Гибридный эмпирический и полуаналитический метод инверсии для дистанционной оценки ВВВ в озере Эбинур, Китай

Почему эти пыльные пустынные озёра важны

Озеро Эбинур на крайнем северо‑западе Китая — мелкое солёное озеро, окружённое пустыней. Воды озера густы взвешенными частицами ила и солей. Эти частицы формируют среду обитания для морских рачков, которых извлекают как ценное «мягкое золото», засоряют оросительные системы и, когда дно озера высыхает, поднимаются в воздух в виде пыли, влияя на близлежащие населённые пункты. Но отслеживать изменения этих частиц на протяжении лет сложно в столь удалённом регионе с ограниченными данными. В работе показано, как сочетание разных спутниковых сенсоров и моделирующих подходов позволяет надёжно контролировать взвешенные вещества (ВВВ) более чем за десятилетие в озере Эбинур и в соседнем похожем по условиям озере.

Облака частиц над усыхающим озером

Озеро Эбинур — классический пример того, как климатические изменения и антропогенное давление трансформируют пустынные озёра. Осадков мало, испарение интенсивное, а сильные ветры продувают мелкую толщу воды примерно два месяца в году. Эти ветры поднимают донные отложения в воду, увеличивая ВВВ, а затем высохшие материалы дна переносятся ветром в виде обширных соляно‑пыльных бурь. Одновременно площадь озера сокращается, обнажая больше голого осадка. Это угрожает хрупким водно‑болотным экосистемам и местной экономике, связанной с добычей морских рачков, которым требуется определённая прозрачность воды для нормального развития. Поэтому менеджерам нужны долгосрочные карты ВВВ, показывающие, как мутность меняется по площади озера и во времени — то, что спутники могут давать последовательно.

Чтение цвета озера из космоса

Спутники, такие как Landsat и Sentinel‑2, регулярно снимают озеро Эбинур в видимом и ближнем инфракрасном диапазоне. В работе сначала измеряли, как необычно солёная и мутная вода Эбинура поглощает свет на разных длинах волн, разделяя вклад взвешенных частиц и растворённых органических веществ. Авторы обнаружили, что около 695 нанометров, в глубокой красной области спектра, поглощение воды близко к поглощению чистой воды, а ВВВ создаёт сильную характеристику в соседних красных каналах. Это наблюдение помогает закрепить «полуаналитические» модели, которые связывают то, что видит спутник (отражённый свет), с физическими свойствами, такими как способность частиц поглощать и рассеивать свет, что, в свою очередь, связано с концентрацией ВВВ.

Смешение физического понимания и моделей, основанных на данных

Команда сравнила два семейства моделей. Полуаналитические модели, такие как квазианалитический алгоритм (QAA), используют знания оптики воды для вывода ВВВ из спутникового отражения. Эмпирические модели — включая простые экспоненциальные регрессии и несколько методов машинного обучения — учат прямую зависимость между отражённостью и измеренной на местах концентрацией ВВВ. Используя 227 образцов воды, собранных в период с 2011 по 2021 год, авторы калибровали и тестировали эти модели на снимках Landsat 8 и Sentinel‑2 озера Эбинур, а затем проверяли переносимость моделей на озеро Бостен — более прозрачное, с более низким содержанием ВВВ, в том же регионе. Также применяли метод фьюжна ESTARFM для объединения данных Landsat и MODIS, заполняя пробелы во временном ряду и сохраняя согласованность отражённости в красном диапазоне.

Выбор правильного инструмента для каждого сенсора

Результаты показывают, что не существует универсальной модели, лучшей во всех ситуациях. Для типично высоких уровней ВВВ в озере Эбинур полуаналитические модели явно превзошли большинство эмпирических и методов машинного обучения, обеспечив стабильные карты, соответствующие пространственным паттернам на спутниковых изображениях, и показав хорошее согласование с измерениями в воде. Вариант QAA, настроенный на красный канал (около 655–665 нм), особенно хорошо работал для Landsat 8 и Sentinel‑2, тогда как тщательно подобранная экспоненциальная регрессия (EXPM) оказалась более подходящей для старых сенсоров Landsat 5/7 и для объединённых изображений. Эмпирические модели, обученные на данных Эбинура, в значительной степени не сработали при применении к более прозрачному озеру Бостен, часто давая нереалистичные, «кубистые» узоры, где многие соседние пиксели имели одинаковые значения — свидетельство того, что модели, обученные только на сильно мутной воде, не обобщаются на условия с низким содержанием ВВВ.

От локального кейса к более широким рекомендациям

Анализируя взаимодействие воды озера Эбинур со светом, гармонизируя измерения с разных спутников и систематически тестируя физические и обучаемые на данных модели, авторы предлагают практическую схему для долгосрочного мониторинга ВВВ в суровых регионах с дефицитом данных. Используйте физически направленный подход QAA с современными спутниками там, где это возможно; прибегайте к надёжным эмпирическим моделям для старых или объединённых наборов данных; и избегайте прямого переноса моделей машинного обучения с очень мутных вод на прозрачные. Для местных сообществ и экологических менеджеров это означает более надёжные карты того, когда и где озёра зарастают частицами, что способствует лучшей защите водных местообитаний, более эффективному использованию водных ресурсов и раннему предупреждению о рисках пылевых бурь в засушливых регионах по всему миру.

Цитирование: Liu, C., Xu, X., Wu, Y. et al. A hybrid empirical and semi analytical inversion approach for remote sensing estimation of SPM in Ebinur Lake China. Sci Rep 16, 10273 (2026). https://doi.org/10.1038/s41598-026-40250-x

Ключевые слова: взвешенные частицы, дистанционное зондирование, пустынные озёра, Landsat Sentinel, мониторинг качества воды