:00 vietinėmis datomis ir debesų-fr-ee zonose

laikas (Australija iš Koralų jūros

–

Nuotoliniai jutikliai, 2022, 14, 3503

9 iš 23

(16.25S, 151E ir 20.60S, 153.53E). Šiai analizei buvo atsižvelgta tik po 2017 m. liepos mėn. stebėjimų, nes jų kalibravimo koeficientai buvo pakoreguoti dėl koherentinio ir horizontalaus juostinio triukšmo [63,78, 8]. Buvo naršomos tikros spalvos momentinės nuotraukos, pasiekiamos naudojant Himawari-79 Monitor P-Tree System [80,81], siekiant pasirinkti tikslinę zoną ir užtikrinti, kad jos būtų erdviškai vienodos ir mažai tikėtina, kad jos būtų paveiktos debesų, saulės blizgesio, biooptinių ypatybių ir antžeminio deginimo dūmų [8, 60]. Pasirinkti Himawari-51 stebėjimai buvo konvertuoti iš neapdorotų skaičiavimų į fizinius vienetus, taikant kalibravimo koeficientus [51], išskiriant XNUMX x XNUMX pikselio pogrupius ir sutelkiant juos į dominančių regionų koordinates. Be to, poaibiai, susijusios kaukės ir geometriniai parametrai buvo hourly agreguota. 10 min ir hourlSuvestuose pogrupiuose buvo užmaskuoti debesys, žemė, rifai ir saulės blizgesys, o jų beveik tikrosios spalvų kompozicijos buvo tikrinamos, ar nėra neaptiktų ypatybių, tokių kaip koralų ertmės, rifai, debesų šešėliai ir jutiklių artefaktai.
SNR buvo apskaičiuotas kiekvienai Himawari-8 juostai pagal (8) lygtį [80]. Vidurkis LTOA() visiems tinkamiems pikseliams tikslinėje srityje suteikia Ltypical(), o standartinis nuokrypis () toje pačioje srityje suteikia triukšmo ekvivalentinį spindesį (Lnoise()). SNR apskaičiuojamas kaip santykis tarp Ltypical ir Lnoise kiekvienoje juostoje:

SNR() = Ltipinis ()/Ltriukšmas() = LTOA()/(LTOA())

(8)

SNR paros kintamumas ir dydžio skirtumai, apskaičiuoti naudojant 10 min ir hourlKiekvienoje juostoje buvo tikrinami apibendrinti Himawari-8 stebėjimai (atitinkamai SNRSING () ir SNRAGG (). Be to, jų spektrinės charakteristikos buvo įvertintos s diapazonuose, nes žinoma, kad triukšmo lygis kinta priklausomai nuo saulės aukščio [80]. Galiausiai, susiję proctagTriukšmo lygiai (% Triukšmas) buvo apskaičiuoti s = 45 ± 1 ir naudojami algoritmo jautrumui Himawari-8 tipiniams triukšmo lygiams įvertinti.
Šiame tyrime sukurtas TSS algoritmas buvo mokomas naudojant spektriškai plokščią (nekoreliuotą) fotonų triukšmą (0.8, 0.1%), kuris buvo įtrauktas į mokymo duomenų rinkinį, darant prielaidą, kad žinios apie jutiklio veikimo charakteristikas, palyginti su vandenyno taikiniais, yra ribotos. Norint įvertinti inversijos stabilumą ir pateikti pradinę TSS algoritmo jautrumo analizę, į testavimo duomenų rinkinį buvo įtrauktas spektriškai plokščias fotonų triukšmas 1.0, 10 ir 50 bei 8% ir apverstas. Be to, su Himawari-0.01 juostomis susietas triukšmo procentas buvo įtrauktas į bandymų duomenų rinkinį, siekiant kiekybiškai įvertinti spektriniu būdu priklausančių triukšmo lygių poveikį TSS paieškos tikslumui. Paieškos stabilumas buvo aiškinamas kaip pastovus RMSE padidėjimas plačiame TSS diapazone (100–1 mg L-8), vienodais logaritminėmis koncentracijomis. Be to, išilginiai TSS produktų transektai, paimti homogeniniuose ir debesuotuose pakrantės GBR vandenyse ir Koralų jūroje, buvo įvertinti pikselių skalėje, kad būtų galima kokybiškai įvertinti Himawari-XNUMX triukšmo lygį.

3. Rezultatai
3.1. Algoritmo patvirtinimas
Buvo apmokyti keli tinklai su įvairiomis architektūros konfigūracijomis, o inversijoms buvo pasirinktas geriausio našumo tinklas su mažiausiu įmanomu RMSE ir mažiausiu neuronų skaičiumi paslėptame sluoksnyje. Pasirinktas eksperimentas su 50 neuronų paslėptame sluoksnyje atskleidė TSS nuo 0.14 iki 24 mg L-1, o teigiamas R2 ir poslinkis buvo 0.014 mg L-1, MAPE - 75.5%, o 10RMSE - 2.08 mg L-1, kaip parodyta 5 paveiksle.

Nuotoliniai jutikliai, 2022, 14, 3503

10 iš 23

5 pav. In situ ir Himawari-8 gautas TSS su geriausiai atliekamu ANN eksperimentu, su in situ TSS reikšmėmis spalviniu kodu-d logaritmine skale. Klaidų juostos rodo standartinį TSS nuokrypį pikselių viduje 3 x 3 pikselių langelyje. Skirtingi simboliai nurodo AIMS surinktus in situ duomenis
ir CSIRO LJCO.
–
3.2. Himawari-8 Iš viso suspenduotų S-olidų Didžiajam barjeriniam rifui-f
6 paveiksle parodyta beveik tikros spalvos kompozicija iš Himawari-8 (kairysis skydelis), paimtas 27 m. spalio 2017 d. virš GBR srities, ir atitinkamo TSS produkto 10 minučių laiko skyra (dešinysis skydelis). GBR lagūnos vandenyse TSS paprastai yra 1 mg L-1 arba daugiau, o vandenyse, esantys jūroje, GBR yra mažesnės nei 1 mg L-1. TSS produktas atskleidė stiprų granuliavimo ir juostelių triukšmą atvirose Koralų jūros vandenyno srityse.

6 pav. Beveik tikros spalvos Himaw-ari-8 GBR vaizdai, gauti 27 m. spalio 2017 d. 15:00 AEST (kairysis skydelis) ir susijęs TSS gaminys [mg L-1] (dešinysis skydelis). Pikseliai užmaskuoti juodai dėl debesų ir diapazono ribų.

Himawari-8 TSS svyravimai buvo ištirti Burdekin upės žiotyse ir virš pietinės GBR

pakrantės vandenų rifų matricai (7 pav

saunrdroaunn-imdinatgiothnes

nuorodoje). 12 m. vasario 2019 d. Burdekino potvynis sukėlė nuosėdų srautą

išorinius rifus (50 km nuo žiočių) pasiekė nuo 3 iki 4 val., kai TSS > 20 mg L-1.

–

—

Nuotoliniai jutikliai, 2022, 14, 3503

- -
–

–
–

11 iš 23
–

Burdekino upės nuosėdų tėkmė susiformavo ateinant potvyniui, o atstumas tarp atoslūgių ir atoslūgių yra 0.3 m. Pakrantės vandenyse prie rifų TSS padidėjo eilės tvarka (3.6, 26.4 mg-L-1) per s-emi-dienos potvynio ciklą (kryžius 7 paveiksle (kairėje pusėje) ir 8a paveiksle). Potvynių dengiami rifai buvo paveikti TSS ~40 kartų viršijant orientacinę 0.7 mg L-1 slenkstį [82]. Sritys, kuriose TSS viršijo 100 mg-L-1, prie burnos, buvo užmaskuotos (juodos sritys) kaip diapazono reikšmės (ANN vėliavėlės). TSS svyravimų po pagrindinio iškrovimo įvykio animacija pateikta S1 paveiksle.

7 pav. Potvynių srautas, ištekantis iš Burdekin upės, 2019 m. vasario mėn. (kairysis skydelis). TSS potvynio purkštukai GBR rifų matricoje 2016 m. lapkričio mėn. (dešinysis skydelis). Atkreipkite dėmesį į skirtingus kiekvieno diagramos diapazonus. Pikseliai, užmaskuoti juodai, atsiranda dėl diapazono ribų esančių TSS verčių.
Nors dideli potvyniai rodo aiškias TSS ypatybes pakrantės GBR, pietinėje GBR seklių ir panardintų rifų matricą supančios submezo skalės potvynių srovės stebimos (7 paveikslas (dešinysis skydelis)), parodantis, kaip šios skirtingos sąlygos daro įtaką trumpalaikiam TSS kintamumui. S2 paveiksle pateikta animacija iliustruoja potvynio sukeltų TSS svyravimų dinamiką, kai potvyniai (4 m) ir atoslūgiai (0.2 m) įvyko atitinkamai 10 ir 6 val. (8b pav.). TSS koncentracijos prie Heralds rifo (pažymėtas kryželiu) per dieną svyravo maždaug vienu laipsniu (0.3, 2.0 mg L-1), o vertės viršijo vandens kokybės rekomendacines ribas, rekomenduojamas atviros pakrantės GBR (0.7 mg L-1). –

8 pav. 10 min. Himawa-ri-8 gautos TSS laiko eilutės Burdekin upės žiotyse per 2019 m. vasario mėn. potvynius (a) ir pietinėje GBR rifų matricoje 2016 m. lapkričio mėn. (b), kaip parodyta 7 paveiksle. Klaidų juostos rodo vieno pikselio standartinius nuokrypius. Orientacinės slenkstinės pakrantės (2.0 mg L-1) ir vidutinio šelfo (0.7 mg-L-1) vandenyse pažymėtos raudonai. Kiekviename paveikslėlyje atkreipkite dėmesį į skirtingus laiko intervalus.
– –
–

Nuotoliniai jutikliai, 2022, 14, 3503

12 iš 23
3.3. Aptikimo ribos SNR, apskaičiuotas iš dviejų Himawari-8 stebėjimų rinkinių, parodytas
9 pav. Keli pavieniai stebėjimai buvo praleisti dėl intensyvaus debesų dangos, ypač 06 m. rugsėjo 2017 d., ir dėl to laiko eilutėse atsirado duomenų spragų. SNRSING ir SNRAGG parodė aiškius paros svyravimus, o didžiausias SNR pasireiškė esant mažiausioms s (<30), nuo 11 iki 12 val. SNRAGG ir mėlynos bei žalios juostose (470 ir 510 nm) buvo didesnis dydis ir paros kintamumas, palyginti su apskaičiuotomis SNRSING reikšmėmis. SNR, apskaičiuotas 640 nm ir 856 nm juostoms, buvo bent tris kartus mažesnis nei SNR, apskaičiuotas mėlynoms ir žalioms juostoms, su subtiliais paros pokyčiais. Dienos SNR svyravimai tarp dienų ir vietų buvo įvairūs, ypač mėlynos juostos ir SNRAGG atveju. 06 m. rugsėjo 2017 d. (vidurkis v~22) SNRAGG mėlynoje ir žalioje juostose buvo panašaus dydžio (9b pav.). 25 m. rugsėjo 2017 d. (kitoje vietoje, kai vidutinis v ~ 28), mėlyna juosta SNRSING pateikė beveik dvigubai aukštesnę nei žalia juosta (9d pav.).

9 pav. Sig-na-l ir triukšmo santykio (SNR, dešinioji ašis) laiko eilutės, apskaičiuotos pavieniams (SNRSING) (a,c) ir suvestiniams (SNRAGG) stebėjimams (b,d) su susijusiais s (kairioji ašis). S-NR yra
spalva koduota juostele.

Grupės iš

s spektrinis kintamumas, kur standartas

Rodomi SNRSING ir SNRAGG nukrypimai kiekvienoje grupėje

paveiksle pavaizduotas kaip

10 už ribotą

trys klaidos

barai. Pavieniai stebėjimai paprastai davė mažesnį SNR nei bendri stebėjimai

visose juostose, o SNR buvo didžiausias 9 pav. SNR standartiniai nuokrypiai

s < 30, atsižvelgiant į duomenis, apskaičiuotus vienkartiniams ir suvestiniams

pateiktos pastabose

wfoerresm>o4r0epartotnhoeubnlcueedbfoanr dsp>re4s0enatendd

prie mėlynos ir žalios juostos. Standartiniai nuokrypiai 27 ir iš

SNR apskaičiuotas 51 už SNRSING

ir SNRAGG nuokrypiai

, o atitinkamai 13 ir 26.

SNR apskaičiuotas pagal pateiktą standartinę žalią juostą Šie nuokrypiai greičiausiai yra susiję su kintamuoju

kiekvienos vietos atmosferos sąlygos, kurios sustiprėja ties mėlyna ir žalia juostomis

ir esant dideliam atmosferos keliui.

Nuotoliniai jutikliai, 2022, 14, 3503

13 iš 23

10 pav. Si-gn-al-triukšmo santykio spektrinis pasiskirstymas, apskaičiuotas vienam (SNRSING) (-a) ir

suvestiniai stebėjimai (SNRAGG) (b) ir sugrupuoti kaip standartiniai SNR nuokrypiai kiekvienoje

už s.

trys

diapazonus

Klaida

barai

buvo

apskaičiuotas

TgcorhemegpaSTtNuehtdReedASoGNbfGsoRerrvAvaaGallGluti,seoitsnnhsgceolwLemtioytphpbiicslaeesldr,=vaiann4t5diToaLn±bnsol e1iwse2iawtwhnederersaec=saosob4m5copiuaitlt±eetddw1ipinceweTrcaaeebsrnelhetiai2ngg.chelLunaikdsoeeitswdheeifs(oc%eor, NtrchrooeeimssSpepN)oaf–nRordiSrsIiNaongnGg-. SNRSING, išskyrus raudoną juostą. Nepaisant to, didelis triukšmo lygis raudonoje (~ 3%) ir tshigenNalIRdebsapnidtest(h~e5%eff)oinrtdsiicnataevtohiadtinthgeeSnNviRroAnGmG emnataylbceonmdoistitolynsafifnecitmedagbeystehleecat ypač NIRnohiidentessTh irn juosta, kurioje vandens spinduliavimas skaidriuose atviruose vandenyno vandenyse laikomas nereikšmingu.

–

2 lentelė. Matomas ir artimas infraraudonųjų spindulių Himawari-8 Ltypical ir Lnoise W m-2sr-1 µm-1 ir susiję

proctagSNRAGG e triukšmas (%triukšmas), kai s = 45 ± 1. Apskaičiuotos SNRSING, kai s = 45 ± 1 vertės

buvo pridėtos palyginimui.

Juosta 470 510 640 865

Ltipinis 59.5 38.3 13.8 3.4

Triukšmas 0.26 0.29 0.41 0.18

Triukšmas
0.44 0.76 3.02 5.26
–

SNRAGG 223 130 33 19

SNRSING 100 74 28 8

dalegpoerTnithdhemenopturptechosoemntoetsns ronefaorsiesotenriaiesbvililenlurgestTtrrSiaeStve(ad0l.0pin1erttfhooer1m0g0raamnpcgheisLcfs-o1or)fTwFSiSigthautrsoepre1ac1tb.roaI-vnlleyb0ofl.t1ahtmasgcnedL-n-sap1r,-ieoe-csxtr,catehlplyet

kai pridedama 50% spektriškai plokščio fotono triukšmo Tuo tarpu gautos didelės paklaidos (>300%)

į Himawari-8, kad gautumėte TSS

juostos žemiau

(e paveikslas 0.1 mg

11a). L-1,

nepriklausomai nuo triukšmo tipo ir lygio. Pagal m rūdos realų scenarijų, kai priklauso nuo spektro

fotonų triukšmas (ty % triukšmas iš 2 lentelės) – pridedamas prie Himawari-8 juostų, klaidos yra

dažniausiai mažesnis nei 100 %, kai TSS > ~0.25 mg L-1 (11 pav. (dešinysis skydelis)). Todėl norint gauti

Patikimai gauti iš Himawari-8 naudojant esamą TSS algoritmą, buvo pasirinkta 0.25 mg L-1 aptikimo riba. Palyginimui, apskaičiuotos TSS paieškos aptikimo ribos

iš atmosferiškai pakoreguoto Himawari-8, kaip Dorji ir Fearns [17], vaizduojamas kaip

vertikali punktyrinė linija ties 0.15 mg L-1.

Nuotoliniai jutikliai, 2022, 14, 3503

14 iš 23

11 pav. RMSE klaidų gavimo (mg-L-1) spektriniu lygiu (kairysis skydelis) ir nuo spektro priklausomu (dešinysis skydelis) fotonų triukšmo lygiais. Radiatyvinio perdavimo (RT) TSS ir susijusios RMSE reikšmės pateikiamos logaritmine skale. Vertikali punktyrinė linija ties 0.15 m-g L-1 yra aptikimo riba, pritaikyta Dorji ir Fearns [17], 2018. Vertikali punktyrinė linija ties 0.25 m--g L-1 yra šio metodo aptikimo riba.
Vizualinis triukšmo lygio patikrinimas atskleidė stiprų granuliavimą ir horizontalias juosteles iogttitnnruhbraeraHstnbhneTsiierumdeSvlcCSaaactAtostwoiiGroaooaaGnsnfrl-tiTsaSw-(-h8lSeTaoaSaTSswSrS(SIesmNSSeeaIGdNvaspgeGra(iroenT)nssTcrrady>ScSd Sdei~r(nAdouF1GwicomgmeGpsu-da,egtrsaFnei-knLki1goie-an2ucn1g)ger,)geba.parne1raIetno2rgwwt)uaiaeacantd-eeutrdeenddlarciis1T-rtllill5oS(oyuSd-Tuorpaots

–

12 pav. Transektų (rausvai raudonos spalvos rodyklių), išskirtų TSSSING(a) ir TSSAGG(b), vieta. Atkreipkite dėmesį į

kaupiamasis debesų maskavimas TSSAGG. Himawari-8 stebėjimai, atlikti 9 m. rugsėjo 2017 d. tarp-n

10:00 ir 10:50 vietos laiku (AEST).

–

Transektas sampiš anksto išsiųstas tarp 19 pietų ir 20 val. Koralų jūroje (13a pav.)

TSSSING ir TSSAGG reikšmės dažniausiai yra mažesnės už metodo aptikimo ribas (0.25 mg L–1), dėl kurių gali būti daugiau nei 100% atkūrimo klaidų. TSSSING pateikė dydžių šuolius arba skirtingas o eiles, atsirandančias iš eilės pikselių skalėje (arba 1 km atstumu). Kaip

dėl to tarp gretimų pikselių buvo pastebėti iki 0.3 mg L-1 skirtumai,

kaip nurodyta išsiųsta sklandžiau

pplioxtela-tnon-potixaetilovnasriiantiFonigsu(r~e0.1036am. gMLe-an1)w. ShuilbetltehdeifafsesroencicaetsedweTrSeSoAbGsGerpvered-

Nuotoliniai jutikliai, 2022, 14, 3503

15 iš 23

—

–

between TSSSING and T-SSAGG in the transects taken in the coastal GBR (Figure 13b), particularly for TSS -> 1 mg L-1. However, with increasing distance from the coast, TSS dropped below 1 mg L-1 and differences between TSSSING and TSSAGG were enhance-d. Although- most TSSSING pixels of Figure 13b were abo-ve-detection limits (0.25 mg L-1), they presented- poor spatial coherency in the coast-to-ocean transition area (151.4 to 152-.0E). Because TSSSING and TSSAGG provide comparable results for TSS > ~1 mg L-1, both may be appropriate for monitoring the coastal GBR. However, TSSAGG presents overall better spatia-l coherency and may be preferred over TSSSING, depending on the area of application.

13 paveikslas. Iš Himawari–8 gautų TSS (mg L–1) transektai, paimti Koralų jūroje (a) ir joje
pakrantės GBR vandenys (b) iš TSSSING (mėlyni taškai) ir TSSAGG (raudoni taškai). Duomenų spragos yra taškai, užmaskuoti debesims, žemei, saulės blizgesiui arba ANN vėliavėlėms, jei reikia. Anotuota TSS (juodomis rodyklėmis) rodo pikselio viršaus reikšmes, o žalia horizontali linija žymi aptikimo ribą.
metodas.

4. Diskusija
Sinoptinis vandens kokybės stebėjimas plačiame ir optiškai sudėtingame GBR yra prioritetas, keliantis iššūkį aplinkosaugos tvarkytojams ir tyrėjams [2,83]-. Nors vandenyno spalvų nuotolinis stebėjimas turi griežtus radiometrinius ir spektrinius reikalavimus, Himawari-8 siūlo precedento neturintį skaičių stebėjimų, skirtų pažangiam GBR vandens kokybės stebėjimui. Šiame dokumente pateikiamas pirmasis pažangus nuotolinio stebėjimo algoritmas, suderintas ir patvirtintas sinoptiniam vandens kokybės stebėjimui per parą GBR.

4.1. Algoritmų kūrimas ir patvirtinimas

Sujungti vandenyno atmosferos spinduliuotės perdavimo modeliai suteikė didelį ir

trhoebuospttdicaatlavbaasrieaobfilRityTOoAf dthisetrGibBuRt.ioTnhienmthaechHinime alewaarrnii–n8gVANNIRNbaalngdosr,itphamramdeevteelroispeeddfoinr

A(ptart0hhenrN.flieo0saev1Nadcwittdtvmoraoeaenr1dontkcr0st-eic0paeasogvhm,lnleaeoifiglnrcwsidoLcwceem-ocndh1ompc)irtea,chprhrweieaencirdtttdehtihhodtieoroeneuwatcqt[crteu2acal7iudalnn,lri3wivteat6iexyico,tr3pynhos7laifi,otoc8latfin4hmrt]tgea.hoeetefttmtDrhaRofiooeiuTndnssOtppaespAlidhbut-eieatatnrsosliHvgecfeddroicrmoerosomirirtaniorhvwensmtecihamtisraeiso.iu-iwnsM8nluavpisobtdeprerjeoredeesccocritettoavedrtnnesaoutrgloi,renteltfh-ihg.moweeTfdiahaataTtaciletsgStcariSuops-olerrrneviateatssacsh,vyleamuitnnnheot’dgesss—–f

įvesties tvirtumas atitinka minimumą

rnaodisioemweatsriecsrpeeqcuiairlelymaednvtsanotfaogceeoaunsccoolnosuirdseerninsgo-rHs iamnadweanrvii-r8odnomeesnntoatl

triukšmas, ypač iš atmosferos, gali turėti didelės įtakos gavimui. Šie rezultatai

Nuotoliniai jutikliai, 2022, 14, 3503

16 iš 23
paskatino toliau taikyti Himawari-8 stebėjimus, kad būtų galima patvirtinti in situ vandens kokybės duomenis GBR.
Gautos Himawari-8 TSS atitikimo klaidos buvo gerai palygintos su misijos tikslais, nustatytais kitiems vandenyno spalvų jutikliams, pvz., Sentinel-3 2 atveju vandenyse [85], ypač kai TSS viršija 0.1 mg L-1. Šio algoritmo veikimas gerai palyginamas su tais, kurie naudoja atmosferos būdu pataisytus Himawari-8 stebėjimus [17,24, 1], o tai rodo, kad pakrantės TSS tinka modeliu pagrįstomis vieno žingsnio inversijomis. Aiškios atmosferos korekcijos procedūros gali pagerinti žemesnio TSS diapazono (< ~ 1 mg L-8) paiešką, kuriai greičiausiai įtakos turi dominuojantis atmosferos spindulio spinduliavimas ir žemas Himawari-XNUMX radiometrinis veikimas.
Norint pagerinti našumą, reikėtų didesnės ir išsamesnės biooptinių in situ matavimų duomenų bazės, apimančios atitinkamas erdvines ir laikinąsias kintamumo skales. Be to, reikia laikytis griežtų matavimo protokolų, kad būtų sumažintas neapibrėžtumas, susijęs su algoritmų parametravimu ir patvirtinimu pakrančių vandenyse. Pavyzdžiui, trys samples rekomenduojami TSS nustatymui gravimetriniu metodu. Be to, patvirtinimo samples turėtų būti imami optiškai vienalyčiuose vandenyse [86], o tai ypač sunku esant labai dinamiškoms pakrantės aplinkoms. Nepaisant to, in situ matavimus leido atlikti kelios mokslinių tyrimų agentūros, turinčios skirtingus mokslinius prioritetus, naudodamos išskirtiniusamplingas ir analizės metodai. Be to, nebuvo atsižvelgta į fizinius ir aplinkos procesus, tokius kaip dugno atspindys, fluorescencija, dvikryptis atspindys, poliarizacija ir žalingas dumblių žydėjimas, bet taip pat gali prisidėti prie atitikimo paieškos klaidų.
4.2. Himawari-8 bendras suspenduotų kietųjų dalelių kiekis Didžiajam barjeriniam rifui
„Himawari-8“ leido beveik realiu laiku stebėti epizodinį potvynį GBR, atskleidžiant TSS padidėjimą per dieną. Šis įvykis buvo pastebėtas drėgnuoju metų laiku, kai Burdekinas išleido nuo 0.5 iki 1.5 milijono ml per dieną 10 dienų iš eilės (Burdekin upė Clare stotyje [87]). TSS svyravimai dėl Burdekin potvynių smarkiai viršijo vandens kokybės slenkstinę vertę – 2 mg L-1 atviros pakrantės ir vidutinio šelfo vandenyse, taip pat 0.7 mg L-1 GBR jūroje [82]. Potvynių srautas išsiplėtė 50 km į išorinius rifus, o jo paros raida buvo stebima žingsnis po žingsnio naudojant 10 minučių Himawari-8 gautą TSS. Todėl „Himawari-8“ pateikė precedento neturintį skaičių stebėjimų, skirtų visiškam kokybiniam ir kiekybiniam potvynių įvykių GBR stebėjimui. Užmaskuoti pikseliai potvynių vandenyse rodo vertes, viršijančias 100 mg L-1, o tai reiškia, kad modeliavimo diapazonas turėtų būti išplėstas vertems, viršijančioms šią ribą, kad būtų galima gauti duomenis per potvynius GBR.
TSS ypatybės pietinėje rifų matricoje greičiausiai atsiranda dėl trumpalaikių submezoskalės resuspensijos sūkurių (1 km skersmens), dažnai vadinamų potvynio srovėmis. Pietinėje GBR dideli potvynių diapazonai (10 m) sukelia stiprias sroves [5], stumiančias vandenį siaurais ir santykinai sekliais kanalais [10]. Ši sudėtinga hidrodinamika skatina TSS pakartotinį suspendavimą ir įpurškimą iš lentynos įtrūkimo į rifo matricą, o TSS koncentracija šiuose regionuose greičiausiai nepriklauso nuo antžeminių šaltinių [88,89]. Potvynių srautai buvo siejami su lokaliu pakilimu ir maistinių medžiagų mainais tarp Koralų jūros ir GBR lagūnos [90, 91], nes tai yra svarbus nuosėdų, maistinių medžiagų ir fitoplanktono gamybos mechanizmas [92,93]. Tačiau potvynių čiurkšlių vieta ir atsiradimas mažai aprašytas, nes trūksta tinkamų erdvinės ir laiko skiriamosios gebos stebėjimų [94, 95,96]. „Himawari-8“ leido identifikuoti ir sekti tokias ypatybes GBR, esant reikiamai laiko raiškai, kad būtų galima išspręsti trumpalaikius pakrantės procesus.
4.3. Apribojimai
Himawari-8 užtikrina prastesnį SNR, palyginti su buvusiais ir šiuo metu veikiančiais vandenyno spalvų jutikliais [80], o jo jautrumas yra daug mažesnis už minimalius reikalavimus, taikomus vandenyno spalvų programoms, ypač virš atvirų vandenynų vandenų [9,97, XNUMX]. Tačiau Himawari-

Nuotoliniai jutikliai, 2022, 14, 3503

17 iš 23
Mažai tikėtina, kad 8 vidutinė 11 bitų radiometrinė skiriamoji geba bus prisotinta virš ryškių taikinių, tokių kaip debesys [80] ir ypač drumzlinuose pakrantės vandenyse (TSS ~ 100 mg L-1), tuo pačiu užtikrinant pakankamą jautrumą, kad būtų užtikrintas pagrįsto lygio diskretiškumas virš skaidrių vandenų (>0.25 mg L-1). Triukšmo lygis, apskaičiuotas pagal apibendrintus stebėjimus, paprastai buvo mažesnis nei pavienių stebėjimų visose juostose, o tai patvirtina, kad norint pagerinti vaizdo kokybę, tinka mažinti laiko skiriamąją gebą [7,16, 3]. Nepaisant to, kad paros SNR svyravimus daugiausia moduliuoja saulės aukščio kampai, spektrinė priklausomybė reiškia, kad didelis įvesties triukšmo šaltinis (5% raudonoje ir NIR juostose) atviruose vandenyno vandenyse gali kilti iš atmosferos [80]. Nepaisant to, dabartinio metodo aptikimo riba (0.25 mg L-1) yra panaši į aptikimo ribą, kai naudojama aiški atmosferos korekcija meteorologinių duomenų inversijai [17,98].
0.25 mg L-1 aptikimo riba yra artima in situ TSS aptikimo ribai, išmatuotai gravimetriniu metodu ~ 0.4 mg L-1, AIMS ir CSIRO. Santykiniai gravimetrinio metodo neapibrėžtumai yra susiję su skirtingų laboratorijų naudojamu matavimo protokolu, kuris apima filtrų tipų skirtumus, operatoriaus šališkumą, druskos skalavimą ir kt. [99,100]. Pavyzdžiui, stiklo pluošto filtruose įstrigę druskos kristalai labai paveikia TSS matavimus, todėl druska turėtų būti pašalinta nuplaunant filtravimo aparatą [101,102]. Tačiau naudojant skirtingus druskos skalavimo metodus buvo gautos net 30% paklaidos, trukdančios tiksliai nustatyti mažesnę nei 1 mg TSS [101]. Todėl in situ matavimų ir Himawari-8 gauto TSS aptikimo ribos ir santykinis neapibrėžtumas yra palyginami šiame tyrime. Šis rezultatas rodo, kad Himawari-8 suteikia galimybę tiksliai stebėti paros vandens kokybės kintamumą pakrantės GBR, kai TSS yra nuo 0.25 iki 100 mg L-1.
Iš Himawari-8 gauti TSS produktai pateikė sistemingą horizontalią juostelę, kurios dydis paprastai atitiko atskirus horizontalius nuskaitymus (500 km), kaip anksčiau nustatė Murakami [22]. Juostos atsirado dėl jutiklių kalibravimo nuolydžių skirtumų nuo saulės difuzoriaus stebėjimų matomose juostose [103,104, 2017]. Nors kalibravimo koeficientai buvo taikomi stebėjimams po 1 m. liepos mėn., horizontalių juostų raštai vis dar buvo atviroje jūroje ir kai TSS < 1 mg L-10. Be to, TSS produktuose, gaunamuose kas 8 minučių, buvo pastebėtas stiprus granuliavimas, galimai susijęs su mažu Himawari-17,22 jutiklio radiometriniu veikimu virš vandens taikinių [XNUMX, XNUMX]. Tačiau vizualinį triukšmą iš esmės sumažino kelių atskirų stebėjimų laikinas sujungimas į hourly išvestiniai TSS produktai [16]. Laimei, pakrančių ir vidutiniškai drumzlinuose vandenyse (TSS > 1 mg L-1) granuliuotas triukšmas buvo nereikšmingas nuo 10 min. arba nuo ho.urly TSS produktai. Šis rezultatas gali būti susijęs su padidėjusia suspenduotų dalelių sklaida atgal, o tai padidina vandenį paliekantį spindesį ir užgožia fotonų triukšmą [105]. Todėl labiau tikėtina, kad Himawari-8 gautas TSS bus tiksliai paimtas vidutiniškai drumzlinuose pakrantės vandenyse nei virš atviro vandenyno, o tai patvirtina aptikimo ribų analizę.
Tikėtina, kad vaizdo taškų skirtumai atvirose vandenyno zonose (TSS < 0.25 mg L-1) buvo susiję su granuliuotais modeliais, pastebėtais vizualiai apžiūrint, dėl mažo Himawari-8 jutiklio jautrumo esant 10 minučių skyrai. Radiometrinis triukšmas, kai TSS yra mažesnis nei 0.25 mg L-1, buvo labai sumažintas bendrame TSS, o tai patvirtina jautrumo ir vizualinio patikrinimo analizes. Ir atvirkščiai, pakrantės GBR transekte pastebėtas geresnis erdvinis suderinamumas, kai TSS > 1 mg L-1. Dėl to Himawari-8 10 min. gautą TSS galima naudoti taip pat užtikrintai, kaip ir iš ho gautą TSSurly suvestiniai stebėjimai pakrančių zonose. TSS gavimas kas 10 minučių pakrantės GBR pagerina greitai kintančių vandens kokybės svyravimų per valandą diskriminaciją. Tačiau šis beveik realaus laiko laikinas dažnis reikalauja didelių apdorojimo ir saugojimo galimybių, kurios gali būti neįgyvendinamos visam GBR. Gamina hourly TSS, kitu atveju, ne tik pagerina apdorojimo spartą ir saugojimo galimybes, bet ir padeda pašalinti iškrypimus bei padidinti TSS produktų tikslumą.

Nuotoliniai jutikliai, 2022, 14, 3503

18 iš 23
5. Išvados ir ateities perspektyvos
In situ stebėjimas ir LEO palydoviniai duomenys suteikė daug žinių apie potvynių srautus, patenkančius į GBR [4,106]. Tačiau reti ir erdviai menki stebėjimai trukdė visapusiškai suprasti plunksnų vystymąsi ir evoliuciją per trumpą laiką. Šis tyrimas parodė, kad Himawari-108 tinka patikimiems TSS paieškai pakrantės GBR ir potvynių plunksnų žemėlapiams sudaryti, sekti ir stebėti. Pirmą kartą pakrantės TSS ypatybės buvo patikimai kiekybiškai įvertintos visame GBR, tik naudojant biogeocheminius ir hidrodinaminius modelius [8]. Himawari-109 TSS produktai suteikia galimybę apibūdinti ir išspręsti periodinius ir trumpalaikius reiškinius precedento neturinčia erdvėlaikio raiška. Šie produktai bus naudingi tyrėjams, modeliuotojams ir suinteresuotosioms šalims, vertinančioms vandens kokybės poveikį GBR ekosistemose, šiuo metu naudojant tik LEO orbitos vandenyno spalvos produktus [8]. GBR turėtų būti toliau tiriami paros pokyčiai ir vandens kokybės svyravimų veiksniai, naudojant Himawari-109 TSS produktus ir duomenis apie pakrančių procesus, tokius kaip potvyniai, vėjai ir gėlo vandens išleidimas. Be to, šiame tyrime pateiktas algoritmas gali būti tiesiogiai pritaikytas identiškam Himawari-8 AHI jutikliui, kurį planuojama pakeisti Himawari-9 iki 8 m. Naujos kartos Himawari misija (Himawari-2029) yra planavimo fazėje, o papildomi kanalai matomame diapazone, taip pat patobulinta raiška, jautrumas ir erdvinė galimybė. Šios charakteristikos iš esmės pagerintų vandenyno spalvų algoritmų geostacionariems jutikliams galimybes, leidžiančius tiksliau gauti duomenis pakrantės vandenyse paros mastu. Be to, GEOKOMPSAT-10A laive esantis pažangus meteorologinis vaizdo įrenginys (AMI), taip pat GOCI-II (GEOKOMPSAT-2B) šiuo metu stebi Australiją ir Rytų Aziją, ir būtų galima sukurti panašų mašininio mokymosi algoritmą, kad būtų galima panaudoti šiuos didelius ir gausius duomenų rinkinius beveik realiuoju laiku. Šiame kontekste šiame tyrime pateikiamas pažangus algoritmas ir galimų pritaikymų perspektyva, kuri bus sukurta, kai vandenyno spalvų jutikliai geostacionariose platformose taps Australijos realybe.
Papildoma medžiaga: Šią informaciją galima rasti internete adresu https://www.mdpi.com/article/ 10.3390/rs14143503/s1, S1 paveikslas: Bendro suspenduotų kietųjų dalelių kiekio per parą kintamumas virš Burdekin upės žiočių 2019 m. vasario mėn. nuo 10 min. Himawari-8 stebėjimų kintamumas viršija S. Pietinis Didysis barjerinis rifas netoli Heralds rifo 2 m. lapkritį iš 2016 min Himawari-10 stebėjimų.
Autoriaus indėlis: Konceptualizacija, LP-V. ir TS; metodika, LP-V. ir TS; programinė įranga, LP-V., TS ir YQ; patvirtinimas, LP-V.; formalioji analizė, LP-V.; duomenų tvarkymas, LP-V., TS ir YQ; rašymas–pirmalio projekto rengimas, LP-V.; rašymas-review ir redagavimas, TS, MJD, SS ir YQ; priežiūra, TS, MJD ir SS; finansavimo įsigijimas, LP-V. Visi autoriai perskaitė ir sutiko su paskelbta rankraščio versija.
Finansavimas: šį tyrimą finansavo Brazilijos federalinės vyriausybės Nacionalinės mokslo ir technologijų plėtros tarybos (CNPq) fondas per Mokslų be sienų programą, dotacijos numeris 206339/2014-3.
Duomenų prieinamumo pareiškimas: šiame tyrime pateiktus duomenis galima gauti atitinkamo autoriaus prašymu.
Padėka: Dėkojame Juergen Fischer ir Michael Schale (Kosmoso mokslų institutas, Žemės mokslų katedra, Freie Universität Berlin) už suteiktą prieigą prie MOMO spinduliuotės perdavimo kodo ir atvirkštinio modeliavimo įrankio. Britta Schaffelke, Michele Skuza ir Renee Gruber (AIMS) yra pripažintos už vertingus in situ duomenis, surinktus vykdant pakrančių vandens kokybės jūrų stebėjimo programą, kurią bendradarbiauja Didžiojo barjerinio rifo jūrų parko administracija, Australijos jūrų mokslų institutas, James Cook universitetas ir Cape York vandens stebėjimo partnerystė. Japonijos meteorologijos agentūra yra pripažinta už Himawari-8 veikimą ir duomenų platinimą per Australijos meteorologijos biurą. Australijos meteorologijos biuras yra pripažintas teikęs potvynių prognozavimo duomenis. In situ duomenys buvo gauti iš Australijos integruotos jūrų stebėjimo sistemos (IMOS) – IMOS įgalina Nacionalinė bendradarbiavimo mokslinių tyrimų infrastruktūros strategija (NCRIS). NCRIS (IMOS) ir CSIRO

Nuotoliniai jutikliai, 2022, 14, 3503

19 iš 23

yra pripažinti už Lucinda Jetty pakrantės observatorijos finansavimą. Šis tyrimas buvo atliktas naudojant Nacionalinės skaičiavimo infrastruktūros (NCI Australia) išteklius, NCRIS įgalintus pajėgumus, remiamus Australijos vyriausybės.
Interesų konfliktai: autoriai pareiškia, kad nėra interesų konflikto.
Nuorodos
1. Schroeder, T.; Devlin, M.J.; Brando, V.E.; Dekker, A.G.; Brodie, J.E.; Clementson, L.A.; McKinna, L. Inter-annual variability of wet season freshwater plume extent into the Great Barrier Reef lagoon based on satellite coastal ocean colour observations. Mar. Pollut. Bull. 2012, 65, 210223. [CrossRef]
2. Devlin, M.; Petus, C.; da Silva, E.T.; Tracey, D.; Wolff, N.; Waterhouse, J.; Brodie, J. Water Quality and River Plume Monitoring in the Great Barrier Reef: An Overview of Methods Based on Ocean Colour Satellite Data. Remote Sens. 2015, 7, 1290912941. [CrossRef]
3. Blondeau-Patissier, D.; Brando, V.E.; Lønborg, C.; Leahy, S.M.; Dekker, A.G. Phenology of Trichodesmium spp. blooms in the Great Barrier Reef lagoon, Australia, from the ESA-MERIS 10-year mission. PLoS ONE 2018, 13, e0208010. [CrossRef] [PubMed]
4. Petus, C.; Waterhouse, J.; Lewis, S.; Vacher, M.; Tracey, D.; Devlin, M. A flood of information: Using Sentinel-3 water colour products to assure continuity in the monitoring of water quality trends in the Great Barrier Reef (Australia). J. Environ. Manag. 2019, 248, 109255. [CrossRef]
5. Brodie, J.; Schroeder, T.; Rohde, K.; Faithful, J.; Masters, B.; Dekker, A.; Brando, V.; Maughan, M. Dispersal of suspended sediments and nutrients in the Great Barrier Reef lagoon during river-discharge events: Conclusions from satellite remote sensing and concurrent flood-plume sampling. Mar. Freshw. Res. 2010, 61, 651664. [CrossRef]
6. Sirjacobs, D.; Alvera-Azcárate, A.; Barth, A.; Lacroix, G.; Park, Y.; Nechad, B.; Ruddick, K.; Beckers, J.-M. Cloud filling of ocean colour and sea surface temperature remote sensing products over the Southern North Sea by the Data Interpolating Empirical Orthogonal Functions methodology. J. Sea Res. 2011, 65, 114130. [CrossRef]
7. Ruddick, K.; Neukermans, G.; Vanhellemont, Q.; Jolivet, D. Challenges and opportunities for geostationary ocean colour remote sensing of regional seas: A review of recent results. Remote Sens. Environ. 2014, 146, 6376. [CrossRef]
8. Ruddick, K.; Vanhellemont, Q.; Yan, J.; Neukermans, G.; Wei, G.; Shang, S. Variability of suspended particulate matter in the Bohai Sea from the geostationary Ocean Color Imager (GOCI). Ocean. Sci. J. 2012, 47, 331345. [CrossRef]
9. IOCCG. Ocean-Colour Observations from a Geostationary Orbit; Reports of the International Ocean-Colour Coordinating Group (IOCCG) Report Number 12; Antoine, D., Ed.; IOCCG: Dartmouth, NS, Canada, 2012. Available online: http://ioccg.org/wpcontent/uploads/2015/10/ioccg-report-12.pdf (prieiga 18 m. balandžio 2016 d.).
10. Gruberis, R.; Waterhouse, J.; Loganas, M.; Petus, C.; Howley, C.; Lewisas, S.; Tracey, D.; Langlois, L.; Toninas, H.; Skuža, M.; ir kt. Jūrų monitoringo programa: 2018 m. pakrantės vandens kokybės monitoringo metinė ataskaita; Didžiojo barjerinio rifo jūrų parko administracijos ataskaita 2019; Great Barrier Reef Marine Park Authority: Townsville, Australia, 2208. Prieiga per internetą: https://elibrary.gbrmpa.gov.au/jspui/handle/4096/2020 (prieiga 11017 m. gegužės 3665 d.).
11. Waterhouse, J.; Schaffelke, B.; Bartley, R.; Eberhardas, R.; Brodie, J.; Torburnas, P.; Rolfe, J.; Ronanas, M.; Taylor, B.; Žvaigždė, M.; ir kt. Mokslinio konsensuso pareiškimo santrauka: Žemės naudojimo įtaka Didžiojo barjerinio rifo vandens kokybei ir ekosistemos būklei; Kvinslando valstija: Taunsvilis, Australija, 2017. Prieiga per internetą: https://www.reefplan.qld.gov.au/science-and-research/thescientific-consensus-statement (prieiga 25 m. lapkričio 2017 d.).
12. Feng, J.; Chen, H.; Zhang, H.; Li, Z.; Yu, Y.; Zhang, Y.; Bilal, M.; Qiu, Z. Turbidity estimation from GOCI satellite data in the turbid estuaries of China’s coast. Remote Sens. 2020, 12, 3770. [CrossRef]
13. Lou, X.; Hu, C. Diurnal changes of a harmful algal bloom in the East China Sea: Observations from GOCI. Remote Sens. Environ. 2014, 140, 562572. [CrossRef]
14. Groom, S.; Sathyendranath, S.; Ban, Y.; Bernard, S.; Brewin, R.; Brotas, V.; Brockmann, C.; Chauhan, P.; Choi, J.-K.; Chuprin, A.; et al. Satellite Ocean Colour: Current Status and Future Perspective. Front. Mar. Sci. 2019, 6, 485. [CrossRef]
15. Park, J.-E.; Park, K.-A.; Kang, C.-K.; Park, Y.-J. Short-Term Response of Chlorophyll-a Concentration to Change in Sea Surface Wind Field over Mesoscale Eddy. Estuaries Coasts 2019, 43, 646660. [CrossRef]
16. Lavigne, H.; Ruddick, K. The potential use of geostationary MTG/FCI to retrieve chlorophyll-a concentration at high temporal resolution for the open oceans. Int. J. Remote Sens. 2018, 39, 23992420. [CrossRef]
17. Dorji, P.; Fearns, P. Atmospheric correction of geostationary Himawari-8 satellite data for Total Suspended Sediment mapping: A case study in the Coastal Waters of Western Australia. ISPRS J. Photogramm. Remote Sens. 2018, 144, 8193. [CrossRef]
18. Miller, S.D.; Schmit, T.L.; Seaman, C.J.; Lindsey, D.T.; Gunshor, M.M.; Kohrs, R.A.; Sumida, Y.; Hillger, D. A Sight for Sore Eyes: The Return of True Color to Geostationary Satellites. Bull. Am. Meteorol. Soc. 2016, 97, 18031816. [CrossRef]
19. Doxaran, D.; Lamquin, N.; Park, Y.-J.; Mazeran, C.; Ryu, J.-H.; Wang, M.; Poteau, A. Retrieval of the seawater reflectance for suspended solids monitoring in the East China Sea using MODIS, MERIS and GOCI satellite data. Remote Sens. Environ. 2014, 146, 3648. [CrossRef]
20. Doxaran, D.; Cherukuru, R.C.N.; Lavender, S.J. Use of reflectance band ratios to estimate suspended and dissolved matter concentrations in estuarine waters. Int. J. Remote Sens. 2005, 26, 17631769. [CrossRef]

Nuotoliniai jutikliai, 2022, 14, 3503

20 iš 23

21. Kwiatkowska, EJ; Ruddickas, K.; Ramonas, D.; Vanhellemont, Q.; Brockmann, C.; Lebretonas, C.; Bonekasamp, H.G. Ocean colour products from geostationary platforms, opportunities with Meteosat Second and Third Generation. Ocean. Sci. Discuss. 2015, 12, 31433167. [CrossRef]
22. Murakami, H. Ocean color estimation by Himawari-8/AHI. In Proceedings of the Remote Sensing of the Oceans and Inland Waters: Techniques, Applications, and Challenges, New Delhi, India, 7 May 2016. [CrossRef]
23. Chen, X.; Shang, S.; Lee, Z.; Qi, L.; Yan, J.; Li, Y. High-frequency observation of floating algae from AHI on Himawari-8. Remote Sens. Environ. 2019, 227, 151161. [CrossRef]
24. Hafeez, S.; Wong, M.S.; Abbas, S.; Jiang, G. Assessing the Potential of Geostationary Himawari-8 for Mapping Surface Total Suspended Solids and Its Diurnal Changes. Remote Sens. 2021, 13, 336. [CrossRef]
25. Japan Meteorological Agency. Event Log: Himawari-8 Performance Test Results; Meteorological Satellite Center: Kiyose, Japan, 2015. Available online: https://www.data.jma.go.jp/mscweb/en/himawari89/space_segment/fig/AHI8_performance_test_en.pdf (prieiga 20 m. rugsėjo 2021 d.).
26. IOCCG. Nuotolinis vandenyno spalvos aptikimas pakrantės ir kituose optiškai sudėtinguose vandenyse; Tarptautinės vandenynų spalvų koordinavimo grupės (IOCCG) ataskaitos Nr. 3; Sathyendrath, S., Red.; IOCCG: Dartmouth, NS, Kanada, 2000. Prieiga internete: http://ioccg.org/wp-content/uploads/2015/10/ioccg-report-03.pdf (žiūrėta 20 m. rugsėjo 2015 d.).
27. Schroeder, T.; Schaale, M.; Lovell, J.; Blondeau-Patissier, D. An ensemble neural network atmospheric correction for Sentinel-3 OLCI over coastal waters providing inherent model uncertainty estimation and sensor noise propagation. Remote Sens. Environ. 2022, 270, 112848. [CrossRef]
28. Fan, Y.; Li, W.; Chen, N.; Ahn, J.-H.; Park, Y.-J.; Kratzer, S.; Schroeder, T.; Ishizaka, J.; Chang, R.; Stamnes, K. OC-SMART: A machine learning based data analysis platform for satellite ocean color sensors. Remote Sens. Environ. 2021, 253, 112236. [CrossRef]
29. Brockmann, C.; Doerffer, R.; Peters, M.; Stelzer, K.; Embacher, S.; Ruescas, A. Evolution of the C2RCC neural network for Sentinel 2 and 3 for the retrieval of ocean colour products in normal and extreme optically complex waters. In Proceedings of the European Space Agency, Prague, Czech Republic, 913 May 2016.
30. Schroeder, T.; Fischer, J.; Schaale, M.; Fell, F. Artificial-neural-network-based atmospheric correction algorithm: Application to MERIS data. In Proceedings of the SPIE 4892, Ocean Remote Sensing and Applications, Hangzhou, China, 8 May 2003; pp. 124132. [CrossRef]
31. Jamet, C.; Thira, S.; Moulin, C.; Crepon, M. Use of a Neurovariational Inversion for Retrieving Oceanic and Atmospheric Constituents from Ocean Color Imagery: A Feasibility Study. J. Atmos. Ocean. Technol. 2005, 22, 460475. [CrossRef]
32. Brajard, J.; Jamet, C.; Moulin, C.; Thiria, S. Use of a neuro-variational inversion for retrieving oceanic and atmospheric constituents from satellite ocean colour sensor: Application to absorbing aerosols. Neural Netw. Off. J. Int. Neural Netw. Soc. 2006, 19, 178185. [CrossRef]
33. Doerffer, R. Algorithm Theoretical Basis Document (ATBD) MERIS Regional Coastal and Lake Case 2 Water Project Atmospheric Correction ATBD; Water Version 1; GKSS Research Center: Geesthacht, Germany, 2008; pp. 142.
34. Pahlevan, N.; Smithas, B.; Schalles, J.; Binding, C.; Cao, Z.; Ma, R.; Alikas, K.; Kangro, K.; Gurlin, D.; Hà, N.; et al. Seamless retrievals of chlorophyll-a from Sentinel-2 (MSI) and Sentinel-3 (OLCI) in inland and coastal waters: A machine-learning approach. Remote Sens. Environ. 2020, 240, 111604. [CrossRef]
35. Gross, L.; Thiria, S.; Frouin, R.; Mitchell, B.G. Artificial neural networks for modeling the transfer function between marine reflectance and phytoplankton pigment concentration. J. Geophys. Res. Ocean. 2000, 105, 34833495. [CrossRef]
36. Schroeder, T.; Behnert, I.; Schaale, M.; Fischer, J.; Doerffer, R. Atmospheric correction algorithm for MERIS above case-2 waters. Int. J. Remote Sens. 2007, 28, 14691486. [CrossRef]
37. Schroeder, T.; Schaale, M.; Fischer, J. Retrieval of atmospheric and oceanic properties from MERIS measurements: A new Case-2 water processor for BEAM. Int. J. Remote Sens. 2007, 28, 56275632. [CrossRef]
38. Schroeder, T. Fernerkundung von Wasserinhaltsstoffen in Küstengewässern mit MERIS unter Anwendung expliziter und impliziter Atmosphärenkorrekturverfahren (Remote Sensing of Coastal Waters with MERIS on Basis of Explicit and Implicit Atmospheric Correction Algorithms). Ph.D. Thesis, Freie Universität, Berlin, German, 2005. [CrossRef]
39. Patricio-Valerio, L. Exploring Himawari-8 Observations for the Advanced Coastal Monitoring of the Great Barrier Reef. Ph.D. Thesis, James Cook University, Townsville, Australia, 2021. [CrossRef]
40. Fell, F.; Fischer, J. Numerical simulation of the light field in the atmosphere-ocean system using the matrix-operator method. J. Quant. Spectrosc. Radiat. Transf. 2001, 69, 351388. [CrossRef]
41. Fischer, J.; Grassl, H. Radiative transfer in an atmosphereocean system: An azimuthally dependent matrix-operator approach. Appl. Opt. 1984, 23, 10321039. [CrossRef]
42. Santer, R.; Zagolski, F.; Dilligeard, E. Radiative Transfer Code Comparison for MERIS Vicarious Calibration. In Proceedings of the ENVISAT Validation Workshop, ESRIN, Frascati, Italy, 913 December 2002.
43. Standartinės atmosferos išplėtimo komitetas. JAV standartinė atmosfera; NASA: Vašingtonas, DC, JAV, 1976. 44. Holbenas, BN; Eck, TF; Slutsker, I.; Tanré, D.; Buisas, JP; Setzeris, A.; Vermote, E.; Reiganas, JA; Kaufman, YJ; Nakajima, T.; ir kt.
AERONET – Aerozolių charakteristikų federacinis prietaisų tinklas ir duomenų archyvas. Nuotolinio jutiklio aplinka. 1998, 66, 1. [CrossRef] 16. AERONET. Aerozolių robotų tinklas. Prieiga per internetą: https://aeronet.gsfc.nasa.gov/cgi-bin/data_display_aod_v45?site= Lucinda&nachal=3&level=2&place_code=3 (prieiga 10 m. spalio 3 d.).

Nuotoliniai jutikliai, 2022, 14, 3503

21 iš 23

46. Ångström, A. Atmosferos drumstumo parametrai. Tellus 1964, 16, 64. [CrossRef] 75. Rothman, LS; Barbe, A.; Chrisas Benneris, D.; Ruda, LR; Camy-Peyret, C.; Carleer, MR; Šansas, K.; Clerbaux, C.; Dana, V.; Devi,
VM; ir kt. HITRAN molekulinė spektroskopinė duomenų bazė: 2000 m. leidimas, įskaitant atnaujinimus iki 2001 m. J. Quant. Spektrosc. Radiacija. Transf. 2003, 82, 5. [CrossRef] 44. Bennartz, R.; Fischer, J. Modifikuotas k pasiskirstymo metodas, taikomas siauros juostos vandens garų ir deguonies absorbcijos įverčiams artimuosiuose infraraudonuosiuose spinduliuose. J. Quant. Spektrosc. Radiacija. Transf. 48, 2000, 66. [CrossRef] 539. Zhang, T.; Fall, F.; Liu, ZS; Preusker, R.; Fišeris, J.; Jis, MX Vertinant dirbtinio neuroninio tinklo metodų, skirtų pigmento gavimui iš vandenyno spalvos, efektyvumą I atvejo vandenyse. J. Geophys. Res. Vandenynas. 553, 49, 2003. [CrossRef] 108. Pope, RM; Fry, ES Gryno vandens absorbcijos spektras (3286 nm). II. Integruoti ertmių matavimai. Appl. Pasirinkti 50, 380, 700. [CrossRef] 1997. Hale, GM; Querry, MR Optinės vandens konstantos 36 nm–8710 µm bangos ilgio srityje. Appl. Pasirinkti 8723, 51, 200. [CrossRef] 200. Bricaud, A.; Morelis, A.; Babinas, M.; Allali, K.; Claustre, H. Šviesos sugerties, kurią sukelia suspenduotos dalelės su chlorofilo koncentracija, pokyčiai vandenyno vandenyse (1973 atvejis): analizė ir reikšmė biooptiniams modeliams. J. Geophys. Res. Vandenynas. 12, 555, 563. [CrossRef] 52. Babin, M.; Štramskis, D.; „Ferrari“, GM; Claustre, H.; Bricaud, A.; Obolenskis, G.; Hoepffner, N. Fitoplanktono, nenalginių dalelių ir ištirpusių organinių medžiagų šviesos sugerties koeficientų kitimai pakrančių vandenyse visoje Europoje. J. Geophys. Res. Vandenynas. 1, 1998, 103. [CrossRef] 31033. Morel, A. Gryno vandens ir gryno jūros vandens optinės savybės. Okeanografijos optiniuose aspektuose; Nielsen, JS, red.; Akademinė leidykla: Kembridžas, MA, JAV, 31044 m.; p. 53. 2003. Babin, M.; Morelis, A.; Fournier-Sicre, V.; Fall, F.; Stramski, D. Jūrinių dalelių šviesos sklaidos savybės pakrančių ir atvirų vandenynų vandenyse, susijusios su dalelių masės koncentracija. Limnol. Oceanogr. 108, 3211, 54. [CrossRef] 1974. Zhang, T.; Fall, F.; Fischer, J. Jūrinių dalelių atgalinės sklaidos santykio modeliavimas 1 atvejo vandenyse. Leidinyje Proceedings of the Ocean Optics XVI, Santa Fe, MN, JAV, 24 m. lapkritis, 55 m. 2003. Minsky, M.; Papert, SA Perceptrons: An Introduction to Computational Geometry; MIT Press: Cambridge, MA, USA, 48. 843. Malthouse, EC Netiesinės PCA, atliekamos naudojant bendruosius neuroninius tinklus, apribojimai. IEEE Trans. Neuroninis tinklas. 859, 56, 2. [CrossRef] [PubMed] 18. Liu, DC; Nocedal, J. Dėl ribotos atminties BFGS metodo didelio masto optimizavimui. Matematika. Programa. 22, 2002, 57. [CrossRef] 1969. Japonijos meteorologijos agentūra. Įvykių žurnalas: Kalibravimo informacijos, naudojamos Himawari-58 AHI jautrumo tendencijai koreguoti, atnaujinimas; Meteorologinis palydovų centras: Kiyose, Japonija, 1998 m. Prieiga internete: https://www.data.jma.go.jp/mscweb/en/oper/eventlog/ Update_of_Calibration_Information_2019.pdf (prieiga 20 m. rugsėjo 2021 d.). 61. Kurucz, R. Saulės spektras: atlasai ir linijų identifikavimas. Proceedings of the Laboratory and Astronomical High Resolution Spectra, Briuselis, Belgija, 29 m. rugpjūčio 2 d.; p. 1995. 17. Meteorologinių palydovų centras. GSICS Himawari-62 matomo ir artimo infraraudonųjų spindulių vietinio kalibravimo vadovas. Prieiga internete: https://www.data.jma.go.jp/mscweb/data/monitoring/gsics/vis/techinfo_visvical.html (prieiga 10 m. gegužės 2022 d.). 63. Japonijos meteorologijos agentūra. Įvykių žurnalas: Himawari-8 stebėjimo duomenų kokybės gerinimas; Įvykių žurnalas Meteorologinis palydovų centras: Kiyose, Japonija, 2017 m. Prieiga internete: https://www.data.jma.go.jp/mscweb/en/oper/eventlog/Improvement_of_ Himawari-8_data_quality.pdf (prieiga 20 m. rugsėjo 2021 d.). 64. Qin, Y.; Stevenas, ADL; Schroederis, T.; McVicar, TR; Huangas, J.; Cope, M.; Zhou, S. Debesų danga Australijos regione: Debesų maskavimo, klasifikavimo ir optinio gylio paieškos algoritmo kūrimas ir patvirtinimas pažangiam Himawari vaizduokliui. Priekyje. Aplinka. Sci. 2019, 7, 20. [CrossRef] 65. Didžiojo barjerinio rifo jūrų parko administracija. Didžiojo barjerinio rifo (GBR) ypatybės (rifų ribos, QLD žemyninė dalis, salos, uolos, uolos ir sausieji rifai) (GBRMPA) (1.4 versija) [Duomenų rinkinys] 2164DB88-FD79-449E-920F-61C37ADE634B. 1998. Prieiga per internetą: http://www.gbrmpa.gov.au/geoportal/catalog/search/resource/details.page?uuid=%7B41AB3629-B41B-4746-9B753822667E5AF3%7D (prieiga 14 m. gegužės 2022 d.). 66. Emečėnas, E.; Kara, G.; Erdogmus, F.; Gardashov, R. Saulės spindulių vietų nustatymas vandenyno paviršiuje stebint iš geostacionarių palydovų. TAO Ter. Atmosas. Vandenynas. Sci. 2006, 17, 253. [CrossRef] 67. Nacionalinė vandenynų ir atmosferos administracija. Bendrojo ozono analizė naudojant SBUV/2 ir TOVS (TOAST). Prieiga per internetą: https://www.ospo.noaa.gov/Products/atmosphere/toast/index.html (prieiga 1 m. gruodžio 2020 d.). 68. Kistleris, R.; Kalnay, E.; Collins, W.; Saha, S.; Baltas, G.; Woollen, J.; Chelliah, M.; Ebisuzaki, W.; Kanamitsu, M.; Kousky, V. NCEPNCAR 50 metų pakartotinė analizė: kas mėnesį reiškia kompaktinį diską ir dokumentaciją. Bull. Am. Meteorolis. Soc. 2001, 82, 247. [CrossRef] 268. Kanamitsu, M.; Ebisuzaki, W.; Woollen, J.; Yang, S.-K.; Hnilo, JJ; Fiorino, M.; Poteris, GL NCEPDOE AMIP-II reanalizė (R-69). Bull. Am. Meteorolis. Soc. 2, 2002, 83. [CrossRef] 1631. Kalnay, E.; Kanamitsu, M.; Kistleris, R.; Collins, W.; Deaven, D.; Gandinas, L.; Iredell, M.; Saha, S.; Baltas, G.; Woollen, J. NCEP/NCAR 1644 metų reanalizės projektas. Bull. Am. Meteorolis. Soc. 70, 40, 1996. [CrossRef] 77. Nacionalinė vandenynų ir atmosferos administracija. NCEP Reanalizė 437 Meteorologiniai duomenys. Prieiga internete: https://psl.noaa. gov/data/gridded/data.ncep.reanalysis472.html (prieiga 71 m. gruodžio 2 d.).

Nuotoliniai jutikliai, 2022, 14, 3503

22 iš 23

72. Integruota jūrų stebėjimo sistema. IMOS vandenyno spalvų biooptinė Australijos vandenų duomenų bazė (SRS-OC-BODBAW). 2011. Prieiga per internetą: https://researchdata.edu.au/imos-srs-ocean-australian-waters (žiūrėta 20 m. vasario 2017 d.).
73. Didžiojo barjerinio rifo jūrų parko administracija. Jūrų stebėjimo programos kokybės užtikrinimo ir kokybės kontrolės vadovas 2017; Great Barrier Reef Marine Park Authority: Townsville, Australia, 2018. Prieiga per internetą: http://elibrary.gbrmpa.gov.au/jspui/ handle/2019/11017 (žiūrėta 3487 m. gegužės 15 d.).
74. Soja-Woz´niak, M.; Baird, M.; Schroeder, T.; Qin, Y.; Clementson, L.; Baker, B.; Boadle, D.; Brando, V.; Steven, A.D.L. Particulate Backscattering Ratio as an Indicator of Changing Particle Composition in Coastal Waters: Observations From Great Barrier Reef Waters. J. Geophys. Res. Ocean. 2019, 124, 54855502. [CrossRef]
75. Bulgarelli, B.; Zibordi, G. On the detectability of adjacency effects in ocean color remote sensing of mid-latitude coastal environments by SeaWiFS, MODIS-A, MERIS, OLCI, OLI and MSI. Remote Sens. Environ. 2018, 209, 423438. [CrossRef]
76. Schroeder, T.; Lovell, J.; King, E.; Clementson, L.; Scott, R. IMOS Ocean Colour Validation Report 2017-18, Report to the Integrated Marine Observing System (IMOS); CSIRO Oceans and Atmosphere: Brisbane, Australia, 2018; p. 22.
77. King, E.; Schroeder, T.; Brando, V.; Suber, K. A Pre-operational System for Satellite Monitoring of Great Barrier Reef Marine Water Quality. In Wealth from Oceans Flagship Report; CSIRO Wealth from Oceans Flagship: Hobart, Australia, 2014. [CrossRef]
78. Japan Meteorological Agency. Event Log: Quality Improvement of Himawari-8 Observation Data; Meteorological Satellite Center: Kiyose, Japan, 2016. Available online: https://www.data.jma.go.jp/mscweb/en/oper/eventlog/20161117_Quality_ development_of_Himawari-8_observation_data.pdf (prieiga 20 m. rugsėjo 2021 d.).
79. Japonijos aviacijos ir kosmoso tyrimų agentūra. JAXA Himawari monitoriaus P-Tree sistema. Prieiga per internetą: https://www.eorc.jaxa.jp/ ptree/index.html (prieiga 14 m. gegužės 2022 d.).
80. Hu, C.; Feng, L.; Lee, Z.; Davis, C.O.; Mannino, A.; McClain, C.R.; Franz, B.A. Dynamic range and sensitivity requirements of satellite ocean color sensors: Learning from the past. Appl. Opt. 2012, 51, 60456062. [CrossRef]
81. Tang, W.; Llort, J.; Weis, J.; Perron, M.M.G.; Basart, S.; Li, Z.; Sathyendranath, S.; Jackson, T.; Sanz Rodriguez, E.; Proemse, B.C.; et al. Widespread phytoplankton blooms triggered by 20192020 Australian wildfires. Nature 2021, 597, 370375. [CrossRef] [PubMed]
82. Great Barrier Reef Marine Park Authority. Water Quality Guidelines for the Great Barrier Reef Marine Park; 1921682299; Great Barrier Reef Marine Park Authority: Townsville, Australia, 2010. Available online: https://elibrary.gbrmpa.gov.au/jspui/handle/11017/ 432 (accessed on 20 August 2019).
83. Brodie, J.; Grech, A.; Pressey, B.; Day, J.; Dale, A.; Morrison, T.; Wenger, A. The future of the Great Barrier Reef: The water quality imperative. In Coasts and Estuaries; Wolanski, E., Day, J.W., Elliott, M., Ramachandran, R., Eds.; Elsevier: Amsterdam, The Netherlands, 2019; pp. 477499. [CrossRef]
84. Hieronymi, M.; Müller, D.; Doerffer, R. The OLCI Neural Network Swarm (ONNS): A Bio-Geo-Optical Algorithm for Open Ocean and Coastal Waters. Front. Mar. Sci. 2017, 4, 140. [CrossRef]
85. Donlon, C. Sentinel-3 Mission Requirements Traceability Document (MRTD); European Space Agency (ESA)–ESTEC: Noordwijk, The Netherlands, 2011; p. 234. Available online: https://sentinels.copernicus.eu/documents/247904/1848151/Sentinel-3-MissionRequirements-Traceability (accessed on 11 October 2018).
86. Doerffer, R. MERIS vandens produktų patvirtinimo protokolai; ESA leidinys PO-TN-MEL-GS-0043 GKSS; Forschungszentrum: Geesthacht, Vokietija, 2002; 1 p.
87. Kvinslando vyriausybė. Vandens stebėjimo informacijos portalas (WMIP). Prieiga internete: https://water-monitoring.information. qld.gov.au/ (prieiga 30 m. kovo 2021 d.).
88. Wolanski, E.; Spagnol, S. Lipnūs vandenys Didžiajame barjeriniame rife. Estuaras. Pakrantė. lentyna Sci. 2000, 50, 27. [CrossRef] 32. Pickard, GL; Donguy, J.-R.; Hénin, C.; Rougerie, F. A. Review Didžiojo barjerinio rifo ir Vakarų koralų fizinės okeanografijos
Jūra; Australijos vyriausybės leidybos tarnyba: Kanbera, Australija, 1977. 90. Feng, D.; Hodgesas, BR; Socolofsky, SA; Thyng, KM Tidal sūkuriai siaurame kanalo įleidimo angoje eksploatuojamuose naftos išsiliejimo modeliuose. Kov.
Užteršti. Bull. 2019, 140, 374. [CrossRef] [PubMed] 387. De'ath, GA; Fabricius, KK Didžiojo barjerinio rifo vandens kokybė: pasiskirstymas, poveikis rifų biotai ir aktyvinės vertės
Ekosistemos sveikatos apsauga; Didžiojo barjerinio rifo jūrų parko administracija Australijos Sandraugos ir Australijos jūrų mokslų instituto: Taunsvilis, Australija, 2008 m.; p. 104. 92. Tomsonas, RE; Wolanski, EJ Potvynių laikotarpio pakilimas Raine salos įėjimo į didelį barjerinį rifą. J. Mar. Res. 1984, 42, 787. [CrossRef] 808. Wolanski, E.; Drew, E.; Abelis, KM; O'Brien, J. Potvynių srautai, maistinių medžiagų pakilimas ir jų įtaka dumblio Halimeda produktyvumui juostiniuose rifuose, Didžiajame barjeriniame rife. Estuaras. Pakrantė. Lentynas Sci. 93, 1988, 26. [CrossRef] 169. Marmorino, GO; Smithas, GB; Miller, WD Turbulence charakteristikos padarytos iš palydovinių vaizdų, kuriuose užfiksuoti paviršiniai dumbliai seklioje potvynių ir atoslūgių jūroje. Tęsinys Lentynos Res. 201, 94, 2017. [CrossRef] 148. Delandmeter, P.; Lambrechts, J.; Marmorino, GO; Legat, V.; Wolanskis, E.; Remacle, J.-F.; Chen, W.; Deleersnijder, E. Submesoskaliniai potvynių sūkuriai po koralų salų ir rifų: palydoviniai duomenys ir skaitmeninis modeliavimas. Vandenynas. Dyn. 178, 184, 95. [CrossRef] 2017. Li, G.; Jis, Y.; Liu, G.; Zhang, Y.; Hu, C.; Perrie, W. Multi-Sensor Observations Submezoscale Sūkurys pakrantės regionuose. Remote Sens. 67, 897, 913. [CrossRef]

Nuotoliniai jutikliai, 2022, 14, 3503

23 iš 23

97. IOCCG. Būsimų vandenyno spalvų jutiklių misijos reikalavimai; Tarptautinės vandenyno spalvų koordinavimo grupės (IOCCG) ataskaitos Nr. 13; McClain, C., Meister, G., red.; IOCCG: Dartmouth, NS, Kanada, 2012 m. Prieiga internete: http://ioccg.org/wp-content/uploads/2015/10/ioccg-report-13.pdf (žiūrėta 30 m. rugsėjo 2017 d.).
98. Neukermans, G.; Ruddickas, K.; Bernardas, E.; Ramonas, D.; Nechad, B.; Deschamps, P.-Y. Mapping total suspended matter from geostationary satellites: A feasibility study with SEVIRI in the Southern North Sea. Opt. Express 2009, 17, 1402914052. [CrossRef]
99. Neukermans, G.; Ruddick, K.; Loisel, H.; Roose, P. Optimization and quality control of suspended particulate matter concentration measurement using turbidity measurements. Limnol. Oceanogr. Methods 2012, 10, 10111023. [CrossRef]
100. Röttgers, R.; Heymann, K.; Krasemann, H. Suspended matter concentrations in coastal waters: Methodological improvements to quantify individual measurement uncertainty. Estuar. Coast. Shelf Sci. 2014, 151, 148155. [CrossRef]
101. Tilstone, G.; Moore, G.; Sørensen, K.; Doerffer, R.; Røttgers, R.; Ruddick, K.; Pasterkamp, R.; Jørgensen, P. Regioninis MERIS chlorofilo produktų patvirtinimas Šiaurės jūros pakrančių vandenyse. Darbo susitikime dėl MERIS ir AATSR kalibravimo ir geofizinio patvirtinimo (ENVISAT MAVT-2003), Fraskatis, Italija, 20 m. spalio mėn. 24 m.
102. Stavn, R.H.; Rick, H.J.; Falster, A.V. Correcting the errors from variable sea salt retention and water of hydration in loss on ignition analysis: Implications for studies of estuarine and coastal waters. Estuar. Coast. Shelf Sci. 2009, 81, 575582. [CrossRef]
103. Okuyama, A.; Takahashi, M.; Date, K.; Hosaka, K.; Murata, H.; Tabata, T.; Yoshino, R. Validation of Himawari-8/AHI radiometric calibration based on two years of in-orbit data. J. Meteorol. Soc. Japan. Ser. II 2018, 96, 91109. [CrossRef]
104. Japan Meteorological Agency. Event log: Impacts of Spacecraft Events and Calibration on Himawari-8 Images: Striping; Meteorological Satellite Center: Kiyose, Japan, 2020. Available online: http://www.data.jma.go.jp/mscweb/en/oper/image_info.html#005 (prieiga 20 m. rugsėjo 2021 d.).
105. Moses, W.J.; Bowles, J.H.; Lucke, R.L.; Corson, M.R. Impact of signal-to-noise ratio in a hyperspectral sensor on the accuracy of biophysical parameter estimation in case II waters. Opt. Express 2012, 20, 43094330. [CrossRef]
106. Alvarez-Romero, J.G.; Devlin, M.; Teixeira da Silva, E.; Petus, C.; Ban, N.C.; Pressey, R.L.; Kool, J.; Roberts, J.J.; Cerdeira-Estrada, S.; Wenger, A.S.; et al. A Novel Approach to Model Exposure of Coastal Marine Ecosystems to Riverine Flood Plumes Based on Remote Sensing Techniques. J. Environ. Manag. 2013, 119, 194207. [CrossRef]
107. Petus, C.; Devlin, M.; Thompson, A.; McKenzie, L.; Teixeira da Silva, E.; Collier, C.; Tracey, D.; Martin, K. Estimating the Exposure of Coral Reefs and Seagrass Meadows to Land-Sourced Contaminants in River Flood Plumes of the Great Barrier Reef: Validating a Simple Satellite Risk Framework with Environmental Data. Remote Sens. 2016, 8, 210. [CrossRef]
108. Devlin, M.; Schroeder, T.; McKinna, L.; Brodie, J.; Brando, V.; Dekker, A. Monitoring and Mapping of Flood Plumes in the Great Barrier Reef Based on In Situ and Remote Sensing Observations. In Advances in Environmental Remote Sensing to Monitor Global Changes; Chang, N.-B., Ed.; Environmental Remote Sensing and Systems Analysis; CRC Press: Boca Raton, FL, USA, 2012; pp. 147191. [CrossRef]
109. Steven, A.D.; Baird, M.E.; Brinkman, R.; Car, N.J.; Cox, S.J.; Herzfeld, M.; Hodge, J.; Jones, E.; King, E.; Margvelashvili, N.; et al. eReefs: An operational information system for managing the Great Barrier Reef. J. Oper. Oceanogr. 2019, 12, S12S28. [CrossRef]

Dokumentai / Ištekliai

Mašininio mokymosi algoritmas

User Guide · Machine Learning Algorithm, Learning Algorithm, Algorithm

Nuorodos

aeronet.gsfc.nasa.gov/cgi-bin/data_display_aod_v3?site=aeronet.gsfc.nasa.gov
co.ukco.uk
Pagrindinis puslapisdoi.org
edu.auedu.au
„Reef Authority“ skaitmeninė saugykla: pagrindinis puslapiselibrary.gbrmpa.gov.au
elibrary.gbrmpa.gov.au/jspui/handle/11017/3665elibrary.gbrmpa.gov.au
jcu.edu.aujcu.edu.au
psl.noaapsl.noaa
Kvinslando vyriausybė | Kvinslando vyriausybėqld.gov.au
researchdata.edu.au/imos-srs-ocean-australian-watersresearchdata.edu.au
Vartotojo vadovasmanual.tools

Published: April 8, 2025

Atnaujinta: 26 m. lapkričio 2025 d

MDPI mašininio mokymosi algoritmo vartotojo vadovas

Mašininio mokymosi algoritmas

Informacija apie produktą

Specifikacijos

Produkto naudojimo instrukcijos

1. Įvadas

2. Paieškos procesas

3. Vandenyno spalvų jutikliai

Dažnai užduodami klausimai (DUK)

Kl.: Kas yra pagrindinis nuotolinio stebėjimo straipsnio akcentas?

Kl.: Kodėl pakrantėse pirmenybė teikiama geostacionariems palydovams
stebėti?

Dokumentai / Ištekliai

Nuorodos

Užduokite klausimą

Susijusios temos

Mašininio mokymosi algoritmas

Informacija apie produktą

Specifikacijos

Produkto naudojimo instrukcijos

1. Įvadas

2. Paieškos procesas

3. Vandenyno spalvų jutikliai

Dažnai užduodami klausimai (DUK)

Kl.: Kas yra pagrindinis nuotolinio stebėjimo straipsnio akcentas?

Kl.: Kodėl pakrantėse pirmenybė teikiama geostacionariems palydovams stebėti?

Dokumentai / Ištekliai

Nuorodos

Užduokite klausimą

Užduokite klausimą Cancel question

Susijusios temos

Naujausias MDPI Vadovai

Kl.: Kodėl pakrantėse pirmenybė teikiama geostacionariems palydovams
stebėti?