Anterior|Siguiente

Estudio de corrección de coherencia para la inversión del índice de color del agua de lagos a partir de datos multisource: el caso de lagos típicos de la meseta tibetana

  • role： First author第一作者
  • Affiliation：

    School of Mapping and Geoscience, Liaoning Technical University, Fuxin 123000, China

    Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China

  • Email：13722881205@163.com
  • Introduction：谭章茹，研究方向为水色遥感、遥感影像处理。E-mail： 13722881205@163.com
TAN Zhangru12,  
  • role： Corresponding author通信作者
  • Affiliation：

    Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China

    International Research Center of Big Data for Sustainable Development Goals, Beijing 100094, China

  • Email：wangsl@radi.ac.cn
  • Introduction：王胜蕾，研究方向为水色遥感、水环境时空变化及对全球变化响应。E-mail： wangsl@radi.ac.cn
WANG Shenglei23*,  
  • Affiliation：

    Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China

    International Research Center of Big Data for Sustainable Development Goals, Beijing 100094, China

LI Junsheng23,  
  • Affiliation：

    Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China

    International Research Center of Big Data for Sustainable Development Goals, Beijing 100094, China

ZHANG Fangfang23,  
  • Affiliation：

    Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China

ZHANG Bing2

resumen

El color del agua de los lagos, como reflejo directo de las características ópticas del agua, es una variable climática importante en los ecosistemas lacustres. En los últimos años, el índice Forel-Ule (FUI) obtenido mediante teledetección satelital se ha utilizado ampliamente para indicar los cambios espacio-temporales en los ecosistemas y la calidad del agua en grandes áreas de lagos. La observación cooperativa mediante satélites multifuente puede aumentar significativamente la frecuencia y la cobertura espacio-temporal, pero el problema de la coherencia en la inversión de datos requiere solución. Este estudio, centrado en seis lagos típicos de la meseta tibetana, propone un método de corrección de coherencia para la inversión del índice FUI basado en productos de reflectancia superficial de Landsat 5/TM, Landsat 7/ETM+, Landsat 8/OLI y MODIS, para corregir las diferencias en el ángulo cromático y en la inversión del FUI causadas por la función de respuesta espectral del satélite y los sesgos sistémicos en los productos de reflectancia. Primero, se utiliza un método de corrección polinómica basado en un conjunto de datos simulados de cuerpos de agua para corregir la respuesta espectral del ángulo cromático invertido en las bandas visibles de cada sensor satelital; segundo, se construye un modelo de regresión lineal entre los ángulos cromáticos invertidos por MODIS y Landsat TM, ETM+ y OLI, utilizando 112,830 pares de datos sincronizados de reflectancia superficial obtenidos en seis lagos, para realizar una calibración cruzada; por último, se evalúa sistemáticamente la coherencia de los datos satelitales multisource en escala de píxeles y series temporales antes y después de la corrección, basándose en los datos sincronizados y en resultados de inversión de datos FUI a largo plazo. Los resultados muestran que la coherencia entre el ángulo cromático y los resultados de inversión del FUI mejora significativamente después de la corrección (R²>0.95, MAPE<10%), y que la tendencia de cambio anual promedio del FUI de los lagos obtenida con los cuatro satélites es consistente. Este estudio proporciona una base metodológica importante para la inversión colaborativa de parámetros de color del agua de lagos usando datos multisource Landsat TM, ETM+, OLI y MODIS.

palabra clave

color del agua;teledetección multisource;función de respuesta espectral;corrección de coherencia;ángulo cromático;índice Forel-Ule (FUI);reflectancia del agua;lagos de la meseta tibetana

References

  1. 1.
    Barnes B B, Hu C M, Kovach C and Silverstein R N. 2015. Sediment plumes induced by the Port of Miami dredging: analysis and interpretation using Landsat and MODIS data. Remote Sensing of Environment, 170: 328-339
  2. 2.
    Cao Z G, Melack J M, Liu M, Kutser T, Duan H T and Ma R H. 2023. Shifts, trends, and drivers of lake color across China since the 1980s. Geophysical Research Letters, 50(8): e2023GL103225
  3. 3.
    Chen X D, Liu L Y, Zhang X, Li J S, Wang S L and Liu D. 2021. An assessment of water color for inland water in China using a Landsat 8-derived Forel–Ule index and the Google Earth Engine platform. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 14: 5773-5785
  4. 4.
    CIE. 1932. Commission Internationale de l’Eclairage Proceedings, 1931. Cambridge University Press.
  5. 5.
    Duan H T, Cao Z G, Shen M, Ma J G and Qi T C. 2022. Review of lake remote sensing research. National Remote Sensing Bulletin, 26(1): 3-18
  6. 6.
    Foga S, Scaramuzza P L, Guo S, Zhu Z, Dilley R D, Beckmann T, Schmidt G L, Dwyer J L, Hughes M J and Laue B. 2017. Cloud detection algorithm comparison and validation for operational Landsat data products. Remote Sensing of Environment, 194: 379-390
  7. 7.
    Garaba S P and Zielinski O. 2013. Methods in reducing surface reflected glint for shipborne above-water remote sensing. Journal of the European Optical Society Rapid Publications, 8: 13058
  8. 8.
    Gorelick N, Hancher M, Dixon M, Ilyushchenko S, Thau D and Moore R. 2017. Google earth engine: planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202: 18-27
  9. 9.
    Guo L N, Wu Y H, Zheng H X, Zhang B, Li J S, Zhang F F and Shen Q. 2018. Uncertainty and variation of remotely sensed lake ice phenology across the Tibetan Plateau. Remote Sensing, 10(10): 1534
  10. 10.
    IOCCG. 2006. Remote sensing of inherent optical properties: fundamentals, tests of algorithms, and applications//LeeZP. Reports of the International Ocean-Colour Coordinating Group. [s.l.]: International Ocean Colour Coordinating Group (IOCCG).
  11. 11.
    Irons J R, Dwyer J L and Barsi J A. 2012. The next Landsat satellite: the Landsat Data Continuity Mission. Remote Sensing of Environment, 122: 11-21
  12. 12.
    Ma W Y, Bai L, Ma W Q, Hu W, Xie Z P, Su R M Z, Wang B B, and Ma Y M. 2022. Interannual and monthly variability of typical inland lakes on the Tibetan Plateau located in three different climatic zones. Remote Sensing, 14(19): 5015
  13. 13.
    Maciel D A, Pahlevan N, Barbosa C C F, de Novo E M L D M, Paulino R S, Martins V S, Vermote E and Crawford C J. 2023. Validity of the Landsat surface reflectance archive for aquatic science: Implications for cloud-based analysis. Limnology and Oceanography Letters, 8(6): 850-858
  14. 14.
    Mann H B. 1945. Nonparametric tests against trend. Econometrica, 13(3): 245-259.
  15. 15.
    Mann H B and Whitney D R. 1947. On a test of whether one of two random variables is stochastically larger than the other. The Annals of Mathematical Statistics, 18(1): 50-60
  16. 16.
    Novoa S, Wernand M R and van der Woerd H J. 2013. The Forel-Ule scale revisited spectrally: preparation protocol, transmission measurements and chromaticity. Journal of the European Optical Society-Rapid Publications, 8: 13057
  17. 17.
    Overstreet B T and Legleiter C J. 2017. Removing sun glint from optical remote sensing images of shallow rivers. Earth Surface Processes and Landforms, 42(2): 318-333
  18. 18.
    Pekel J F, Cottam A, Gorelick N and Belward A S. 2016. High-resolution mapping of global surface water and its long-term changes. Nature, 540(7633): 418-422
  19. 19.
    Song K S, Liu G, Wang Q, Wen Z D, Lyu L, Du Y X, Sha L W and Fang C. 2020. Quantification of lake clarity in China using Landsat OLI imagery data. Remote Sensing of Environment, 243: 111800
  20. 20.
    Su Y N, Chen S Q, Feng M and Chen F H. 2024. Progress and prospects in satellite remote sensing monitoring of terrestrial surface water. Chinese Science Bulletin, 69(22): 3268-3282
  21. 21.
    Topp S N, Pavelsky T M, Dugan H A, Yang X, Gardner J and Ross M R V. 2021. Shifting patterns of summer lake color phenology in over 26,000 US lakes. Water Resources Research, 57(5): e2020WR029123
  22. 22.
    van der Woerd H J and Wernand M R. 2015. True colour classification of natural waters with medium-spectral resolution satellites: SeaWiFS, MODIS, MERIS and OLCI. Sensors, 15(10): 25663-25680
  23. 23.
    Van der Woerd H J and Wernand M R. 2018. Hue-angle product for low to medium spatial resolution optical satellite sensors. Remote Sensing, 10(2): 180
  24. 24.
    Vermote E, Justice C, Claverie M and Franch B. 2016. Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment, 185: 46-56
  25. 25.
    Wang S L, Li J S, Shen Q, Zhang B, Zhang F F and Lu Z Y. 2015. MODIS-based radiometric color extraction and classification of inland water with the Forel-Ule scale: a case study of lake Taihu. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 8(2): 907-918
  26. 26.
    Wang S L, Li J S, Zhang B, Shen Q, Zhang F F and Lu Z Y. 2016. A simple correction method for the MODIS surface reflectance product over typical inland waters in China. International Journal of Remote Sensing, 37(24): 6076-6096.
  27. 27.
    Wang S L, Li J S, Zhang B, Spyrakos E, Tyler A N, Shen Q, Zhang F F, Kuster T, Lehmann M K, Wu Y H and Peng D L. 2018. Trophic state assessment of global inland waters using a MODIS-derived Forel-Ule index. Remote Sensing of Environment, 217: 444-460
  28. 28.
    Wang S L, Li J S, Zhang W Z, Cao C, Zhang F F, Shen Q, Zhang, X F and Zhang B. 2021. A dataset of remote-sensed Forel-Ule index for global inland waters during 2000-2018. Scientific Data, 8(1): 26
  29. 29.
    Wernand M R, van der Woerd H J and Gieskes W W C. 2013. Trends in ocean colour and chlorophyll concentration from 1889 to 2000, worldwide. PLoS One, 8(6): e63766
  30. 30.
    Wu G F, De Leeuw J, Skidmore A K, Prins H H T and Liu Y L. 2008. Comparison of MODIS and Landsat TM5 images for mapping tempo-spatial dynamics of Secchi disk depths in Poyang Lake National Nature Reserve, China. International Journal of Remote Sensing, 29(8): 2183-2198
  31. 31.
    Xu F L, Zhang G Q, Woolway R I, Yang K, Wada Y, Wang J D and Crétaux J F. 2024. Widespread societal and ecological impacts from projected Tibetan Plateau lake expansion. Nature Geoscience, 17(6): 516-523 .
  32. 32.
    Yin Z Y, Li J S, Liu Y, Xie Y, Zhang F F, Wang S L, Sun X and Zhang B. 2021. Water clarity changes in Lake Taihu over 36 years based on Landsat TM and OLI observations. International Journal of Applied Earth Observation and Geoinformation, 102: 102457
  33. 33.
    Zhan J. 2022. Research on remote sensing retrieval algorithms of Secchi disk depth—take the Yellow Sea as an example. Tianjin: Tianjin University
  34. 34.
    Zhang B, Li J S, Shen Q, Wu Y H, Zhang F F, Wang S L, Yao Y, Guo L N and Yin Z Y. 2021. Recent research progress on long time series and large scale optical remote sensing of inland water. National Remote Sensing Bulletin, 25(1): 37-52
  35. 35.
    Zhang F F, Li J S, Zhang B, Shen Q, Ye H P, Wang S L and Lu Z Y. 2018. A simple automated dynamic threshold extraction method for the classification of large water bodies from landsat-8 OLI water index images. International Journal of Remote Sensing, 39(11): 3429-3451
  36. 36.
    Zhang W Z, Wang S L, Zhang B, Zhang F F, Shen Q, Wu Y H, Mei Y, Qiu R T and Li J S. 2022. Analysis of the water color transitional change in Qinghai Lake during the past 35 years observed from Landsat and MODIS. Journal of Hydrology: Regional Studies, 42: 101154
  37. 37.
    Zhu L P, Peng P, Zhang G Q, QIAO B J, LIU C, YANG R M and WANG J B. 2020. The role of Tibetan Plateau lakes in surface water cycle under global changes. Journal of Lake Sciences, 2020, 32(3): 597-608
  38. 38.
    Zhu L P, Zhang G Q, Yang R M, Liu C, Yang K, Qiao B J and Han B P. 2019. Lake variations on Tibetan Plateau of recent 40 years and future changing tendency. Bulletin of Chinese Academy of Sciences, 34(11): 1254-1263

Leer el texto completo

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website