水リモートセンシング

水リモートセンシングは、湖、海、川などの水域を遠くから観察し、その色、生態系の健全性、生産性を記述することです。水リモートセンシングは、水から発せられる放射のスペクトルを観察することで水の色を調べます。水から発せられる色のスペクトルから、水域の上層の光学活性成分の濃度を特定のアルゴリズムで推定できます。^[1]リモートセンシングと近距離機器による水質監視は、EU水枠組み指令の制定以来、かなりの注目を集めています。^[1]

概要

水リモートセンシング機器 (センサー) を使用すると、科学者は水体の色を記録することができ、光学的に活性な天然水成分 (プランクトン、堆積物、デトリタス、または溶解物質) の存在と存在量に関する情報が得られます。衛星センサーで見られる水の色スペクトルは、水の見かけの光学特性 (AOP) として定義されます。つまり、水の色は、光場の角度分布と、媒体 (この場合は水) 内の物質の性質と量によって影響を受けます。^[2]したがって、リモートセンシング反射率 (AOP) の値は、水中の光学的に活性な物質の光学特性と濃度の変化に応じて変化します。水中の物質の特性と濃度は、固有光学特性または IOP として知られています。^[1] IOP は光の角度分布 (「光場」) とは無関係ですが、水中に存在する物質の種類と量に依存します。^[2]例えば、沈降放射の拡散減衰係数K _{d (水の透明度や}海洋の濁度の指標としてよく使用される) は AOP (または準 AOP) として定義され、水の吸収係数と散乱係数は IOP として定義されます。 ^[2] スペクトル、つまりさまざまな波長や色にわたる光エネルギーの分布を研究することで、光学的に活性な水成分の濃度を決定するための 2 つの異なるアプローチがあります。最初のアプローチは、統計的関係に基づく経験的アルゴリズムで構成されます。2 番目のアプローチは、較正された生体光学モデルの反転に基づく分析アルゴリズムで構成されます。^[1]^[2]使用される関係やモデルの正確な較正は、水のリモートセンシング技術の反転を成功させ、観測されたスペクトルリモートセンシングデータから水質パラメータの濃度を決定するための重要な条件です。^[1] したがって、これらの技術は、水面から後方散乱した光のスペクトル特性の変化を記録し、経験的または分析的なアプローチを介してこれらの記録された変化を水質パラメータに関連付ける能力に依存しています。対象となる水の成分と使用するセンサーに応じて、スペクトルのさまざまな部分が分析されます。^[3]

歴史

自然水の透明度とその透明度の変動および色の理由に関する理解の漸進的な発展は、ヘンリー・ハドソン（1600）の時代からチャンドラセカラ・ラマン（1930）の時代まで概略が述べられてきました。^[4]しかし、水のリモートセンシング技術（衛星画像、航空機または近距離光学装置の使用による）の開発は、1970年代初頭まで始まりませんでした。これらの最初の技術は、水面から放出されるエネルギーのスペクトルおよび熱の差を測定しました。一般に、スペクトル特性と水体の水質パラメータとの間には経験的な関係が確立されました。^[3] 1974年に、リッチーら（1974）^[5]は、浮遊堆積物を決定するための経験的アプローチを開発しました。この種の経験的モデルは、同様の条件の水体の水質パラメータを決定するためにのみ使用できます。1992年に、シエベら（1992）は分析的アプローチを使用しました。^[6]このアプローチは、水の光学的特性と水質パラメータに基づいて、研究対象の表面水のスペクトルと物理的特性の関係を物理ベースでモデル化したものです。この物理ベースモデルは、浮遊沈殿物の濃度を推定するためにうまく適用されました。^[3]^[6]^[7]^[8]

アプリケーション

光学近距離デバイス（分光計、放射計など）、飛行機またはヘリコプター（空中リモートセンシング）、衛星（宇宙リモートセンシング）を使用することで、水体から放射される光エネルギーが測定されます。たとえば、アルゴリズムを使用して、クロロフィル a （Chl-a）および浮遊粒子状物質（SPM）濃度、440 nmでの有色溶解性有機物質による吸収（aCDOM）、セッキ深度などのパラメーターを取得します。^[1]これらの値を測定することで、調査対象の水体の水質についてのアイデアが得られます。クロロフィルなどの緑色色素の濃度が非常に高い場合、たとえば富栄養化プロセスにより藻類ブルームが発生していることを示している可能性があります。したがって、クロロフィル濃度は、水体の栄養状態の代理または指標として使用できます。同様に、浮遊粒子状物質（SPM）、有色溶解有機物（CDOM）、透明度（Kd）、クロロフィルa（Chl-a）などの他の光学品質パラメータも水質の監視に使用できます。^[1]

参照

参考文献

^ abcdefghi Laanen, ML (2007)「Yellow Matters - 内陸淡水域における有色溶存有機物質のリモートセンシングの改善」Wayback Machineに 2018-11-13 にアーカイブされました。博士論文。アムステルダム自由大学: The NL。
^ abcd IOCCG (2000)。沿岸およびその他の光学的に複雑な水域における海洋色のリモートセンシング。Sathyendranath, S. (編)、国際海洋色調整グループ報告書、第3号、IOCCG、ダートマス、カナダ。
^ abc Ritchie, JC; Zimba, PV; Everitt, JH (2003)、「水質を評価するためのリモートセンシング技術」、アメリカ写真測量工学およびリモートセンシング協会、69:695-704。
^ Marcel, R., Wernand & Winfried WCGieskes (2012)、「1600 年 (Hudson) から 1930 年 (Raman) までの海洋光学: 天然水の色彩の解釈の変化」、パリ、フランス: Union des oceanographes de France (2012 年 1 月 1 日発行)
^ Ritchie, JC; McHenry, JR; Schiebe, FR; Wilson, RB(1974)、「反射太陽放射と貯水池の表面水中の堆積物濃度の関係」、Remote Sensing of Earth Resources Vol. III (F. Shahrokhi 編)、テネシー大学宇宙研究所、テネシー州タラホーマ、3:57–72
^ ab Schiebe, FR、Harrington, Jr., JA; Ritchie, JC (1992)、「浮遊堆積物のリモートセンシング：アーカンソー州チコット湖プロジェクト」、International Journal of Remote Sensing、13(8):1487–1509
^ Harrington, JA, Jr., Schiebe, FR; Nix, JF (1992). 「アーカンソー州チコット湖のリモートセンシング：ランドサットMSSによる浮遊堆積物、濁度、セッキ深度のモニタリング」、環境リモートセンシング、39(1):15–27
^ 「水質予測：ソーシャルメディア学習マシン」。 2021年8月24日閲覧。

外部リンク

EULAKES プロジェクト、リモートセンシング技術による水質
CoastColourプロジェクト: 沿岸域のリモートセンシング
改修プロジェクト: 北海沿岸海域における MERIS クロロフィル製品の地域検証
五大湖ウェブサイト: ミシガン工科大学の大湖リモートセンシングプログラム
CoastWatchプロジェクト
国際海洋色彩調整グループ
ESA 欧州宇宙機関の活動: 地球の観測
オーシャンカラーウェブ
ヨーロッパの山岳地帯の湖沼における水枠組み指令の実施に向けた遠隔測定によるクロロフィル a の評価

[Laanen-1] Laanen, ML (2007)「Yellow Matters - 内陸淡水域における有色溶存有機物質のリモートセンシングの改善」Wayback Machineに 2018-11-13 にアーカイブされました。博士論文。アムステルダム自由大学: The NL。

[Sathyendranath-2] IOCCG (2000)。沿岸およびその他の光学的に複雑な水域における海洋色のリモートセンシング。Sathyendranath, S. (編)、国際海洋色調整グループ報告書、第3号、IOCCG、ダートマス、カナダ。

[Ritchie-3] Ritchie, JC; Zimba, PV; Everitt, JH (2003)、「水質を評価するためのリモートセンシング技術」、アメリカ写真測量工学およびリモートセンシング協会、69:695-704。

[4] Marcel, R., Wernand & Winfried WCGieskes (2012)、「1600 年 (Hudson) から 1930 年 (Raman) までの海洋光学: 天然水の色彩の解釈の変化」、パリ、フランス: Union des oceanographes de France (2012 年 1 月 1 日発行)

[5] Ritchie, JC; McHenry, JR; Schiebe, FR; Wilson, RB(1974)、「反射太陽放射と貯水池の表面水中の堆積物濃度の関係」、Remote Sensing of Earth Resources Vol. III (F. Shahrokhi 編)、テネシー大学宇宙研究所、テネシー州タラホーマ、3:57–72

[Schiebe-6] Schiebe, FR、Harrington, Jr., JA; Ritchie, JC (1992)、「浮遊堆積物のリモートセンシング：アーカンソー州チコット湖プロジェクト」、International Journal of Remote Sensing、13(8):1487–1509

[Harrington-7] Harrington, JA, Jr., Schiebe, FR; Nix, JF (1992). 「アーカンソー州チコット湖のリモートセンシング：ランドサットMSSによる浮遊堆積物、濁度、セッキ深度のモニタリング」、環境リモートセンシング、39(1):15–27

[8] 「水質予測：ソーシャルメディア学習マシン」。 2021年8月24日閲覧。