1. На главную
  2. Электронные версии
  3. Исследование Земли из Космоса
  4. № 2, 2020

Исследование Земли из Космоса, 2020, № 2, стр. 15-23

Разработка методики определения концентрации взвеси в поверхностных водах р. Дай (Вьетнам) по изображениям MSI Sentinel 2 с высоким пространственным разрешением

Ле Хунг Чинь a, *, В. Р. Заблоцкий b, Тхи Тху Нга Нгуен a

a Технический университет им. Ле Куй Дон
Ханой, Вьетнам

b Московский государственный университет геодезии и картографии
Москва, Россия

* E-mail: trinhlehung125@gmail.com

Поступила в редакцию 15.11.2019

Полный текст (PDF)

Аннотация

Концентрация взвешенных частиц в речной воде является важным параметром качества поверхностных вод. Многие исследования показали, что отражательная способность воды, полученная по данным дистанционного зондирования, тесно связана с концентрацией взвешенных в воде частиц. В работе представлены результаты определения концентрации взвеси в речной воде р. Дай (север Вьетнама) с использованием многозонального изображения MSI Sentinel 2 с пространственным разрешением 10 м. Величины коэффициентов яркости водной поверхности, рассчитанные на основе видимого и ближнего инфракрасного канала изображения MSI Sentinel 2, сравнивались с количеством взвеси, определенной в ходе анализа проб речной воды. В результате были построены регрессионные модели зависимости отражательной способности воды от содержания в ней взвешенных частиц. Среди всех моделей выбрано наиболее оптимальное линейное уравнение для проведения количественных оценок загрязненности поверхностных вод в данном речном бассейне. Полученные результаты могут быть использованы для мониторинга и оценки состояния речных вод в регионе с целью эффективного управления их качеством.

Ключевые слова: дистанционное зондирование земли, Sentinel 2, загрязнение воды, частицы взвеси, река Дай

ВВЕДЕНИЕ

Технологии дистанционного зондирования широко используются в мире для мониторинга и оценки качества поверхностной воды с высокой точностью, позволяя экономить время и деньги (Gholizadeh et al., 2016). В России первые публикации результатов о возможности изучения распространения взвесей по данным дистанционного зондирования появились в середине 1970-х и начале 1980-х гг. (Лабутина и др., 1976; Лабутина, Сафьянов, 1980). Первоначально, исследования были в основном направлены на изучении взаимосвязи между коэффициентами яркости, полученными на основе анализа спутниковых изображений с одной стороны и концентрацией взвеси и другими параметрами оценки качества воды с другой (Ritchie et al., 1976; Chen et al., 1992; Dekker et al., 1996).

Многие исследователи обнаружили линейную зависимость между спектральной отражательной способностью и такими параметрами качества поверхностных вод, как взвешенные частицы (TSS), хлорофилл-a (chlorophyll-a) (Ritchie et al., 1987; Ritchie et al., 1990; Chen et al., 1991; Moran et al., 1992). В исследованиях (He, 2008; Doxaran, 2007; Guzman et al., 2009), авторы использовали многозональные спутниковые изображения с различным пространственным разрешением (Landsat, Spot, MODIS) для определения концентрации взвешенных веществ в поверхностных водах. Исследования с использованием данных многозональных изображений для оценки качества воды проведены в прибрежном районе Вьетнама Quang Ninh – Hai Phong (Luong, 2014). Также исследовались поверхностные воды озера Чиан, южная часть Вьетнама (Чинь, Тарасов, 2016), озера West, г. Ханой (Nguyen et al., 2016) и вода Красной реки (Trinh et al., 2018; Pham et al., 2018). В исследовании (Лабутина, Тарасов, 2018) показана возможность построения по космическим снимкам карт распространения взвеси в южной части оз. Байкал, позволившие оценить распределение твердого стока по протокам дельты Селенги в зависимости от времени и фазы водного режима.

Программа Европейского Космического Агентства Copernicus (ESA) Sentinel 2 включает два космических аппарата наблюдения Земли (Sentinel 2A и Sentinel 2B), позволяющие получать изображения в 13 спектральных каналах диапазона 0.443–2190 мкм (Pahlevan et al., 2017). В табл. 1 показаны спектральные и пространственные характеристики многозонального изображения, получаемого аппаратурой MultiSpectral Instrument (MSI), установленной на спутнике Sentinel 2. Система Sentinel 2 обеспечивает 5 – дневный период обновления информации, которая бесплатно предоставляется заинтересованным пользователям.

Таблица 1.  

Характеристики многозонального изображения аппаратуры MSI

Канал Спектральный диапазон, µм Пространственное разрешение, м
1 0.421–0.457 60
2 0.439–0.535 10
3 0.537–0.582 10
4 0.646–0.685 10
5 0.694–0.714 20
6 0.731–0.749 20
7 0.768–0.796 20
8 0.767–0.908 10
8a 0.848–0.881 20
9 0.931–0.958 60
10 1.338–1.414 60
11 1.539–1.681 20
12 2.072–2.312 20

Космические датчики системы Sentinel 2 применялись в исследованиях Liu et al. (2017), Caballero et al. (2018), Elhag et al. (2019), Ghirardi et al. (2019) для определения концентрации взвешенных веществ в поверхностных водах. В отмеченных выше работах показано, что изображения MSI Sentinel 2 являются весьма ценным ресурсом для исследования и мониторинга окружающей среды, включая оценку качества поверхностных вод.

ИСХОДНЫЕ ДАННЫЕ И МЕТОДЫ

Исходные данные

Река Дай (Day river) расположена в юго-западной части дельты Красной реки и является одной из крупных рек в северном Вьетнаме. Ее длина составляет около 240 км, и она несет свои воды через 5 провинций с административными центрами Ханой (Hanoi), Хоабинь (Hoa Binh), Ханам (Ha Nam), Ниньбинь (Ninh Binh) и Намдинь (Nam Dinh). Площадь бассейна реки составляет 5800 км2. Ширина реки меняется от 40 м в самой ее узкой части в районе г. Ханой до 875 м в самой широкой части, вблизи устья. Средняя глубина реки составляет 7 м. Начиная с 2000 г., постоянно наблюдается увеличивающееся загрязнение поверхностных вод р. Дай вследствии строительства производственных предприятий и усиливающейся добычи природных ресурсов на окружающей территории. Исследование и применение современных технологий мониторинга для оценки качества поверхностных вод данной территории является важным практическим вопросом, решение которого обеспечит своевременной информаций органы местного управления и позволит реализовать концепцию устойчивого использования поверхностных водных ресурсов.

В качестве исходных данных было выбрано многозональное изображение MSI Sentinel 2A (код S2A_MSIL1C_20180409T032541_N0206_R018_T48QXH 20180409T070457), полученное 9 апреля 2018 года (рис. 1). Данное изображение было обработано с целью проведения геометрической и радиационной коррекции. В работе использованы снимки в видимом и ближнем инфракрасном диапазонах спектра (0.439–0.535; 0.537–0.582; 0.646–0.685; 0.767–0.908 мкм).

Рис. 1.

Местоположение исследуемой территории и точек отбора проб воды.

Наземные данные были получены в ходе полевых работ научно-исследовательской экспедиции 9 апреля 2018 г. на нескольких участках, расположенных вдоль русла реки. Пробы воды отбирались в средней части реки на глубине 0–25 см с помощью горизонтального пробоотборника Van Dorn Sampler объемом 4 литра. Координаты точек отбора проб определялись с помощью прибора-навигатора GPS. Пробы воды помещались в контейнер с температурой 4°С и сразу же передавались в лабораторию для анализа. Отбор проб был выполнен в 35 точках (рис. 1). Определение концентрации взвеси в воде проводилось методом фильтрации воды (табл. 2) и определения сухого остатка.

Таблица 2.  

Местоположение участков отбора проб воды и концентрация взвешенных частиц (мг/л)

№
точки 		Координаты Концентрации TSS (мг/л)
широта долгота
1 20°34′26.0″ с.ш. 105°52′11.0″ в.д. 24
2 20°34′19.0″ с.ш. 105°53′23.0″ в.д. 26
3 20°33′14.0″ с.ш. 105°53′41.0″ в.д. 22
4 20°32′36.6″ с.ш. 105°54′29.1″ в.д. 27
5 20°32′33.9″ с.ш. 105°54′31.8″ в.д. 28
6 20°32′34.3″ с.ш. 105°54′35.9″ в.д. 28
7 20°32′36.8″ с.ш. 105°54′37.5″ в.д. 28
8 20°31′46.3″ с.ш. 105°54′44.9″ в.д. 26
9 20°30′44.0″ с.ш. 105°54′24.0″ в.д. 25
10 20°29′41.3″ с.ш. 105°53′37.1″ в.д. 25
11 20°28′37.5″ с.ш. 105°53′23.2″ в.д. 28
12 20°24′27.0″ с.ш. 105°54′26.0″ в.д. 28
13 20°22′27.5″ с.ш. 105°54′57.3″ в.д. 26
14 20°21′17.4″ с.ш. 105°57′10.9″ в.д. 24
15 20°19′41.7″ с.ш. 105°56′08.4″ в.д. 24
16 20°19′37.7″ с.ш. 105°56′10.0″ в.д. 29
17 20°18′38.2″ с.ш. 105°58′05.7″ в.д. 30
18 20°15′47.0″ с.ш. 105°58′52.0″ в.д. 31
19 20°15′43.8″ с.ш. 105°58′59.0″ в.д. 29
20 20°15′06.4″ с.ш. 106°01′59.1″ в.д. 30
21 20°15′07.2″ с.ш. 106°02′48.6″ в.д. 30
22 20°13′27.4′″ с.ш. 106°02′12.0″ в.д. 33
23 20°15′18.0″ с.ш. 106°05′27.0″ в.д. 35
24 20°15′02.0″ с.ш. 106°05′55.0″ в.д. 36
25 20°15′02.6″ с.ш. 106°05′51.4″ в.д. 36
26 20°12′60.0″ с.ш. 106°06′31.0″ в.д. 33
27 20°12′08.7′′ с.ш. 106°09′34.8″ в.д. 32
28 20°07′23.0″ с.ш. 106°09′44.0″ в.д. 33
29 20°07′21.0″ с.ш. 106°09′38.0″ в.д. 35
30 20°05′45.0″ с.ш. 106°08′43.0″ в.д. 35
31 20°03′22.0″ с.ш. 106°07′53.0″ в.д. 40
32 20°02′59.5″ с.ш. 106°07′00.5″ в.д. 36
33 20°03′01.3″ с.ш. 106°06′58.7″ в.д. 36
34 20°00′21.1″ с.ш. 106°06′27.4″ в.д. 37
35 19°58′56.8″ с.ш. 106°05′54.4″ в.д. 36

Методы

Изображение MSI Sentinel 2 (https://earthexplorer.usgs.gov/) предварительно обрабатывалось для устранения радиометрических и геометрических погрешностей. Исходные значения пикселов изображения преобразовывались в значения коэффициентов яркости с помощью программного обеспечения SNAP Desktop. Атмосферная коррекция проводилась с использованием модуля Sen2Cor классическим методом DOS (Dark object subtraction) (Chavez, 1988; Chavez, 1996) на основе вычитания из значений яркости пикселов изображения яркости пиксела самого темного объекта на изображении.

Метод линейной регрессии (Ritchie et al., 1987; Ritchie et al., 1990) применялся для определения связи между количеством взвешенных частиц, полученным в полевых наблюдениях и коэффициентами яркости, рассчитанными на основе многозональной съемки Sentinel 2. Коэффициенты линейной регрессии вычислялись из спектральной отражательной способности в синем (канал 2), зеленом (канал 3), красном (канал 4) и ближнем инфракрасном каналах (канал 8) изображения MSI Sentinel 2 и значений TSS (Total Suspended Solids) в пробах воды. В работе были получены уравнения регрессии на основе только одного, двух, трех и всех четырех каналов (2, 3, 4, 8) изображения MSI Sentinel 2. Из полученных уравнений с помощью R2 выбрана оптимальная функция регрессии для определения концентрации взвеси. Блок-схема методики определения концентрации взвешенных веществ в поверхностных водах по спутниковому снимку Sentinel 2 показана на рис. 2.

Рис. 2.

Блок-схема методики определения концентрации взвешенных веществ в поверхностных водах по данным многозональной съемки Sentinel 2.

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

Рассмотрим уравнения регрессии, полученные по данным Sentinel 2 на объект исследования – поверхностные воды р. Дай. Для построения уравнений регрессии были использованы данные о концентрации взвеси в пробах с 28 участков реки, оставшиеся 7 участков, использовались для оценки точности полученной модели регрессии. Уравнения линейной регрессии, рассчитанные для разного набора каналов, представлены в табл. 3.

Таблица 3.  

Уравнения линейной связи между концентрацией взвеси и значением спектральной яркости поверхности воды

№ Спектральные каналы Уравнения регрессии R2
1 B2 351.4В2 – 14.0 0.31
2 B3 254.4В3 + 0.1 0.42
3 B4 149.4В4 + 14.3 0.39
4 B8 –59.3В8 + 34.2 0.02
5 B2, B3 –714.0В2 + 685.7В3 + 39.0 0.50
6 B2, B4 –57.2В2 + 171.4В4 + 19.2 0.35
7 B2, B8 665.6В2 – 355.6В8 – 31.3 0.69
8 B3, B4 468.8В3 – 142.6В4 – 10.0 0.44
9 B3, B8 –250.1В3 + 357.5В8 + 3.6 0.66
10 B4, B8 240.6В4 – 293.2В8 + 22.9 0.65
11 B2, B3, B4 –666.2В2 + 747.3В3 + 60.2В4 + 32.1 0.50
12 B2, B3, B8 730.6В2 – 36.4В3 – 365.0В8 – 34.4 0.69
13 B2, B4, B8 530.6В2 + 53.7В4 – 347.7В8 – 20.6 0.70
14 B3, B4, B8 235.2В3 + 86.5В4 – 269.0В8 + 10.0 0.67
15 B2, B3, B4, B8 741.5В2 – 180.3В3 + 96.2В4 – 384.3В8 – 21.1 0.82

Полученные результаты показали, что коэффициент детерминации (R 2) достигает наивысшего значения (R2 = 0.82) в функции линейной регрессии при использовании всех 4 каналов (2, 3, 4, 8) изображения Sentinel 2. Таким образом, наилучшее уравнение для расчета концентрации взвешенных веществ в поверхностных водах р. Дай следующее:

(1)
$\begin{gathered} ~TSS\left( {{\text{мг/л}}} \right) = {\text{741}}{\text{.5}}{{В}_{2}}--{\text{18}}0.{\text{3}}{{В}_{3}} + \\ + \,\,{\text{96}}{\text{.2}}{{В}_{4}}--{\text{384}}{\text{.3}}{{В}_{8}}--{\text{21}}{\text{.1,}} \\ \end{gathered} $
где B2, B3, B4, B8 – значения спектральной яркости в каналах 2, 3, 4 и 8 изображений Sentinel 2.

Сравнение рассчитанных (согласно формуле (1)) концентраций взвеси и определенных по данным наземных 7 контрольных участков представлены в табл. 4. Можно видеть, что для всех контрольных участков, погрешность в определении концентрации взвеси по спутниковому снимку Sentinel 2 и результатам наземных наблюдений не слишком велика. Данная погрешность варьирует от 3.7 до 8.5%. Полученные результаты указывают на возможность определения взвешенного вещества в речной воде с достаточно высокой точностью на основе многозонального изображения MSI Sentinel 2.

Таблица 4.  

Содержание взвеси, определенной по данным Sentinel 2 и данным наземных наблюдений

№ Координаты Концентрации TSS, мг/л Погрешность, мг/л
определение по данным ДЗ полевые результаты
широта долгота
3 20°33′14.0″ с.ш. 105°53′41.0″ в.д. 23.9 22 1.9
8 20°31′46.3″ с.ш. 105°54′44.9″ в.д. 25.0 26 –1.0
15 20°19′41.7″ с.ш. 105°56′08.4″ в.д. 26.0 24 2.0
20 20°15′06.4″ с.ш. 106°01′59.1″ в.д. 30.9 30 0.9
28 20°07′23.0″ с.ш. 106°09′44.0″ в.д. 31.4 33 –1.6
31 20°03′22.0″ с.ш. 106°07′53.0″ в.д. 42.1 40 2.1
35 19°58′56.8″ с.ш. 106°05′54.4″ в.д. 39.1 36 3.1

Распределение количества взвеси в поверхностных водах р. Дай, рассчитанное по данным Sentinel 2, показано на рис. 3. Можно видеть, что концентрация взвеси в воде изменяется от 9.2 до 68.3 мг/л, причем взвешенных веществ немного в верховьях р. Дай. Концентрация взвеси в поверхностных водах р. Дай достигает высоких уровней на участке впадения в неe притока Намдинь, и имеет тенденцию к некоторому уменьшению вниз по течению, а затем количество взвеси резко увеличивается в низовьях реки и при впадении еe в море.

Рис. 3.

Карта распределения концентрации взвешенных веществ в поверхностных водах р. Дай, полученная по данным Sentinel 2.

Качество воды р. Дай по национальному техническому стандарту качества (Vietnam Ministry of Natural Resources and Environment, 2015) в значительной степени соотвествует показателям от A2 (для целей водоснабжения, но с использованием соответствующих технологий обработки) до B1 (для полива, орошения или других целей с аналогичными требованиями к обработке воды).

ЗАКЛЮЧЕНИЕ

Спутниковые изображения MSI Sentinel 2 обладают весьма ценными характеристиками, среди которых необходимо отметить широкий спектральный диапазон, небольшое время для повторного получения изображений на одну и туже территорию, высокое пространственное разрешение и бесплатное предоставление пользователям. Это позволяет использовать данные Sentinel 2 для мониторинга речных бассейнов и оценивать содержание взвешенных веществ в поверхностных водах с целью эффективного управления водными ресурсами. Точность определения содержания взвеси в поверхностных водах р. Дай по данным спутниковых снимков Sentinel 2 достаточно высокая. Коэффициент детерминации в уравнениях регрессии R2 достигает значения 0.82, погрешности оценки взвеси в воде по космическим данным не превышали 3.1 мг/л.

Анализ полученных результатов показал, что вода р. Дай в провинциях Ханам, Намдинь и Ниньнинь имеет не высокое содержание взвеси (согласно классификации QCVN08-MT:2015/BTNMT от A2 до B1). Содержание взвешенных веществ в речной воде увеличивается вниз по течению реки и достигает максимума в устье реки. Высокие концентрации взвеси встречаются в местах впадения в р. Дай других более мелких рек, например р. Бой и р. Намдинь.

Методика, разработанная в данном исследовании, может быть полезной руководителям на разных уровнях управления, экологам и другим специалистам для своевременного выполнения профилактических мероприятий с целью уменьшения загрязнения поверхностных вод речных бассейнов.

Список литературы

  1. Лабутина И.А., Сафьянов Г.А., Шарлай Т.Г. Исследование распространения взвесей в море по многозональным снимкам // ДАН. 1976. Т. 230. № 2. С. 536–538.

  2. Лабутина И.А., Сафьянов Г.А. Исследования распространения твердого стока рек по аэрокосмическим снимкам на примере Кодора и Селенги // Космическая съемка и тематическое картографирование. М.: Изд-во Моск. ун-та, 1980. С. 118–125.

  3. Лабутина И.А., Тарасов М.К. Изучение распространения твердого стока реки Селенги по космическим снимкам // География и природные ресурсы. 2018. № 1. С. 66–72.

  4. Чинь Л., Тарасов М.К. Методика определения концентрации взвеси в поверхностных водах водохранилища Чи Ан (Вьетнам) по данным дистанционного зондирования // Вестник Московского университета. 2016. Серия 5. География. Т. 2. С. 38–43.

  5. Caballero I., Steinmetz F., Navarro G. Evaluation of the first year of operational Sentinel-2A data for retrieval of suspended solids in medium- to high-turbidity waters // Remote Sensing. 2018. V. 10. 982. P. 3–23.

  6. Chavez P.S. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data // Rem. Sens. Env. 1988. V. 24. P. 459–479.

  7. Chavez P.S. Image-based atmospheric corrections – revisited and improved // Photogrammetric Engineering and Remote Sensing. 1996. V. 62(9). P. 1025–1036.

  8. Chen Z., Hanson J.D., Curran P.J. The form of the relationship between suspended sediment concentration and spectral reflectance: its implications for the use of Daedalus 1268 data // Int. J. Rem. Sens. 1991. V. 12(1). P. 215–222.

  9. Chen Z., Curran P.J., Hansom J.D. Derivative reflectance spectroscopy to estimate suspended sediment concentration // Rem. Sens. Env. 1992. V. 40(1). P. 67–77.

  10. Dekker A., Zamurovic-Nenad Z., Hoogenboom H., Peter S. Remote sensing, ecological water quality modelling and in situ measurements: A case study in shallow lakes // Hydrologycal Science J. 1996. V. 41. P. 531–547.

  11. Doxaran D., Jean – Marie Froidefond, Samantha Lavender, Patrice Castaing. Spectral signature of highly turbid waters application with SPOT data to quantify suspended particulate matter concentrations // Rem. Sens. Env., 2007. V. 81. P. 149–161.

  12. Elhag M., Gita I., Othman A., Bahrawi J., Gikas P. Assessment of water quality parameters using temporal remote sensing spectral reflectance in arid environments Saudi Arabia // Water. 2019. V. 11. 556. P. 2–14.

  13. Ghirardi N., Bolpagni R., Bresciani M., Valerio G., Pilotti M., Giardino C. Spatiotemporal dynamics of submerged aquatic vegetation in a deep lake from Sentinel-2 data // Water. 2019. V. 11. P. 563.

  14. Gholizadeh M.H., Melesse A.M., Reddi L. A comprehensive review on water quality parameters estimation using remote sensing techniques // Sensors. 2016. V. 16. P. 2–43.

  15. Guzman V.R., Santaella F.G. Using MODIS 250 m Imagery to Estimate Total suspended sediment in a Tropical open bay, Int. J. of Systems Applications, Engineering & Development. 2009. Issue 1. V. 3. P. 36–44.

  16. He W. Water quality monitoring in slightly – polluted body through remote sensing – a case study in Guanting Reservoir Beijing, China // Front. Environ. Sci. Engin, 2008. V. 1. P. 11.

  17. Liu H., Li Q., Shi T., Hu S., Wu G., Zhou Q. Application of Sentinel 2 MSI images to retrieve suspended particulate matter concentrations in Poyang Lake // Remote Sensing, 2017. 9. P. 761.

  18. Mobley C. Estimation of the remote-sensing reflectance from above-surface measurements // Applied Optical 1999. V. 38. P. 7442–7455.

  19. Moran M.S. Evaluation of simplified procedures for retrieval of land surface reflectance factors from satellite sensor output // Rem. Sens. Env. 1992. V. 41. P. 169–184.

  20. Nguyen T.T.H., Bui D.C., Nguyen T.P.T., Bui T.N. First experience in modeling spatial distribution of Chlorophyll-a concentration and TSI in the West Lake water using Sentinel-2A Image // Vietnam National University J. Science. 2016. V. 32 (2S). P. 123–132.

  21. Ritchie J.C., Schiebe F.R., McHenry J.R. Remote sensing of suspended sediments in surface waters // J. Am. Soc. of Ph. 1976. V. 42. P. 1539–1545.

  22. Ritchie J.C., Cooper C.M., Yongqing J. Using Landsat multispectral scanner data to estimate suspended sediments in Moon Lake, Mississippi // Rem. Sens. Env. 1987. V. 23. P. 65–81.

  23. Ritchie J.C., Cooper C.M., Schiebe F.R. The relationship of MSS and TM digital data with suspended sediments, chlorophyll, and temperature in Moon Lake, Mississippi // Rem. Sens. Env. 1990. V. 33. P. 137–148.

  24. Pham Q.V., Nguyen T.T.H., Pahlevan N., Le T.O., Nguyen T.B., Nguyen N.T. Using Landsat-8 Images for Quantifying Suspended Sediment Concentration in Red River (Northern Vietnam). Remote Sensing. 2018. V. 10(11). P. 2–12.

  25. Pahlevan N., Sarkar S., Franz B.A., Balasubramanian S.V., He J. Sentinel-2 MultiSpectral Instrument (MSI) data processing for aquatic science applications: Demonstrations and validations // Remote Sensing of Environment. 2017. V. 201. P. 47–56.

  26. Trinh Le Hung, Zablotskii V., Le Thi Giang, Dinh Thi Thu Hien, Le Thi Trinh, Trinh Thi Tham, Nguyen Thi Thu Nga. Estimation of suspended sediment concentration using VNREDSat – 1A multispectral data, a case study in Red River, Hanoi, Vietnam // Geography, Environment, Sustainability. 2018. V. 11(3). P. 49–60.

  27. Vietnam Ministry of Natural Resources and Environment, National technical regulation on surface water quality QCVN08-MT:2015/BTNMT. 2015.

Дополнительные материалы отсутствуют.

Инструменты

следующая статья выпуска предыдущая статья выпуска содержание выпуска

Исследование Земли из Космоса

Архивы выпусков Информация о журнале Отправить рукопись в журнал