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

Исследование Земли из Космоса, 2020, № 2, стр. 56-68

Высокопроизводительная регистрация пространственных спектров морского волнения при оперативном космическом мониторинге обширных акваторий

В. Е. Воробьев a, *, А. Б. Мурынин a, К. С. Хачатрян a

a Научно-исследовательский институт аэрокосмического мониторинга “АЭРОКОСМОС”
Москва, Россия

* E-mail: office@aerocosmos.info

Поступила в редакцию 18.02.2020

Полный текст (PDF)

Аннотация

Описаны высокопроизводительные методы регистрации спектров морской поверхности по космическим изображениям для решения задач оперативной океанографии. Разработаны алгоритмы и исследовательское программное обеспечение, реализующие методы оперативного восстановления характеристик морской поверхности по космическим изображениям. Проведено тестирование разработанных алгоритмов и получены оценки их производительности на экспериментальных данных. Разработанное исследовательское программное обеспечение предназначено для работы с применением многоядерных процессоров. В результате численных экспериментов установлено, что программное обеспечение выполняет восстановление спектров уклонов и возвышений морской поверхности с применением разработанных высокопроизводительных методов с погрешностью не более 1%. Проведенные вычислительные эксперименты продемонстрировали значительное увеличение производительности регистрации спектров уклонов и возвышений морской поверхности по спектрам космических изображений за счет распараллеливания вычислений – в 5 раз при использовании только центрального процессора стандартного настольного компьютера и более чем в 12 раз при использовании графического процессора с технологией CUDA. Приведены примеры применения разработанных алгоритмов при мониторинге обширных акваторий Черного моря и Тихого океана.

Ключевые слова: дистанционное зондирование, космический мониторинг, взволнованная морская поверхность, спектры волнения, космические изображения, высокопроизводительная обработка, параллельные вычисления

ВВЕДЕНИЕ

Методы дистанционного зондирования широко применяются для исследования различных процессов и явлений, происходящих в морях и океанах (Бондур, 2004, 2010; Бондур и др., 2006б, 2008а, 2010, 2012, 2017б; Бондур, Зубков, 2005; Бондур, Шарков, 1982, 1986 Bondur, Zamshin, 2018), а также для мониторинга загрязнений морских акваторий и выявления нефтегазопроявлений на них (Бондур, 2010; Бондур и др., 2006б, 2012, 2017а; Ивонин, Иванов, 2017; Bondur, 2005, 2011). Эффективность таких методов существенно повышается при сочетании с непосредственными подспутниковыми измерениями различных параметров водной среды (Бондур и др., 2007, 2008б, 2009, 2013, 2017; Keeler et al., 2004; Bondur, 2005, 2011; Bondur, Tsidilina, 2005), а также с использованием методов математического и физического моделирования (Бондур и др., 2006а, 2009, 2018; Bondur, 2005, 2011)

Одним из путей решения многих актуальных фундаментальных и прикладных задач современной океанологии, является регистрация спектров морского волнения (Филлипс, 1980; Бондур, 2004; Бондур, Замшина, 2008; Toba J., 1973; Bondur, 2005, 2011). Получение информации о таких спектрах важно для исследования различных физических процессов, происходящих на поверхности и в приповерхностном слое морей и океанов, а также для оперативного мониторинга загрязнений водной среды, в том числе вызванных антропогенными воздействиями и нефтегазопроявлениями (Бондур, 2004, 2010; Ивонин, Иванов, 2017; Bondur, 2005, 2011; Bondur, Zamshin, 2018). Для получения двумерных спектров поверхностного волнения на больших площадях, целесообразно получение и обработка космических изображений высокого пространственного разрешения, а также изображений, получаемых с воздушных носителей (Бондур, 2004, 2010, 2014; Бондур, Старченков, 2001; Бондур, Замшина, 2008; Bondur, 2005,2011).

Адекватная оценка спектров поверхностного волнения, формируемыхпутем обработки изображений, получаемых в процессе аэрокосмического мониторинга акваторий морей и океанов, требует использования специальных восстанавливающих операторов, позволяющих преобразовать поля яркости, регистрируемые оптическими данными, в спектры углов и возвышений морских волн (Бондур, 2004; Бондур, Мурынин, 1991, 2015; Бондур и др., 2016а, б; Yurovskaya et al., 2013). Эти операторы строятся с использованием методов численного моделирования на основе учета различных условий формирования аэрокосмических изображений и характеристик аппаратуры дистанционного зондирования (Бондур, 2000а, б; Бондур, Савин, 1995; Бондур, Мурынин, 1991, 2015; Бондур и др., 2003, 2016а, б; Мурынин, 1990, 1991).

При оперативном дистанционном мониторинге обширных акваторий для получения двумерных спектров волнения необходима разработка высокопроизводительных методов и алгоритмов обработки больших объемов данных. Такие методы и алгоритмы должны разрабатываться на основе выполнения процедур восстановления спектров уклонов и возвышений морской поверхности с применением нелинейных восстанавливающих операторов с использованием параллельных вычислений (Воеводин, Воеводин, 2002; CUDA, 2019; The open MP, 2019).

В настоящей работе разрабатываются высокопроизводительные автоматизированные методы и алгоритмы регистрации спектров морского волнения по космическим изображениям высокого пространственного разрешения для решения задач оперативной океанографии, в интересах охраны окружающей среды и рационального природопользования акваторий морей и океанов, которые могут применяться, в том числе, в многоспутниковых систем космического мониторинга. Приводятся результаты применения предложенных автоматизированных методов и алгоритмов обработки при провидении космического мониторинга в различных акваториях.

БАЗОВЫЙ МЕТОД ВОССТАНОВЛЕНИЯ ПРОСТРАНСТВЕННЫХ СПЕКТРОВ МОРСКОГО ВОЛНЕНИЯ ПО КОСМИЧЕСКИМ ДАННЫМ

В качестве базового метода для разработки высокопроизводительных методов и алгоритмов регистрации спектров морского волнения по фрагментам космических изображений для решения задач оперативной океанографии используется метод восстановления спектров морской поверхности, учитывающий нелинейный характер формирования поля яркости морской поверхности (Бондур, 2004; Бондур, Мурынин, 2015, 1991; Бондур и др., 2016а, б; Мурынин, 1990, 1991). Этот нелинейный метод, не требующий соблюдения ограничений по выбору условий получения фрагментов изображений, использован в настоящей работе для разработки высокопроизводительных методов и алгоритмов оперативной регистрации спектров морского волнения по космическим изображениям высокого пространственного разрешения.

Поскольку связь полей уклонов и высот морской поверхности, а также их спектров с полями яркости имеют вид, сложный для аналитического решения задачи, то целесообразно использовать прямое численное моделирование изображений морской поверхности и расчет возникающих искажений спектров волнения (Бондур, 2000а, б; Бондур, Мурынин 2015, 1991).

Для получения восстанавливающих операторов численным методом выполняется следующая последовательность операций:

– синтезируются двумерные случайные поля уклонов морской поверхности ${{\xi }_{\alpha }}(x,y),{\text{ }}\alpha = x,y$ при заданных спектрах возвышений $G(k)$;

– рассчитывается поле яркости $B(x,y)$ для заданных условий освещения и визирования с учетом различных физических процессов, участвующих в его формировании;

– поле яркости $B(x,y)$ пересчитывается в сигнал модельного изображения ${{b}_{m}}(x,y)$ с учетом заданных характеристик регистрирующей аппаратуры и слоя атмосферы между поверхностью и приемником (Бондур, 2000а, б).

Оператор R определяется путем сопоставления спектров модельного оптического изображения ${{S}_{m}}(k)$ со спектрами уклонов, связанных со спектрами возвышений $G(k)$ (Бондур, 2004)

(1)
${{\Phi }_{m}}(k) = {{(\cos {{\varphi }_{c}}{{k}_{x}} + \sin {{\varphi }_{c}}{{k}_{y}})}^{2}}G(k)$
соответствующими направлению ${{\varphi }_{c}}$, определяемому заданными условиями освещения и визирования, например, в виде пространственно-частотного фильтра (Мурынин, 1990, 1991)

(2)
$R(k) = {{{{\Phi }_{m}}(k)} \mathord{\left/ {\vphantom {{{{\Phi }_{m}}(k)} {{{S}_{m}}(k)}}} \right. \kern-0em} {{{S}_{m}}(k)}}.$

При таком определении восстанавливающего оператора получение спектров уклонов морского волнения сводится к применению к спектрам фрагментов космического изображения пространственно-частотных фильтров $R(k)$, представляющих собой передаточные функции, которые характеризует представление различных волновых компонент в пространственных спектрах изображений.

При численном моделировании изображений морской поверхности должны задаваться параметры, определяющие условия формирования этих изображений, и, следовательно, в той или иной мере влияющие на вид восстанавливающего оператора $R(\vec {k})$ (Бондур, 2000а, б; Бондур, Савин, 1995; Бондур и др., 2003). При обработке реальных космических изображений морской поверхности эти параметры берутся непосредственно из условий проведения съемки.

Наиболее очевидный способ получения восстанавливающего оператора с характеристиками, соответствующими реальным условиям получения и обработки экспериментальной информации, состоит в непосредственном моделировании по описанной методике. Однако, поскольку получение модельных оптических изображений морской поверхности является довольно трудоемкой процедурой, то такой способ получения оператора $R(\vec {k})$ целесообразен лишь при обработке одиночных изображений морской поверхности или их фрагментов. Его сложно использовать для анализа больших потоков космической информации с изменяющимися условиями формирования изображений.

В этом случае предпочтительнее другой подход к определению восстанавливающего оператора ${\mathbf{R}}({\mathbf{k}})$. Он предполагает выполнение предварительного численного моделирования изображений морской поверхности при различных комбинациях параметров, объединенных в многомерный вектор наборе условий ${{{\mathbf{W}}}_{R}}$ (Бондур, 2000а, б). При каждом конкретном условии ${{{\mathbf{W}}}_{R}}$ восстанавливающий оператор ${\mathbf{R}}({\mathbf{k}})$ аппроксимируется аналитической формулой

(3)
${\mathbf{R}}({\mathbf{k}}) = {\mathbf{R}}({\mathbf{k}},{\mathbf{a}}),$
связанной с некоторым набором параметров, обозначенным многомерным вектором ${\mathbf{a}}$. В результате предварительного моделирования строится зависимость $a({{{\mathbf{W}}}_{R}})$.

В процессе обработки экспериментальной информации для каждого изображения (или его фрагмента) определяется ${{{\mathbf{W}}}_{R}}$, а затем рассчитывается вектор ${\mathbf{a}}({{{\mathbf{W}}}_{R}})$ и строится восстанавливающий в виде аналитической функции оператор ${\mathbf{R}}({\mathbf{k}},{\mathbf{a}})$.

Аналитическую аппроксимацию восстанавливающего оператора ${\mathbf{R}}({\mathbf{k}})$ в полярных координатах $(k,\varphi )$ можно представить, например, в виде функции (Бондур и др., 2016а, б):

(4)
$\begin{gathered} {\mathbf{R}}({\mathbf{k}},{\mathbf{a}}){\text{ }} = {{a}_{0}}(\exp ({{a}_{4}}{{k}^{{{{a}_{5}}}}})) \times \\ \times \,\,({{(\cos (\varphi - {{\varphi }_{c}}))}^{{{{a}_{3}}}}}{{k}^{{{{a}_{1}} + {{a}_{2}}}}}^{{\cos (\varphi - {{\varphi }_{c}})}}, \\ \end{gathered} $
где ${\mathbf{a}}$ = (а1, а2, а3, а4, а5) – вектор параметров аппроксимации, зависящих от условий формирования поля яркости морской поверхности; а0 – постоянная.

Параметры вектора ${\mathbf{a}}$ имеют различный физический смысл (Бондур и др., 2016).

Параметры a1, a2, a3 в формуле (4) характеризуют высокочастотную область степенного спадания спектральной плотности волнения (Мурынин, 1991). Такое представление позволяет изучать искажения показателей степенных аппроксимаций спектров уклонов морского волнения для различных направлений распространения волн. Значения параметров a1, a2, a3 для типичных условий спутниковой съемки высокого разрешения при различных положениях Солнца могут быть получены численным методом (Бондур, 2000а, б; Бондур, Мурынин, 1991, 2015; Мурынин, 1990, 1991).

Параметры ${{а}_{{\text{4}}}},{{а}_{5}}$ в формуле (4) описывают восстанавливающий фильтр в области низких пространственных частот. Значения этих параметров были получены путем сопоставления результатов дистанционных и контактных измерений спектров волнения и минимизации их отклонений (Бондур и др., 2016).

Данный подход и предложенный базовый метод использовались для построения алгоритма обработки потоков космических данных.

ОПТИМИЗАЦИЯ СКОРОСТИ ОБРАБОТКИ КОСМИЧЕСКИХ ДАННЫХ

Алгоритм параллельной обработки

При исследовании спектров пространственно-неоднородного волнения космические изображения необходимо разделить на фрагменты, с учетом характерных масштабов изучаемых явлений. Обычным подходом является разбиение изображения на равные квадратные фрагменты с возможностью их частичного перекрытия.

В принципе, разделение больших изображений на фрагменты с перекрытием и последующая их обработка с вычислением пространственных спектров возможна с использованием существующих программных средств обработки данных дистанционного зондирования, таких как программное обеспечение, описанное в работах (Бондур, 2014; Бондур, Старченков, 2001), а также ENVI/IDL (ENVI – Environment for Visualizing Images), ERDAS Imagine (ERDAS Imaging 2018 Release guide).

Однако такая обработка имеет некоторые существенные недостатки, особенно при мониторинге обширных акваторий, в том числе:

– крайне низкое быстродействие при анализе потоков изображений;

– большое количество накладных расходов вычислительной мощности;

– невозможность полного распараллеливания из-за наличия последовательных операций.

Для устранения указанных недостатков разработаны специальные подходы к разработке алгоритма обработки. Разделение больших космических изображений на фрагменты (тайлы) позволяет производить обработку этих тайлов параллельно. Предлагаемый алгоритм параллельной обработки тайлов заключается в выполнении следующей последовательности действий:

1) открыть изображение и считать сопроводительную информацию.

2–3) считать тайл изображения заданного размера из заданного места на исходном космическом изображении и определить параметры условий формирования поля яркости в этом тайле, влияющие на параметры нелинейного восстанавливающего оператора и скопировать тайл в память GPU;

4) применить преобразование Фурье к каждому фрагменту изображения и вычислить двумерный пространственный спектр фрагмента изображения, который для краткости будем называть спектром тайла изображения;

5) получить нелинейный восстанавливающий оператор в виде пространственночастотного фильтра R(k, а), зависящего от условий формирования изображения по формуле (3);

6) применить нелинейный восстанавливающий фильтр R(k, а) к спектру тайла изображения морской поверхности и получить спектр уклонов морской поверхности:

(5)
$\Phi \left( {\mathbf{k}} \right) = {\mathbf{R}}\left( {{\mathbf{k}},{\mathbf{а}}} \right)S\left( {\mathbf{k}} \right){\text{;}}$

7) рассчитать характеристики спектра уклонов морской поверхности, в том числе параметр p степенной аппроксимации

(6)
$\Phi \left( {\mathbf{k}} \right)\sim {{k}^{{ - p}}};$

8) сохранить полученные значения характеристик спектров в векторный файл в формате SHP (шейп-файл);

9) вывести полученный шейп-файл.

При этом шаги 2–7 описанного алгоритма производятся параллельно для всех имеющихся тайлов с использованием всех доступных ядер процессоров.

Особенности программной реализации алгоритма

Для реализации описанного алгоритма разработан программный модуль на языке С++, позволяющий работать с форматами входных изображений TIFF, GeoTIFF. Параллельность вычисления реализуется с использованием спецификации OpenMP (The OpenMP, 2019).

Программный модуль поддерживает многоядерные процессоры и содержит в себе оптимизированные функции для обработки мультимедийных данных.

Блок-схема алгоритма параллельной обработки космических изображений приведена на рис. 1.

Рис. 1.

Блок-схема алгоритма параллельной обработки космических изображений морской поверхности и регистрации пространственных спектров волнения.

При разработке программного модуля использованы библиотеки:

– OpenCV, библиотека алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом, реализована на C/C++ (Open Source, 2019);

– Intel IPP (Intel Integrated Performance Primitives), которая содержит наиболее эффективную реализацию быстрого преобразования Фурье (БПФ, FFT) для процессоров Intel, на которых и тестировался данный код (Intel, 2019);

– GDAL (Geospatial Data Abstraction Library) – библиотека для чтения и записи растровых и векторных гео-пространственных форматов данных, которая отвечает за работу с форматом GeoTIFF, который позволяет хранить изображения очень большего размера, считывать, записывать фрагменты изображения, работать с геопривязкой (Geospatial, 2019).

Код разработанного программного модуля имеет две реализации:

– стандартную реализацию, работающую на стандартном центральном процессоре;

– реализацию высокопроизводительного модуля регистрации спектров, основанную на использовании программно-аппаратной архитектуры параллельных вычислений CUDA с использованием графических процессоров (CUDA, 2019).

При автоматизированной обработке изображений большого размера могут возникать трудности, связанные с дальнейшим анализом и представлением полученных данных. Для эффективного анализа результатов обработки необходимо удобное представление полученных массивов информации. Предлагаемым подходом является автоматическое представление результатов обработки изображений в формате, допускающем быстрый просмотр результатов. При этом важное значение имеет возможность визуального представления информации, позволяющего охватить большие объемы данных с учетом их многообразия. Удобной формой такого представления является формат презентации PowerPoint (Microsoft PowerPoint, 2019) . Формат PowerPoint предназначен для создания презентаций с использованием упорядоченного набора слайдов, иллюстрирующего результаты обработки потоков информации, поступающей на вход исследовательской программы.

В созданной исследовательской программе реализована возможность автоматического создания презентации в формате PowerPoint по результатам параллельной обработки потоков фрагментов спутниковых изображений морского волнения. Для построения презентаций большого объема разработан скрипт на встроенном в PowerPoint языке программирования Visual Basic, включающем интегрированную среду разработки программного обеспечения (Visual Basic, 2019).

С точки зрения изучения развития поверхностного волнения на обширных акваториях представляет интерес формирование и представление выходных данных презентации следующего состава:

– исходное изображение тайла;

– спектр изображения;

– спектр уклонов морской поверхности, восстановленный с применением нелинейного оператора;

– спектр уклонов морской поверхности, прошедший медианную фильтрацию изображения для лучшего визуального представления;

– одномерный разрез спектра уклонов в заданном направлении, либо интегральный одномерный спектр уклонов в заданном диапазоне углов;

– представление пространственного распределения информационных продуктов для каждого фрагмента в пределах исследуемой акватории.

Пример фрагмента презентации проведен на рис. 2 (обрабатываемое изображение имеет размер 108 294 × 28 236 пикселов и разрядность 16 bit).

Рис. 2.

Пример обработки космического изображения в автоматическом режиме – страница презентации с результатами обработки одного тайла размером 2048 × 2048: а – панорама исходного большого спутникового изображения высокого разрешения; б – лента последовательности слайдов в формате Powerpoint, сформированная исследовательской программой; в – выделенный и обработанный фрагмент изображения (тайл); пространственный спектр выделенного фрагмента; д – слева – восстановленный спектр уклонов, справа – тот же спектр, с которым проведена медианная фильтрация с ядром 11 пикселов для лучшей визуализации; е – график интегрального восстановленного спектра уклонов в выделенном угловом секторе.

РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНОЙ ОЦЕНКИ ЭФФЕКТИВНОСТИ АЛГОРИТМОВ ПАРАЛЛЕЛЬНОЙ ОБРАБОТКИ КОСМИЧЕСКИХ ДАННЫХ

Для оценки эффективности предложенного алгоритма распараллеливания при проведении обработки проводилось тестирование времени выполнения операций и вычислялись значения таких характеристик, как ускорение и эффективность.

В качестве ускорения есть отношение времени выполнения вычислений на одном потоке T1, к времени выполнения тех же вычислений на p потоках Tp:

(7)
$S = \frac{{{{T}_{1}}}}{{{{T}_{P}}}}.$

Для оценки эффективности использовалось отношение:

(8)
$E = \frac{S}{p},$
где: S – ускорение; p – количество потоков.

Для того чтобы оценить ускорение и эффективность созданной исследовательской программы, мы проводили тестовые вычисления с использованием настольного компьютера стандартной конфигурации, имеющий 4-ядерный центральный процессор Intel Core i5-3470 с частотой 4 GHz. Для тестирования CUDA-версии программы использовался графический процессор NVidia GeForce RTX 2060 с рабочей частотой1700 GHz и объемом памяти 6 GB GDDR6, содержащий 920 ядер CUDA.

Данные по ускорению и эффективности, полученные при обработке тестового космического изображения, приведены в табл. 1. Оценки ускорения и эффективности на центральном процессоре выполнялись с использованием от 1 до 4 ядер.

Таблица 1.  

Значения ускорения и эффективности для ЦПУ версии исследовательской программы

Количество потоков Эффективность, % Ускорение
1 100 1
2 100 1.99
4 95.5 3.82
8 62.5 5

Оценки получены при размере тайла 2048 × × 2048 пикселов. При уменьшении и при увеличении размера тайла наблюдается увеличение времени обработки.

При тестировании CUDA-версии программы оценки ускорения и эффективности по приведенным формулам не проводились в силу специфики технологии CUDA. При этом для оценки эффекта от применения данной технологии сравнивалось время вычислений при обработке тестового изображений ЦПУ-версией программы при максимальном количестве потоков и CUDA-версией программы. Такое сравнение показало, что CUDA-версия программы справляется с обработкой тестового изображений в среднем в 2.57 раза быстрее, чем ЦПУ-версия, работающая с максимальным ускорением. Таким образом, CUDA-версия программы позволяет обрабатывать изображений более чем в 12 раз быстрее, чем это делает программа без распараллеливания вычислительных потоков.

Таким образом, при использовании настольного компьютера со стандартными характеристиками CUDA реализация программного модуля позволяет проводить обработку изображений приблизительно в 2.57 раза быстрее ЦПУ версии.

РЕЗУЛЬТАТЫ ТЕСТИРОВАНИЯ АЛГОРИТМА НА МОДЕЛЬНЫХ ИЗОБРАЖЕНИЯХ

Тестирование проводилось на модельных изображениях, синтезированных методами, описанными, как пример в работах (Бондур, 2000а, б; Бондур и др., 2003). Поскольку спектры морского волнения аппроксимируются степенным знаком (6), то использовались модельные изображения, полученные при различных значениях степенных показателей p пространственных спектров возвышений морской поверхности. Для создания тестового набора изображений задавались следующие значения степенных показателей p пространственных спектров возвышений морской поверхности: 3.3; 3.6; 4; 4,5; 5. Для более широкого охвата условий волнообразования использовались различные значения скорости ветра: 5; 7; 10; 15; 20 м/c.

Примеры синтезированных изображений приведены на рис. 3.

Рис. 3.

Модельные изображения морской поверхности с различными значениями степенного показателя пространственного спектра возвышений p: а – p = 3.6, б – p = 4.0, в – p = 4.5, г – p = 5.0. При синтезе изображений задавалась скорость приповерхностного ветра 15 м/c.

При обработке тестовых изображений, показанных на рис. 3, с использованием предложенного алгоритма получились восстановленные пространственные спектры возвышений морской поверхности, допускающие степенную аппроксимацию с параметрами p, отличающимися от значений, заданных при синтезе модельных изображений, не более чем на 1%. Это свидетельствует о том, что предложенный алгоритм с хорошей точностью восстанавливает характеристики пространственных спектров морской поверхности.

РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНОГО ПРИМЕНЕНИЯ РАЗРАБОТАННОГО АЛГОРИТМА И ИХ АНАЛИЗ

Приведем примеры исследования изменчивости пространственных спектров уклонов и возвышений морской поверхности с использованием характеристик, определяемых, с использованием разработанного метода и его программной реализацией. В ходе исследований определились следующие характеристики пространственных спектров волнения:

– параметры степенной аппроксимации одномерных разрезов двумерных спектров уклонов морской поверхности для заданных направлений;

– параметры степенной аппроксимации одномерных интегральных спектров уклонов морской поверхности в заданном диапазоне волновых азимутов;

– форма двумерных спектров уклонов морской поверхности, характеризующая распределение волновой энергии между различными группами поверхностных волн.

Для исследования изменяемости двумерных спектров уклонов и возвышений морской поверхности использовались изображения, полученные с борта спутника Ресурс-П в различных акваториях:

• в акватории Черного моря у берегов Крыма и Краснодарского края (Бондур и др., 2016а, б, 2017а, б, 2018);

• в акватории Тихого океана у берегов острова Оаху (Гавайские острова, США) (Бондур, 2004; Бондур и др., 2006б, 2007, 2008б, 2009, 2013; Bondur, 2005, 2011; Bondur, Tsidilina, 2005).

Рассмотрим пример изменчивости спектров волнения, выявленных по восстановленным пространственным спектрам уклонов и возвышений морской поверхности на основании изображений, полученных 4 августа 2017 г. в 14:09 по местному времени (11:09 GMT) с помощью оптической аппаратуры Геотон спутника Ресурс-П в акватории Черного моря вблизи города Севастополь.

Для исследования изменчивости спектров в различных диапазонах обработка проводилась при различных размерах обрабатываемых фрагментов изображения. Приведем пример с размером фрагмента 2048 × 2048 пикселов, соответствующим размеру исследуемых участков морской поверхности 1455 × 1455 м.

Области, выделенные различными цветами на рис. 4, имеют отличающиеся значения степенного показателя pχ интегрального спектра возвышений морской поверхности в диапазоне длин волн 4–10 м. Степенные показатели pχ интегрального спектра возвышений морской поверхности были получены из степенных показателей ps интегрального спектра уклонов с помощью оценочной формулы

${{p}_{\chi }} = {{p}_{s}} + 2,$
вытекающей из соотношения, связывающего спектры уклонов и возвышений морской поверхности множителем, пропорциональным квадрату модуля волнового вектора (Мурынин 1990). Чтобы облегчить интерпретацию показателей спектров, целесообразно учесть известное соотношение, связывающее показатели пространственных (pχ) и частотных (pω) спектров возвышений (Бондур и др., 2016)

${{p}_{\chi }} = ({{p}_{\omega }} + {{1)} \mathord{\left/ {\vphantom {{1)} {{\text{ }}2}}} \right. \kern-0em} {{\text{ }}2}}.$
Рис. 4.

Пример оперативного анализа изменчивости морского волнения разработанным исследовательским программным модулем у побережья Крыма вблизи города Севастополь: а – фрагмент карты Google Earth; б – пространственное распределение значений параметра степенной аппроксимации разреза спектра уклонов (размер фрагмента изображения 2048 × 2048 пикселов).

Таким образом, равновесному спектру Филлипса (Филлипс 1980) соответствует pω = 5 и pχ = 3, а известной аппроксимации Тоба (Toba, 1973) соответственно pω = 4 и pχ = 2.5. Показатели изменяются в интервале от pχ = 2 до pχ = 3.5, который включает обе цитируемые аппроксимации.

В качестве примера применения разработанных алгоритмов и исследовательского программного модуля для обширных океанских акваторий приведем некоторые результаты, демонстрирующие возможности исследования изменчивости характеристик пространственных спектров океанского волнения при наличие различных волновых систем, ветрового волнения и волн зыби. Такие исследования проводились в океанской акватории вблизи острова Оаху в 2019 году с использованием данных, полученных со спутника “Ресурс-П”.

На рис. 5 приведен пример панорамы восстановленных степенных показателей интегральных пространственных спектров уклонов океанских волн в бухте Мамала в диапазоне расстояний 4–40 км от берега. Там же приведены примеры спектров фрагментов изображений, полученных в этой акватории 8 июня и 28 июля 2019 года, и восстановленных по этим фрагментам спектр уклонов различных волновых систем – волн зыби со слабым ветровым волнением и смешанной системы волн, состоящей из развивающегося ветрового волнения и волн зыби.

Рис. 5.

Пример оперативного анализа изменчивости волнения в океанской акватории вблизи острова Оаху: а – визуализация восстановленных степенных показателей (наклонов) интегральных пространственных спектров уклонов океанских волн; б – спектр фрагмента изображения волн зыби со слабым ветровым волнением (08.06.2019); восстановленный спектр уклонов по фрагменту б; г – спектр фрагмента изображения смешанной системы волн (28.07.2019); д – восстановленный спектр уклонов по фрагменту г.

В океанской акватории вблизи острова Оаху были проведены комплексные эксперименты по адаптации разработанных методов и алгоритмов восстановления пространственных спектров волнения в океанских условиях. Результаты этих исследований будут опубликованы авторами в отдельной работе в ближайшее время.

ЗАКЛЮЧЕНИЕ

Таким образом, основным результатом работы является разработка высокопроизводительного метода, алгоритмов и исследовательского программного обеспечения для регистрации спектров морской поверхности по космическим изображениям, которые могут применяться для решения задач оперативной океанографии, в интересах охраны окружающей среды и рационального природопользования акваторий морей и океанов, в том числе с использованием многоспутниковых систем космического мониторинга, основы построения которых разрабатываются в настоящее время.

Продемонстрирована целесообразность применения используемого подхода и разработанных алгоритмов для увеличения вычислительной производительности при решении задач регистрации спектров уклонов и возвышений морской поверхности по спектрам космических изображений. Проведенные вычислительные эксперименты показали значительное увеличение производительности регистрации спектров уклонов и возвышений морской поверхности по спектрам космических изображений за счет распараллеливания вычислений – в 5 раз при использовании только центрального процессора стандартного настольного компьютера и более чем в 12 раз при использовании графического процессора с технологией CUDA.

Результаты работы могут быть использованы при создании программного обеспечения многопроцессорных аппаратно-программных комплексов, создаваемых для оперативного мониторинга процессов и явлений, происходящих в различных акваториях мирового океана по данным, поступающим с космических и авиационных носителей, и предназначенных для обработки данных дистанционного зондирования океанских акваторий в масштабе времени, близком к реальному.

Список литературы

  1. Бондур В.Г. Аэрокосмические методы в современной океанологии. / В кн. “Новые идеи в океанологии. М.: Наука. Т. 1: Физика. Химия. Биология, 2004. С. 55–117.

  2. Бондур В.Г. Аэрокосмические методы и технологии мониторинга нефтегазоносных территорий и объектов нефтегазового комплекса // Исслед. Земли из космоса. 2010. № 6. С. 3–17.

  3. Бондур В.Г. Методы моделирования полей излучения на входе аэрокосмических систем дистанционного зондирования // Исслед. Земли из космоса. 2000а. № 5. С. 16–27.

  4. Бондур В.Г. Моделирование двумерных случайных полей яркости на входе аэрокосмической аппаратуры методом фазового спектра // Исслед. Земли из космоса. 2000б. № 5. С. 28–44.

  5. Бондур В.Г. Современные подходы к обработке больших потоков гиперспектральной и многоспектральной аэрокосмической информации // Исслед. Земли из космоса. 2014. № 1. С. 4–16. https://doi.org/10.7868/S0205961414010035

  6. Бондур В.Г., Аржененко Н.И., Линник В.Н., Титова И.Л. Моделирование многоспектральных аэрокосмических изображений динамических полей яркости // Исслед. Земли из космоса. 2003. № 2. С. 3–17.

  7. Бондур В.Г., Воробьев В.Е., Гребенюк Ю.В., Сабинин К.Д., Серебряный А.Н. Исследования полей течений и загрязнений прибрежных вод на Геленджикском шельфе Черного моря с использованием космических данных // Исслед. Земли из космоса. 2012. № 4. С. 3–11.

  8. Бондур В.Г., Воробьев В.Е., Замшин В.В., Серебряный А.Н., Латушкин А.А., Ли М.Е., Мартынов О.В., Хурчак А.П., Гринченко Д.В. Мониторинг антропогенных воздействий на прибрежные акватории Черного моря по многоспектральным космическим изображениям // Исслед. Земли из космоса. 2017а. № 6. С. 3–22. https://doi.org/10.7868/S020596141706001X

  9. Бондур В.Г., Гребенюк Ю.В., Ежова Е.В., Казаков В.И., Сергеев Д.А., Соустова И.А, Троицкая Ю.И. Поверхностные проявления внутренних волн, излучаемых заглубленной плавучей струей. Часть 1. Механизм генерации внутренних волн // Изв. РАН. Физика атмосферы и океана. 2009. Т. 45. № 6. С. 833–845.

  10. Бондур В.Г., Гребенюк Ю.В., Морозов Е.Г. Регистрация из космоса и моделирование коротких внутренних волн в прибрежных зонах океана // Докл. АН. 2008а. Т. 418. № 4. С. 543–548.

  11. Бондур В.Г., Гребенюк Ю.В., Сабинин К.Д. Изменчивость внутренних приливов в прибрежной акватории о. Оаху (Гавайи) // Океанология. 2008б. Т. 48. № 5. С. 661–671.

  12. Бондур В.Г., Гребенюк Ю.В., Сабинин К.Д. Спектральные характеристики и кинематика короткопериодных внутренних волн на Гавайском шельфе // Изв. РАН. Физика атмосферы и океана. 2009. Т. 45. № 5. С. 641–651.

  13. Бондур В.Г., Дулов В.А., Мурынин А.Б., Игнатьев В.Ю. Восстановление спектров морского волнения по спектрам космических изображений в широком диапазоне частот // Физика атмосферы и океана. 2016а. Т. 52. № 6. С. 716–728. https://doi.org/10.7868/S0002351516060055

  14. Бондур В.Г., Дулов В.А., Мурынин А.Б., Юровский Ю.Ю. Исследование спектров морского волнения в широком диапазоне длин волн по спутниковым и контактным данным // Исслед. Земли из космоса. 2016б. № 1–2. С. 7–24. https://doi.org/10.7868/S0205961416010048

  15. Бондур В.Г., Журбас В.М., Гребенюк Ю.В. Математическое моделирование турбулентных струй глубинных стоков в прибрежные акватории // Океанология. 2006 а. Т. 46. № 6. С. 805–820.

  16. Бондур В.Г., Замшина А.Ш. Исследование высокочастотных внутренних волн на границе шельфа по спектрам космических оптических изображений // Изв. высших учебных заведений. Геодезия и аэрофотосъемка. 2008. № 1. С. 85–96.

  17. Бондур В.Г., Зубков Е.В. Выделение мелкомасштабных неоднородностей оптических характеристик верхнего слоя океана по многозональным спутниковым изображениям высокого разрешения. Часть 1. Эффекты сброса дренажных каналов в прибрежные акватории // Исслед. Земли из космоса. 2005. № 4. С. 54–61.

  18. Бондур В.Г., Иванов В.А., Фомин В.В. Особенности распространения загрязненных вод из подводного источника в стратифицированной среде прибрежной акватории // Изв. РАН. Физика атмосферы и океана. 2018. Т. 54. № 4. С. 453–461. https://doi.org/10.1134/S0002351518040053

  19. Бондур В.Г., Килер Р.Н., Старченков С.А., Рыбакова Н.И. Мониторинг загрязнений прибрежных акваторий с использованием многоспектральных спутниковых изображений высокого пространственного разрешения // Исслед. Земли из космоса. 2006б. № 6. С. 42–49.

  20. Бондур В.Г., Мурынин А.Б. Восстановление спектров поверхностного волнения по спектрам изображений с учетом нелинейной модуляции поля яркости // Оптика атмосферы и океана. 1991. Т. 4. № 4. С. 387–393.

  21. Бондур В.Г., Мурынин А.Б. Методы восстановления спектров морского волнения по спектрам аэрокосмических изображений // Исслед. Земли из космоса. 2015. № 6. С. 3–14. https://doi.org/10.7868/S0205961415060020

  22. Бондур В.Г., Сабинин К.Д., Гребенюк Ю.В. Аномальная изменчивость инерционных колебаний океанских волн на Гавайском шельфе // Докл. АН. 2013. Т. 450. № 1. С. 100–104. https://doi.org/10.7868/S0869565213130173

  23. Бондур В.Г., Сабинин К.Д., Гребенюк Ю.В. Характеристики инерционных колебаний по данным экспериментальных измерений течений на российском шельфе Черного моря // Изв. РАН. Физика атмосферы и океана. 2017б. Т. 53. № 1. С. 135–142. https://doi.org/10.7868/S0002351516050035

  24. Бондур В.Г., Савин А.И. Принципы моделирования полей сигналов на входе аппаратуры ДЗ аэрокосмических систем мониторинга окружающей среды // Исслед. Земли из космоса. 1995. № 4. С. 24–33.

  25. Бондур В.Г., Старченков С.А. Методы и программы обработки и классификации аэрокосмических изображений // Изв. высших учебных заведений. Геодезия и аэрофотосъемка. 2001. № 3. С. 118–143.

  26. Бондур В.Г., Филатов Н.Н., Гребенюк Ю.В., Долотов Ю.С., Здоровеннов Р.Э., Петров М.П., Цидилина М.Н. Исследования гидрофизических процессов при мониторинге антропогенных воздействий на прибрежные акватории (на примере бухты Мамала, о. Оаху, Гавайи) // Океанология. 2007. Т. 47. № 6. С. 827–846.

  27. Бондур В.Г., Шарков Е.А. Статистические характеристики пенных образований на взволнованной морской поверхности // Океанология. 1982. Т. 22. № 3. С. 372–379.

  28. Бондур В.Г., Шарков Е.А. Статистические характеристики элементов линейной геометрии пенных структур на поверхности моря по данным оптического зондирования // Исслед. Земли из космоса. 1986. № 4. С. 21–31.

  29. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. Издательство БХВ-Петербург, 2002. 609 с.

  30. Ивонин Д.В., Иванов А.Ю. О классификации пленочных загрязнений моря на основе обработки поляризационных радиолокационных данных спутника TerraSAR-X // Океанология. 2017. Т. 57. № 5. С. 815–829. https://doi.org/10.7868/S003015741705015X

  31. Мурынин А.Б. Восстановление пространственных спектров морской поверхности по оптическим изображениям в нелинейной модели поля яркости // Исслед. Земли из космоса, 1990. № 6. С. 60–70.

  32. Мурынин А.Б. Параметризация фильтров, восстанавливающих пространственные спектры уклонов морской поверхности по оптическим изображениям // Исслед. Земли из космоса. 1991. № 5. С. 31–38.

  33. Филлипс О.М. Динамика верхнего слоя океана: Пер. с англ. М.: Мир, 1980. 319 с.

  34. Bondur V.G. Complex Satellite Monitoring of Coastal Water Areas // 31st International Symposium on Remote Sensing of Environment. ISRSE, 2005. 7p.

  35. Bondur V.G. Satellite monitoring and mathematical modelling of deep runoff turbulent jets in coastal water areas // in book Waste Water – Evaluation and Management, ISBN 978-953-307-233-3, InTech, Croatia. 2011. P. 155–180. http:// www.intechopen.com/articles/show/title/satellite-monitoring-and-mathematical-modelling-of-deep-runoff-turbulent-jets-in-coastal-water-areas.

  36. Bondur V.G., Tsidilina M. Features of Formation of Remote Sensing and Sea truth Databases for The Monitoring of Anthropogenic Impact on Ecosystems of Coastal Water Areas // 31st International Symposium on Remote Sensing of Environment. ISRSE, 2005. P. 192–195.

  37. Bondur V.G., Zamshin V.V. Comprehensive Ground-Space Monitoring of Anthropogenic Impact on Russian Black Sea Coastal Water Areas, in book K.V. Anisimov et al. (eds.), Proceedings of the Scientific-Practical Conference “Research and Development – 2016”, 2018. P. 625–637. https://doi.org/10.1007/978-3-319-62870-7.

  38. CUDA parallel computing. Available at: https://developer. nvidia.com/cuda-zone (accessed 19.09.2019)

  39. ENVI – Environment for Visualizing Images. Available at: http://www.harrisgeospatial.com/docs/using_envi_Home. html. (accessed 19.09.2019)

  40. ERDAS Imaging 2018 Release guide. Available at: https://www.hexagongeospatial.com/technical-documents/ release-guides-2018/erdas-imagine-2018-release-guide. (accessed 19.09.2019)

  41. Geospatial Data Abstraction Library. Available at: https://www.gdal.org (accessed 19.09.2019)

  42. Intel Integrated Performance Primitives. Available at: https://software.intel.com/en-us/intel-ipp (accessed 19.09.2019).

  43. Keeler R., Bondur V., Vithanage D. Sea truth measurements for remote sensing of littoral water // Sea Technology, April, 2004. P. 53–58.

  44. Microsoft PowerPoint. Available at: https://products.office.com/ru-ru/powerpoint (accessed 19.09.2019)

  45. Open Source Computer Vision Library. Available at: https://opencv.org (accessed 19.09.2019)

  46. The OpenMP API specification for parallel programming. Available at: https://www.openmp.org (accessed 19.09.2019)

  47. Toba J. Local balance in the air-sea boundary process // Oceanogr. Soc. Japan. 1973. V. 29. P. 209–225.

  48. Visual Basic. Available at: https://docs.microsoft.com/ru-ru/dotnet/visual-basic/ (accessed 19.09.2019)

  49. Yurovskaya M.V., Dulov V.A., Chapron B., Kudryavtsev V.N. Directional short wind wave spectra derived from the sea surface photography // J. Geophys. Res. 2013. V. 118. № 9. P. 4380–4394. http://doi.wiley.com/10.1002/jgrc.20296

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