550.3; 550.347.62

Карты глубины побережья предоставляют важную информацию для таких направлений деятельности, как научные исследования, охрана окружающей среды и морской транспорт. Методы построения карт глубины на основе спутниковых данных предлагают альтернативу традиционным методам измерений, использующим подводные и надводные средства, обеспечивая высокое пространственное разрешение и широкий охват. В данном исследовании был разработан метод автоматического определения глубины на основе данных об отражении морской поверхности (спутниковые изображения Sentinel-2) на платформе Google Earth Engine. Исследование было проведено на побережье Нячанга с использованием космических и наземных данных, собранных в апреле 2019 года. Предложенный метод позволил получить точную карту глубины в прибрежном морском районе с коэффициентом корреляции (R2), равным 0.933, и среднеквадратической ошибкой (RMSE), равной 0.74 метра. Этот автоматизированный, эффективный и надежный метод может быть использован для создания карт глубины в морской зоне Вьетнама, особенно в береговых и островных районах. Кроме того, метод также поддерживает регулярный мониторинг глубин побережья, обновление морских карт и в целях морского транспорта.

Coastal depth maps provide important information for activities such as scientific research, environmental protection and maritime transport. The methods of constructing depth maps based on satellite data offer an alternative to traditional measurement methods using underwater and surface means, providing high spatial resolution and wide coverage. In this study, a method was developed for automatic depth determination based on data on the reflection of the sea surface (Sentinel-2 satellite images) on the Google Earth Engine platform. The study was conducted on the coast of Nha Trang using space and ground data collected in April 2019. The proposed method made it possible to obtain an accurate depth map in the coastal marine area with a correlation coefficient (R2) equal to 0.933 and a mean square error (RMSE) equal to 0.74 meters. This automated, efficient and reliable method can be used to create depth maps in the maritime zone of Vietnam, especially in coastal and island areas. In addition, the method also supports regular monitoring of the depths of the coast, updating of nautical charts and for maritime transport purposes.

научный сотрудник, Ханойский университет горного дела и геологии

научный сотрудник, Технический университет Ле Куи Дон

научный сотрудник, Технический университет Ле Куи Дон

Zhao J., Barnes B., Melo N., English D., Lapointe B., Muller-Karger F., Schaeffer B., Hu C. Assessment of Satellite-Derived Diffuse Attenuation Coefficients and Euphotic Depths in South Florida Coastal Waters. Remote Sens. Environ. 2013. 131. Рр. 38-50.

Traganos D., Poursanidis D., Aggarwal B., Chrysoulakis N., Reinartz P. Estimating Satellite-Derived Bathymetry (SDB) with the Google Earth Engine and Sentinel-2. Remote Sens. 2018. 10. 859.

Balsamo G., Dutra E., Stepanenko V.M., Viterbo P., Miranda P., Mironov D. Deriving an Effective Lake Depth from Satellite Lake Surface Temperature Data: A Feasibility Study with MODIS Data. ECMWF: Reading. UK. 2010.

Barale V., Jaquet J.-M., Ndiaye M. Algal Blooming Patterns and Anomalies in the Mediterranean Sea as Derived from the SeaWiFS Data Set (1998-2003). Remote Sens. Environ. 2008. 112. Рр. 3300-3313.

Tedesco M., Steiner N. In-Situ Multispectral and Bathymetric Measurements over a Supraglacial Lake in Western Greenland Using a Remotely Controlled Watercraft. Cryosphere 2011. 5. Рр. 445-452.

Dekker A.G., Phinn S.R., Anstee J., Bissett P., Brando V.E., Casey B., Fearns P., Hedley J., Klonowski W., Lee Z.P. Intercomparison of Shallow Water Bathymetry, Hydro-optics, and Benthos Mapping Techniques in Australian and Caribbean Coastal Environments. Limnol. Oceanogr. Methods. 2011. 9. Рр. 396-425.

Brando V.E., Anstee J.M., Wettle M., Dekker A.G., Phinn S.R., Roelfsema C. A Physics Based Retrieval and Quality Assessment of Bathymetry from Suboptimal Hyperspectral Data. Remote Sens. Environ. 2009. 113. Рр. 755-770.

Kerr J.M., Purkis S. An Algorithm for Optically-Deriving Water Depth from Multispectral Imagery in Coral Reef Landscapes in the Absence of Ground-Truth Data. Remote Sens. Environ. 2018. 210. Рр. 307-324.

Li J., Yu Q., Tian Y.Q., Becker B.L., Siqueira P., Torbick N. Spatio-Temporal Variations of CDOM in Shallow Inland Waters from a Semi-Analytical Inversion of Landsat-8. Remote Sens. Environ. 2018. 218. Рр. 189-200.

Li J., Knapp D.E., Schill S.R., Roelfsema C., Phinn S., Silman M., Mascaro J., Asner G.P. Adaptive Bathymetry Estimation for Shallow Coastal Waters Using Planet Dove Satellites. Remote Sens. Environ. 2019. 232. 111302.

Vanhellemont Q. Daily Metre-Scale Mapping of Water Turbidity Using CubeSat Imagery. Opt. Express. 2019. 27. A1372-A1399.

Lee Z., Weidemann A., Arnone R. Combined Effect of Reduced Band Number and Increased Bandwidth on Shallow Water Remote Sensing: The Case of Worldview 2. IEEE Trans. Geosci. Remote Sens. 2013. 51. Рр. 2577-2586.

Li J., Knapp D.E., Lyons M., Roelfsema C., Phinn S., Schill S.R., Asner G.P. Automated Global Shallow Water Bathymetry Mapping Using Google Earth Engine. Remote Sens. 2021. 13. 1469.

Stumpf R.P., Holderied K., Sinclair M. Determination of Water Depth with High-resolution Satellite Imagery over Variable Bottom Types. Limnol. Oceanogr. 2003. 48. Рр. 547-556.