Машина үйрөнүү алгоритми

Продукт маалыматы

Техникалык шарттар

• Продукт аты: Алыстан аныктоо макаласы
• Author: Лариса Патрисио-Валерио, Томас
  Шредер, Мишель Дж.Девлин, И Цин, Скотт Смитерс
• Жарыяланган күнү: 21-июль 2022-жыл
• Ачкыч сөздөр: Химавари-8, океандын түсү, жасалма
  нейрон тармактары, Улуу Тосмо рифи, жээк суулары, бардыгы
  асма заттар, машина уйренуу, суунун сапаты

Продукт колдонуу нускамалары

1. Киришүү

Remote Sensing макаласы колдонуу боюнча түшүнүктөрдү берет
жалпы токтоп калган катуу заттарды алуу үчүн машина үйрөнүү алгоритмдери
Гимавари-8ден алынган маалыматтарды колдонуу менен Улуу Тосмо рифинде. макала
геостационардык колдонуудагы кыйынчылыктарды жана артыкчылыктарды талкуулайт
Жээк жээктерин үзгүлтүксүз байкоо үчүн Жердин орбиталык спутниктери
аймактар.

2. Издөө процесси

Макала геостационардык маанилүүлүгүн баса белгилейт
Himawari-8 сыяктуу спутниктер реалдуу убакыт режиминде маалыматтарды тартууда
жээк процесстери. Ал төмөнкү Жер орбитасынын чектөөлөрүн баса белгилейт
менен салыштырганда кыска мөөнөттүү өзгөрмөлүүлүгүн чечүү үчүн спутниктер
геостационардык спутниктер.

3. Океан түстөрүнүн сенсорлору

Макалада океан түстүү сенсорлордун мааниси айтылат
сууга байланыштуу мейкиндик маалыматын алуу үчүн спутниктер
сапаты. тарабынан байкалган убактылуу динамика талкууланат
геостационардык спутниктер жана алардын жээкке мониторинг жүргүзүүгө тийгизген таасири
көрүнүштөр.

Көп берилүүчү суроолор (FAQ)

С: Remote Sensing макаласынын негизги багыты эмнеде?

A: Негизги көңүл машинаны үйрөнүү алгоритмин колдонууга багытталган
Himawari-8 маалыматтар Улуу жалпы токтотулган катуу заттарды алуу үчүн
Barrier Reef.

С: Эмне үчүн жээк үчүн геостационардык спутниктерге артыкчылык берилет?
мониторинг?

A: Геостационардык спутниктер жакын үзгүлтүксүз байкоону сунуш кылат
жакшыраак мониторинг жүргүзүүгө мүмкүндүк берген жогорку жыштыгы менен чоң аймактар
тез өзгөрүп жаткан жээк процесстеринин.

алыстан зонддоо

Макала
Himawari-8 үчүн машинаны үйрөнүү алгоритми Улуу Тосмо рифинде токтоп калган катуу заттардын бардыгын издөө
Лариса Патрисио-Валерио 1,2,* , Томас Шрөдер 2, Мишель Дж.Девлин 3, Йи Цин 4 жана Скотт Смитерс 1

1 Илим жана инженерия колледжи, Джеймс Кук университети, Таунсвилл, QLD 4811, Австралия; scott.smithers@jcu.edu.au
2 Commonwealth Scientific and Industrial Research Organization, Oceans and Atmosphere, GPO Box 2583, Брисбен, QLD 4001, Австралия; thomas.schroeder@csiro.au
3 Айлана-чөйрөнү коргоо жана аквакультура илиминин борбору, Паркфилд Роуд, Лоэстофт, Суффолк NR33 0HT, Улуу Британия; michelle.devlin@cefas.co.uk
4 Шериктештиктин Илимий жана Өнөр жайлык Изилдөө Уюму, Океандар жана Атмосфера, GPO Box 1700, Канберра, ACT 2601, Австралия; yi.qin@csiro.au
* Кат алышуу: larissa.patriciovalerio@my.jcu.edu.au

Цитата: Патрисио-Валерио, Л.; Шредер, Т.; Devlin, MJ; Цинь Ю.; Smithers, S. A Machine Learning Algorithm for Himawari-8 Улуу Тоскоолдук рифинде токтоп калган катуу заттардын бардыгын издөө. Remote Sens. 2022, 14, 3503. https://doi.org/ 10.3390/rs14143503
Академиялык редактор: Крис Рулфсема
Кабыл алынган: 15 Май 2022 Кабыл алынган: 19 Июль 2022 Жарыяланган күнү: 21 Июль 2022
Жарыялоочунун эскертүүсү: MDPI жарыяланган карталардагы жана институттук байланыштардагы юрисдикциялык дооматтарга карата бейтарап бойдон калууда.
Автордук укук: © 2022 авторлор тарабынан. Лицензия алуучу MDPI, Базель, Швейцария. Бул макала Creative Commons Attribution (CC BY) лицензиясынын (https://creativecommons.org/licenses/by/ 4.0/) жоболоруна жана шарттарына ылайык таратылган ачык кирүү макаласы.

Аннотация: Океандын түсүн алыстан сезүү Улуу тосмо рифинде (ГБР) деңиз суунун сапатынын синоптикалык масштабдагы мониторинги үчүн негиз болгон. Бирок, Сентинел-3 топ жылдызы сыяктуу төмөн орбиталык спутниктердин бортундагы океандын түстүү датчиктери жээктеги динамикалуу шарттарда суткалык өзгөргүчтүктү толугу менен чечүү үчүн жетишсиз кайра көрүү мүмкүнчүлүгүнө ээ. Бул чектөөнү жеңүү үчүн, бул эмгек Himawari-8 геостационардык спутнигиндеги Advanced Himawari Imager үчүн физикага негизделген жээктеги океан түстөрүнүн алгоритмин сунуштайт. Метеорологиялык колдонмолор үчүн иштелип чыкканына карабастан, Химавари-8 ар бир 10 мүнөт сайын төрт кеңири көрүнүүчү жана жакын инфракызыл спектрдик тилкелерде жана 1 км2 мейкиндиктин резолюциясында океандын түсүнүн өзгөчөлүктөрүн баалоо мүмкүнчүлүгүн сунуштайт. Гимавари-8 тилкелеринин бириккен океан атмосферасынын радиациялык өткөрмө моделдери GBRдин суудагы жана атмосфералык оптикалык касиеттеринин реалдуу диапазону жана күн жана байкоо геометрияларынын кеңири диапазону үчүн жүргүзүлгөн. Симуляцияланган маалыматтар Himawari-8 атмосферасынын үстүнкү спектрдик чагылуу байкоолорунан түздөн-түз жалпы токтоп калган катуу заттардын (TSS) концентрациясын баалоо үчүн жасалма нейрон тармагынын ыкмаларына негизделген тескери моделди иштеп чыгуу үчүн колдонулган. Алгоритм жээктеги GBR боюнча бир эле учурда in situ маалыматтары менен тастыкталган жана аны аныктоо чектери бааланган. TSS издөөлөрү 75 мг L-2 аныктоо чеги менен 1-0.14 мг L-24 валидация диапазонунда 1% чейин салыштырмалуу каталарды жана 0.25 мг L-1 абсолюттук каталарды көрсөттү. Биз GBR суунун сапатын жакшыртуу мониторинг жана башкаруу үчүн Himawari-8 суткалык TSS продуктуларынын потенциалдуу колдонмолорун талкуулайбыз.
Keywords: Himawari-8; океан түсү; жасалма нейрон тармактары; Great Barrier Reef; жээк суулары; жалпы токтоп калган катуу заттар; машина үйрөнүү; суунун сапаты
1. Киришүү MODIS/Aqua сыяктуу төмөн Жер орбиталык (LEO) спутниктеринин бортунда океан түстүү сенсорлор,
VIIRS/Suomi-NPP жана OLCI/Sentinel-3, Улуу Тоскоол рифиндеги (ГБР) суунун сапатынын жыл аралык динамикасын күн сайын изилдөө үчүн баалуу жана үнөмдүү байкоолордун узак мөөнөттүү жазууларын берди [1]. LEO спутниктери эң жакшы дегенде бир же эки күндүн ичинде бир эле географиялык аймакты сканерлейт; бирок, эки ырааттуу жана бирдей орбиталардын ортосундагы убакыт аралыгы (б.а., кайталап көрүү мезгилдүүлүгү) адатта бирден төрт жумага чейин өзгөрөт. Мындан тышкары, океандын түстүү сүрөттөрү булуттардын жана күндүн жаркыраган болушунан чоң таасирин тийгизиши мүмкүн, бул жогорку сапаттагы байкоолорду алууну чектейт [5]. Бул курама булутсуз иштеп чыгуу үчүн ошол эле аймактан күнүмдүк сүрөттөрдүн жумалык-айлык топтомун талап кылышы мүмкүн view океандын. Демек, LEO спутниктеринин убактылуу мүмкүнчүлүктөрү комплекстүү байкоо тутумун иштеп чыгуу жана фитопланктон диел циклдери, суу ташкындарынын күнүмдүк жүрүшү жана жээктеги кыска мөөнөттүү динамикалык процесстерди эффективдүү көзөмөлдөө үчүн жетишсиз.

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

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

Алыскы сенсор. 2022, 14, 3503

2 ичинен 23

толкун жана шамал менен башкарылуучу ресуспензия [7]. Изилдөөчүлөр жана экологиялык менеджерлер дагы

экономикалык жактан натыйжалуу мейкиндик маалыматын алуу үчүн LEO океан түстүү продуктуларына таяныңыз.

жээк GBR [10,11], бирок кыска мөөнөттүү чечүү үчүн бул ыкмалардын чектөөлөрүн моюнга алуу

өзгөрмөлүүлүк.

–

Жердин g-eostationary орбитасында (GEO) спутниктер, антпесе, жакын үзгүлтүксүз мүмкүндүк берет

салыштырмалуу жогору жыштыктагы (минуттан саатка чейин) жер шарынын чоң аймактарын байкоо

LEO платформаларынын, айрыкча тропиктердин үстүнөн күнүмдүк кайталануу жыштыгына [9]. The

2010-жылы башталган дүйнөдөгү биринчи геостационардык океан түстүү сүрөтчүсү (GOCI-I)

сыяктуу Түндүк-Чыгыш Азиядагы тез өзгөрүп жаткан жээк- процесстердин убактылуу динамикасы

булганган шлейфтер жана зыяндуу балырлар [12,13]. Анын ийгилиги пайдалуу ишти камсыз кылды

глобалдык GEO океан түстүү миссияларынын келечектеги өнүгүүсү үчүн [14]; бирок, эч бири

кийинки он жылдыктын ичинде ишке киргизүү сунуш кылынган миссиялар байкоо жүргүзүү үчүн иштелип чыккан

Австралия суулары. Ошого карабастан, GEO спутниктери метеорологиялык объектилер үчүн дүйнөлүк масштабда иштетилет.

кызмат көрсөтүүлөр жана акыркы технологиялык жетишкендиктер океандардын үстүндө маалыматтарды чогултуу үчүн өз мүмкүнчүлүктөрүн колдонуп, космостон динамикалык процесстерди байкоого мүмкүндүк берди [-15].

Tofhbe anedxst-ignentheera-vtiiosinblGe EspOemctreutemor(o2loogri3cailnssetenasdorosfaorenleyq1uibpapnedd)

жакшыртылган менен бирге көбөйгөн саны менен

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-.

Химава-ри-8 экватордон 140.7E бийиктикте жайгашкан жана 10 мүнөттүк сканерлөө ылдамдыгы менен бир сутканын ичинде (жергиликтүү убакыт боюнча 48ден 8:4гө чейин) кеминде XNUMX fu-ll-дискке байкоо жүргүзөт. AHI аспабы метеорологиялык колдонмолор үчүн иштелип чыккан, ал эми анын көрүнөө жана жакын-фракызыл

(VNIR) тилкелери (1-сүрөт жана 1-таблица) күчтүү деңиз өзгөчөлүктөрүн аныктоого мүмкүндүк берет

оптикалык сигналдар, мисалы, өтө булганган суулардан келген сигналдар [19]. Мындан тышкары, Химавари-21

ультра жогорку резолюциядагы байкоолор океандын касиеттерин көзөмөлдөөгө мүмкүндүк берет

суб-хоurlбүткүл ГБР лагунасы жана ага чектеш океандык жээк үчүн жыл аралык убакытка чейин y

basin without inter-orbital data g-aps.

wFiigthurtehe1.trHainmsmawisas-riio-n8

Атмосфералык газдардын көрүнүүчү жана инфракызыл тилкелеринин (катуу ак сызыктар) спектрдик жооп функциялары (боз толтурулган сызык) жана озон аркылуу өтүү (кызыл)

катуу сызык) 400 жана 1000 нм ортосунда.

Океандык аймактарды көзөмөлдөө жана башкаруу үчүн кеңири спектрдеги колдонмолордун Хим-авари-8ден алынышы мүмкүн, анын ичинде океан түсү үчүн -[22,23]. Акыркы изилдөөлөр Хима-вари-8 байкоолорунун жээктеги сууларда [17,24] жана ачык океандагы хлороф-илл-а концентрациясын (CHL) аныктоо үчүн [22] мүмкүндүгүн көрсөттү. Бул жыйынтыктар жээктеги ГБРдеги жогорку жыштыктагы жана динамикалык процесстерди көзөмөлдөө үчүн кызыктуу мүмкүнчүлүктү сунуштайт. Бирок, s-everal океан түстүү алгоритмдер жээктеги суунун сапаты параметрлерин спутник алуу үчүн жеткиликтүү болушу мүмкүн, бирок, алар GBR оптикалык татаалдыгы үчүн жараксыз болушу мүмкүн же Himawari-8 байкоо үчүн колдонулбайт.

Алыскы сенсор. 2022, 14, 3503

3 ичинен 23
– –
Tleanbglteh1s.anHdimbaanwdawrii-d8-thA, dasvsaoncciaetdedHsipmaatiwalarreisIomluatgioenr.vSiisgibnlael-aton-dn- oni-esearr–aintiforsar(SeNd Rb)anfrdosmcpenanerv [25]foardsmcpenanerv results.

Топ # (Аты) #1 (көк) #2 (жашыл) #3 (кызыл) #4 (NIR)

Тасманын борбору (туурасы) 470.64 (45.37) нм 510.00 (37.41) нм 639.15 (90.02) нм 856.69 (42.40) нм

Мейкиндиктин чечилиши 1 км 1 км 0.5 км 1 км

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

Радиациялык өткөрүү симуляцияларын колдонгон моделдин b-асединдеги океан түстөрүнүн алгоритмдери эмпирикалык алгоритмдерге салыштырмалуу жээктеги суулардын көп убакыттык аралыктан зонддоо изилдөөлөрүндө колдонуу үчүн жогорку натыйжалуулугун көрсөттү [26]. Тактап айтканда, нейрон тармактары сызыктуу эмес функционалдык байланыштарды болжолдоо мүмкүнчүлүгүнөн улам оптикалык татаал жээк сууларында алыстан зонддоо колдонмолору үчүн эсептөө эффективдүү инверсия ыкмасы болуп саналат [27]. Бул документ Химавари-35 үчүн моделге негизделген нейрондук тармактын океан түстүү алгоритмин (2-сүрөт) иштеп чыгууну сүрөттөйт жана GBRдин жээктеги суулары үчүн параметрленген. Жасалма нейрондук тармактардын классы болгон көп катмарлуу перцептрон менен Гимавари-8 атмосферасынын үстүнкү (TOA) байкоолорунан түз TSSти баалоо үчүн бир кадамдуу инверсия алгоритми иштелип чыккан. Биринчиден, TOA чагылууларынын RTOA() sr-8 спектрдик бурчтук бөлүштүрүлүшү VNIR Himawari–1 тилкелеринде учурдагы туташкан океанатмосфералык радиациялык өткөрүмдүүлүк (RT) модели (алдыга үлгү) менен симуляцияланган. RT симуляцияларында суунун сапаты параметрлеринин, атмосфералык жана жарыктандыруу шарттарындагы реалдуу өзгөрүүлөр камтылган. Андан кийин бир нече ANN эксперименттери (тескери моделдер) жасалмаланган TOA нурланууларынын негизинде Himawari-8 тилкелеринде TSS алуу үчүн иштелип чыккан, үйрөтүлгөн жана сыналган. Акыр-аягы, Himawari-8 алынган TSS натыйжалары GBRдеги суунун сапаты боюнча бир убактагы маалыматтарга каршы статистикалык жактан бааланган жана тандалган алгоритмдин чектөөлөрү изилденген.

Сүрөт 2. Химавари-8 үчүн иштелип чыккан моделге негизделген океан түстөр алгоритминин агым диаграммасы.
2. Методдор. Радиациялык өткөрүмдүүлүк моделдерин параметрлештирүү жана конструкциялоо
ANN тескери модели төмөнкү бөлүмдөрдө көрсөтүлгөн. Алдыга жана тескери моделдин параметрлери европалык жээк суулары үчүн мурда иштелип чыккан [36] мамилени карманат, бирок бул изилдөөдө F-же GBRдин суу ичиндеги оптикалык шарттарына ылайыкташтырылган [38]. Кошумча, H-imawari-39 алуу, иштетүү жана маскалоо процедуралары жана океан түстөр процессору бул жерде иштелип чыккан моделге негизделген алгоритм үчүн сүрөттөлгөн. Валидация протоколу жана алгоритм чектөөлөрүн баалоо ыкмалары, ошондой эле GBRде TSS мониторингинин биринчи натыйжалары келтирилген.

Алыскы сенсор. 2022, 14, 3503

4 ичинен 23
2.1. Forward Model
Бул иште Матрица-Оператор моделинин (MOMO) скалярдык версиясы [40,41] Himawari-8 VNIR тилкелеринин бириктирилген океанатмосфералык радиациялык өткөргүч моделдөөлөрү үчүн колдонулган (таблица 1). Атмосфералык поляризацияга көңүл бурбоо TOAдагы 1% каталарга алып келиши мүмкүн, бул жээктеги сууну колдонуу үчүн алгылыктуу [2]. Himawari-42 RTOA() GBRдин суудагы жана атмосфералык оптикалык касиеттеринин реалдуу диапазону үчүн симуляцияланган.
Симуляцияланган океанатмосфера системасы бир нече горизонталдык бир тектүү тегиздик-параллель катмарларда стратификацияланган, мында суу жана атмосфералык оптикалык компоненттердин аныкталган түрлөрү жана концентрациясы каралат. Симуляцияланган атмосферанын бийиктиги (TOA) калыңдыгы 50 км жана 11 катмарга бөлүнгөн, анда вертикалдууfileбасымдын, температуранын жана нымдуулуктун АКШнын стандарттык атмосферасына ылайык келет [43]. Рэйлинин чачыратуусунун басаңдашы 980 гПа жана 1040 гПа болгон эки барометрдик беттик басым менен эсептелинет. Атмосфера чек ара катмарына (0 км), эркин тропосферага (2 км), стратосферага (2 км) бөлүнөт. Ар бир катмарда симуляциялар 12 жана 12 ортосундагы 50 нмдеги аэрозолдун оптикалык калыңдыгынын (a) ар кандай концентрациялары менен сегиз өзүнчө аэрозолдук топтомдор үчүн аткарылган. Ар бир аэрозоль жыйындысы үч негизги аэрозоль моделинен, чек ара катмарындагы деңиз моделинен, эркин тропосферадагы континенттик моделден жана стратосферадагы күкүрт кислотасынын моделинен турат, салыштырмалуу нымдуулук 550%тен 0.015%ке чейин. диапазон борбордук GBR [1.0S, 70E] жайгашкан Лусинда Жетти Жээк Обсерваториясында (LJCO) AERONET [99] станциясынын көп жылдык 2-деңгээлдеги күн-фотометрдик байкоолорунун негизинде аныкталган. LJCO AERONET станциясында 44,45 жана 18.52 нм ортосундагы тиешелүү Ангстрем коэффициенттеринин [146.39] анализи RT симуляцияларында колдонулгандарга дал келген деңиздик жана континенттик аэрозол түрлөрүнүн аралашмасын тастыктайт.
Атмосфералык газдардын өтүшү (O3 кошпогондо) High Resolution Transmission Molecular Absorbtion (HITRAN) маалымат базасынан [47] алынган жана Беннарц менен Фишердин [48] модификацияланган к-бөлүштүрүү модели аркылуу радиациялык өткөрүүнү симуляцияларында ишке ашырылган. Радиациялык өткөрүү симуляциялары 344 Добсон бирдигинин (DU) туруктуу озон жүктөөсүн кабыл алуу менен аткарылган [43]. Химавари-8 тилкелери 17 күн жана байкоо бурчтары жана 25 бирдей аралыктагы салыштырмалуу азимут бурчтары үчүн симуляцияланган. Симуляциялар CHL, TSS жана сары заттардын (YEL) туш келди тандалган уникалдуу концентрациялары менен берилген суунун сапатынын реалдуу термелүүлөрү үчүн жүргүзүлдү, мындан ары концентрация үч эселенген деп аталат. Симуляцияланган концентрация үчилтиктеринин диапазондору Чжан ж. [49]. Симуляцияланган концентрация үчилтиктери логарифмдик мейкиндикте бирдей бөлүштүрүлгөн, ошондуктан ар бир чоңдук тартиби окшош эле көрсөтүлүп, кайталанган симуляциялардан качкан.
Деңиз суусунун жалпы спектрдик сиңирүү a() төрт компоненттүү био-оптикалык моделдин модели менен түзүлдү, ал таза суунун сиңүүсүн (aw), фитопланктондун жана бардык өлүк органикалык материалдардын (б.а. детриттин) ап1 сиңүүсүн CHL [0.01, 15], ап2-0.01, ап100.0-443SS бөлүкчөлөрүнүн сиңирүү функциясы катары эсептейт. 0.002], ал эми сары заттардын жутулушу 2.5 нм [50, 8]. Таза суунун сиңүү коэффициенти (aw) Поп жана Фрай [1] боюнча Химавари-3 көрүнүүчү тилкелери 51 жана Хэйл жана Куэрри [4] 1 тилке үчүн моделделген. Фитопланктон менен детриттин ап52 спектрдик жутулушу Bricaud et al. [2], ал эми балыр эмес бөлүкчөлөрдүн ap53 жутулушу Бабин жана башкалар боюнча параметрленген. [2], Sp0.012 орточо жантаюусу XNUMX болгон, ал жеринде био-оптикалык маалыматтардан алынган.amp2002 жана 2013-жылдар аралыгында ГБРде жетектеген. Сары заттардын спектрдик жутуу коэффициенти a Babin et al. ылайык моделделген. [53], орточо эңкейиш Sy менен 0.015, ал дагы GBRден жеринде байкоолордон алынган [39].
Деңиз суусунун жалпы спектрдик чачырашы (b()) эки компоненттүү био-оптикалык модель [53] менен моделдешти, ал таза суунун (bw) жана чачыранды же органикалык жана органикалык эмес бөлүкчөлөрдүн бп чачырашын TSS функциясы катары эсепке алды. Таза деңиз суусу чачылып жатат

Алыскы сенсор. 2022, 14, 3503

5 ичинен 23

коэффициент Морелге негизделген толкун узундугуна көз каранды күч мыйзамы катары көрсөтүлгөн [54],

35 PSU дүйнөлүк туздуулугу үчүн аныкталган. органикалык жана чачыранды салым

органикалык эмес бөлүкчөлөр Бабин ж. [55]. Массалык өзгөчө чачыратуу коэффициенти

GBR суулары үчүн 0.31 м2 г-1 TSS бөлүкчөлөрүнүн bp эсептелген, Бабин жана башкалар. [55]. Case 2 суулары үчүн артка чачыраган ыктымалдык модели колдонулган [49,56]

TSS жана YEL катышынын негизинде суудагы чачыратуу фазасынын функцияларын (, ) эсептөө жана тандоо. Симуляциялар көп сандагы кокус концентрация үчүн аткарылган

үчилтик жана атмосфералык шарттар, мурда белгиленгендей, комплекстүү куруу

Himawari-8 RTOA() азимуталдык түрдө чечилген маалымат базасы. Бул маалымат базасынан, статистикалык

репрезентативдик окутуу жана тесттик топтомдор тескерисин иштеп чыгуу үчүн кокусунан алынган

модель. Тренинг жана тесттик бөлүмдөрдүн ар бири 100,000 XNUMX киргизүү векторлорун камтыды

x

камтыган

Бул: 470, 510, 640 жана 856 нм тилкелеринде симуляцияланган RTOA, деңиз деңгээлинин атмосфералык басымы 980 жана 1040 гПа, күндүн зенит бурчу (лар), зенитти (v) жана салыштырмалуу азимуттун ().

2.2. Тескери модель

Бул изилдөөдө Himawari-57 RTOA() менен TSS концентрациясынын ортосундагы функционалдык байланышты болжолдоо үчүн Malthouse [58] тарабынан иштелип чыккан Neural Network Simulator C-программасынын негизинде инверсивдүү модель катары алдыга багытталган жасалма нейрон тармагынын классы болгон көп катмарлуу перцептрон (MLP) ишке ашырылган. Азыркы MLP киргизүү катмарын, жашыруун катмарды жана нейрондордун чыгуу катмарын камтыйт. Ар бир нейрон кийинки катмардагы ар бир нейрон менен салмак менен байланышкан. Көзөмөлдөнгөн машинаны үйрөнүү же окутуу процедурасы төмөнкүчө сүрөттөлүшү мүмкүн:

·

Киргизүүчү нейрондор (ni) киргизүү векторун алышат

x

, окшоштурулган чагылууларды камтыган

жана жогоруда сүрөттөлгөн көмөкчү маалыматтар жана аны жашыруун катмар нейрондоруна таратат

(nh).

· Жашыруун катмарда жасалма нейрондор салмактуу кириш сигналдарын жыйынтыктап, аларды сызыктуу эмес өткөрүп берүү функциясы аркылуу өткөрүп, андан кийин алардын чыгышын алдыга жөнөтүшөт.

чыгуу катмарынын нейрондоруна (жок).

· Чыгым функциясы (б.а., орточо квадраттык каталар, MSE–теңдеме (1)) сим-

максаттуу жыйынтыктар yt жана ANN эсептелген жыйынтыктар yc бүткүл окутуу маалымат топтому үчүн эсептелет (N = 100,000) жана тармактын ички салмактары (W1, W2) туураланат.

· АННны окутуу өндүрүш менен максаттуу нарктын ортосундагы нарк функциясы минимумга чейин кайталанат.

MSE = y c – y t /N

(1)

Чектелген эс тутумдун BroydenFletcherGoldfarbShanno оптималдаштыруу алгоритмин колдонуу менен салмактык матрицаларды (W1, W2) итеративдик адаптациялоо менен чыгымдар функциясы минимумга келтирилет [59]. Үч катмарлуу MLP архитектурасы үчүн толук аналитикалык функция (2) теңдеме менен берилет:

yc

=

S2

×

W2 × S1

W1 × x

(2)

мында S1 жана S2 сызыктуу эмес (Теңдеме (3)) жана сызыктуу өткөөл функциялар, тиешелүүлүгүнө жараша чыгыш жана жашыруун катмарда колдонулат.

S(x) = 1 + ex -1

(3)

Киргизүү жана чыгаруу катмарларындагы нейрондордун саны маселенин кириш жана чыгаруу параметрлеринин саны менен аныкталган, ал эми бир нече эксперименталдык аракеттер

Алыскы сенсор. 2022, 14, 3503

6 ичинен 23

жашыруун катмардагы нейрондордун оптималдуу санын аныктоо үчүн талап кылынган. The

эксперименттер жашыруун катмар нейрондорунун санын 10дон 100гө чейин өзгөртүү менен иштелип чыккан,

-

тармактардын салмак конфигурациясы. эксперименттер негизги компонентти камтыган

RTOA() кириштерин декорациялоо үчүн алдын ала иштетүү кадамы катары анализ (PCA). Мындан тышкары, эксперименттер 0.8% спектралдык корреляцияланбаган сигналга көз каранды рандо-м менен иштелип чыккан - ар бир тилкеде RTOA киришине ызы-чуу кошулган. ANN эксперименттери радиациялык өткөрүүдөн туш келди алынган 100,000 XNUMX киргизүү векторлорунун бир бөлүгү менен окутулган жана сыналган

симуляцияланган маалыматтар топтому. Ар бир киргизүү вектору логарифмдик TSS концентрациясы менен байланыштырылды, ал көзөмөлдөгү окутуу тарабынан болжолдонуучу максаттуу жыйынтык катары тандалган.

процедура. Бардык эксперименттер 1000 итерация жана чыгымды азайтуу үчүн үйрөтүлгөн

функциясы (Теңдеме (1)) ар бир итерацияда бүткүл окуу маалымат топтому боюнча эсептелген. Ан

N = 100,000 XNUMX векторлордун көз карандысыз тесттик маалымат топтому тармактык тренингди көзөмөлдөө үчүн колдонулган

аткаруу жана ашыкча тууралоону болтурбоо үчүн.

–

2.3.

TBhaesHicipmraowceasrsi-in8- gOscteeapns

Himawari-8 чийки үчүн түс иштетүү

маалыматтар

ичине

TSS

буюмдар

болуп саналат

көрсөтүлгөн

in

Сүрөт

3.

1-деңгээл (L1) толук диск Himawari-8 VNIR тилкелери алынды, GBR аймагынан чыгарылды -

(10 S, 29 S, 140 E, 157 E), геолокацияланган, а-нд навигация оңдолгон. Геологиялык жайгаштырылган чийки маалыматтар

– аркылуу 1b деңгээли (L1b) TOA нурлануусуна (LTOA() W m-2sr-1µm-1 ) айланды.

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

топтор. L1b калибрленген LTOA() ар бир тилке үчүн жерден тышкаркы күн нурлануусу F() W -m-2 менен нормалдаштырылган. F() жылдын күнүнүн функциясы катары эсептелген

жана Жерден тышкаркы күн нурунун орточо F маанилери Куручта [61] b-асаланган жана Химавари-8 тилкелерине ылайыкташтырылган [62]. Натыйжада VNIR Himawari-1 тилкелериндеги RTOA() sr-8 чагылдырылган TOA инверциялык методго киргизүү катары кызмат кылган. Мындан тышкары,

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

декарттык координаттар (x, y, z).

Сүрөт 3. Химавари-8-Океан түсүн иштетүү схемасы. HSD Himawari-8 Stan-dard маалыматтарына, GBR Улуу Тоскоол рифине, VNIR Himawari-8 көрүнгөн жана инфракызыл тилкелердин жанында (470, 510, 640 жана 856 нм) жана ANN Жасалма нейрон тармагын билдирет.

the

ACulsoturadlimanasckoinntginoenf tHainmdaswuarrroi–u8nodbisnegrvwaatitoenrss.

болгон

Цин жана башкалар тарабынан иштелип чыккан. [64] 2 км токтому үчүн булут маскасы болгон

resampчаңга жана түтүнгө алып келди

1плкуммХесимфраовмабрии-о8мг-раидс

жана күйүү менен булганган пикселдерди маскалоону камтыйт. Ошо сыяктуу эле, аныкталган пикселдер пайда болду

континенттик аймактар, аралдар жана суулар сыяктуу беттер формага жараша маскаланганfiles

Great Barrier Reef Marine Park Authority [65] маалымат базасынан жеткиликтүү. Күн нуру

–

Алыскы сенсор. 2022, 14, 3503

7 ичинен 23
маска жылдын күнүнө (күн эңкейишине), жергиликтүү саатка, кеңдикке жана узундукка [66], мейкиндиктин 1 км резолюциясына жараша күн нурунун негизги чекитинин (PPS) координаталарын эсептөө аркылуу түзүлгөн. Күн дискинин контуру ППСтин координаталарынан 1300 км тегерек радиуста буферленген. Радиустун өлчөмү негизги күн дискинин аймагын максималдуу камтуу үчүн бир катар визуалдык сыноолордон кийин тандалган.
Himawari-8 байкоолору инверсияларга чейин Стратосфералык жана Тропосфералык Спутник компоненттеринин (TOAST) продуктунун [67] анализинен жалпы озондон алынган жалпы колонна озонунун дээрлик бир убакта спутниктик маалыматтары менен ар бир тилке үчүн пиксел-пиксел боюнча нормалдаштырылган. TOAST продуктусу, мейкиндикте 1.25 га 1 градуска жана күнүмдүк убактылуу резолюцияга ээ болгон.ampХимавари-1 тармагына ылайык келүү үчүн 8 км. Химавари-8 байкоолору ар бир тилкеде ТОАСТтан алынган озондун өткөрүлүшү менен 344 DU болгон симуляцияланган озон колоннасынын тыгыздыгынын берилиши ортосундагы катыш менен нормалдашты. Кошумчалай кетсек, NCEP/NCAR `Reanalysis 2` PaRt2m [68]ден алынган деңиз деңгээлинин орточо атмосфералык басымы маалыматтары Химавари-70 байкоолорун инверсиялоо үчүн маалымат катары колдонулган. "Reanalysis 8" маалыматтары орточо эсеп менен 2 саат сайын (6, 0, 6, 12 UTC) жана с.amp2.5 даражалык мейкиндиктин резолюциясынын үзгүлтүксүз глобалдык торуна алып келген [71]. Эң жакын параллелдүү PaRt2m маалыматтары алынды жана resamp1 км Химавари-8 торуна алып келди. Алынган TSS, байланышкан маскалар жана метаберилиштер NetCDFде сакталды file, анын ичинде диапазондон тышкаркы киргизүү жана чыгуулар үчүн пикселдик деңгээлде байланышкан желектер. Жарактуу киргизүүлөрдүн жана чыгаруулардын диапазону RT симуляцияланган маалымат топтомунун негизинде аныкталган. Мисалы, эгерде белгилүү бир пикселдик киргизүү жана/же чыгаруу параметри симуляцияланган диапазондон ашып кетсе, пикселге тиешелүү желек ыйгарылган. Киргизүү жана чыгаруу желектери Himawari-8 торунун ар бир пиксели үчүн жыйынтыкталды. Ассортименттен тышкаркы желекчелер суунун сапаты боюнча продуктыларга кийинки валидация жана колдонуу анализдерине чейин колдонулган.
2.4. Great Barrier Reef in Situ Data
2015-2018-жылдары Австралиянын деңиз илимдери институту (AIMS) жана Шериктештиктин илимий жана өнөр жай изилдөө уюму (CSIRO) тарабынан өлчөнгөн in situ TSS IMOS био-оптикалык маалымат базасынан [72] Австралиялык океан маалымат тармагы (AODN) порталы аркылуу алынган. CSIRO да, AIMS да деңиз суусунда TSS концентрациясын аныктоо үчүн гравиметрикалык ыкманы колдонушат. Метод деңиз суусунун белгилүү көлөмүнөн асма заттардын кургак салмагын өлчөөдөн туратample ал алдын ала салмактанып алынган мембраналык чыпкага вакуум менен чыпкалангандан кийин. AIMS жана CSIRO колдонгон методология боюнча кененирээк маалымат Great Barrier Reef Marine Park Authority [73] жана Soja-Woz´niak et al. [74], тиешелүүлүгүнө жараша. AIMS жана CSIRO лабораториялары TSSти аныктоо үчүн бир аз башкача ыкмаларды колдонгонуна карабастан (б.а. репликациялардын саны, чыпкалоочу аянтчалар, чайкоо ж.б.), бул маалымат топтомдору бул валидация көнүгүүсүндө бириктирилген. 347 0.01 мг L-85 жана 1 мг L-3.5 орточо өзгөргөн TSS менен 1 in situ маалымат пункттары жалпы каралды. Жээк сызыгынан же рифтерден 1 км алыстыкта ​​жайгашкан in situ маалымат чекиттери чектеш таасирлерден улам белгисиздикти азайтуу үчүн анализден чыгарылды [75]. Биз бардыгын in situ деңиз суусун киргиздикampсуунун өзгөрүлмө тереңдигинде (0.5 мден 1.5 мге чейин) жайгашкан станциялардын бетинде (<40 м тереңдикте) алынган, эң тайыз маалымат чекити TSS > 10 мг L-1.
2.5. Валидация протоколу
Бул изилдөөдө колдонулган валидация протоколу Австралияда, анын ичинде жээктеги GBR [27,76,77] океандын түсүн алыстан зонддоо үчүн мурунку валидация көнүгүүлөрүнүн тажрыйбасын камтыйт. Бул изилдөөлөр жээктеги ГБРде in situ өлчөөлөр менен катар спутниктик байкоолорду алуу үчүн кайра иштетүү кадамдарын, ошондой эле пайдалуу статистикалык көрсөткүчтөрдү сүрөттөгөн.
Бир нече Himawari-8 байкоолору бир мөөнөт ичинде бириктирилиши мүмкүн (б.а., hourly) мүмкүн болуучу чектен чыгууларды жок кылуу жана сенсордук жана экологиялык ызы-чууну азайтуу, кыязы, баалоолорду жана валидациялык көрсөткүчтөрдү жакшыртуу [7,9,16]. Ошондуктан, бардык жеткиликтүү Himawari-8 байкоолор ± 30 мүнөттүн ичинде жазылган in situ убакыттын ичинде сканерленген бул валидация көнүгүү үчүн алынган. VNIRде 10 мүнөттүк Химавари-8 байкоолору тандалган жана иштетилген

Алыскы сенсор. 2022, 14, 3503

8 ичинен 23

- -

Күн жана байкоо геометриясы менен байланышкан тилкелер 3х3-пиксел-л бо-х-эске коюлду,

ар бир параллелдүү in situ маалымат чекитинин координаттарында борборлоштурулган. Ошо сыяктуу эле, параллелдүү маскалардын 3х3-пикселдүү ички топтомдору (б.а., булуттардын, жердин, рифтердин жана күндүн жаркыраган нурларынын) жана кошумча маалыматтар (б.а., озон жана басым) алынган. Тандалган Himawari-8дин чыныгы түскө жакын композиттери -

курч горизонталдуу сууларда дал келүүлөрдү жок кылуу үчүн байкоолор визуалдык түрдө текшерилди

оптикалык касиеттердеги градиенттер (б.а., булуттуу фронттор) же жакын жердеги булуттар.

–

Hourlжарактуу чакан топтомдордун y композиттери убактылуу орточо менен эсептелген, -

маскаланган пикселдер. Хоurlу агрегат- су-бсеттер АНН инверсиясы менен иштетилди

алгоритмдер жана диапазондон тышкаркы маанилер үчүн маскаланган. Акыр-аягы, медиана жана стандарттык четтөө

хоurly TSS чакан топтомдору эсептелген, м- суралган пикселдерди кошпогондо. Ар бир пикселдик кутучага эки же андан азыраак пиксели бар ички топтомдор гана дал келүү үчүн жарактуу деп эсептелинет. The ANN

жыйынтыктар логарифмдик шкалада (log10) эсептелген жана статистикалык талдоо үчүн бир эле учурда in situ TSS логтрансформацияланган. An overview валидация процедурасы сүрөттөлгөн

4-сүрөттө. Көрсөтүүлөр алардын орточо квадраттык катасына карата бааланган

(RMSE – же абсолюттук ката), тенденция, абсолюттук пайызды билдиретtage катасы (MAPE–же салыштырмалуу ката), жана детерминация коэффициенти (R2). Bias, R2 жана RMSE log10до эсептелген

–

мейкиндик жана MAPE сызыктуу өлчөө менен эсептелген жана спутниктен алынган

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

RMSE = 1/N (m -p)2

(4)

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

(5)

R2 =

N

N(mp)- ( m)( p) m2 – ( m)2 N p2 – (

p)2

(6)

Артыкчылык = 1/N (m -p)

(7)

ANN дал келүү эксперименттери жогоруда сүрөттөлгөн статистикалык көрсөткүчтөрдүн негизинде бааланган. Артыкчылык RMSE эң төмөн болгон эксперименттерге берилди, анткени бул статистикалык параметр ANN тренингинде минималдаштырылган чыгым функциясы. Гимавари-8 байкоолорун инверсиялоо үчүн эсептөө аракеттерин азайтуу үчүн жашыруун катмардагы нейрондордун эң аз саны менен эң мыкты иштеген эксперимент тандалды.

4-сүрөт. А жөнөкөйлөштүрүлгөнview алгоритмди текшерүү процедурасынын.

2.6. Чектөөлөрдү баалоо

Сигнал-тоноз катышы (SNR) көрүнгөн жана жакын инфра-сейрек үчүн эсептелген.

HEaimstearwnaSrti-a-8ndLTaOrdA

(Тим) oeb–seArvEaStTio)nast

сканерленген тандалды

ортосунда 08:00 16:00 жергиликтүү даталар жана булут-fr-ee аймактары

убакыт (Корал деңизинин австралиялык

–

Алыскы сенсор. 2022, 14, 3503

9 ичинен 23

(16.25S, 151E жана 20.60S, 153.53E). Бул талдоо үчүн 2017-жылдын июлунан кийинки байкоолор гана каралып, алардын калибрлөө коэффициенттери когеренттүү жана горизонталдуу тилкелүү ызы-чуу үчүн коррекцияланган [63,78]. Himawari-8 Monitor P-Tree системасы [79] аркылуу жеткиликтүү чыныгы түстүү сүрөттөр максаттуу аймакты тандоо үчүн каралып, алардын мейкиндик жактан бирдей болушун жана булуттардын, күндүн жаркыраган нурларынын, био-оптикалык өзгөчөлүктөрүнүн жана жер үстүндөгү күйүүдөн чыккан түтүндөрдүн таасири күмөндүү болушун камсыз кылуу үчүн [80,81]. Тандалган Himawari-8 байкоолору калибрлөө коэффициенттерин [60] колдонуу менен чийки эсептөөлөрдөн физикалык бирдиктерге айландырылды, 51-х-51-пикселдик чакан топтомдор чыгарылып, кызыккан аймактардын координаталарында борборлоштурулду. Мындан тышкары, бөлүмчөлөр, байланышкан маскалар жана геометриялык параметрлер хо болгонurlу топтолгон. 10 мин жана саатurly топтолгон бөлүмчөлөр булуттар, кургактыктар, рифтер жана күндүн жаркыраган жерлери үчүн маскаланган жана алардын чыныгы түстөгү композиттери маржан тайлары, рифтер, булут көлөкөлөрү жана сенсордук артефакттар сыяктуу аныкталбаган өзгөчөлүктөр үчүн текшерилген.
SNR ар бир Himawari-8 тилкеси үчүн (8) [80] теңдемесине ылайык эсептелген. Максаттуу аймактагы бардык жарактуу пикселдер үчүн орточо LTOA() Ltypical() берет жана ошол эле аймактагы стандарттык четтөөнү () алуу ызы-чуу эквиваленттүү нурланууну (Lnoise()) берет. SNR ар бир тилкеде Ltypical жана Lnoise ортосундагы катыш катары эсептелет:

SNR() = Типтик ()/Lnoise() = LTOA()/(LTOA())

(8)

10 мүнөт менен эсептелген SNR ортосундагы суткалык өзгөргүчтүк жана чоңдук айырмачылыктарurly топтолгон Himawari-8 байкоолору (SNRSING() жана SNRAGG() тиешелүүлүгүнө жараша ар бир тилкеде текшерилди. Мындан тышкары, алардын спектралдык мүнөздөмөлөрү s диапазондору үчүн бааланган, анткени ызы-чуунун деңгээли күндүн бийиктигине жараша өзгөрүп турганы белгилүү [80]. Акыр-аягы, байланышкан пайызtage ызы-чуу деңгээли (%Шуу) s = 45 ± 1 үчүн эсептелип, алгоритмдин Himawari-8 типтүү ызы-чуу деңгээлине карата сезгичтигин баалоо үчүн колдонулган.
Бул изилдөөдө иштелип чыккан TSS алгоритми океандык буталар боюнча сенсордун иштешинин мүнөздөмөлөрү боюнча чектелген билимди эске алуу менен, окутуу маалымат топтомуна кошулган спектрдик жалпак (корреляцияланбаган) фотон ызы-чуусу (0.8%) менен үйрөтүлгөн. Инверсиянын туруктуулугун баалоо жана TSS алгоритминин базалык сезгичтик талдоосун камсыз кылуу үчүн 0.1, 1.0 жана 10 жана 50% спектралдык жалпак фотон ызы-чуулары тестирлөөнүн маалымат топтомуна кошулуп, инверттелген. Кошумчалай кетсек, Himawari-8 тилкелери менен байланышкан % ызы-чуу TSS издөөлөрүнүн тактыгына спектрдик көз каранды ызы-чуунун деңгээлинин таасирин сандык аныктоо үчүн тестирлөө маалымат топтомуна кошулган. Издөө туруктуулугу логарифмдик концентрацияларда бирдей аралыкта жайгашкан TSSтин кеңири диапазонундагы (0.01ден 100 мг L-1ге чейин) RMSEнин туруктуу өсүүсү менен чечмеленди. Мындан тышкары, GBR жээгиндеги бир тектүү жана булутсуз сууларда жана Корал деңизинде алынган TSS продуктуларынын узунунан кесилиши Химавари-8 ызы-чуунун деңгээлин сапаттык баалоо үчүн пикселдик масштабда бааланган.

3. Жыйынтыктар
3.1. Algorithm Validation
Бир нече тармактар ​​ар түрдүү архитектуралык конфигурациялар менен окутулду жана инверсиялар үчүн мүмкүн болушунча эң төмөнкү RMSE жана жашыруун катмардагы нейрондордун эң аз саны менен мыкты натыйжалуу тармак тандалды. Жашыруун катмардагы 50 нейрон менен тандалган эксперимент 0.14-сүрөттө көрсөтүлгөндөй, оң R24 жана 1 мг L-2, MAPE 0.014% жана 1RMSE 75.5 мг L-10 менен 2.08 1 мг L-5 чейин өзгөргөн TSS алынган.

Алыскы сенсор. 2022, 14, 3503

10 ичинен 23

Сүрөт 5. In situ жана Himawari-8-де-r-ived TSS b-est-аткаруучу ANN эксперименти менен, in situ TSS маанилери түс-код-d логарифмдик масштабда. Ката тилкелери 3x3–pi-xe-л кутучасынын ичиндеги TSSтин ички пикселдик стандарттык четтөөсүн чагылдырат. Ар кандай белгилер AIMS тарабынан чогултулган in situ маалыматтарды көрсөтөт
жана LJCO боюнча CSIRO тарабынан.
–
3.2. Himawari-8 Улуу Тоскоолдук Ree-f үчүн жалпы токтотулган S-olids
6-сүрөттө 8-жылдын 27-октябрында GBR аймагынан алынган Himawari-2017дин (сол панелдин) чыныгыга жакын түстүү композициясы жана 10 мүнөттүк убактылуу резолюцияда тиешелүү TSS продуктусу көрсөтүлгөн (оң панел). GBR лагунасынын ичиндеги суулар TSS жалпысынан 1 мг L-1 же андан жогору, ал эми GBR жээгиндеги суулар 1 мг L-1ден төмөн мааниге ээ. TSS продукт Корал деңизинин ачык океан аймактарында катуу грануляцияны жана тилкелүү ызы-чууну аныктады.

6-сүрөт. 8-жылдын 27-октябрында саат 2017:15 AEST (сол панелде) жана ага байланыштуу TSS продуктусу [mg L-00] (оң панелде) алынган GBRдин чыныгы түстөгү Himaw-ari-1 сүрөттөрү. Булуттун жана диапазондон тышкары болгон маанилерден улам пикселдер кара түстө маскаланган.

Гимавари-8 ТССтин термелүүсү Бурдекин дарыясынын куйган жеринде жана түштүк ГБРдин үстүндө изилденген.

жээк сууларынын риф матрицасы үчүн (7-сүрөт

saunrdroaunn-imdinatgiothnes

шилтемеде). 12-жылдын 2019-февралындагы Бурдекин суу ташкыны болгон чөкмө шлейфти пайда кылган

ТСС > 50 мг L-3 менен 4:20дөн 1:XNUMXгө чейин сырткы рифтерге (оозунан XNUMX км) жеткен.

–

–

–

–

–

—

Алыскы сенсор. 2022, 14, 3503

- -
–

–
–

11 ичинен 23
–

Бурдекин дарыясынын чөкмө чөкмөлөрү агып келүү учурунда 0.3 м диапазондо пайда болгон. Рифтердин жанындагы жээк суулары суткалык суткалык толкундун циклинде (3.6-сүрөттө (сол панелде) жана 26.4а-сүрөттө кайчылаш белги) TSSтин (1, 7 мг-L-8) тартиптик чоңдугун байкашкан. Сел суулары каптаган рифтер 40- мг L-0.7 [1] көрсөткүч чегинен ~82 эсе жогору TSSке дуушар болгон. TSS 100 мг- L-1 ашкан аймактар, оозуна жакын, маскаланган (кара аймактар) t-of- диапазондо (ANN желектери). Негизги разряддан кийинки TSS термелүүлөрдүн анимациясы S1-сүрөттө бар.

7-сүрөт. Бүрдекин дарыясынан агып жаткан сел суулары, февраль 2019 (сол панелде). 2016-жылдын ноябрында GBR риф матрицасынын ичиндеги TSS толкундары (оң панель). Ар бир сюжеттеги ар кандай диапазондорго көңүл буруңуз. Кара түс менен капталган пикселдер чектен чыккан TSS маанилерине байланыштуу.
Негизги сел окуялары жээктеги ГБРде ачык ТСС өзгөчөлүктөрүн көрсөтсө да, түштүк ГБРде тайыз жана суу астында калган рифтердин матрицасын курчап турган субмезо-масштабдуу толкундар байкалат (сүрөт 7 (оң панель)), бул ар кандай шарттардын экөө тең кыска мөөнөттүү TSS өзгөрмөлүүлүгүнө кандайча таасир этээрин көрсөтүп турат. S2-сүрөттө берилген анимация толкундан улам келип чыккан TSS термелүүсүнүн динамикасын сүрөттөйт, мында жогорку (4 м) жана төмөнкү (0.2 м) суу ташкындары тиешелүүлүгүнө жараша саат 10до жана кечки саат 6да болгон (8б-сүрөт). Гералдс рифине жакын жерде (кайчылаш белгиленген) TSS концентрациясы бир сутка ичинде болжол менен бир даражага чейин өзгөрүп турду (0.3, 2.0 мг L-1), жээктеги ачык ГБР (0.7 мг L-1) үчүн сунушталган суунун сапаты боюнча көрсөткүчтөрдөн ашкан маанилер. –

8-сүрөт. 10-сүрөттө көрсөтүлгөндөй, 8-жылдын февраль айында (а) жана 2019-жылдын ноябрында түштүк GBR риф матрицасында (b) сел учурунда Бурдекин дарыясынын оозундагы 2016 мүнөттүк Химава-ри-7-алынган TSS убакыт сериясы. Жээктеги (2.0 мг L– 1) жана орто шельфтеги (0.7 мг-L-1) суулар үчүн көрсөткүч чектер кызыл менен белгиленген. Ар бир сүрөттө ар кандай убакыт диапазондорун белгилеңиз.
– –
–

Алыскы сенсор. 2022, 14, 3503

12 ичинен 23
3.3. Аныктоо чектери Химавари-8 байкоолорунун эки топтомунан эсептелген SNR төмөнкүдө көрсөтүлгөн.
9-сүрөттүн графикасы. Интенсивдүү булут каптоосунан улам, өзгөчө 06-жылдын 2017-сентябрында бир нече жалгыз байкоолор өткөрүлбөй калган жана убакыт катарындагы маалыматтар боштугуна алып келген. SNRSING жана SNRAGG так суткалык термелүүлөрдү көрсөтүштү, эң жогорку SNR эң төмөнкү секунддарда (<30), саат 11:12 жана 470:510 ортосунда болгон. 640 нм жана 856 нм тилкелери үчүн эсептелген SNR көк жана жашыл тилкелер үчүн эсептелген SNRден кеминде үч эсе төмөн болгон, күнүмдүк өзгөрүүлөрү менен. Күндөрдүн жана жерлердин ортосундагы SNRдин суткалык термелүүсү ар түрдүү болгон, айрыкча көк топ жана SNRAGG үчүн. 06-жылдын 2017-сентябрында (v~22 дегенди билдирет), көк жана жашыл тилкелердеги SNRAGG чоңдуктары боюнча окшош болгон (сүрөт 9b). 25-жылдын 2017-сентябрында (орточо v~28 менен башка жерде) көк топ SNRSINGди жашыл тилкеден дээрлик эки эсе жогору көрсөттү (сүрөт 9d).

Сүрөт 9. Бирдиктүү (SNRSING) (a,c) жана бириктирилген (SNRAGG) байкоолор үчүн (b,d) байланышкан s (сол огу) үчүн эсептелген sig-na-l-то-ызы-чуу катышынын убакыт сериясы (SNR, оң огу). S-NR болуп саналат
түс менен коддолгон.

топтору

с спектралдык өзгөргүчтүк, мында стандарт

SNRSING жана SNRAGG ар бир топтун ичинде четтөөлөр көрсөтүлгөн

катары белгиленген сүрөттө

капкак үчүн 10

үч ката

барлар. Жалгыз байкоолор, адатта, топтолгон байкоолорго караганда төмөн SNR берди

бардык тилкелерде жана SNR 9-сүрөт үчүн эң жогорку болду. SNRдин стандарттык четтөөлөрү

s <30, бирдиктүү жана топтолгон үчүн эсептелген маалыматтарга ылайык

байкоолордо келтирилген

wfoerresm>o4r0epartotnhoeubnlcueedbfoanr dsp>re4s0enatendd

көк жана жашыл тилкелерде. 27 жана стандарттык четтөөлөр

SNRSING үчүн SNR 51 эсептелген

жана SNRAGG четтөөлөрү

, тиешелүүлүгүнө жараша, 13 жана 26, ал эми.

Стандарттык берилген жашыл тилке үчүн эсептелген SNR Бул четтөөлөр өзгөрмө менен байланыштуу болушу мүмкүн

көк жана жашыл тилкелерде күчөгөн ар бир жердин атмосфералык шарттары

жана бийик атмосфералык узундуктарда.

Алыскы сенсор. 2022, 14, 3503

13 ичинен 23

Сүрөт 10. Бирдиктүү (SNRSING) (-a) жана

топтолгон байкоолор (SNRAGG) (b) жана ар бир топтун ичинде SNRдин стандарттык четтөөлөрү катары топтолгон

с үчүн.

үч

диапазондору

of

s.

Ката

барлар

болгон

эсептелген

TgcorhemegpaSTtNuehtdReedASoGNbfGsoRerrvAvaaGallGluti,seoitsnnhsgceolwLemtioytphpbiicslaeesldr,=vaiann4t5diToaLn±bnsol e1iwse2iawtwhnederersaec=saosob4m5copiuaitlt±eetddw1ipinceweTrcaaeebsrnelhetiai2ngg.chelLunaikdsoeeitswdheeifs(oc%eor, NtrchrooeeimssSpepN)oaf–nRordiSrsIiNaongnGg-. SNRSING, кызыл тилкеден башкасы. Ошого карабастан, кызыл (~3%) жана tshigenNalIRdebsapnidtest(h~e5%eff)oinrtdsiicnataevtohiadtinthgeeSnNviRroAnGmG emnataylbceonmdoistitolynsafifnecitmedagbeystehleecattimonohi, өзгөчө NIR-жылы чоң ызы-чуу денгээлдери. мында нурларды калтырган суу ачык океандын сууларында анчалык деле эмес деп эсептелет.

–

–

–

Таблица 2. Көрүнүүчү жана жакын инфракызыл Himawari-8 Ltypical and Lnoise W m-2sr-1µm-1 жана аны менен байланышкан

пайызtags = 45 ± 1 SNRAGG үчүн e ызы-чуу (% ызы-чуу). s = 45 ± 1 маанилеринде эсептелген SNRSING

салыштыруу үчүн кошулган.

Band 470 510 640 865

Типтик 59.5 38.3 13.8 3.4

Lnoise 0.26 0.29 0.41 0.18

%Ызы-чуу
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

спектралдык жалпак фотон ызы-чуунун 50% кошулганда, Ошол эле учурда, чоң каталар (>300%) алынган.

TSS алуу үчүн Химавари-8ге

төмөнкү топтор

(Сүрөт-e 0.1 мг

11a). L-1,

ызы-чуунун түрүнө жана деңгээлине карабастан. Спектралдык жактан депе-дент болгондо м-кен реалдуу сценарий боюнча

фотон ызы-чуусу (б.а. %2-таблицадан ызы-чуу) - Химавари-8 тилкелерине кошулат, каталар

негизинен TSS > ~100 мг L-0.25 үчүн 1%-дан төмөн (11-сүрөт (оң панель)). Ошондуктан, алуу үчүн

учурдагы TSS алгоритми менен Himawari-8ден ишенимдүү издөөлөр, 0.25 мг L-1 аныктоо лимити тандалган. Салыштыруу үчүн, TSS издөөлөрүнүн аныктоо чектери эсептелген

Атмосфералык жактан коррекцияланган Химавари-8ден, Доржи жана Феарнс [17] сыяктуу,

тик сызык 0.15 мг L-1 боюнча.

Алыскы сенсор. 2022, 14, 3503

14 ичинен 23

Сүрөт 11. Спектрлик жалпак (сол панель) жана спектрдик көз каранды (оң панель) фотон ызы-чуусу деңгээли үчүн RMSE каталарын (mg- L-1 менен) издөө. Радиациялык өткөрүү (RT) TSS жана ага байланыштуу RMSE маанилери логарифмдик масштабда берилген. 0.15 m- g L-1 боюнча вертикалдуу сызык сызык Доржи жана Феарнс [17], 2018 боюнча аныктоо чеги адаптация болуп саналат.
Ызы-чуу деңгээлин визуалдык текшерүүдө катуу грануляция жана горизонталдуу тилкелер аныкталган iogttitnnruhbraeraHstnbhneTsiierumdeSvlcCSaaactAtostwoiiGroaooaaGnsnfrl-tiTsaSw-(-h8lSeTaoaSaTSswSrS(SIesmNSSeeaIGdNvaspgeGra(iroenT)nendcSdlatesTscrad> Sdei~r(nAdouF1GwicomgmeGpsu-da,egtrsaFnei-knLki1goie-an2ucn1g)ger,)geba.parne1raIetno2rgwwt)uaiaeacantd-eeutrdeenddlarciis1T-rtllill5oS(oyu1TupaSwrtEnSw)

–

–

12-сүрөт. TSSSING(a) жана TSSAGG(b) үчүн алынган трансекттердин (кызыл жебелер) жайгашкан жери. Эскертүү

8-жылдын 9-сентябрында алынган TSSAGG.Himawari-2017 байкоолорунда топтолгон булут маскасы.

Жергиликтүү убакыт боюнча 10:00 жана 10:50 (AEST).

–

Transect сampКорал деңизинде 19S жана 20Sin арасында алып барды (Figure 13a) алдын ала жөнөтүлгөн

TSSSING жана TSSAGG маанилери негизинен методдун аныктоо чегинен төмөн (0.25 мг L–1), бул 100%дан ашык издөө каталарын көрсөтүшү мүмкүн. TSSSING пикселдик масштабда (же 1 км ичинде) ырааттуу түрдө пайда болгон чоңдуктардын чоңдуктарын же ар кандай даражаларын көрсөттү. As

Натыйжада, коңшу пикселдердин ортосунда 0.3 мг L-1ге чейинки айырмачылыктар байкалган,

жиберилген жылмакай көрсөткөндөй

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

Алыскы сенсор. 2022, 14, 3503

15 ичинен 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-сүрөт. Корал деңизинде (а) жана чек арадагы Гимавари-8-туунду TSS (mg L-1) трансекттери.
жээктеги GBR суулары (б) TSSSING (көк чекиттер) жана TSSAGG (кызыл чекиттер). Маалымат боштуктары булуттарга, кургактыкка, күндүн жаркыраганына же ANN желектерине маскаланган пикселдерди билдирет. Аннотацияланган TSS (кара жебелер менен) пикселдик жогорку пикселдик маанилерди, ал эми жашыл горизонталдык сызык аныктоо чегин белгилейт.
ыкмасы.

4. Талкуу
Экстенсивдүү жана оптикалык татаал ГБРдеги суунун сапатына синоптикалык мониторинг жүргүзүү экологиялык менеджерлер жана изилдөөчүлөр үчүн [2,83]- кыйынчылык жаратат. Океан түсүн алыстан зонддоо катуу радиометрикалык жана спектрдик талаптарга ээ болсо да, Himawari-8 GBR суунун сапатын жакшыртуу үчүн байкоолордун болуп көрбөгөндөй санын сунуш кылат. Бул документ ГБРде суткалык шкалаларда суунун сапатына синоптикалык мониторинг жүргүзүү үчүн локалдуу бапталган жана валидацияланган биринчи өнүккөн алыстан зонддоо алгоритмин сунуштайт.

4.1. Алгоритмди иштеп чыгуу жана валидациялоо

Кошулган океанатмосферанын радиациялык берүү симуляциялары чоң жана камсыз кылды

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

киргизүү үчүн бекемдик минималдуу жооп берет

rnaodisioemweatsriecsrpeeqcuiairlelymaednvtsanotfaogceeoaunsccoolnosuirdseerninsgo-rHs iamnadweanrvii-r8odnomeesnntoatl

ызы-чуу, айрыкча, атмосферадан, негизинен, издөөгө таасир этиши мүмкүн. Бул натыйжалар

Алыскы сенсор. 2022, 14, 3503

16 ичинен 23
Гимавари-8 байкоолорун GBRдеги жеринде суунун сапаты боюнча маалыматтарга каршы валидациялоо үчүн андан ары колдонууну кубаттады.
Алынган Himawari-8 TSS дал келүү каталары башка океандын түстүү сенсорлору үчүн аныкталган миссия максаттары менен жакшы салыштырылган, мисалы Sentinel-3 Case 2 сууларындагы [85], айрыкча 0.1 мг L-1ден жогору TSS үчүн. Учурдагы алгоритмдин аткаруусу атмосфералык жактан коррекцияланган Гимавари-8 байкоолорун колдонгондор менен жакшы салыштырылат [17,24], бул моделге негизделген бир кадамдык инверсиялар менен жээктеги TSSти алуунун ылайыктуулугун көрсөтөт. Ачык атмосфералык коррекциялоо процедуралары төмөнкү TSS диапазонуна (<~1 мг L-1) издөөнү жакшыртышы мүмкүн, алар үстөмдүк кылган атмосфералык жолдун нурлануусунан жана Химавари-8дин радиометрикалык көрсөткүчүнүн төмөндүгүнөн таасир этиши мүмкүн.
Иштин натыйжалуулугун жогорулатуу өзгөрүлмөлүүлүктүн тиешелүү мейкиндик жана убактылуу масштабдарын камтыган жеринде био-оптикалык өлчөөлөрдүн кеңири жана кеңири маалымат базасын талап кылат. Мындан тышкары, жээктеги суулардагы алгоритмдердин параметрлерин аныктоо жана валидациялоо менен байланышкан белгисиздикти азайтуу үчүн катуу өлчөө протоколдорун сактоо керек. Мисалы, үч нуска сamples гравиметрикалык ыкма менен TSS аныктоо үчүн сунуш кылынат. Мындан тышкары, валидация сamples оптикалык бир тектүү сууларда алынышы керек [86], бул өзгөчө динамикалуу жээк шарттарында кыйын. Ошого карабастан, in situ өлчөөлөр ар түрдүү илимий приоритеттерге ээ болгон бир нече изилдөө агенттиктери тарабынан жеткиликтүү болгон.ampлинг жана талдоо ыкмалары. Мындан тышкары, физикалык жана экологиялык процесстер, мисалы, ылдый чагылдыруу, флуоресценция, эки багыттуу чагылдыруу, поляризация жана зыяндуу балырлардын гүлдөшү эсепке алынган эмес, бирок дал келүүчү издөө каталарына да салым кошо алат.
4.2. Гимавари-8 Улуу Тосмо рифи үчүн жалпы токтоп калган катуу заттар
Химавари-8 GBRдагы эпизоддук сел окуясына реалдуу убакытта мониторинг жүргүзүүгө мүмкүндүк берди, бул бир сутканын ичинде TSS көлөмүнүн жогорулашын аныктады. Бул окуя нымдуу мезгилде байкалган, анда Бурдекин 0.5 күн катары менен 1.5 миллиондон 10 миллион мл/күнгө чейин агып турган (Клэр станциясындагы Бурдекин дарыясы [87]). Бурдекин суу каптоосунан ТССтин термелүүсү суунун сапаты боюнча көрсөткүчтүн босого маанисинен бир топ жогору болгон 2 мг L-1 ачык жээк жана орто шельф суулары үчүн, ошондой эле ГБРдин деңиз суулары үчүн 0.7 мг L-1 [82]. Суу ташкыны сырткы рифтерге 50 км созулуп, анын суткалык өнүгүүсү 10 мүнөттүк Химавари-8ден алынган TSS менен этап-этабы менен коштолду. Ошондуктан, Himawari-8 GBR суу ташкын окуялардын толук сапаттык жана сандык мониторинг жүргүзүү үчүн байкоолордун болуп көрбөгөндөй санын камсыз кылды. Сел сууларындагы маскаланган пикселдер 100 мг L-1ден ашкан маанилерди көрсөтүп турат, бул ГБРдеги суу ташкындары учурунда издөө үчүн бул чектен жогору болгон маанилер үчүн симуляция диапазону кеңейтилиши керек дегенди билдирет.
Түштүк риф матрицасында TSS өзгөчөлүктөрү, кыязы, кыска мөөнөттүү суб-мезошкалдуу ресуспензия куюндарынан (диаметри 1 км) пайда болушу мүмкүн, алар көбүнчө суу толкундары деп аталат. Түштүк ГБРде чоң толкундар (10 м) күчтүү агымдарды жаратат [5], сууну кууш жана салыштырмалуу тайыз каналдар аркылуу түртөт [10]. Бул татаал гидродинамика TSSтин текчеден риф матрицасына кайра суспензияга жана инъекцияга өбөлгө түзөт жана бул аймактардагы TSS концентрациясы жер бетиндеги булактардан көз каранды эмес [88,89]. Суу толкундары Корал деңизи менен GBR лагунасынын ортосундагы локалдуу көтөрүлүү жана аш болумдуу заттардын алмашуусу менен байланышкан [90], чөкмөлөрдү, азыктарды жана фитопланктонду өндүрүүнү ташуунун жана аралаштыруунун маанилүү механизми [91]. Бирок, мейкиндик жана убакыттык резолюцияга ылайыктуу байкоолордун жоктугунан улам, толкундардын жайгашкан жери жана пайда болушу азыраак сүрөттөлгөн [92,93]. Химавари-94 кыска мөөнөттүү жээк процесстерин чечүү үчүн талап кылынган убактылуу резолюцияда GBR ичинде мындай өзгөчөлүктөрдү аныктоого жана көзөмөлдөөгө мүмкүндүк берди.
4.3. Чектөөлөр
Himawari-8 мурунку жана учурда иштеп жаткан океан түстүү сенсорлоруна [80] салыштырмалуу төмөн SNR менен камсыз кылат жана анын сезгичтиги океан түсүн колдонуу үчүн минималдуу талаптардан алда канча төмөн, айрыкча ачык океан сууларында [9,97]. Бирок, Химавари-

Алыскы сенсор. 2022, 14, 3503

17 ичинен 23
8дин 11 биттик орточо радиометрикалык резолюциясы булуттар [80] жана өтө булганган жээк сууларынын үстүндө (TSS ~100 мг L-1) сыяктуу жаркыраган буталарды каныктыра албайт, ошол эле учурда тунук сууларда (>0.25 мг L-1) дискретизациянын акылга сыярлык деңгээлин камсыз кылуу үчүн жетиштүү сезгичтикти берет. Агрегацияланган байкоолордон эсептелген ызы-чуунун деңгээли жалпысынан бардык тилкелерде бир байкоолордон төмөн болгон, бул сүрөттүн сапатын жакшыртуу үчүн убактылуу резолюцияны начарлатуунун ылайыктуулугун ырастады [7,16]. Суткалык SNR термелүүлөрү негизинен күндүн бийиктигинин бурчтары менен модуляцияланганына карабастан, спектрдик көз карандылык ачык океан сууларындагы кириш ызы-чуунун олуттуу булагы (кызыл жана NIR тилкелеринде 3%) атмосферадан келип чыгышы мүмкүн экенин билдирет [5]. Ошого карабастан, бул методдун аныктоо чеги (80 мг L-0.25) метеорологиялык маалыматтардын инверсиясы үчүн ачык атмосфералык коррекцияны колдонгондор менен салыштырууга болот [1].
0.25 мг L-1 аныктоо чеги AIMS жана CSIRO үчүн ~0.4 мг L-1 гравиметрикалык методу менен өлчөнгөн in situ TSS аныктоо чегине жакын. Гравиметрикалык ыкманын салыштырмалуу белгисиздиктери ар түрдүү лабораториялар тарабынан колдонулган өлчөө протоколу менен байланышкан, алар фильтрлердин түрлөрүндөгү айырмачылыктарды, оператордун ыкшоолугун, тузду чайкоо ж.б. камтыйт [99,100]. Мисалы, айнек була чыпкаларында кармалып калган туз кристаллдары TSS өлчөөлөрүнө чоң таасирин тийгизет жана туз чыпкалоочу аппаратты чайкоо аркылуу жок кылынышы керек [101,102]. Ошентсе да, ар кандай туз менен чайкоо ыкмаларын колдонууда 30%га чейин чоң каталар алынган, бул 1 мгдан төмөн TSSти так аныктоого тоскоол болгон [101]. Ошондуктан, аныктоо чеги жана in situ өлчөө салыштырмалуу белгисиздиктери жана Himawari-8 алынган TSS ушул изилдөө үчүн салыштырууга болот. Бул жыйынтык Himawari-8 так 0.25 жана 100 мг L-1 ортосундагы TSS үчүн, жээк GBR суунун сапатынын суткалык өзгөрмөлүүлүгүн мониторинг жүргүзүү мүмкүнчүлүгүн сунуш кылат деп эсептейт.
Himawari-8ден алынган TSS продуктулары мурда Мураками [500] тарабынан аныкталгандай, жалпысынан жеке горизонталдык сканерлерге (22 км) туура келген өлчөмү менен системалуу горизонталдуу тилкесин көрсөттү. Чөлкөмдөр көрүнүүчү тилкелердин күн диффузорунун байкоолорунан детектордон детекторго калибрлөө жантайыштарындагы айырмачылыктардан келип чыккан [103,104]. Калибрлөө коэффициенттери 2017-жылдын июлунан кийинки байкоолор үчүн колдонулганына карабастан, горизонталдык тилкелүү схемалар деңиз сууларында жана TSS < 1 мг L-1 менен дагы эле бар болчу. Кошумчалай кетсек, ар бир 10 мүнөт сайын алынган TSS продуктуларында катуу грануляция байкалган, бул Himawari-8 сенсорунун суунун буталарынын үстүнөн төмөн радиометрикалык көрсөткүчтөрү менен байланыштуу [17,22]. Бирок, визуалдык ызы-чуу бир нече жеке байкоолордун убактылуу топтолушу менен азайдыurly-туунду TSS продуктулары [16]. Бактыга жараша, гранулдашкан ызы-чуу жээктеги жана орточо булганган сууларда (TSS > 1 мг L-1), же 10 мүнөттөн же сууданurly TSS продукциясы. Бул натыйжа асма бөлүкчөлөрдүн артка чачырылышынын көбөйүшү менен байланыштуу болушу мүмкүн, бул суудан чыгуучу нурланууну жогорулатат жана фотондун ызы-чуусун басып кетет [105]. Демек, Химавари-8ден алынган TSS ачык океандын үстүнөн караганда орточо булганган жээк сууларынан так алынышы мүмкүн, бул аныктоо чектеринин анализин ырастайт.
Океандын ачык аймактарындагы пикселден пикселге чейинки вариациялар (TSS < 0.25 мг L-1) 8 мүнөттүк резолюцияда Himawari-10 сенсорунун сезгичтигинин төмөндүгүнө байланыштуу визуалдык текшерүүдө байкалган гранулдашкан схемаларга байланыштуу болушу мүмкүн. 0.25 мг L-1ден төмөн TSS үчүн радиометрикалык ызы-чуу, сезгичтикти жана визуалдык текшерүү анализдерин тастыктаган агрегаттык TSSте кыйла азайды. Тескерисинче, TSS > 1 мг L-1 үчүн жээк GBR transect жакшыртылган мейкиндик когеренттүүлүгү байкалган. Натыйжада, Himawari-8 10 мүнөттөн алынган TSS, ходон алынган TSS сыяктуу ишенимдүү түрдө колдонулушу мүмкүн.urlй жээктеги райондордо топтолгон байкоолор. Жээктеги ГБРде ар бир 10 мүнөт сайын TSS алуу суунун сапаты бир сааттын ичинде тез өзгөрүп туруучу термелүүлөрдүн дискриминациясын жакшыртат. Бирок, бул реалдуу убакытка жакын убактылуу жыштык бүт GBR үчүн ишке ашпай турган чоң иштетүү жана сактоо мүмкүнчүлүктөрүн талап кылат. өндүрүү hourly TSS, антпесе, иштетүү ылдамдыгын жана сактоо мүмкүнчүлүктөрүн гана жакшыртпастан, ошондой эле чектен чыгууларды жок кылууга жана TSS продуктуларынын тактыгын жогорулатууга жардам берет.

Алыскы сенсор. 2022, 14, 3503

18 ичинен 23
5. Корутундулар жана келечектеги перспективалар
In-situ мониторинг жана LEO спутник маалыматтары GBR [4,106] кирген суу каптоо боюнча көптөгөн билимдерди берди. Бирок, сейрек жана мейкиндикте аз байкоолор кыска убакыттын ичинде шлейфтин өнүгүшүн жана эволюциясын толук түшүнүүгө тоскоол болгон. Бул изилдөө Гимавари-108дин жээктеги ГБРде ишенимдүү TSS издөө жана суу ташкынынын шлейфтерин картага түшүрүү, көзөмөлдөө жана мониторинг жүргүзүү үчүн жарамдуулугун көрсөттү. Биринчи жолу жээктеги TSS өзгөчөлүктөрү биогеохимиялык жана гидродинамикалык моделдер менен гана мүмкүн болгон ылдамдыкта бүткүл ГБР үчүн ишенимдүү сандык аныкталды [8]. Himawari-109 TSS өнүмдөрү болуп көрбөгөндөй мейкиндик-убакыт резолюцияларында мезгилдүү жана кыска мөөнөттүү кубулуштарды мүнөздөө жана чечүү мүмкүнчүлүгүн берет. Бул өнүмдөр изилдөөчүлөр, моделдер жана кызыкдар тараптар үчүн пайдалуу болот GBR экосистемаларында суунун сапатынын таасирин баалоо учурда гана LEO орбиталык океан түстүү өнүмдөрү [8]. Гимавари-109 TSS өнүмдөрүн жана суу ташкындары, шамалдар жана тузсуз суунун агымы сыяктуу жээк процесстеринин маалыматтарын колдонуу менен GBRде суткалык өзгөрүүлөр жана суунун сапатынын өзгөрүшүнүн драйверлери андан ары изилдениши керек. Кошумчалай кетсек, бул изилдөөдө берилген алгоритм 8-жылга чейин Himawari-9дин ордуна пландалган окшош Himawari-8 AHI сенсоруна түздөн-түз колдонулушу мүмкүн. Кийинки муундагы Химавари миссиясы (Himawari-2029) пландаштыруу баскычында жана көрүнүүчү диапазондогу кошумча каналдар, ошондой эле сезгичтик жана мейкиндик жакшыртылган. Бул мүнөздөмөлөр геостационардык сенсорлор үчүн океандын түстүү алгоритмдеринин мүмкүнчүлүктөрүн бир кыйла өркүндөтүп, жээктеги сууларда суткалык масштабда так издөөгө мүмкүндүк берет. Ошо сыяктуу эле, GEOKOMPSAT-10A бортундагы Advanced Meteorological Imager (AMI), ошондой эле GOCI-II (GEOKOMPSAT-2B) учурда Австралия менен Чыгыш Азияга байкоо жүргүзүүдө жана ушул сыяктуу чоң жана көп маалымат топтомдорун колдонуу үчүн ушул сыяктуу машина үйрөнүү алгоритми иштелип чыгышы мүмкүн. Бул контекстте, бул изилдөө өнүккөн алгоритмди жана океан түстүү сенсорлор геостационардык платформалардагы Австралия үчүн реалдуулук болгондо иштелип чыгуучу потенциалдуу колдонмолордун келечегин берет.
Кошумча материалдар: Төмөнкүлөр https://www.mdpi.com/article/ 10.3390/rs14143503/s1 дареги боюнча жеткиликтүү, S1-сүрөт: 2019-жылдын февраль айында Бурдекин дарыясынын боюндагы жалпы токтоп калган катуу заттардын суткалык өзгөргүчтүгү 10 мүнөттөн баштап Гимавари-8дин жалпы байкоолору: 2-жылдын ноябрында Геральдс рифинин жанындагы Түштүк Улуу Тосмо рифинин үстүнөн 2016 мүнөттүк Гимавари-10 байкоосунан.
Автордун салымдары: Концептуализация, LP-V. жана TS; методология, LP-V. жана TS; программалык камсыздоо, LP-V., TS жана YQ; валидация, LP-V.; формалдуу анализ, LP-V.; маалыматтарды курациялоо, LP-V., TS жана YQ; жазуу – оригиналдуу долбоорду даярдоо, LP-V.; жазуу – кайраview жана редакциялоо, TS, MJD, SS жана YQ; көзөмөл, TS, MJD жана SS; каржылоо сатып алуу, LP-V. Бардык авторлор кол жазманын жарыяланган вариантын окуп чыгышкан жана макул болушкан.
Каржылоо: Бул изилдөө Бразилиянын Федералдык Өкмөтүнүн Илимий жана технологиялык өнүктүрүү боюнча Улуттук Кеңеши (CNPq) Фонду тарабынан каржыланган, грант саны 206339/2014-3. Чек арасыз илимдер программасы.
Маалыматтын жеткиликтүүлүгү жөнүндө билдирүү: Бул изилдөөдө берилген маалыматтар тиешелүү автордун суроо-талабы боюнча жеткиликтүү.
Ыраазычылык: Юрген Фишерге жана Майкл Шаалеге (Космос илимдеринин институту, Жер илимдеринин департаменти, Freie Universität Берлин) MOMO радиациялык өткөрүү кодуна жетүү жана тескери моделдөө куралы үчүн ыраазычылык билдиребиз. Бритта Шаффелке, Мишель Скуза жана Рене Грубер (AIMS) жээктеги суунун сапаты боюнча деңиздеги мониторинг программасынын алкагында чогултулган баалуу маалыматтарды жеринде бергени үчүн, Улуу Барьер рифинин деңиз паркынын башкармалыгынын, Австралиянын деңиз илими институтунун, Джеймс Кук университетинин жана Парт Йорктун Мониторингинин ортосундагы кызматташуу. Япониянын метеорологиялык агенттиги Химавари-8дин иштеши жана Австралиянын метеорология бюросу аркылуу маалыматтарды бөлүштүрүү үчүн таанылган. Австралиянын метеорология бюросу суу ташкындарын болжолдоо боюнча маалыматтарды бергени үчүн таанылган. In situ маалыматтар Австралиянын Интегралдык деңизди байкоо тутумунан (IMOS) алынды – IMOS Улуттук биргелешкен изилдөө инфраструктурасынын стратегиясы (NCRIS) тарабынан иштетилген. NCRIS (IMOS) жана CSIRO

Алыскы сенсор. 2022, 14, 3503

19 ичинен 23

Lucinda Jetty Coastal Observatory каржылоо үчүн таанылат. Бул изилдөө Австралиянын Өкмөтү тарабынан колдоого алынган NCRIS менен иштеген Улуттук Эсептөө Инфраструктурасынын (NCI Австралия) ресурстарынын жардамы менен ишке ашырылган.
Кызыкчылыктардын кагылышуусу: Авторлор кызыкчылыктардын кагылышуусу жок деп жарыялашпайт.
Шилтемелер
1. Шредер, Т.; Devlin, MJ; Брандо, VE; Деккер, AG; Brodie, JE; Клементсон, ЛА; МакКинна, Л. Спутниктик жээктеги океандын түстүү байкоолорунун негизинде Улуу Тосмо рифинин лагунасына нымдуу мезгилдин тузсуз суунун шлейфинин жыл аралык өзгөрмөлүүлүгү. Мар. Pollut. Bull. 2012, 65, 210. [CrossRef] 223. Девлин, М.; Петус, С.; да Силва, ET; Трейси Д.; Вольф, Н.; Уотерхаус Дж.; Brodie, J. Great Barrier Reefтеги суунун сапаты жана дарыянын шлейфинин мониторинги: Ашыкчаview Океан түстүү спутник маалыматтарына негизделген методдордун. Remote Sens. 2015, 7, 12909. [CrossRef] 12941. Блондо-Патиссье, Д.; Брандо, VE; Лонборг, К.; Лихи, СМ; Dekker, AG Phenology of Trichodesmium spp. ESA-MERIS 3 жылдык миссиясынан Улуу Тосмо рифинин лагунасында, Австралияда гүлдөйт. PLoS ONE 10, 2018, e13. [CrossRef] [PubMed] 0208010. Петус, С.; Уотерхаус Дж.; Льюис, С.; Вахер, М.; Трейси Д.; Devlin, M. Маалыматтын ташкыны: Сентинел-4 суу түстүү өнүмдөрүн колдонуу Улуу Тосмо рифинде (Австралия) суунун сапатынын тенденцияларына мониторинг жүргүзүүдө үзгүлтүксүздүктү камсыз кылуу. J. Environ. Manag. 3, 2019, 248. [CrossRef] 109255. Броди, Дж.; Шредер, Т.; Роде К.; Ишенимдүү Ж.; Мастер, Б.; Деккер, А.; Брандо, В.; Maughan, M. Дарыяларды агызуу окуялары учурунда Улуу Барьер рифинин лагунасында токтоп калган чөкмөлөрдүн жана азыктардын таралышы: Спутниктик алыстан зонддоо жана бир эле учурда сел-плюминден алынган корутундуларampлинг. Мар. Freshw. Res. 2010, 61, 651. [CrossRef] 664. Сирякобс, Д.; Альвера-Аскарате, А.; Барт, А.; Лакруа Г.; Пак, Ю.; Нечад Б.; Раддик К.; Беккерс, Дж.-М. Берилиштерди интерполяциялоочу эмпирикалык ортогоналдык функциялар методологиясы боюнча океандын түсүн жана деңиз бетинин температурасын аралыктан зонддоо продуктуларын Түштүк Түндүк деңизинин булуттары менен толтуруу. J. Sea Res. 6, 2011, 65. [CrossRef] 114. Раддик, К.; Нойкерманс Г.; Ванхеллемонт, К.; Jolivet, D. Аймактык деңиздердин геостационардык океан түсүн алыстан зонддоо үчүн чакырыктар жана мүмкүнчүлүктөр: А кайраview акыркы жыйынтыктар. Remote Sens. Environ. 2014, 146, 63. [CrossRef] 76. Раддик, К.; Ванхеллемонт, К.; Ян, Ж.; Нойкерманс Г.; Вей Г.; Shang, S. Геостационардык Ocean Color Imager (GOCI) тартып Бохай деңизинде токтоп калган бөлүкчөлөрдүн өзгөрмөлүүлүгү. Океан. Sci. J. 8, 2012, 47. [CrossRef] 331. IOCCG. Геостационардык орбитадан океан түстүү байкоолор; Океан-түс боюнча эл аралык координациялык топтун (IOCCG) отчеттору № 345; Антуан, Д., Ред.; IOCCG: Дартмут, NS, Канада, 9. Онлайнда жеткиликтүү: http://ioccg.org/wpcontent/uploads/2015/10/ioccg-report-12.pdf (18-жылдын 2016-апрелинде жеткиликтүү).
10. Грубер, Р.; Уотерхаус Дж.; Логан, М.; Петус, С.; Хоули, С.; Льюис, С.; Трейси Д.; Ланглуа Л.; Тонин, Х.; Скуза, М.; жана башкалар. Деңиз мониторинги программасы: 2018-ж. жээктеги суунун сапатына мониторинг жүргүзүү боюнча жылдык отчет; Great Barrier Reef Marine Park Authority үчүн отчет 2019; Great Barrier Reef Marine Park Authority: Таунсвилл, Австралия, 2208. Онлайнда жеткиликтүү: https://elibrary.gbrmpa.gov.au/jspui/handle/4096/2020 (11017-жылдын 3665-майында жеткиликтүү).
11. Уотерхаус, Дж.; Шаффелке Б.; Бартли Р.; Эберхард Р.; Броди Ж.; Торберн П.; Рольф Дж.; Ронан М.; Тейлор Б.; Жылдыз, М.; жана башкалар. Илимий консенсус билдирүүсү Кыскача маалымат: Жерди пайдалануунун Улуу Барьер рифинин суунун сапатына жана экосистеманын абалына тийгизген таасири; Квинсленд штаты: Таунсвилл, Австралия, 2017. Онлайнда жеткиликтүү: https://www.reefplan.qld.gov.au/science-and-research/thescientific-consensus-statement (25-жылдын 2017-ноябрында жеткиликтүү).
12. Фэн Дж.; Чен Х.; Чжан Х.; Ли, З.; Ю, Ы.; Чжан Ю.; Билал, М.; Цю, З. Кытайдын жээгиндеги булуң-чаңдуу жээктердеги GOCI спутниктик маалыматтарынан алынган булуттуулукту баалоо. Remote Sens. 2020, 12, 3770. [CrossRef] 13. Лу, X.; Ху, C. Чыгыш Кытай деңизиндеги зыяндуу балыр гүлдөрүнүн суткалык өзгөрүүлөрү: GOCIден байкоолор. Remote Sens. Environ. 2014, 140, 562. [CrossRef] 572. Күйөө, С.; Сатиендранат С.; Бан Ю.; Бернард С.; Брейин Р.; Бротас, В.; Брокманн, С.; Чаухан П.; Чой, Ж.-К.; Чуприн, А.; жана башкалар. Спутниктик океандын түсү: учурдагы абалы жана келечеги. Фронт. Мар. Sci. 14, 2019, 6. [CrossRef] 485. Парк, Ж.-Э.; Парк, К.-А.; Канг, Ч.-К.; Парк, Ю.-Ж. Хлорофиллдин кыска мөөнөттүү реакциясы-а концентрациясынын деңиз бетиндеги шамал талаасынын мезошкалдуу Eddy үстүнөн өзгөрүшү. Estuaries Coasts 15, 2019, 43. [CrossRef] 646. Lavigne, H.; Раддик, К. Ачык океандар үчүн жогорку убактылуу резолюцияда хлорофилл-а концентрациясын алуу үчүн геостационардык MTG/FCI потенциалдуу пайдалануу. Int. J. Remote Sens. 660, 16, 2018. [CrossRef] 39. Доржи, П.; Fearns, P. Толугу менен токтоп калган чөкмөлөрдүн картасын түзүү үчүн геостационардык Himawari-2399 спутниктик маалыматтарынын атмосфералык коррекциясы: Батыш Австралиянын жээк сууларында изилдөө. ISPRS J. Фотограмма. Remote Sens. 2420, 17, 8. [CrossRef] 2018. Миллер, SD; Шмит, TL; Seaman, CJ; Линдси, ДТ; Гуншор, ММ; Корс, РА; Сумида Ю.; Хилгер, Д. Ооруган көздөрдүн көрүнүшү: геостационардык спутниктерге чыныгы түстүн кайтып келиши. Bull. Ам. Метеорол. Соц. 144, 81, 93. [CrossRef] 18. Доксаран, Д.; Ламкин Н.; Пак, Ю.-Ж.; Мазеран, Ч.; Рю, Дж.-Х.; Ван, М.; Пото, А. MODIS, MERIS жана GOCI спутниктик маалыматтарын колдонуу менен Чыгыш Кытай деңизинде токтоп калган катуу заттардын мониторинги үчүн деңиз суусунун чагылышын алуу. Remote Sens. Environ. 2016, 97, 1803. [CrossRef] 1816. Доксаран, Д.; Cherukuru, RCN; Lavender, SJ Линдик суулардагы токтоп калган жана эриген заттардын концентрациясын баалоо үчүн чагылтуу тилкелеринин катыштарын колдонуу. Int. J. Remote Sens. 19, 2014, 146. [CrossRef]

Алыскы сенсор. 2022, 14, 3503

20 ичинен 23

21. Kwiatkowska, EJ; Раддик К.; Рамон Д.; Ванхеллемонт, К.; Брокманн, С.; Лебретон, С.; Бонекamp, HG Ocean түстүү буюмдары геостационардык платформалардан, Meteosat Экинчи жана Үчүнчү Муундагы мүмкүнчүлүктөр. Океан. Sci. Талкуу. 2015, 12, 3143. [CrossRef] 3167. Murakami, H. Himawari-22/AHI тарабынан океан түсүн баалоо. Океандардын жана ички суулардын дистанциялык зондунун эмгектеринде: Techniques, Applications, and Challenges, New Delhi, India, 8 May 7. [CrossRef] 2016. Чен, X.; Шан С.; Ли, З.; Ци, Л.; Ян, Ж.; Li, Y. Himawari-23 боюнча AHI сүзүүчү балырлардын жогорку жыштыктагы байкоо. Remote Sens. Environ. 8, 2019, 227. [CrossRef] 151. Хафиз, С.; Вонг, MS; Аббас, С.; Цзян, Г. Жер үстүндөгү жалпы токтоп калган катуу заттарды жана анын суткалык өзгөрүүлөрүн картага түшүрүү үчүн геостационардык Химавари-161дин потенциалын баалоо. Remote Sens. 24, 8, 2021. [CrossRef] 13. Япониянын метеорологиялык агенттиги. Окуялардын журналы: Himawari-336 Performance Test Results; Метеорологиялык спутник борбору: Kiyose, Япония, 25. Онлайнда жеткиликтүү: https://www.data.jma.go.jp/mscweb/en/himawari89/space_segment/fig/AHI8_performance_test_en.pdf (20-жылдын 2021-сентябрында жеткиликтүү).
26. IOCCG. Жээктеги жана башка оптикалык-татаал суулардагы океандын түсүн алыстан аныктоо; Океан-түс боюнча эл аралык координациялык топтун (IOCCG) отчеттору №3 отчет; Сатиендрат, С., Ред.; IOCCG: Дартмут, NS, Канада, 2000. Онлайнда жеткиликтүү: http://ioccg.org/wp-content/uploads/2015/10/ioccg-report-03.pdf (20-жылдын 2015-сентябрында жеткиликтүү).
27. Шредер, Т.; Шаале, М.; Ловелл Дж.; Blondeau-Patissier, D. Ансамбль нейрон тармагы атмосфералык коррекциялоо Sentinel-3 OLCI үчүн жээктеги суулардагы моделдин белгисиздигин баалоону жана ызы-чуунун таралышын камсыз кылуу. Remote Sens. Environ. 2022, 270, 112848. [CrossRef] 28. Фан, Ю.; Ли, В.; Чен Н.; Ан, Дж.-Х.; Пак, Ю.-Ж.; Кратцер С.; Шредер, Т.; Ишизака Дж.; Чанг, Р.; Stamnes, K. OC-SMART: спутник океан түстүү сенсорлор үчүн машина үйрөнүү негизделген маалыматтарды талдоо платформа. Remote Sens. Environ. 2021, 253, 112236. [CrossRef] 29. Брокманн, С.; Доерффер, Р.; Питерс, М.; Стелцер К.; Эмбахер, С.; Ruescas, A. Evolution C2RCC нейрон тармагынын Sentinel 2 жана 3 үчүн нормалдуу жана өтө оптикалык татаал сууларда океан түстүү азыктарын алуу үчүн. Европа космостук агенттигинин эмгектеринде, Прага, Чехия, 9-май, 13-жыл.
30. Шредер, Т.; Фишер Ж.; Шаале, М.; Fell, F. Жасалма-нейрондук тармакка негизделген атмосфераны оңдоо алгоритми: MERIS маалыматтарына колдонуу. Proceedings of the SPIE 4892, Ocean Remote Sensing and Applications, Ханчжоу, Кытай, 8-май 2003-жыл; 124 б. [CrossRef] 132. Жамет, Ч.; Тира С.; Мулин, Ч.; Crepon, M. Океандын түстүү сүрөттөрүнөн океандык жана атмосфералык компоненттерди алуу үчүн нейровариациялык инверсияны колдонуу: Техникалык-экономикалык негиздеме. J. Атмос. Океан. Technol. 31, 2005, 22. [CrossRef] 460. Бражард, Дж.; Жамет, Ч.; Мулин, Ч.; Thiria, S. Спутник океандын түстүү сенсордон океандык жана атмосфералык компоненттерди алуу үчүн нейро-вариациялык инверсияны колдонуу: аэрозолдорду сиңирүү үчүн колдонуу. Нейрондук тармак. Өчүк. J. Int. Нейрондук тармак. Соц. 475, 32, 2006. [CrossRef] 19. Doerffer, R. Алгоритмдин теориялык негизи документи (ATBD) MERIS Регионалдык Жээк жана Көл Case 178 Суу долбоору Атмосфералык Коррекция ATBD; Water Version 185; GKSS изилдөө борбору: Geesthacht, Германия, 33; 2-б.
34. Пехлеван, Н.; Смит Б.; Шаллес Ж.; Binding, C.; Као, З.; Ма, Р.; Аликас, К.; Кангро К.; Гurlв, Д.; Ха, Н.; жана башкалар. Ички жана жээк сууларында Sentinel-2 (MSI) жана Sentinel-3 (OLCI) дан хлорофилл-а үзгүлтүксүз издөө: Машина үйрөнүү ыкмасы. Remote Sens. Environ. 2020, 240, 111604. [CrossRef] 35. Гросс, Л.; Тириа С.; Фруин Р.; Митчелл, Б.Г. Жасалма нейрон тармактары деңиз чагылуусу менен фитопланктондук пигмент концентрациясынын ортосундагы өткөрүп берүү функциясын моделдөө үчүн. J. Геофиз. Res. Океан. 2000, 105, 3483. [CrossRef] 3495. Шредер, Т.; Бенерт, И.; Шаале, М.; Фишер Ж.; Doerffer, R. Атмосфералык коррекциялоо алгоритми MERIS үчүн Case-36 сууларынын үстүндө. Int. J. Remote Sens. 2, 2007, 28. ​​[CrossRef] 1469. Шредер, Т.; Шаале, М.; Фишер, Дж. MERIS өлчөөлөрүнөн атмосфералык жана океандык касиеттерди алуу: BEAM үчүн жаңы Case-1486 суу процессору. Int. J. Remote Sens. 37, 2, 2007. [CrossRef] 28. Шрөдер, Т. MERIS менен ачык жана ачык эмес атмосфераны оңдоо алгоритмдеринин негизинде). илимдин кандидаты. Диссертация, Freie Universität, Берлин, Германия, 5627. [CrossRef] 5632. Патрисио-Валерио, Л. Exploring Himawari-38 Observations for the Advanced Coastal Monitoring for Great Barrier Reef. илимдин кандидаты. Тезис, Джеймс Кук университети, Таунсвилл, Австралия, 2005. [CrossRef] 39. Фел, Ф.; Фишер, Дж. Атмосфера-океан системасындагы жарык талаасын матрицалык-оператордук методдун жардамы менен сандык симуляциялоо. J. Quant. Spectrosc. Радиат. Transf. 8, 2021, 40. [CrossRef] 2001. Фишер, Дж.; Grassl, H. Атмосфералык океан системасындагы радиациялык өтүү: азимуталдык көз каранды матрица-оператордук мамиле. Колдонмо. Опция. 69, 351, 388. [CrossRef] 41. Сантер, Р.; Загольский, Ф.; Dilligeard, E. MERIS Vicarious Calibration үчүн Radiative Transfer Code салыштыруу. ENVISAT текшерүү семинарынын материалдарында, ESRIN, Фраскати, Италия, 1984-декабрь 23-жыл.
43. Стандарттык атмосферага жайылтуу боюнча комитет. US Standard Atmosphere; НАСА: Вашингтон, ДС, АКШ, 1976. 44. Холбен, Б.Н.; Эк, ТФ; Слуцкер, И.; Танре, Д.; Буис, JP; Сетцер, А.; Вермот Э.; Рейган, JA; Кауфман, Ю. Накажима, Т.; жана башкалар.
AERONET – Федерацияланган аспаптар тармагы жана аэрозоль мүнөздөмөлөрү үчүн маалымат архиви. Remote Sens. Environ. 1998, 66, 1. [CrossRef] 16. AERONET. Aerosol Robotic Network. Онлайнда жеткиликтүү: https://aeronet.gsfc.nasa.gov/cgi-bin/data_display_aod_v45?site= Lucinda&nachal=3&level=2&place_code=3 (10-жылдын 3-октябрында жеткиликтүү).

Алыскы сенсор. 2022, 14, 3503

21 ичинен 23

46. ​​Ангстрем, А. Атмосферанын булганышынын параметрлери. Tellus 1964, 16, 64. [CrossRef] 75. Rothman, LS; Барбе, А.; Крис Беннер, Д.; Браун, LR; Ками-Пейрет, Ч.; Карлер, MR; Шанс, К.; Клербо, К.; Дана В.; Деви,
VM; жана башкалар. HITRAN молекулярдык спектроскопиялык маалымат базасы: 2000-жылдагы чыгарылыш, анын ичинде 2001-жылга чейинки жаңыртуулар. J. Quant. Spectrosc. Радиат. Transf. 2003, 82, 5. [CrossRef] 44. Беннарц, Р.; Fischer, J. Тар тилкедеги суу буусу жана кычкылтектин жутулушуна жакын инфракызылда баа берүү үчүн колдонулган к-бөлүштүрүү ыкмасы. J. Quant. Spectrosc. Радиат. Transf. 48, 2000, 66. [CrossRef] 539. Чжан, Т.; Жыгылды, Ф.; Лю, ЗС; Преукер, Р.; Фишер Ж.; Ал, MX I суулардагы океан түсүнөн пигментти алуу үчүн жасалма нейрондук тармак техникасынын натыйжалуулугун баалоо. J. Геофиз. Res. Океан. 553, 49, 2003. [CrossRef] 108. Папа, RM; Fry, ES Абсорбция спектри (3286 нм) таза суу. II. Көңдөй өлчөөлөрдү интеграциялоо. Колдонмо. Опция. 50, 380, 700. [CrossRef] 1997. Хэйл, Г.М.; Querry, MR Толкун узундугу 36 нмден 8710 мкмге чейинки аймактагы суунун оптикалык константалары. Колдонмо. Опция. 8723, 51, 200. [CrossRef] 200. Брико, А.; Морел, А.; Бабин, М.; Аллали К.; Claustre, H. Океандык суулардагы хлорофилаконцентрация менен токтоп калган бөлүкчөлөр тарабынан жарыкты сиңирүүнүн вариациялары (1973-жагдай): Анализ жана био-оптикалык моделдерге тийгизген таасири. J. Геофиз. Res. Океан. 12, 555, 563. [CrossRef] 52. Бабин, М.; Страмски Д.; Ferrari, GM; Клаустр Х.; Брико, А.; Оболенский, Г.; Hoepffner, N. Фитопланктондун, балыр эмес бөлүкчөлөрдүн жана Европанын жээктеги сууларындагы эриген органикалык заттардын жарык жутуу коэффициенттеринин өзгөрүшү. J. Геофиз. Res. Океан. 1, 1998, 103. [CrossRef] 31033. Морел, А. Таза суу жана таза деңиз суусунун оптикалык касиеттери. Океанографиянын оптикалык аспектилери боюнча; Nielsen, JS, Ed.; Академиялык басма сөз: Кембридж, MA, АКШ, 31044; 53-б., 2003. Бабин, М.; Морел, А.; Фурнье-Сикре, В.; Жыгылды, Ф.; Страмски, Д. Деңиз бөлүкчөлөрүнүн бөлүкчөлөрдүн массасынын концентрациясына байланыштуу жээк жана ачык океан сууларындагы жарык чачуу касиеттери. Лимнол. Океаногр. 108, 3211, 54. [CrossRef] 1974. Чжан, Т.; Жыгылды, Ф.; Fischer, J. Case-1 суулардагы деңиз бөлүкчөлөрүнүн артка чачыралуу катышын моделдөө. In Proceedings of Ocean Optics XVI, Santa Fe, MN, USA, 24 November 55. 2003. Мински, М.; Papert, SA Perceptrons: An Introduction to Computational Geometry; MIT Press: Cambridge, MA, USA, 48. 843. Malthouse, EC Жалпы нейрон тармактары менен аткарылган сызыктуу эмес PCA чектөөлөрү. IEEE Trans. Нейрондук тармак. 859, 56, 2. [CrossRef] [PubMed] 18. Liu, DC; Nocedal, J. масштабдуу оптималдаштыруу үчүн чектелген эс BFGS ыкмасы жөнүндө. Математика. Программа. 22, 2002, 57. [CrossRef] 1969. Япониянын метеорологиялык агенттиги. Окуялар журналы: Himawari-58 AHI сезгичтигинин тенденциясын оңдоо үчүн колдонулган калибрлөө маалыматын жаңыртуу; Метеорологиялык спутник борбору: Кийосе, Япония, 1998. Онлайнда жеткиликтүү: https://www.data.jma.go.jp/mscweb/en/oper/eventlog/ Update_of_Calibration_Information_2019.pdf (20-жылдын 2021-сентябрында жеткиликтүү). 61. Куруч, Р. Күн спектри: Атластар жана сызыктарды идентификациялоо. Лабораториялык жана астрономиялык жогорку резолюциялуу спектрлердин эмгектеринде, Брюссель, Бельгия, 29-август, 2-сентябрь 1995-жыл; б. 17. 62. Метеорологиялык спутник борбору. GSICS Himawari-8 Visible жана Near-Infrared Vicarious Calibration Guide. Онлайнда жеткиликтүү: https://www.data.jma.go.jp/mscweb/data/monitoring/gsics/vis/techinfo_visvical.html (10-жылдын 2022-майында жеткиликтүү). 63. Япониянын метеорологиялык агенттиги. Окуялар журналы: Himawari-8 байкоо маалыматтарынын сапатын жакшыртуу; Окуялар журналы Метеорологиялык спутник борбору: Кийосэ, Япония, 2017. Онлайнда жеткиликтүү: https://www.data.jma.go.jp/mscweb/en/oper/eventlog/Improvement_of_ Himawari-8_data_quality.pdf (20-жылдын 2021-сентябрында жеткиликтүү). 64. Цинь Ю.; Стивен, ADL; Шредер, Т.; МакВикар, ТР; Хуан Дж.; Копе, М.; Чжоу, С. Австралиянын аймагындагы булут капкагы: өнүккөн Гимавари сүрөтчүсү үчүн булутту маскалоо, классификация жана оптикалык тереңдикти издөө алгоритмин иштеп чыгуу жана текшерүү. Фронт. Environ. Sci. 2019, 7, 20. [CrossRef] 65. Great Barrier Reef Marine Park Authority. Great Barrier Reef (GBR) Өзгөчөлүктөрү (Риф чек аралары, QLD материктик, Аралдар, Кайлар, Аскалар жана Кургак рифтер) (GBRMPA) (Version 1.4) [Dataset] 2164DB88-FD79-449E-920F-61C37ADE634B. 1998. Онлайнда жеткиликтүү: http://www.gbrmpa.gov.au/geoportal/catalog/search/resource/details.page?uuid=%7B41AB3629-B41B-4746-9B753822667E5AF3%7D (14-майда жеткиликтүү). 2022. Эмецен, Э.; Кара, Г.; Эрдогмуш, Ф.; Гардашов, Р. Геостационардык спутниктерден байкоо жүргүзүү аркылуу океандын бетиндеги күн нурунун жерлерин аныктоо. TAO Terr. Атмос. Океан. Sci. 66, 2006, 17. [CrossRef] 253. Улуттук Океан жана Атмосфералык Администрация. SBUV/67 жана TOVS (TOAST) аркылуу жалпы озон анализи. Онлайнда жеткиликтүү: https://www.ospo.noaa.gov/Products/atmosphere/toast/index.html (2-жылдын 1-декабрында жеткиликтүү). 2020. Кистлер, Р.; Калнай, Е.; Коллинз, В.; Саха, С.; Уайт Г.; Вуллен, Ж.; Челлия, М.; Эбисузаки В.; Канамицу М.; Kousky, V. NCEPNCAR 68 жылдык кайра талдоо: Ай сайын CD-ROM жана документтерди билдирет. Bull. Ам. Метеорол. Соц. 50, 2001, 82. [CrossRef] 247. Канамицу, М.; Эбисузаки В.; Вуллен, Ж.; Янг, С.-К.; Hnilo, JJ; Фиорино, М.; Поттер, GL NCEPDOE AMIP-II Reanalysis (R-268). Bull. Ам. Метеорол. Соц. 69, 2, 2002. [CrossRef] 83. Калнай, Е.; Канамицу М.; Кистлер Р.; Коллинз, В.; Дивен, Д.; Гандин Л.; Иределл, М.; Саха, С.; Уайт Г.; Вуллен, Дж. NCEP/NCAR 1631 жылдык реанализ долбоору. Bull. Ам. Метеорол. Соц. 1644, 70, 40. [CrossRef] 1996. Улуттук Океандык жана Атмосфералык Администрация. NCEP Reanalysis 77 Метеорологиялык маалыматтар. Онлайнда жеткиликтүү: https://psl.noaa. gov/data/gridded/data.ncep.reanalysis437.html (472-жылдын 71-декабрында жеткиликтүү).

Алыскы сенсор. 2022, 14, 3503

22 ичинен 23

72. Интегралдык деңиз байкоо системасы. Австралиялык суулардын IMOS Ocean Color Bio Optical Database (SRS-OC-BODBAW). 2011. Онлайнда жеткиликтүү: https://researchdata.edu.au/imos-srs-ocean-australian-waters (20-жылдын 2017-февралында жеткиликтүү).
73. Great Barrier Reef Marine Park Authority. Marine мониторинг программасы Сапатты камсыздоо жана сапатты көзөмөлдөө боюнча колдонмо 2017; Great Barrier Reef Marine Park Authority: Таунсвилл, Австралия, 2018. Онлайнда жеткиликтүү: http://elibrary.gbrmpa.gov.au/jspui/ handle/2019/11017 (3487-жылдын 15-майында жеткиликтүү).
74. Соя-Возняк, М.; Бэрд, М.; Шредер, Т.; Цинь Ю.; Клементсон Л.; Бейкер, Б.; Боадл, Д.; Брандо, В.; Стивен, ADL бөлүкчөлөрүнүн артка таралуу катышы жээктеги суулардагы бөлүкчөлөрдүн курамын өзгөртүүнүн көрсөткүчү катары: Улуу тосмо рифинин сууларынан байкоолор. J. Геофиз. Res. Океан. 2019, 124, 5485. [CrossRef] 5502. Булгарелли, Б.; Зиборди, Г. SeaWiFS, MODIS-A, MERIS, OLCI, OLI жана MSI аркылуу орто кеңдиктеги жээк чөйрөсүн алыстан зонддоо океан түстөрүндө чектеш эффекттерди аныктоо жөнүндө. Remote Sens. Environ. 75, 2018, 209. [CrossRef] 423. Шредер, Т.; Ловелл Дж.; Кинг Э.; Клементсон Л.; Скотт, R. IMOS Океан түсүн текшерүү отчету 438-76, Integrated Marine Observing System (IMOS) отчету; CSIRO Океандар жана атмосфера: Брисбен, Австралия, 2017; б. 18.
77. Кинг, Е.; Шредер, Т.; Брандо, В.; Субер, К. Улуу тосмо рифинин деңиз суунун сапатына спутниктен мониторинг жүргүзүү үчүн алдын ала иштөө системасы. In Wealth from Oceans Flagship Report; CSIRO Wealth from Oceans Flagship: Хобарт, Австралия, 2014. [CrossRef] 78. Япониянын метеорологиялык агенттиги. Окуялар журналы: Himawari-8 байкоо маалыматтарынын сапатын жогорулатуу; Метеорологиялык спутник борбору: Kiyose, Япония, 2016. Онлайнда жеткиликтүү: https://www.data.jma.go.jp/mscweb/en/oper/eventlog/20161117_Quality_ improvement_of_Himawari-8_observation_data.pdf (20-жылдын 2021-сентябрында жеткиликтүү).
79. Япониянын аэрокосмостук чалгындоо агенттиги. JAXA Himawari Monitor P-Tree системасы. Онлайнда жеткиликтүү: https://www.eorc.jaxa.jp/ ptree/index.html (14-жылдын 2022-майында жеткиликтүү).
80. Ху, Ц.; Фэн Л.; Ли, З.; Davis, CO; Маннино А.; МакКлейн, CR; Franz, BA Спутниктик океан түстүү сенсорлорунун динамикалык диапазону жана сезгичтик талаптары: Өткөндөн үйрөнүү. Колдонмо. Опция. 2012, 51, 6045. [CrossRef] 6062. Танг, В.; Ллорт Дж.; Вайс Дж.; Перрон, MMG; Басарт С.; Ли, З.; Сатиендранат С.; Джексон Т.; Санц Родригес Э.; Proemse, BC; жана башкалар. 81-жылы Австралиядагы токой өрттөрү себеп болгон кеңири жайылган фитопланктон гүлдөө. Nature 2019, 2020, 2021. [CrossRef] [PubMed] 597. Great Barrier Reef Marine Park Authority. Great Barrier Reef Marine Park үчүн суунун сапаты боюнча көрсөтмөлөр; 370; Great Barrier Reef Marine Park Authority: Таунсвилл, Австралия, 375. Онлайнда жеткиликтүү: https://elibrary.gbrmpa.gov.au/jspui/handle/82/ 1921682299 (2010-жылдын 11017-августунда жеткиликтүү).
83. Броди, Дж.; Грех, А.; Пресси, Б.; Дай, Ж.; Дейл А.; Моррисон, Т.; Венгер, А. Чоң тосмо рифинин келечеги: суунун сапаты. Жээктерде жана Этуарийлерде; Wolanski, E., Day, JW, Elliott, M., Ramachandran, R., Eds.; Elsevier: Амстердам, Нидерланды, 2019; 477 б. [CrossRef] 499. Hieronymi, М.; Мюллер, Д.; Doerffer, R. The OLCI Neural Network Swarm (ONNS): Ачык океан жана жээк суулары үчүн био-гео-оптикалык алгоритм. Фронт. Мар. Sci. 84, 2017, 4. [CrossRef] 140. Donlon, C. Sentinel-85 Mission Requirements Traceability Document (MRTD); Европа космостук агенттиги (ESA) – ESTEC: Нордвейк, Нидерланды, 3; б. 2011. Онлайнда жеткиликтүү: https://sentinels.copernicus.eu/documents/234/247904/Sentinel-1848151-MissionRequirements-Traceability (3-жылдын 11-октябрында жеткиликтүү).
86. Doerffer, R. MERIS суу продуктуларын валидациялоо протоколдору; ESA Publication PO-TN-MEL-GS-0043 GKSS; Forschungszentrum: Geesthacht, Германия, 2002; 1-б.
87. Квинсленд өкмөтү. Суунун мониторинги боюнча маалымат порталы (WMIP). Интернетте жеткиликтүү: https://water-monitoring.information. qld.gov.au/ (30-жылдын 2021-мартында жеткиликтүү).
88. Воланский, Е.; Spagnol, S. Great Barrier Reefтеги жабышчаак суулар. Эстуар. Жээк. Shelf Sci. 2000, 50, 27. [CrossRef] 32. Pickard, GL; Донгуи, Ж.-Р.; Хени, Ц.; Ружери, Ф.А.Реview Улуу Тосмо рифинин жана Батыш Коралынын физикалык океанографиясынын
деңиз; Австралия өкмөтүнүн басма кызматы: Канберра, Австралия, 1977. 90. Фенг, Д.; Ходжес, БР; Соколофский, SA; Thyng, KM Tidal мунай төгүлүүчү моделдердеги тар каналдын кире беришинде куюлат. Мар.
Булгануу. Bull. 2019, 140, 374. [CrossRef] [PubMed] 387. Death, GA; Fabricius, KK Great Barrier Reef суунун сапаты: бөлүштүрүү, риф биотасына таасири жана триггер баалуулуктары
Экосистеманын ден соолугун коргоо; Great Barrier Reef Marine Park Authority of Australia Шериктештиги жана Австралиянын деңиз илими институту: Таунсвилл, Австралия, 2008; б. 104. 92. Томсон, Р.Э.; Wolanski, EJ Рейн аралынын кире беришиндеги чоң тосмо рифинин ичинде көтөрүлүү мезгили. J. Мар. Рес. 1984, 42, 787. [CrossRef] 808. Волански, Е.; Дрю, Э.; Абел, КМ; О'Брайен, Дж. Тидал реактивдери, азыктандыруучу заттардын көтөрүлүшү жана алардын лента рифтериндеги Халимеда балырларынын продуктуулугуна тийгизген таасири, Улуу тосмо рифи. Эстуар. Жээк. Shelf Sci. 93, 1988, 26. [CrossRef] 169. Marmorino, GO; Смит, ГБ; Миллер, WD Турбуленттүүлүктүн мүнөздөмөлөрү тайыз деңиздеги жер үстүндөгү балырлардын спутниктен тартылган сүрөттөрүнөн алынган. Уландысы. Shelf Res. 201, 94, 2017. [CrossRef] 148. Деландметр, П.; Ламбрехтс Дж.; Marmorino, GO; Легат В.; Воланский, Е.; Ремакл, Дж.-Ф.; Чен В.; Deleersnijder, E. Коралл аралдары жана рифтердин артынан Submesoscale толкун куюлмалары: Спутник маалыматтары жана сандык моделдөө. Океан. Дын. 178, 184, 95. [CrossRef] 2017. Ли, Г.; Ал, Ы.; Лю, Г.; Чжан Ю.; Ху, Ц.; Перри, W. Жээк жээгиндеги аймактардагы Submesoscale Eddies көп сенсордук байкоолор. Remote Sens. 67, 897, 913. [CrossRef]

Алыскы сенсор. 2022, 14, 3503

23 ичинен 23

97. IOCCG. Келечектеги океан түстүү сенсорлор үчүн миссия талаптары; Эл аралык океан-түс координациялык тобунун (IOCCG) отчеттору №13; McClain, C., Meister, G., Eds.; IOCCG: Дартмут, NS, Канада, 2012. Онлайнда жеткиликтүү: http: //ioccg.org/wp-content/uploads/2015/10/ioccg-report-13.pdf (30-жылдын 2017-сентябрында жеткиликтүү).
98. Нойкерманс, Г.; Раддик К.; Бернард Э.; Рамон Д.; Нечад Б.; Deschampс, П.-Ы. Геостационардык спутниктерден жалпы токтоп калган заттардын картасы: Түштүк Түндүк деңизиндеги SEVIRI менен техникалык-экономикалык негиздеме. Опция. Экспресс 2009, 17, 14029. [CrossRef] 14052. Нойкерманс, Г.; Раддик К.; Лоизел Х.; Roose, P. Оптималдаштыруу жана булгануу өлчөөлөрдү колдонуу менен токтотулган бөлүкчөлөрдүн концентрациясын өлчөө сапатын контролдоо. Лимнол. Океаногр. Methods 99, 2012, 10. [CrossRef] 1011. Röttgers, R.; Хейманн К.; Krasemann, H. Жээк сууларындагы токтотулган зат концентрациялары: Методологиялык жакшыртуулар жеке өлчөө белгисиздик сандык үчүн. Эстуар. Жээк. Shelf Sci. 1023, 100, 2014. [CrossRef] 151. Тилстоун, Г.; Мур Г.; Соренсен К.; Доерффер, Р.; Роттгерс Р.; Раддик К.; Пастеркamp, Р.; Jørgensen, P. Түндүк деңизинин жээк сууларында MERIS хлорофилл азыктарын аймактык текшерүү. MERIS жана AATSR калибрлөө жана геофизикалык валидациялоо боюнча жумушчу жолугушуунун материалдарында (ENVISAT MAVT-2003), Фраскати, Италия, 20-жыл, октябрь 24-жыл.
102. Ставн, РХ; Рик, HJ; Фальстер, AV. Деңиз тузунун өзгөрүлмө кармалышынан жана сууну жоготуудагы каталарды тутануу анализинде оңдоо: Эстуарий жана жээктеги сууларды изилдөө үчүн натыйжалар. Эстуар. Жээк. Shelf Sci. 2009, 81, 575. [CrossRef] 582. Окуяма, А.; Такахаши, М.; Дата, К.; Хосака, К.; Мурата, Х.; Табата, Т.; Йошино, R. Химавари-103/AHI радиометрикалык калибрлөөнүн орбиталык маалыматтарынын эки жылдык негизинде текшерүү. J. Метеорол. Соц. Жапония. Сер. II 8, 2018, 96. [CrossRef] 91. Япониянын метеорологиялык агенттиги. Окуялардын журналы: Космостук кемелердин окуяларынын жана калибрлөөнүн Himawari-109ге тийгизген таасири Сүрөттөр: Striping; Метеорологиялык спутник борбору: Кийосе, Япония, 104. Онлайнда жеткиликтүү: http://www.data.jma.go.jp/mscweb/en/oper/image_info.html#005 (20-жылдын 2021-сентябрында жеткиликтүү).
105. Муса, ВЖ; Боулз, Дж. Lucke, RL; Корсон, MR Гиперспектралдык сенсордогу сигналдын ызы-чуу катышынын II суунун биофизикалык параметрин баалоо тактыгына тийгизген таасири. Опция. Экспресс 2012, 20, 4309. [CrossRef] 4330. Alvarez-Romero, JG; Девлин М.; Тейшейра да Силва, Э.; Петус, С.; Ban, NC; Прессей, RL; Кул, Ж.; Робертс, Дж. Сердейра-Эстрада, С.; Венгер, А.С.; жана башкалар. Жээктеги деңиз экосистемаларынын дарыя жээгиндеги суу ташкындарынын шлейфтерине экспозициясын алыстан аныктоо ыкмаларына негизделген моделдик ыкма. J. Environ. Manag. 106, 2013, 119. [CrossRef] 194. Петус, С.; Девлин М.; Томпсон А.; Маккензи, Л.; Тейшейра да Силва, Э.; Коллиер, С.; Трейси Д.; Мартин, К. Корал рифтеринин жана деңиз чөптөрүнүн шалбааларынын Чоң Тосмо рифинин дарыясынын ташкындоо шлейфтериндеги кургактыктан чыккан булгоочу заттардын таасиринин баалоосу: Экологиялык маалыматтар менен жөнөкөй спутниктик тобокелдик алкагын текшерүү. Remote Sens. 207, 107, 2016. [CrossRef] 8. Devlin, M.; Шредер, Т.; МакКинна Л.; Броди Ж.; Брандо, В.; Деккер, А. Мониторинг жана Чоң Тосмо рифиндеги суу ташкындарынын картографиясын жеринде жана алыстан байкоо жүргүзүүнүн негизинде. Глобалдык өзгөрүүлөргө мониторинг жүргүзүү үчүн курчап турган чөйрөнү алыстан зонддоодогу жетишкендиктерде; Чанг, Н.-Б., Ред.; Айлана-чөйрөнү алыстан зонддоо жана системаларды талдоо; CRC Press: Бока Ратон, Флорида, АКШ, 210; 108-б. [CrossRef] 2012. Steven, AD; Бэрд, ME; Бринкман Р.; Car, NJ; Кокс, SJ; Герцфельд, М.; Ходж Дж.; Джонс Э.; Кинг Э.; Маргвелашвили, Н.; жана башкалар. eReefs: Улуу тосмо рифин башкаруу үчүн оперативдүү маалымат системасы. J. Опер. Океаногр. 147, 191, S109S2019. [CrossRef]

Документтер / Ресурстар

MDPI машинаны үйрөнүү алгоритми [pdf] Колдонуучунун колдонмосу Машина үйрөнүү алгоритми, үйрөнүү алгоритми, алгоритм

Шилтемелер

• User Manual