Авторы
Семенова Н.К. (1, 2, 3), Захарова Е.А. (1, 4), Крыленко И.Н. (1, 2), Сазонов А.А. (1, 2)
Организации
(1) ИВП РАН
(2) МГУ им. М.В. Ломоносова
(3) Гидрометцентр России
(4) EOLA, Toulouse, France
(2) МГУ им. М.В. Ломоносова
(3) Гидрометцентр России
(4) EOLA, Toulouse, France
Сессия
Дистанционное зондирование Земли
Подсекция
Водоемы
Форма представления
Устный
Текст тезисов
Применение спутниковой альтиметрии для мониторинга водного режима внутренних вод суши (озер и рек) активно развивается на протяжении последних 10 лет в связи с подготовкой гидрологического спутника SWOT (Surface Water and Ocean Topography) запущенного в ноябре 2022 г. Альтиметрические спутниковые измерения на реках сложны из-за неоднородности физических характеристик и топографии отражающей поверхности в футпринте радара. Тем не менее, в условиях ограниченного наличия данных о топографии поймы, батиметрии и уровенных наблюдений на многих участках арктических рек, спутниковые альтиметрические измерения могут служить для верификации или калибровки гидродинамических моделей. В данном исследовании результаты моделирования уровней воды с помощью одномерной гидродинамической модели, адаптированной для 163 км участка нижнего течения р. Колымы были верифицированы по данным альтиметрических спутников Sentinel-3A и -3B. Несмотря на использование в качестве граничных условий гидродинамической модели расходов воды с вышележащих постов, пересчитанных с учетом увеличения площади водосбора и добегания, модель хорошо воспроизвела сезонную и межгодовую изменчивость на всем модельном участке. Связь модельных и спутниковых уровней воды варьировала от 0.8 до 0.91. Однако среднеквадратичное отклонение было достаточно высоким 0.77 - 2.75 м (или 13-62% от сезонной амплитуды уровня). Одной из причин высоких отклонений мы считаем упрощенный статистический метод фильтрации выбросов спутниковых измерений. В связи с этим встал вопрос разработки более продвинутого метода, основанного на машинном обучении.
Альтиметричские уровни воды рассчитывались по данным измерений спутников Sentinel-3A и -3B на 19 виртуальных станциях. Набор геофизических коррекций, поставляемых в стандартном продукте "SR_2_LAN" и адаптированных для задач гидрологии суши был применен к высотам, полученным ретрекером SAMOSA. Коррекции были интерполированы к координатам 20Hz измерений радара, точная выборка последних над речным руслом проводилась с использованием снимков Ландсат-8.
Для фильтрации полученных альтиметрических уровней воды был разработан ансамблевый метод определения выбросов, основанный на комбинации нескольких классических статистических методов (правило 3σ и расстояние Махаланобиса) и методов кластеризации. В качестве методов кластеризации были рассмотрены алгоритмы машинного обучения: изолированный лес (Isolation Forest), DBSCAN (Density-Based Spatial Clustering of Applications with Noise) и LOF (local outlier factor). Алгоритм был разработан на однорукавном моделируемом участке р.Колымы, где удалось улучшить точность расчетов спутникового уровня на 8%. В настоящее время алгоритм тестируется на р. Оби (уасток г. Сургут) для оценки его эффективности в условиях широкопойменных и многорукавных участков рек.
Финансирование. Работа поддержана грантом РНФ 22-27-00633 "Исследование уровенного режима рек методами спутниковой альтиметрии и гидродинамического моделирования".
Альтиметричские уровни воды рассчитывались по данным измерений спутников Sentinel-3A и -3B на 19 виртуальных станциях. Набор геофизических коррекций, поставляемых в стандартном продукте "SR_2_LAN" и адаптированных для задач гидрологии суши был применен к высотам, полученным ретрекером SAMOSA. Коррекции были интерполированы к координатам 20Hz измерений радара, точная выборка последних над речным руслом проводилась с использованием снимков Ландсат-8.
Для фильтрации полученных альтиметрических уровней воды был разработан ансамблевый метод определения выбросов, основанный на комбинации нескольких классических статистических методов (правило 3σ и расстояние Махаланобиса) и методов кластеризации. В качестве методов кластеризации были рассмотрены алгоритмы машинного обучения: изолированный лес (Isolation Forest), DBSCAN (Density-Based Spatial Clustering of Applications with Noise) и LOF (local outlier factor). Алгоритм был разработан на однорукавном моделируемом участке р.Колымы, где удалось улучшить точность расчетов спутникового уровня на 8%. В настоящее время алгоритм тестируется на р. Оби (уасток г. Сургут) для оценки его эффективности в условиях широкопойменных и многорукавных участков рек.
Финансирование. Работа поддержана грантом РНФ 22-27-00633 "Исследование уровенного режима рек методами спутниковой альтиметрии и гидродинамического моделирования".