Мониторинг термической структуры поверхности неоднородных ландшафтов с использованием БПЛА

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

В работе представлена методика измерения температуры неоднородной подстилающей поверхности с использованием беспилотных летательных аппаратов (БПЛА). Для апробации методик представлены измерения над различными ландшафтами: аридная зона с барханами, болото в умеренных широтах, субарктический город и сочетание естественных и антропогенных ландшафтов в Арктике. Использован измерительный комплекс на базе квадрокоптера DJI Mavic 2 Zoom с установленным тепловизором Flir TAU2R. Разработаны методы коррекции возникающих аппаратных погрешностей. Для получения детализированных данных о пространственном распределении яркостной температуры поверхности использован метод построения ортомозаик. В разное время суток получены тепловые карты поверхностей с неоднородностями рельефа (барханы), неоднородностью увлажненности (болота), урбанизированных территорий в полярных и субполярных условиях.

Показано, что тепловые контрасты могут достигать первых десятков °C на площади 10–20 га как на фоне дневного прогрева, так и ночного выхолаживания поверхности, и могут оказывать существенное влияние на пространственное распределение характеристик теплообмена атмосферы и подстилающей поверхности. Разработанные методы рекомендованы для построения тепловых карт поверхности с использованием тепловизионной техники.

Статья подготовлена на основе устного доклада, представленного на IV Всероссийской конференции с международным участием “Турбулентность, динамика атмосферы и климата”, посвященной памяти академика А. М. Обухова (Москва, 22–24 ноября 2022 г.).

Полный текст

Доступ закрыт

Об авторах

М. И. Варенцов

Московский государственный университет им. М.В. Ломоносова; Институт физики атмосферы им. А.М. Обухова РАН

Автор, ответственный за переписку.
Email: mikhail.varentsov@srcc.msu.ru
Россия, Москва; Москва

А. И. Варенцов

Московский государственный университет им. М.В. Ломоносова; Институт физики атмосферы им. А.М. Обухова РАН

Email: mikhail.varentsov@srcc.msu.ru
Россия, Москва; Москва

И. А. Репина

Московский государственный университет им. М.В. Ломоносова; Институт физики атмосферы им. А.М. Обухова РАН; Югорский государственный университет

Email: mikhail.varentsov@srcc.msu.ru
Россия, Москва; Москва; Ханты-Мансийск

А. Ю. Артамонов

Институт физики атмосферы им. А.М. Обухова РАН; Югорский государственный университет

Email: mikhail.varentsov@srcc.msu.ru
Россия, Москва; Ханты-Мансийск

И. Д. Дрозд

Московский государственный университет им. М.В. Ломоносова; Институт физики атмосферы им. А.М. Обухова РАН

Email: mikhail.varentsov@srcc.msu.ru
Россия, Москва; Москва

А. Е. Мамонтов

Институт физики атмосферы им. А.М. Обухова РАН

Email: mikhail.varentsov@srcc.msu.ru
Москва

В. М. Степаненко

Московский государственный университет им. М.В. Ломоносова; Институт физики атмосферы им. А.М. Обухова РАН; Югорский государственный университет

Email: mikhail.varentsov@srcc.msu.ru
Россия, Москва; Москва; Ханты-Мансийск

Список литературы

  1. Афонин А. В., Таджибаев А. И., Титков В. В. Инфракрасная термография в энергетике. Под ред. Ньюпорта Р. К., Таджибаева А. И. Т. 1. Основы инфракрасной термографии. СПб.: СПЭИПК, 2000. 240 с.
  2. Варенцов М. И., Грищенко М. Ю., Константинов П. И. Сопоставление наземных и космических разномасштабных температурных данных на примере городов Российской Арктики для зимних условий // Исследования Земли из космоса. 2021. Т. 2021. № 2. С. 64–76.
  3. Варенцов М. И., Репина И. А., Глазунов А. В., Самсонов Т. Е., Константинов П. И., Степаненко В. М., Артамонов А. Ю., Дебольский А. В., Печкин А. С., Соромотин А. В. Особенности пограничного слоя атмосферы г. Надыма по данным экспериментальных измерений и вихреразрешающего моделирования // Вестник Московского университета. Сер. 5. География. 2022. № 6. С. 64–78.
  4. Глазунов А. В., Степаненко В. М. Вихреразрешающее моделирование стратифицированных турбулентных течений над неоднородными природными ландшафтами // Известия РАН. Физика атмосферы и океана. 2015. Т. 51. № 4. С. 403–415.
  5. Головацкая Е. А., Дюкарев Е. А., Ипполитов И. И., Кабанов М. В. Влияние ландшафтных и гидрометеорологических условий на эмиссию СО2 в торфоболотных экосистемах // Доклады Академии Наук. 2008. № 4. С. 1–4.
  6. Госсорг Ж. Инфракрасная термография. Основы, техника, применение: пер. с франц. М.: Мир, 1988. 416 с.
  7. Киселев М. В. Воропай Н. Н., Дюкарев Е. А., Прейс Ю. И. Температурный режим осушенных и естественных болот в засушливые и переувлажненные годы // CITES’2019. 2019. С. 188–191.
  8. Курамагомедов Б. М., Алексеенко Н. А., Медведев А. А. Тепловая съемка с беспилотных летательных аппаратов в географических исследованиях // Огарёв-Online. 2015. Т. 24. № 65.
  9. Молчанов А. Г. Газообмен сфагнума при различных уровнях поверхностных грунтовых вод // Экология. 2015. № 3. С. 182
  10. Мосеев Д. С., Кряучюнгас В. В., Игловский С. А. Флора некоторых районов западной части Шпицбергена в начале вегетационного периода // Arct. Environ. Res. 2014. № 3. С. 94–100.
  11. Репина И. А., Варенцов М. И., Чечин Д. Г., Артамонов А. Ю., Бодунков Н. Е., Калягин М. Ю., Живоглотов Д. Н., Шевченко А. М., Варенцов А. И., Куксова Н. Е., Степаненко В. М., Шестакова А. А. Использование беспилотных летательных аппаратов для исследования атмосферного пограничного слоя // Инноватика и экспертиза. 2020. Т. 2. № 30. С. 20–39.
  12. Тарасова М. А., Варенцов М. И., Степаненко В. М. Параметризации взаимодействия атмосферы с городской поверхностью: обзор и перспективы развития // Известия РАН. Физика атмосферы и океана. 2023. Т. 59. № 2. С. 1–22.
  13. Чечин Д. Г., Артамонов А. Ю., Бодунков Н. Е., Живоглотов Д. Н., Зайцева Д. В., Калягин М. Ю., Кузнецов Д. Д., Кунашук А. А., Шевченко А. М., Шестакова А. А. Опыт исследования турбулентной структуры атмосферного пограничного слоя с помощью беспилотного летательного аппарата // Известия РАН. Физика атмосферы и океана. 2021. Т. 57. № 5. С. 602–610.
  14. Шелехов А. П., Афанасьев А. Л., Шелехова Е. А., Кобзев А. А., Тельминов А. Е., Молчунов А. Н., Поплевина О. Н. Использование малоразмерных БПЛА для измерения турбулентности в атмосфере // Известия РАН. Физика атмосферы и океана. 2021. Т. 57. № 5. С. 611–624.
  15. Шутко А. М. СВЧ-радиометрия водной поверхности и почвогрунтов. М.: Наука, 1986. 190 с.
  16. Эткин В. С., Шарков Е. А. Возможности дистанционного исследования поверхности Земли при помощи радиофизических систем // Космические исследования земных ресурсов. М.: Наука, 1976. С. 99–105.
  17. Abolt C., Caldwell T., Wolaver B., Pai H. Unmanned aerial vehicle-based monitoring of groundwater inputs to surface waters using an economical thermal infrared camera // Opt. Eng. 2018.V. 57. № 5. P. 053113–053113.
  18. Arola A. Parameterization of Turbulent and Mesoscale Fluxes for Heterogeneous Surfaces // J. Atmos. Sci. 1999. V. 56. № 4. P. 584–598.
  19. Avissar R., Pielke R. A. A Parameterization of Heterogeneous Land Surfaces for Atmospheric Numerical Models and Its Impact on Regional Meteorology // Mon. Weather Rev. 1989. V. 117. № 10. P. 2113–2136.
  20. Bartlett P. A., McCaughey J.H., Lafleur P. M., Verseghy D. L. A comparison of the mosaic and aggregated canopy frameworks for representing surface heterogeneity in the Canadian boreal forest using CLASS: a soil perspective // J. Hydrol. 2002. V. 266. № 1–2. P. 15–39.
  21. Bellvert J., Zarco-Tejada P.J., Girona J., Fereres E. J.P.A. Mapping crop water stress index in a Pinot-noir vineyard: comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle // Precision agriculture. 2014. V. 15. P. 361–376.
  22. Canisius F., Wang S., Croft H., Leblanc S. G., Russell H. A.J., Chen J., Wang R. A UAV-Based Sensor System for Measuring Land Surface Albedo: Tested over a Boreal Peatland Ecosystem // Drones. 2019. V. 3. № 1. P. 27.
  23. Chilson P. B., Bell T. M., Brewster K. A., Azevedo G. B.H. De Carr F. H., Carson K., Doyle W., Fiebrich C. A., Greene B. R., Grimsley J. L., Kanneganti S. T., Martin J., Moore A., Palmer R. D., Pillar-Little E.A., Salazar-Cerreno J.L., Segales A. R., Weber M. E., Yeary M., Droegemeier K. K. Moving towards a network of autonomous UAS atmospheric profiling stations for observations in the earth’s lower atmosphere: The 3D mesonet concept // Sensors. 2019. V. 19. № 12.
  24. Coll C., García-Santos V., Niclòs R., Caselles V. Test of the MODIS land surface temperature and emissivity separation algorithm with ground measurements over a rice paddy // IEEE Trans. Geosci. Remote Sens. 2016. V. 54. № 5. P. 3061–3069.
  25. De Vrese P., Schulz J.-P., Hagemann S. On the Representation of Heterogeneity in Land-Surface–Atmosphere Coupling // Boundary-Layer Meteorol. 2016. V. 160. № 1. P. 157–183.
  26. Feng L., Tian H., Qiao Z., Zhao M., Liu Y. Detailed variations in urban surface temperatures exploration based on unmanned aerial vehicle thermography // IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2019. V. 13. P. 204–216.
  27. Garcia-Santos V., Cuxart J., Jimenez M. A., Martinez-Villagrasa D., Simo G., Picos R., Caselles V. Study of Temperature Heterogeneities at Sub-Kilometric Scales and Influence on Surface-Atmosphere Energy Interactions // IEEE Trans. Geosci. Remote Sens. 2019. V. 57. № 2. P. 640–654.
  28. Ho H. C., Knudby A., Sirovyak P., Xu Y., Hodul M., Henderson S. B. Mapping maximum urban air temperature on hot summer days // Remote Sens. Environ. 2014. V. 154. P. 38–45.
  29. Kelly J., Kljun N., Olsson P. O., Mihai L., Liljeblad B., Weslien P., Klemedtsson L., Eklundh L. Challenges and Best Practices for Deriving Temperature Data from an Uncalibrated UAV Thermal Infrared Camera // Remote Sens. 2019. V. 11. P. 567.
  30. Koster R. D., Suarez M. J. A Comparative Analysis of Two Land Surface Heterogeneity Representations // J. Clim. 1992. V. 5. № 12. P. 1379–1390.
  31. Kraaijenbrink P. D.A., Shea J. M., Litt M., Steiner J. F., Treichler D., Koch I., Immerzeel W. W. Mapping surface temperatures on a debris-covered glacier with an unmanned aerial vehicle // Front. Earth Sci. 2018. V. 6. P. 64.
  32. Kral S. T., Reuder J., Vihma T., Suomi I., Haualand K. F., Urbancic G. H., Greene B. R., Steeneveld G. J., Lorenz T., Maronga B., Jonassen M. O., Ajosenpää H., Båserud L., Chilson P. B., Holtslag A. A.M., Jenkins A. D., Kouznetsov R., Mayer S., Pillar-Little E.A., Rautenberg A., Schwenkel J., Seidl A. W., Wrenger B. The innovative strategies for observations in the arctic atmospheric boundary layer project (ISOBAR) unique finescale observations under stable and very stable conditions // Bull. Am. Meteorol. Soc. 2021. V. 102. № 2. P. E218–E243.
  33. Kupriianova I., Kupriianova I. V., Kaverin A. A., Filippov I. V., Ilyasov D. V., Lapshina E. D., Logunova E. V., Kulyabin M. F. The main physical and geographical characteristics of the Mukhrino field station area and its surroundings // Environmental Dynamics and Global Climate Change. 2023. V. 13. № 4. P. 215–252.
  34. Lee D. H., Park J. H. Developing inspection methodology of solar energy plants by thermal infrared sensor on board unmanned aerial vehicles // Energies. 2019. V. 12. № 15. P. 2928.
  35. Lee T. R., Buban M., Dumas E., Baker C. B. A new technique to estimate sensible heat fluxes around micrometeorological towers using small unmanned aircraft systems // J. Atmos. Ocean Technol. 2017. V. 34. № 9. P. 2103–2112.
  36. Li D., Bou‐Zeid E., Barlage M., Chen F., Smith J. A. Development and evaluation of a mosaic approach in the WRF-Noah framework // J. Geophys. Res. Atmos. 2013a. V. 118. № 21. P. 11.918–11.935.
  37. Li Z. L., Tang B. H., Wu H., Ren H., Yan G., Wan Z., Trigo I. F., Sobrino J. A. Satellite-derived land surface temperature: Current status and perspectives // Remote Sens. Environ. 2013b. V. 131. P. 14–37.
  38. Malbéteau Y., Johansen K., Aragon B., Al-Mashhawari S.K., McCabe M. F. Overcoming the Challenges of Thermal Infrared Orthomosaics Using a Swath-Based Approach to Correct for Dynamic Temperature and Wind Effects // Remote Sens. 2021. V. 13. № 16. P. 3255.
  39. Medvedev A., Telnova N., Alekseenko N., Koshkarev A., Kuznetchenko P., Asmaryan S., Narykov A. UAV-Derived Data Application for Environmental Monitoring of the Coastal Area of Lake Sevan, Armenia with a Changing Water Level // Remote Sens. 2020. V. 12. P. 3821.
  40. Molod A., Salmun H., Waugh D. W. A New Look at Modeling Surface Heterogeneity: Extending Its Influence in the Vertical // J. Hydrometeorol. 2003. V. 4. № 5. P. 810–825.
  41. Molod A., Salmun H., Waugh D. W. The Impact on a GCM Climate of an Extended Mosaic Technique for the Land–Atmosphere Coupling // J. Clim. 2004. V. 17. № 20. P. 3877–3891.
  42. Nishar A., Richards S., Breen D., Robertson J., Breen B. Thermal infrared imaging of geothermal environments and by an unmanned aerial vehicle (UAV): A case study of the Wairakei – Tauhara geothermal field, Taupo, New Zealand // Renew. Energy. 2016. V. 86. P. 1256–1264.
  43. Nunez M., Oke T. R. The Energy Balance of an Urban Canyon // J. Appl. Meteorol. 1977. V. 16. P. 11–19.
  44. Oke T. R., Mills G., Christen A., Voogt J. A. Urban Climates. Cambridge: Cambridge University Press, 2017. 509 с.
  45. Part IV: Physical Processes // IFS Documentation CY47R1. 2020. P. 1–228.
  46. Rautenberg A., Schön M., Berge K., Mauz M., Manz P., Platis A., Kesteren B., Suomi I., Kral S. T., Bange J. The Multi-Purpose Airborne Sensor Carrier MASC-3 for Wind and Turbulence Measurements in the Atmospheric Boundary Layer // Sensors. 2019. V. 19. № 10. P. 2292.
  47. Ryan J. C., Hubbard A., Box J. E., Brough S., Cameron K., Cook J. M., Cooper M., Doyle S. H., Edwards A., Holt T., Irvine-Fynn T., Jones C., Pitcher L. H., Rennermalm A. K., Smith L. C., Stibal M., Snooke N. Derivation of high spatial resolution albedo from UAV digital imagery: Application over the Greenland ice sheet // Front. Earth Sci. 2017. V. 5. № May. P. 1–13.
  48. Segales A. R., Greene B. R., Bell T. M., Doyle W., Martin J. J., Pillar-Little E.A., Chilson P. B. The CopterSonde: an insight into the development of a smart unmanned aircraft system for atmospheric boundary layer research // Atmos. Meas. Tech. 2020. V. 13. № 5. P. 2833–2848.
  49. Shelekhov A., Afanasiev A., Shelekhov E., Kobzev A., Tel’minov A., Molchunov A., Poplevina O. Low-Altitude Sensing of Urban Atmospheric Turbulence with UAV // Drones. 2022. V. 6. P. 61.
  50. Shelekhov A., Afanasiev A., Shelekhova E., Kobzev A., Tel’minov A., Molchunov A., Poplevina O. High-Resolution Profiling of Atmospheric Turbulence Using UAV Autopilot Data // Drones. 2023. V. 7. P. 412.
  51. Sizov O., Fedorov R., Pechkina Y., Kuklina V., Michugin M., Soromotin A. Urban Trees in the Arctic City: Case of Nadym // Land. 2022. V. 11. P. 531.
  52. Stewart I. D., Oke T. R., Krayenhoff E. S. Evaluation of the “local climate zone” scheme using temperature observations and model simulations // Int. J. Climatol. 2014. V. 1080. P. 1062–1080.
  53. Varentsov M., Stepanenko V., Repina I., Artamonov A., Bogomolov V., Kuksova N., Marchuk E., Pashkin A., Varentsov A. Balloons and Quadcopters: Intercomparison of Two Low-Cost Wind Profiling Methods // Atmosphere. 2021. V. 12. № 3. P. 380.
  54. Varentsov M., Konstantinov P., Repina I., Artamonov A., Pechkin A., Soromotin A., Esau I., Baklanov A. Observations of the urban boundary layer in a cold climate city // Urban Clim. 2023. V. 47. P. 101351.
  55. Wan Z. New refinements and validation of the collection-6 MODIS land-surface temperature/emissivity product // Remote Sens. Environ. 2014. V. 140. P. 36–45.
  56. Weng Q. Thermal infrared remote sensing for urban climate and environmental studies: Methods, applications, and trends // ISPRS J. Photogramm. Remote Sens. 2009. V. 64. № 4. P. 335–344.
  57. Yu W., Ma M. Scale mismatch between in situ and remote sensing observations of land surface temperature: Implications for the validation of remote sensing LST products // IEEE Geosci. Remote Sens. Lett. 2015. V. 12. № 3. P. 497–501.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Спутниковые снимки четырех полигонов, для которых выполнялась термическая съемка: песчаные барханы в районе пос. Нарын-Худук (а), верховое болото в районе исследовательской станции Мухрино (б), центральная часть г. Надым (в), пос. Баренцбург (г). Зеленым цветом показаны маршруты полета квадрокоптера над данными полигонами во время съемки

Скачать (766KB)
Метаданные
3. Рис. 2. Фотография тепловизора FLIR Tau 2 (а) и измерительного комплекса на базе квадрокоптера DJI Mavic 2 Zoom c подвесом компании Drone Experts (б). Фото с сайта https://dronexpert.nl/en/

Скачать (110KB)
Метаданные
4. Рис. 3. Схема алгоритма коррекции. Цифры в круглых скобках советуют номеру уравнения в тексте. Пунктиром выделены этапы опциональные коррекции, необходимость которых определяется экспертным образом для каждой съемки

Скачать (448KB)
Метаданные
5. Рис. 4. Пример применения алгоритма коррекции к данным съемки поверхности верхового болота в районе станции Мухрино вечером 17 июня 2022 г.: (а) временной ряд исходных значений температуры (цветные кривые на графике, цвет соответствует полосе сканирования на рис. 6) и значений, скорректированных на этапе алгоритма № 1 (сверху), временной ряд разности температуры между соседними точками (снизу); (б) идентифицированные полосы сканирования, пунктирные линии обозначают переходы между полосами; (в) зависимость температуры от положения вдоль полос сканирования и результаты ее аппроксимации локально-линейной регрессией на этапе алгоритма № 3

Скачать (535KB)
Метаданные
6. Рис. 5. Результаты различных этапов сшивания изображений температуры поверхности и построения ортомозаики в Agisoft Metashape: геопривязка изображений (а), разреженное облако точек (б), плотное облако точек (в), ортомозаика (г)

Скачать (1MB)
Метаданные
7. Рис. 6. Тепловые ортомозаики, построенные по исходным данным тепловой схемки (а) и по данным после применения первого (б) и второго (в) и третьего (г) шагов алгоритма коррекции для болотного полигона на территории исследовательской станции Мухрино вечером 17 июня 2022 г. (17:30). Снизу от каждой ортомозаики приведено среднее значение (mean), стандартное отклонение (std) и разность 99-го и 1-го перцентилей (IQR)

Скачать (1MB)
Метаданные
8. Рис. 7. Тепловые ортомозаики для природных полигонов: для зоны барханов в районе поселка Нарын-Худук (Калмыкия) по данным съемки утром (а) и днем (б) 22 июля 2021 г., для верхового болота на территории исследовательской станции Мухрино по данным съемки ночью (в) и днем (г) 16–17 июня 2022 г. Снизу от каждой ортомозаики приведено среднее значение (mean), стандартное отклонение (std) и разность 99-го и 1-го перцентилей (IQR). (а) Барханы, утро (22.07.2021, 08:25), (б) Барханы, день (22.07.2021, 14:15), (в) Верховое болото, ночь (16.06.2022, 23:30), (в) Верховое болото, день (17.06.2022, 11:25)

Скачать (1MB)
Метаданные
9. Рис. 8. Тепловые ортомозаики для полигонов с антропогенно-измененной поверхностью: для центральной части г. Надым (ЯНАО) по данным съемки ночью (а) и днем (б) 11 августа 2021 г., для территории пос. Баренцбург (архипелаг Шпицберген, Норвегия) по данным съемки ночью (в) и днем (г) 10 сентября 2021 г. Снизу или сбоку от каждой ортомозаики приведено среднее значение (mean), стандартное отклонение (std) и разность 99-го и 1-го перцентилей (IQR). (а) г. Надым, ночь (11.08.2021, 01:00), (б) г. Надым, день (11.08.2021, 14:15), (в) пос. Баренцбург, ночь (10.09.2021, 23:45), (г) пос. Баренцбург, день (10.09.2021, 14:10)

Скачать (1MB)
Метаданные

© Российская академия наук, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.