GLORIA

Mar 29, 2023

Scientific Data volumen 10, Número de artículo: 100 (2023) Citar este artículo

7902 Accesos

1 Citas

73 Altmetric

Detalles de métricas

Una corrección del autor de este artículo se publicó el 6 de abril de 2023

Este artículo ha sido actualizado

El desarrollo de algoritmos para la detección remota de la calidad del agua (RSWQ) requiere una gran cantidad de datos in situ para dar cuenta de la diversidad biogeoóptica de las aguas continentales y costeras. El conjunto de datos de la comunidad GLObal Reflectance para imágenes y detección óptica de entornos acuáticos (GLORIA) incluye 7572 mediciones de reflectancia de detección remota hiperespectral seleccionadas a intervalos de 1 nm dentro del rango de longitud de onda de 350 a 900 nm. Además, se proporciona al menos una medición de la calidad del agua ubicada en el mismo lugar de clorofila a, sólidos suspendidos totales, absorción por sustancias disueltas y profundidad de Secchi. Los datos fueron aportados por investigadores afiliados a 59 instituciones en todo el mundo y provienen de 450 cuerpos de agua diferentes, lo que convierte a GLORIA en el estado de conocimiento de facto de la diversidad óptica acuática costera e interior in situ. Cada medición está documentada con detalles metodológicos integrales, lo que permite a los usuarios evaluar la idoneidad para el propósito y proporciona una referencia para los profesionales que planifican mediciones similares. Brindamos acceso abierto y gratuito a este conjunto de datos con el objetivo de permitir el avance científico y tecnológico hacia el monitoreo operativo regional y global RSWQ.

La luz del sol reflejada a través de la interfaz agua-aire lleva firmas espectrales características de varios constituyentes clave de la calidad del agua debido a sus propiedades de absorción y dispersión específicas de longitud de onda1,2. La clorofila a, los sólidos suspendidos totales y la materia orgánica disuelta coloreada son los constituyentes ópticamente activos dominantes en las aguas continentales y costeras3,4, y las medidas comunes de la calidad del agua se utilizan para la gestión de los ecosistemas y la salud pública5,6,7,8. Las mediciones precisas de la reflectancia espectral (es decir, la radiación ascendente normalizada por la radiación solar descendente) son la base para aplicaciones de monitoreo ambiental rentables y sinópticas que utilizan sensores satelitales, sensores automatizados instalados cerca de la superficie del agua e instrumentos portátiles para estudios de campo manuales9.

Los instrumentos espaciales han estado proporcionando estimaciones precisas de la clorofila a y la retrodispersión de partículas en el océano abierto desde finales de la década de 1990 con datos del sensor de campo de visión amplio Sea-viewing (SeaWiFS) seguido de muchos otros, incluido el de imágenes de resolución media. espectrómetro (MERIS) y espectrorradiómetro de imágenes de resolución moderada (MODIS) en la década de 2000, y Ocean and Land Color Instrument (OLCI) y Visible Infrared Imaging Radiometer Suite (VIIRS) durante la última década10,11,12,13,14,15, 16,17. Sin embargo, en las aguas costeras y continentales, las incertidumbres en estas estimaciones suelen ser mucho mayores debido a factores que incluyen diversas contribuciones atmosféricas, luz dispersa de áreas terrestres adyacentes, variabilidad potencialmente no correlacionada de componentes ópticamente activos y, en aguas ópticamente poco profundas, reflexión del fondo9, 18,19,20. Además, los generadores de imágenes de resolución gruesa con una resolución nominal cercana a 1 km están limitados en sistemas estrechos y cercanos a la costa donde las misiones modernas de alta resolución como Landsat-8 y Sentinel-2 ofrecen observaciones válidas21. En general, la recuperación de la calidad del agua en lagos, ríos, estuarios, lagunas y aguas costeras cercanas a la costa sigue siendo un área activa de investigación en la que se necesitan mejoras para que las observaciones satelitales puedan alcanzar su potencial y convertirse en parte de los programas de monitoreo de rutina para los estados, tendencias, y sistemas de alerta de salud pública22,23,24,25,26.

Los conjuntos de datos in situ grandes y representativos a nivel mundial son esenciales para el desarrollo y la validación de algoritmos bioópticos para respaldar el monitoreo a gran escala utilizando tecnologías de observación de la Tierra por satélite. Dichos conjuntos de datos son particularmente escasos y están geográficamente fragmentados en aguas continentales y costeras, ya que las mediciones radiométricas no forman parte de la mayoría de los programas de muestreo de rutina y muchos lagos son remotos y de difícil acceso.

Abordamos estas deficiencias con nuestro conjunto de datos de la comunidad GLObal Reflectance para imágenes y detección óptica de entornos acuáticos (GLORIA). GLORIA incluye más de 7000 reflectancia de detección remota hiperespectral seleccionada (Rrs, sr-1) y clorofila a coubicada (Chla, mg m-3), sólidos suspendidos totales (TSS, gm-3), absorción por materia orgánica disuelta coloreada (CDOM ) a una longitud de onda de 440 nm (aCDOM(440), m−1) y medidas de profundidad Secchi (m). Los datos fueron aportados por investigadores afiliados a 59 instituciones en 20 países que realizaron las mediciones para una variedad de objetivos bajo diversas fuentes de financiamiento y niveles de recursos, pero compartieron la atención a los estrictos protocolos de muestreo, la tenacidad para llegar a sitios remotos e inaccesibles, el compromiso de establecer sitios de seguimiento de tendencias a largo plazo y el reconocimiento del valor de los conjuntos de datos de acceso abierto para el beneficio público. Con su cobertura casi global, rango geomórfico de cuerpos de agua y un lapso de tiempo de 30 años (Fig. 2), GLORIA representa el estado de facto del conocimiento de la diversidad bio-geo-óptica de aguas continentales y costeras in situ. Los subconjuntos de datos ya han producido contribuciones significativas al desarrollo de algoritmos globales para la estimación basada en satélites de Chla, TSS y aCDOM(440) utilizando métodos de aprendizaje automático intensivos en datos27,28,29,30,31 o métodos semianalíticos globales. enfoques32. Cuando estaban disponibles, también proporcionamos estimaciones de incertidumbre de Rrs y mediciones de calidad del agua como desviaciones estándar y medias de mediciones repetidas. No obstante, algunos detalles metodológicos que actualmente se consideran relevantes pueden no haberse registrado en el momento de la observación, lo que limita nuestra capacidad para evaluar retrospectivamente las fuentes de incertidumbre en subconjuntos del conjunto de datos global.

GLORIA se basa en los depósitos de datos existentes destinados a estudios de sensores remotos de ambientes acuáticos. Abordamos las aguas costeras e interiores ópticamente complejas y pobremente representadas en las plataformas de datos abiertos existentes, como el Sistema de almacenamiento y archivo bioóptico SeaWiFS (SeaBASS, https://seabass.gsfc.nasa.gov)33,34. A diferencia de otros repositorios de datos relevantes, como la base de datos Lake Bio-optical Measurements and Matchup Data for Remote Sensing (LIMNADES, https://limnades.stir.ac.uk), GLORIA es de acceso abierto. Al llevar a cabo un control de calidad constante en todo el conjunto de datos y proporcionar detalles metodológicos integrales asociados con cada medición, hemos producido un paquete de datos independiente y listo para el análisis para la comunidad.

El compromiso de las agencias espaciales para mantener y mejorar los sistemas ópticos de observación de la Tierra y la floreciente flota de plataformas comerciales indican que nuestro conjunto de datos de atributos de calidad del agua y reflectancia acoplada satisface una gran necesidad de facilitar el desarrollo de aplicaciones y algoritmos. Anticipamos que nuestra colección de configuraciones y metodologías de campo fomentará la recopilación de datos específicos para la calibración y validación de los próximos sensores satelitales35,36,37, así como el crecimiento de los observatorios in situ38,39,40.

El conjunto de datos de GLORIA se recopiló de la comunidad de óptica acuática de investigadores o grupos de investigación que trabajan con una variedad de objetivos que incluyen el monitoreo de rutina de sitios de alta prioridad, la caracterización bioóptica única de una variedad de cuerpos de agua, la recopilación de datos para respaldar el algoritmo. desarrollo o muestreo designado para validar productos equivalentes derivados de satélites. Los esfuerzos para recopilar estos datos comenzaron en 2018 con el segundo ejercicio de intercomparación de corrección atmosférica (ACIX-II Aqua), una colaboración internacional para probar procesadores que generan productos de reflectancia acuática a partir de mediciones de radiancia realizadas en la parte superior de la atmósfera19. Las solicitudes de contribuciones se hicieron en las sesiones de conferencias pertinentes ya través de las redes de investigación de los individuos. Estas solicitudes fueron para espectros de reflectancia de detección remota de calidad garantizada a intervalos de 1 nm dentro del rango de longitud de onda de 350 a 900 nm y al menos un atributo de calidad del agua ubicado en el mismo lugar (Chla, TSS, aCDOM (440) o profundidad Secchi), y las incertidumbres asociadas . Las siguientes secciones proporcionan más detalles sobre los datos y el procesamiento.

La cantidad radiométrica central informada en nuestro conjunto de datos es la reflectancia de detección remota, Rrs (sr−1). Se define como la relación entre la radiancia que sale del agua justo por encima de la superficie del agua (Lw(0+), W m−2 sr−1 nm−1) y la irradiancia descendente por encima del agua (Es, W m−2 nm− 1)(Ec. 1, Fig. 1). Usamos la simbología de Ruddick et al.41 con ligeras modificaciones:

Los procesos ópticos de absorción y dispersión en la atmósfera y el agua determinan la cantidad y naturaleza espectral de la luz recibida por un sensor. La reflectancia de detección remota, la cantidad radiométrica central del conjunto de datos de GLORIA, es la relación entre la radiancia que sale del agua justo por encima de la superficie del agua (Lw) y la irradiancia que desciende sobre el agua (Es).

Rrs y Lw dependen del ángulo de visión del nadir Θ (medido desde el eje vertical hacia abajo) y del ángulo de visión del azimut ɸ (medido en el sentido de las agujas del reloj desde el sol); λ identifica la dependencia de la longitud de onda. Para aplicaciones acuáticas de teledetección, es convencional definir Rrs como derivado de un sensor mirando directamente hacia abajo Lw(λ, Θ = 0) donde ɸ no está definido42. Por lo tanto, omitimos λ, Θ y ɸ por brevedad notacional. Se utilizaron varios métodos e instrumentos para la medición de las cantidades radiométricas de afloramiento y descenso reportadas en nuestro conjunto de datos. Aquí proporcionamos breves descripciones de los tipos generales de metodologías utilizadas para su medición, y una lista al final de esta sección brinda un resumen formal.

Lw se puede medir directamente usando un radiómetro justo encima de la superficie del agua, mirando verticalmente hacia abajo y protegido de la luz reflejada en la superficie del agua43. Otras técnicas comunes incluyen la medición de la radiancia del afloramiento en el nadir debajo de la superficie del agua (Lu(0-))44, o desde arriba de la superficie del agua donde el sensor se dirige a un ángulo de nadir distinto de cero (Lt)45. Ambas medidas de radiancia requieren conversiones a Lw, a las que se hace referencia en la lista al final de esta sección. En resumen, Lu(0-) se puede derivar extrapolando la radiación del afloramiento a partir de mediciones a profundidades prácticas debajo de la superficie del agua hasta justo debajo de la superficie del agua46. La propagación a través de la interfaz agua-aire teniendo en cuenta la reducción de la radiación por reflexión interna en la superficie del agua produce Lw. La estimación de Lw a partir de Lt es más compleja, ya que Lt contiene una cantidad considerable de radiancia del cielo reflejada en la superficie del agua hacia el campo de visión del sensor (radiancia del cielo reflejada) además de Lw(Θ, ɸ), donde observamos el ángulo dependencia para enfatizar la necesidad de conversión a Θ = 0. Por lo tanto, el resplandor del cielo (Lsky) generalmente se mide simultáneamente con Lt en los mismos ángulos acimutales y en ángulos cenitales Θz (desde el eje vertical hacia arriba) cerca de 40°42.

Se utilizaron tres enfoques diferentes para medir Es en el presente conjunto de datos y Ruddick et al.47 proporcionan una revisión detallada. Más comúnmente, Es se midió directamente usando un sensor de irradiación plana sobre la superficie del agua dirigido directamente hacia arriba. El segundo método más utilizado empleó un sensor de radiación apuntando hacia abajo para medir la reflectancia de una placa lambertiana sostenida horizontalmente con propiedades reflectantes conocidas. Este método tiene la ventaja de que se puede usar un solo sensor para todas las mediciones necesarias para el cálculo de Rrs, lo que reduce potencialmente el costo, la carga del equipo y las incertidumbres de la intercalibración de varios sensores. En algunos casos, Es se estimó a partir de mediciones de irradiancia debajo de la superficie del agua (justo debajo de la superficie: Ed(0-), o en la profundidad z: Ed(z)). Estas mediciones son típicas de instalaciones autónomas en cadenas de sensores verticales o un solo paquete de sensores en una plataforma de perfiles verticales44.

Los instrumentos utilizados para las mediciones radiométricas para cada entrada del conjunto de datos GLORIA son parte de los metadatos (archivo GLORIA_meta_and_lab.csv) y se proporcionan en la lista al final de esta sección. Estos incluyen los que se utilizan habitualmente para la validación de la reflectancia acuática derivada de satélites, como RAMSES (TriOS, Alemania), HyperOCR (fabricado por Sea-Bird Scientific, EE. UU.; anteriormente fabricado por Satlantic Inc., Canadá) y C-OPS (Biospherical Instruments Inc., EE.UU.). RAMSES e HyperOCR tienen detectores de matriz de fotodiodos de silicio de 256 canales con una resolución espectral de 10 nm y un muestreo espectral de 3,3 nm por píxel. La configuración típica de los instrumentos RAMSES para nuestro conjunto de datos es una instalación sobre la superficie con un sensor Es vertical y sensores Lsky y Lt en ángulos de cenit y nadir de 40–42°, respectivamente (Fig. 1). Los instrumentos HyperOCR generalmente se instalan en un marco flotante para medir Es y Lu o Lw en un ángulo nadir cero, mientras que HyperPRO (e HyperPro II) son configuraciones de caída libre de HyperOCR diseñadas para medir perfiles verticales en la columna de agua. La configuración de C-OPS es similar a HyperOCR, pero el instrumento solo tiene 19 bandas espectrales de 10 nm de ancho. HyperSAS es una configuración de tres sensores de HyperOCR para instalación sobre la superficie en estructuras con vista al agua o barcos, similar a la configuración RAMSES. Water Insight WISP-3 es una unidad portátil autónoma con entradas ópticas para Es, Lsky y Lt que conducen a espectrómetros separados48.

Varios instrumentos utilizados admiten una sola entrada óptica en unidades de mano o instrumentos portátiles y deben apuntarse para proporcionar las diferentes mediciones radiométricas (rango ASD FieldSpec, Satlantic HyperGun, Spectra Vista, Spectral Evolution, Spectron Engineering y dispositivos Photo Research SpectraScan).

Algunos investigadores integraron espectrómetros compactos (fabricados por Ocean Insight, Inc., antes conocida como Ocean Optics, Inc., EE. UU.) con registradores de datos y fibras ópticas en marcos o postes que pueden orientarse lejos de las plataformas de observación. Las mediciones se realizarían a través de varios instrumentos y fibras ópticas orientadas para las cantidades radiométricas respectivas, o una sola fibra reorientada secuencialmente.

Los contribuyentes de datos proporcionaron mediciones radiométricas interpoladas a intervalos de 1 nm en el rango de longitud de onda de 350 a 900 nm. Los anchos de banda específicos del instrumento de las mediciones originales se proporcionan en la tabla de datos (archivo GLORIA_meta_and_lab.csv, columna 'Spectral_resolution_nm'). Debido a las limitaciones del instrumento y del procesamiento, algunos espectros abarcan el rango de 400 a 750 nm, o límites cercanos. Los datos radiométricos para cada entrada de GLORIA pueden ser de una sola medición, o la media o la mediana de varias mediciones durante un intervalo de tiempo. Cuando estuvieron disponibles, los contribuyentes de datos proporcionaron las medias espectrales de Rrs, las desviaciones estándar y el número de mediciones para los eventos de muestreo. Se realizó control de calidad en todos los espectros recibidos (consulte la sección Validación técnica).

Las configuraciones de medición y los instrumentos utilizados para las mediciones radiométricas se enumeran a continuación. El número del método corresponde a la columna 'Measurement_method' en GLORIA_meta_and_lab.csv. Las referencias a las descripciones publicadas del enfoque y las aplicaciones se proporcionan cuando están disponibles.

Lt, Lsky y Es secuenciales a través de una placa en MP (plataforma móvil)

Instrumentos: ASD FieldSpec, Photo Research PR-650 Colorímetro SpectraScan, Sea-Bird Scientific/Satlantic HyperGun, Spectra Vista GER1500, Spectral Evolution SR-3500/PSR-1100f, Spectron Engineering SE-590, TriOS RAMSES

Enfoque: Mobley45

Applications: Bresciani et al.49; Kudela et al.50; Zolfaghari et al.51

Lt, Lsky y Es en MP

Instrumentos: Water Insight WISP-3

Enfoque: Mobley45

Aplicaciones: Hommersom et al.48

Lu (0-) y Es en un poste conectado a un espectrómetro a través de fibra óptica desde MP o borde de agua

Instrumentos: Ocean Insight/Ocean Optics USB2000/USB2000 + /USB4000

Enfoque: Chipman et al.52

Aplicaciones: Gurlin et al.53; Schalles y Hladik54; Li et al.55; Mishra et al.56; Brezonik et al.57; Werther et al.58

Tragaluz Lw(0+) bloqueado y Es a flote lejos de MP

Instrumentos: Sea-Bird Scientific/Satlantic HyperOCR

Abordaje: Lee et al.55

Aplicaciones: Wei et al.59

Lu(0-) a flote lejos de MP, Es en MP

Instrumentos: Sea-Bird Scientific/Satlantic HyperOCR, TriOS RAMSES

Lt, Lsky y Es en MP

Instrumentos: Sea-Bird Scientific/Satlantic HyperSAS, TriOS RAMSES

Enfoque: Mobley45; Simis y Olsson60

Aplicaciones: Qin et al.61; Warren et al.62

Lt, Lsky y Es en un marco desplegado en MP

Instrumentos: TriOS RAMSES

Enfoque: Mobley45; mobley63

Aplicaciones: Maciel et al.64; Cairo et al.65; da Silva et al.66

Lu(0-) y Ed(0-) perfiles en el agua de MP, Es en MP

Instrumentos: C-OPS biosférico, Sea-Bird Scientific/Satlantic HyperOCR, TriOS RAMSES

Abordaje: Mueller et al.44; Lubac y Loisel67

Aplicaciones: Binding et al.68

Unidades Lu(0-) y Ed(z) en una barra de profundidad ajustable (medidas a −0,21 y −0,67 m) en un marco a flote lejos de MP, unidad Es levantada sobre la superficie del agua para Es

Instrumentos: TriOS RAMSES

Abordaje: Fritz et al.69

Lu(0-) y Ed(0-) del cabrestante en MP, Es en MP

Instrumentos: TriOS RAMSES

Aproximación: Zibordi y Talone70

Lt y Es en poste desde el borde del agua

Instrumentos: TriOS RAMSES

Abordaje: Kutser et al.71

Lu(0-) y Ed(0-) perfiles autónomos en el agua desde una plataforma fija

Instrumentos: Sea-Bird Scientific/Satlantic HyperOCR

Enfoque: Mueller et al.44

Aplicaciones: Minaudo et al.72

Lt y Es secuenciales a través de una placa, montada en un poste estabilizado con cardán de MP

Instrumentos: Ocean Insight/Ocean Optics STS-VIS

Lu (0-) (y Ed (0-) solo para información de profundidad) del perfil en el agua de MP, Es registrado simultáneamente desde el mismo MP muy cerca del despliegue del perfilador

Instrumentos: TriOS RAMSES

Approach: Mueller et al.44; Stramski et al.73

Aplicaciones: Bracher et al.74; Tilstone et al.75

Lt, Lsky, Es, combinados con una unidad Lu (apertura de −0,05 a −0,10 m) colocada en un poste

Instrumentos: TriOS RAMSES

Lu(0-) y Es secuenciales a través de una placa, ambas mediciones utilizando una fibra óptica a un tubo de perspex enmascarado negro

Instrumentos: Spectron Ingeniería SE-590

Enfoque: Dekker76

Unidades Lu(0-) y Ed(z) en un marco flotante (medidas a −0,4 m (Lu) y −0,1 m (Ed)) a la deriva a 10 m del barco

Instrumentos: TriOS RAMSES

Abordaje: Fritz et al.69

GLORIA incluye aproximadamente 1100 entradas de SeaBASS33. Buscamos espectros de reflectancia en SeaBASS con mediciones concomitantes de la calidad del agua y nos aseguramos de que estos fueran de aguas interiores y costeras solo al mapear las ubicaciones de muestreo de todos los registros de profundidades de agua inferiores a 200 m. Cuando la profundidad del agua no formaba parte del registro SeaBASS, la asignamos en función de la Carta batimétrica general del océano (GEBCO_2021 Grid sub-ice topo/bathy)77. Varios campos de metadatos no estaban disponibles para estos datos, pero se proporcionan identificadores de conjuntos de datos SeaBASS para permitir una mayor investigación si es necesario. Todos los datos de SeaBASS se incluyeron en nuestro proceso de control de calidad. Si bien SeaBASS permite la carga de datos de incertidumbre para radiometría y calidad del agua, las entradas que localizamos para aguas interiores y costeras no contenían esta información.

Los atributos de calidad del agua Chla, TSS y aCDOM(440) se determinaron utilizando métodos de laboratorio de alta precisión bien establecidos. El método para cada análisis se identifica en las columnas 'Chl_method', 'TSS_method' y 'aCDOM_method' en el archivo GLORIA_meta_and_lab.csv y los detalles del método se proporcionan en GLORIA_variables_and_methods.xlsx. Cuando estén disponibles, las medias de los datos y las desviaciones estándar de los análisis repetidos de Chla, TSS y aCDOM(440) se proporcionan en archivos separados.

Los métodos utilizados con mayor frecuencia para Chla fueron mediante la extracción de pigmentos a base de solventes de las almohadillas de filtro, seguida de análisis fluorométrico (US EPA 445.0) o espectrofotométrico (US EPA 446.0). En la mayoría de las muestras, los pigmentos se extrajeron en acetona al 90 % con la ayuda de trituración mecánica del tejido. Las modificaciones de estos métodos incluyeron el uso de acetona al 90 % tamponada con MgCO3 y diferentes enfoques para apoyar la descomposición mecánica de las células de algas. Otros métodos para Chla siguieron estándares nacionales e internacionales (DIN 38412-16:1985-12, NEN 6520, HJ 897–2017, SL88-2012 e ISO 10260:1992). Los métodos que incluyeron una corrección para feofitina, un producto de degradación de Chla78, se indican con una bandera ('1') en la tabla de datos (columna 'Phaeophytin_correction') y el valor de Chla correspondiente se encuentra en la columna 'Chla'; donde la feofitina no se corrigió para la bandera es '0' y Chla se proporciona en la columna 'Chl_plus_phaeo' a menos que la corrección de feofitina no fuera aplicable para ciertas configuraciones de instrumentos fluorométricos79. Muchos investigadores también utilizaron la cromatografía líquida de alta presión (HPLC) para la determinación de Chla y el valor de Chla se encuentra en la columna 'Chla'. La única excepción a la Chla determinada en laboratorio son las mediciones del perfilador Thetis en el lago de Ginebra (Suiza), donde se estimó la Chla asociada con las mediciones de Rrs a partir de la altura de la línea de absorción a 676 nm80 y la relación lineal entre la Chla fluorométrica nocturna (medida por un WetLabs ECO Triplet BBFL2W) con altura de línea de absorción (coeficiente de determinación medio: R2 = 0,92)72.

La concentración de TSS se midió gravimétricamente pesando el residuo seco de una muestra de agua filtrada en una almohadilla de filtro previamente quemada y previamente pesada. aCDOM(440) generalmente se cuantificó siguiendo a Mitchell et al.81. Por lo tanto, la densidad óptica de las muestras de agua, normalmente filtradas a través de membranas de policarbonato con un tamaño de poro de 0,2 μm para eliminar partículas, se midió en un espectrofotómetro y se convirtió en absorción. La profundidad de Secchi se determinó como la profundidad a la que un disco, típicamente blanco y negro, de 20 o 30 cm de diámetro, deja de ser visible para un observador cuando se sumerge en el agua82,83.

Cada entrada de datos está asociada con campos que identifican al contribuyente de datos, referencias cruzadas a otras bases de datos y detalles que describen el sitio de muestreo y las condiciones ambientales. Varias variables categóricas permiten una estratificación superficial del conjunto de datos según el tipo de cuerpo de agua (lago, estuario, océano costero, río u otro), el propósito de la recopilación de datos (p. ej., monitoreo rutinario de aguas superficiales o muestreo basado en eventos), tipo de agua biogeoquímica dominante (p. ej. , dominada por sedimentos o dominada por algas) y estabilidad óptica (p. ej., baja para lagos, ríos y estuarios poco profundos o alta para lagos profundos y algunos entornos marinos costeros).

Las características específicas del evento de muestreo, tales como geocoordenadas, sellos de fecha y hora, condiciones ambientales (p. ej., nubosidad, velocidad del viento y altura de las olas) y entornos ambientales (p. ej., elevación sobre el nivel del mar, cubierta terrestre dominante y pendiente) se proporcionan donde conocido. Varios campos de metadatos proporcionan referencias cruzadas a los detalles de los métodos de instrumentación, medición y procesamiento para todos los datos radiométricos y de calidad del agua.

El conjunto de datos GLORIA está alojado en PANGEA Data Publisher for Earth & Environmental Science84. Los datos están contenidos en varios archivos de valores separados por comas (csv) y un archivo de Microsoft Excel proporciona claves para los nombres de las columnas y los detalles del método (Tabla 1). Los puntos de datos individuales se identifican en todos los archivos utilizando GLORIA_ID.

Los 7572 espectros de GLORIA Rrs se originan en 31 países en un rango geográfico casi global de 67°N a 54°S y de 122°W a 178°E (Fig. 2) con la mayoría de las muestras de lagos (60%), seguidas por aguas costeras (32%), estuarios (4%) y el resto de ríos y otros tipos de cuerpos de agua. La amplia gama de mediciones radiométricas y de calidad del agua en GLORIA (Fig. 2) es consistente con la diversidad global de formas espectrales de Rrs con respecto a los tipos de agua óptica85,86 y los rangos de color visual87,88 (Fig. 3). La gama de atributos de calidad del agua es amplia y sus distribuciones de frecuencia se muestran en la (Fig. 2).

Resumen de las distribuciones geográficas, temporales y de calidad del agua de las muestras de GLORIA. (a) Los puntos marcan la ubicación de cada muestra y los histogramas en los bordes del mapa muestran las distribuciones longitudinal y latitudinal del conjunto de datos. (b) Las muestras más tempranas se recolectaron en 1990 y el esfuerzo de muestreo ha sido constante desde 2001. (c–f) Los histogramas de los atributos de calidad del agua transformados logarítmicamente ilustran el rango extremo de valores y sus distribuciones logarítmicas normales típicas.

Resumen de la diversidad de espectros Rrs de GLORIA. (a) Trece espectros Rrs elegidos al azar, uno de cada tipo de agua óptica que se muestra en b. (b) Gráfico de barras del número de espectros GLORIA asignados a cada tipo de agua óptica de Spyrakos et al.85. (c) Diagrama de cromaticidad98 que muestra el color visual derivado de cada espectro GLORIA Rrs usando las funciones de ponderación triestímulo de acuerdo con la Comisión Internacional de l'Éclairage (CIE)99; WP: punto blanco.

Todos los datos presentados para su inclusión en esta compilación habían sido objeto de control de calidad por parte de los proveedores. Nuestro proceso de curación incluyó la recuperación de información detallada con ellos para garantizar que los métodos de muestreo, procesamiento de muestras y análisis de laboratorio sean adecuados para su propósito. Se llevaron a cabo verificaciones adicionales de los datos recopilados como se describe a continuación.

Los espectros de reflectancia se verificaron en busca de valores atípicos y formas espectrales poco realistas utilizando una serie de indicadores de control de calidad (Tabla 2). Al marcar, pero mantener, los espectros con problemas de calidad moderados o sospechosos, pudimos retener un conjunto de datos más grande y recomendamos al usuario que inspeccione las banderas para evaluar el conjunto de datos para sus propósitos. Los métodos de control de calidad se describen a continuación. Las entradas de datos con problemas de calidad se identifican configurando el indicador de calidad correspondiente en uno (1) en el archivo GLORIA_qc_flags.csv.

La primera ronda de control de calidad fue una detección de procedimiento de la variabilidad de alta frecuencia (sospecha de ruido), cambios en la línea de base (p. ej., debido a una eliminación de destellos subóptima), la presencia de una característica de absorción de oxígeno cerca de 762 nm (p. ej., a partir de problemas de intercalibración del sensor), y pendientes negativas en la parte ultravioleta a azul del espectro (p. ej., de la corrección subóptima de radiancia difusa del cielo). Estas son las primeras cinco banderas en la Tabla 2.

Además, calculamos la puntuación del polinomio del índice de calidad del agua (QWIP)89. Este enfoque se desarrolló para identificar datos de reflectancia acuática hiperespectral que quedan fuera de las tendencias generales observadas en un gran conjunto de datos de aguas ópticamente profundas. Brevemente, el QWIP es un polinomio de cuarto orden que describe una tendencia central bien formada para una métrica espectralmente integrada (longitud de onda visible aparente90, AVW) para predecir un índice de diferencia normalizado (NDI; λ = 492, 665 nm) a lo largo de un continuo de agua tipos Para un espectro determinado, la diferencia entre el NDI calculado y el previsto por el AVW se conoce como puntuación QWIP. Si una puntuación determinada de QWIP excedía una desviación prescrita de la relación polinomial, en este caso |0,2|, los datos se identificaban con el indicador 'QWIP_fail' en el archivo GLORIA_qc_flags.csv (Tabla 2). AVW y la puntuación QWIP se proporcionan en el archivo GLORIA_qc_ancillary.csv (Tabla 3).

En la inspección visual, algunos espectros que pasaron los criterios anteriores todavía parecían tener problemas sutiles. Otros problemas pueden ser causados ​​por la deriva del instrumento, el sombreado del instrumento, la contaminación por luz parásita o errores durante la corrección del reflejo del cielo y, a menudo, se ven exacerbados por las condiciones ambientales59. Dichos espectros sospechosos pueden ser reconocidos por profesionales experimentados familiarizados con la forma en que las propiedades ópticas inherentes de las aguas superficiales varían naturalmente y determinan la reflectancia a través de procesos de transferencia radiativa (Fig. 1)91. Utilizando este conocimiento dentro de la comunidad de coautores, llevamos a cabo una obtención sistemática de expertos dividiendo aleatoriamente los espectros Rrs en lotes de 400 a 700 y asignando cada lote a un experto para identificar datos sospechosos. Los espectros que se marcaron como 'Sospechosos' fueron luego evaluados por tres expertos más con el fin de mejorar la consistencia entre los lotes de diferentes individuos. El conjunto resultante de espectros sospechosos se identifica con el indicador "Sospechoso" en el archivo GLORIA_qc_flags.csv (Tabla 2).

Determinar la incertidumbre inherente a las observaciones de Rrs es un desafío debido a la naturaleza variable de la iluminación y las condiciones de la superficie del agua durante las observaciones repetidas. Esto es especialmente cierto para las mediciones de la luz de afloramiento realizadas sobre la superficie del agua, donde el reflejo del sol y el resplandor del cielo reflejado contribuyen a Lt, que se aplica a aproximadamente el 42 % de las muestras en GLORIA. En gran medida, las observaciones espurias resultantes de tales efectos aleatorios ya se eliminaron en la fuente, de modo que la variabilidad restante es el resultado de varios procedimientos de selección de calidad e interpretación de expertos. Sin embargo, es posible utilizar modelos de irradiancia atmosférica y propiedades bioópticas para modelar la contribución más probable del destello solar y la radiación del cielo reflejada en la observación de Rrs y, por lo tanto, probar la consistencia física de los Rrs informados. Para ello, utilizamos el algoritmo 3C92 para reconstruir Rrs a partir de registros en los que se disponía de Lt, Lsky y Es.

3C proporciona una reconstrucción de Rrs utilizando la optimización no lineal de los modelos ópticos atmosféricos y de agua, lo que permite una variedad de propiedades ópticas para resolver la relación entre la radiación ascendente y descendente proporcionada como entrada. Debido a la flexibilidad de las correcciones de superficie, se propone 3C para permitir obtener Rrs robustos en una amplia gama de condiciones de medición. Se espera que el 3C-Rrs resultante tenga una propagación reducida del error de la forma espectral variable de la reflectancia y el destello del cielo. Esto proporciona una ventaja sobre los métodos que consideran estas correcciones constantes o en función de la velocidad del viento60, que es el caso de la mayoría de Rrs de mediciones sobre la superficie informadas en la base de datos GLORIA (columna 'Skyglint_removal' en GLORIA_meta_and_lab.csv). La diferencia entre 3C-Rrs y el Rrs informado originalmente es, por lo tanto, una medida aproximada de la incertidumbre algorítmica. Una coincidencia cercana entre la reconstrucción 3C y el Rrs informado originalmente brinda confianza de que la observación informada fue físicamente consistente. Se supone que las discrepancias más grandes están asociadas con condiciones de observación desafiantes, lo que da como resultado Lsky, Lt o Es sospechosos, pero también pueden ser causadas por propiedades del agua o atmosféricas que el modelo no puede reconstruir.

Para este análisis, utilizamos los espectros de 1589 que incluían Lt, Lsky, Es, el tiempo de observación y la ubicación geográfica, y para los cuales el método para calcular Rrs aún no se basaba en 3C. Este análisis también es independiente del indicador de calidad en la sección anterior, por lo que se incluyeron todas las observaciones y los resultados presentan el peor de los casos que mejor representa la incertidumbre algorítmica inherente al cálculo de Rrs, aunque sin el conocimiento de los criterios de control de calidad aplicados antes de los datos que se reportan. El modelo óptico de agua 3C se configuró con límites amplios para la concentración de Chla (condición inicial 5 mg m-3, rango 0.01-1000 mg m-3) y TSS (condición inicial 10 g m-3, rango 0-1000 g m-3 ) aunque configurado de otra manera como se detalla en Groetsch et al.92 y Jordan et al.93.

El sesgo mediano entre el 3C-Rrs informado y el 3C-Rrs fue del orden de 0,0005 sr−1, y el 3C produjo Rrs más bajos, como era de esperar porque la corrección incompleta que se basa en un factor de corrección estático para los reflejos de la superficie conduce a Rrs más altos (Fig. 4A) . El sesgo disminuyó gradualmente con la longitud de onda, lo que sugiere que los datos informados se han corregido de manera subóptima para la radiación difusa del cielo. Existe una dispersión considerable en el sesgo de observación del modelo, del orden de 0,00004 a 0,0016 sr−1 para Rrs(560) en el rango intercuartílico.

Sesgo espectral de Rrs informado en comparación con Rrs modelado 3C de 1589 espectros para los que Lt, Lsky y Es estaban disponibles. (A) Mediana e intercuartílico (reportado - modelado). (B) Sesgo relativo en Rrs (reportado - modelado)/modelado. Las discontinuidades en el espectro de polarización son causadas por sensores que tienen diferentes rangos de longitud de onda dentro de partes del conjunto de datos.

En términos relativos (Fig. 4B), el sesgo mediano en Rrs entre observado y 3C-Rrs es más pequeño en el rango espectral verde (orden del 6,4 %), donde la amplitud máxima de Rrs se observa típicamente en este conjunto de datos, y más grande en UV y Regiones NIR del espectro donde Rrs es típicamente más bajo. La dispersión (rango intercuartílico) del sesgo relativo en Rrs(560) es del 5 al 16 %, pero mucho más amplia en el rango UV y NIR, superando el −30 % y el 170 %.

Las mayores diferencias en el sesgo de Rrs entre los espectros informados y 3C se encontraron entre los conjuntos de datos aportados, en lugar de entre los métodos de observación. La mayoría de los conjuntos de datos mostraron diferencias relativas absolutas en Rrs (400–800) en el rango de 0–10 %, pero también hay casos en los que la diferencia supera el 100 %.

Este análisis apunta a un alto grado general de incertidumbre en los métodos que utilizan mediciones de Lt sobre el agua y la necesidad de un control de calidad riguroso por parte de los observadores. Para el trabajo futuro, sugerimos agregar la reconstrucción del modelo Rrs como parte del esfuerzo de recopilación de datos, lo que permite la inspección de términos de brillo para marcar objetivamente las observaciones como sospechosas, antes de que se implementen otros controles de calidad. Además, para respaldar futuras mejoras algorítmicas (p. ej., para elaborar funciones de distribución de reflectancia bidireccional), todos los espectros de componentes y geometrías de observación deben incluirse en conjuntos de datos y estos deben informarse con la resolución nativa de cada sensor involucrado para evitar errores de convolución al calcular Rrs94.

Las mediciones de la calidad del agua se investigaron utilizando distribuciones de frecuencia para identificar valores atípicos. Se crearon distribuciones de frecuencia separadas por 'Water_type', una clasificación subjetiva asignada por los contribuyentes de datos de acuerdo con el componente óptico dominante para cada cuerpo de agua (dominado por TSS, dominado por Chla, dominado por CDOM, dominado por Chla + COM, costero moderadamente turbio). , claro). Todas las mediciones por encima de las tres desviaciones estándar de la media específica del tipo de agua se reevaluaron para garantizar que fueran de alta confianza.

Los métodos utilizados para las mediciones radiométricas y los análisis de laboratorio se identifican en las columnas 'Measurement_method', 'Chl_method', 'TSS_method' y 'aCDOM_method' en el archivo GLORIA_meta_and_lab.csv. Los detalles asociados con las referencias se proporcionan en hojas separadas en el archivo GLORIA_variables_y_métodos.xlsx. Buscar el método para una medición en particular requiere el 'Dataset_ID' y el nombre del método.

Cada medición de Rrs está asociada con banderas de calidad (archivo GLORIA_qc_flags.csv). Los indicadores de calidad son binarios e indican la presencia ('1') o la ausencia ('0') del problema de calidad descrito en la Tabla 2. Los valores faltantes indican que no se pudo determinar el indicador porque el espectro no incluía el rango de longitud de onda requerido. . Algunos valores numéricos generados durante el control de calidad se proporcionan en el archivo GLORIA_qc_ancillary.csv (Tabla 3).

Algunos de los datos en GLORIA son parte de otras publicaciones de datos, o también están incluidos en los repositorios comunitarios SeaBASS33 y/o LIMNADES. Las columnas 'SeaBASS_ID', 'LIMNADES_ID' y 'LIMNADES_UID' en la tabla de datos (GLORIA_meta_and_lab.csv) proporcionan identificadores utilizados en los respectivos conjuntos de datos para facilitar las entradas de referencias cruzadas, por ejemplo, para evitar duplicados. Otras referencias a la publicación previa de los datos se proporcionan en la columna 'Comentarios' en GLORIA_meta_and_lab.csv en forma de un identificador de objeto digital (DOI).

El código para realizar el marcado de control de calidad descrito en la sección Validación técnica está escrito en R95 y está disponible en Zenodo96. El código 3C está disponible en https://gitlab.com/pgroetsch/Rrs_model_3C. El código para QWIP está en Zenodo97.

Se ha publicado una corrección de este artículo: https://doi.org/10.1038/s41597-023-02069-3

Seyhan, E. & Dekker, A. Aplicación de técnicas de teledetección para el monitoreo de la calidad del agua. Boletín Hidrobiológico 20, 41–50, https://doi.org/10.1007/BF02291149 (1986).

Artículo CAS Google Académico

Kirk, JTO Luz y fotosíntesis en ecosistemas acuáticos. 2ª ed., (Cambridge University Press, 1994).

Muller-Karger, FE Detección remota de la contaminación marina: un desafío para la década de 1990. Contaminación de marzo. Toro. 25, 54–60, https://doi.org/10.1016/0025-326X(92)90186-A (1992).

Artículo Google Académico

Bukata, PR, Jerome, JH, Kondratyev, KY & Pozdnyakov, D. Propiedades ópticas y teledetección de aguas continentales y costeras. 362 (Prensa CRC, 1995).

Hassan, R., Scholes, R. y Ash, N. en Millennium Ecosystem Assessment (Island Press, Washington, DC., 2005).

Salud Canadá. Pautas para la calidad del agua recreativa canadiense, tercera edición. (Oficina de Agua, Aire y Cambio Climático, Subdivisión de Ambientes Saludables y Seguridad del Consumidor, Health Canada, Ottawa, 2012).

PNUMA. Un marco para la gestión de ecosistemas de agua dulce. Volumen 4: Antecedentes científicos. (ONU Medio Ambiente, 2018).

OMS. Directrices sobre la calidad del agua recreativa. Volumen 1: aguas costeras y dulces. (Organización Mundial de la Salud, Ginebra, 2021).

IOCCG. Observaciones de la Tierra en Apoyo del Monitoreo de la Calidad del Agua Global. (Grupo Internacional de Coordinación del Color del Océano, Dartmouth, Canadá, 2018).

McClain, CR et al. Datos de SeaWiFS de calidad científica para la investigación de la biosfera global. Tecnología del mar. 39, 10–16 (1998).

Google Académico

Gordon, HR, Clark, DK, Mueller, JL y Hovis, WA Pigmentos de fitoplancton del escáner de color de la zona costera Nimbus-7: comparaciones con mediciones de superficie. Ciencia 210, 63–66, https://doi.org/10.1126/science.210.4465.63 (1980).

Artículo ADS CAS PubMed Google Scholar

Stramski, D., Reynolds, RA, Kahru, M. & Mitchell, BG Estimación de partículas de carbono orgánico en el océano a partir de sensores remotos satelitales. Ciencia 285, 239–242 (1999).

Artículo CAS PubMed Google Académico

O'Reilly, JE et al. Algoritmos de clorofila del color del océano para SeaWiFS. Revista de Investigación Geofísica: Océanos 103, 24937–24953, https://doi.org/10.1029/98JC02160 (1998).

Artículo Google Académico

IOCCG. ¿Por qué color del océano? Los beneficios sociales de la tecnología Ocean-Color. (IOCCG, Dartmouth, Canadá, 2008).

Werdell, PJ et al. Una descripción general de los enfoques y desafíos para recuperar las propiedades ópticas inherentes marinas a partir de la detección remota del color del océano. prog. Oceanogr. 160, 186–212, https://doi.org/10.1016/j.pocean.2018.01.001 (2018).

Artículo ADS PubMed PubMed Central Google Scholar

Esaias, WE et al. Una descripción general de las capacidades de MODIS para las observaciones de ciencias oceánicas. IEEE Transactions on Geoscience and Remote Sensing 36, 1250–1265, https://doi.org/10.1109/36.701076 (1998).

Artículo ANUNCIOS Google Académico

Hlaing, S. et al. Evaluación del desempeño del monitoreo del color del océano VIIRS en regiones costeras. Sensores Remotos Entorno. 139, 398–414, https://doi.org/10.1016/j.rse.2013.08.013 (2013).

Artículo ANUNCIOS Google Académico

IOCCG. Detección remota del color del océano en aguas costeras y otras aguas ópticamente complejas. (IOCCG, Dartmouth, Canadá, 2000).

Pahlevan, N. et al. ACIX-Aqua: una evaluación global de los métodos de corrección atmosférica para Landsat-8 y Sentinel-2 sobre lagos, ríos y aguas costeras. Sensores Remotos Entorno. 258, 112366, https://doi.org/10.1016/j.rse.2021.112366 (2021).

Artículo ANUNCIOS Google Académico

Moses, WJ, Sterckx, S., Montes, MJ, De Keukelaere, L. & Knaeps, E. Capítulo 3 - Corrección atmosférica para aguas continentales en modelado bioóptico y detección remota de aguas continentales (eds DR, Mishra, I. , Ogashawara y AA, Gitelson) 69–100 (Elsevier, 2017).

Pahlevan, N., Chittimalli, SK, Balasubramanian, SV & Vellucci, V. Consistencia e implicaciones del producto Sentinel-2/Landsat-8 para monitorear los sistemas acuáticos. Sensores Remotos Entorno. 220, 19–29, https://doi.org/10.1016/j.rse.2018.10.027 (2019).

Artículo ANUNCIOS Google Académico

Schaeffer, BA et al. Barreras para la adopción de sensores remotos satelitales para la gestión de la calidad del agua. En t. J. Remote Sens. 34, 7534–7544, https://doi.org/10.1080/01431161.2013.823524 (2013).

Artículo Google Académico

Dekker, AG & Pinnel, N. (Comité de Satélites de Observación de la Tierra (CEOS), Australia, 2018).

El Serafy, GYH et al. Integración de datos de calidad de aguas continentales y costeras para conocimiento procesable. Teledetección 13, 24, https://doi.org/10.3390/rs13152899 (2021).

Artículo Google Académico

Schaeffer, BA et al. Aplicación de dispositivo móvil para monitorear las floraciones de algas nocivas de cianobacterias utilizando los instrumentos de color de la tierra y el océano del satélite Sentinel-3. Reinar. Modelo. Software 109, 93–103, https://doi.org/10.1016/j.envsoft.2018.08.015 (2018).

Artículo Google Académico

Encuadernación, CE, Pizzolato, L. & Zeng, C. EOLakeWatch; entregando un conjunto integral de índices de floración de algas de detección remota para un mejor monitoreo de los lagos eutróficos canadienses. Ecol. Indicadores 121, 106999, https://doi.org/10.1016/j.ecolind.2020.106999 (2021).

Artículo CAS Google Académico

Pahlevan, N. et al. Recuperación simultánea de indicadores ópticos de calidad del agua seleccionados de Landsat-8, Sentinel-2 y Sentinel-3. Sensores Remotos Entorno. 270, 112860, https://doi.org/10.1016/j.rse.2021.112860 (2022).

Artículo ANUNCIOS Google Académico

Smith, B. et al. Un algoritmo de clorofila-a para Landsat-8 basado en redes de densidad de mezcla. Fronteras en Teledetección 1, https://doi.org/10.3389/frsen.2020.623678 (2021).

Balasubramanian, SV et al. Algoritmo robusto para estimar los sólidos suspendidos totales (TSS) en aguas costeras interiores y cercanas a la costa. Sensores Remotos Entorno. 111768, https://doi.org/10.1016/j.rse.2020.111768 (2020).

Pahlevan, N. et al. Recuperaciones perfectas de clorofila-a de Sentinel-2 (MSI) y Sentinel-3 (OLCI) en aguas continentales y costeras: un enfoque de aprendizaje automático. Sensores Remotos Entorno. 111604, https://doi.org/10.1016/j.rse.2019.111604 (2020).

Smith, B. et al. en la Reunión Internacional de Ciencias del Color del Océano (Busan, Corea del Sur, 2019).

Jiang, D. et al. Estimación remota de la concentración total de sólidos en suspensión en aguas claras a extremadamente turbias utilizando un método semianalítico novedoso. Sensores Remotos Entorno. 258, 112386, https://doi.org/10.1016/j.rse.2021.112386 (2021).

Artículo ANUNCIOS Google Académico

Werdell, PJ et al. El repositorio de datos único facilita la validación del satélite del color del océano. Eos, Transactions American Geophysical Union 84, 377–387 (2003).

Artículo ANUNCIOS Google Académico

Mouw, CB et al. Detección remota de radiometría de color acuático de aguas costeras e interiores: desafíos y recomendaciones para futuras misiones satelitales. Sensores Remotos Entorno. 160, 15–30, https://doi.org/10.1016/j.rse.2015.02.001 (2015).

Artículo ANUNCIOS Google Académico

Cawse-Nicholson, K. et al. Biología de superficie y geología de la NASA designadas como observables: una perspectiva sobre los algoritmos de imágenes de superficie. Sensores Remotos Entorno. 257, 112349, https://doi.org/10.1016/j.rse.2021.112349 (2021).

Artículo ANUNCIOS Google Académico

Werdell, PJ et al. La misión Plankton, Aerosol, Cloud, Ocean Ecosystem: estado, ciencia, avances. Boletín de la Sociedad Meteorológica Estadounidense 100, 1775–1794, https://doi.org/10.1175/bams-d-18-0056.1 (2019).

Artículo ANUNCIOS Google Académico

Guanter, L. et al. La misión de espectroscopia de imágenes espaciales EnMAP para la observación de la Tierra. Teledetección 7, 8830–8857 (2015).

Artículo ANUNCIOS Google Académico

Bresciani, M. et al. El uso de sensores ópticos multifuente para estudiar la variación espacio-temporal del fitoplancton en un lago turbio poco profundo. Agua 12 https://doi.org/10.3390/w12010284 (2020).

Bailey, SW y Werdell, PJ Un enfoque multisensor para la validación en órbita de los productos de datos satelitales del color del océano. Sensores Remotos Entorno. 102, 12–23, https://doi.org/10.1016/j.rse.2006.01.015 (2006).

Artículo ANUNCIOS Google Académico

Goyens, C., Vis, PD y Hunt, SE en 2021 Simposio internacional de geociencia y teledetección del IEEE IGARSS. 7920–7923.

Ruddick, KG y col. Una revisión de los protocolos para las mediciones fiduciales de referencia de la radiancia que sale del agua para la validación de los datos de teledetección satelital sobre el agua. Teledetección 11, 2198 (2019).

Artículo ANUNCIOS Google Académico

Zibordi, G., Voss, KJ, Johnson, BC y Mueller, J. Protocolos para la validación de datos satelitales del color del océano: radiometría óptica in situ. (IOCCG, Dartmouth, NS, Canadá, 2019).

Lee, Z., Pahlevan, N., Ahn, YH, Greb, S. & O'Donnell, D. Enfoque sólido para medir directamente la radiación que deja el agua en el campo. aplicación Optar. 52, 1693–1701, https://doi.org/10.1364/Ao.52.001693 (2013).

Artículo ADS PubMed Google Scholar

Mueller, JL Mediciones de perfil radiométrico en el agua y protocolos de análisis de datos en Ocean Optics Protocols for Satellite Ocean Color Sensor Validation, Revisión 4, Volumen III: Mediciones radiométricas y protocolos de análisis de datos Cap. 2, 7–20 (NASA/TM, 2003).

Mobley, CD Estimación de la reflectancia de detección remota a partir de mediciones sobre la superficie. aplicación Optar. 38, 7442–7455, https://doi.org/10.1364/AO.38.007442 (1999).

Artículo ADS CAS PubMed Google Scholar

Voss, KJ y col. Un método para extrapolar el coeficiente de atenuación de la radiación ascendente difusa a la superficie aplicado a la boya óptica marina (MOBY. Journal of Atmospheric and Oceanic Technology 34, 1423–1432, https://doi.org/10.1175/JTECH-D-16 -0235.1 (2017).

Artículo ADS PubMed PubMed Central Google Scholar

Ruddick, KG y col. Una revisión de los protocolos para las mediciones fiduciales de referencia de la irradiancia descendente para la validación de los datos de teledetección satelital sobre el agua. Teledetección 11, 1742 (2019).

Artículo ANUNCIOS Google Académico

Hommersom, A. et al. Intercomparación en campo entre el nuevo WISP-3 y otros radiómetros (TriOS Ramses, ASD FieldSpec y TACCS). Revista de Detección Remota Aplicada 6, 063615, https://doi.org/10.1117/1.JRS.6.063615 (2012).

Artículo ANUNCIOS Google Académico

Bresciani, M. et al. Análisis de la dinámica intradía y entre días de la clorofila-a en el lago Mantua Superior, con una medición espectrorradiométrica continua. Investigación marina y de agua dulce 64, 303–316, https://doi.org/10.1071/MF12229 (2013).

Artículo CAS Google Académico

Kudela, RM et al. Aplicación de la teledetección hiperespectral a las floraciones de cianobacterias en aguas continentales. Sensores Remotos Entorno. 167, 196–205, https://doi.org/10.1016/j.rse.2015.01.025 (2015).

Artículo ANUNCIOS Google Académico

Zolfaghari, K. et al. Impacto de la resolución espectral en la cuantificación de cianobacterias en lagos y embalses: una evaluación de aprendizaje automático. IEEE Transactions on Geoscience and Remote Sensing 60, 1–20, https://doi.org/10.1109/TGRS.2021.3114635 (2022).

Artículo Google Académico

Chipman, JW, Olmanson, LG & Gitelson, AA Métodos de teledetección para la gestión de lagos: una guía para administradores de recursos y tomadores de decisiones. (Sociedad de Administración de Lagos de América del Norte, 2009).

Gurlin, D., Gitelson, AA y Moses, WJ Estimación remota de la concentración de chl-a en aguas productivas turbias: regreso a un modelo NIR-rojo simple de dos bandas. Sensores Remotos Entorno. 115, 3479–3490, https://doi.org/10.1016/j.rse.2011.08.011 (2011).

Artículo ANUNCIOS Google Académico

Schalles, JF & Hladik, CM Mapeo de la clorofila del fitoplancton en aguas costeras y estuarinas turbias, Caso 2. Isr. J. Planta Sci. 60, 169–191, https://doi.org/10.1560/IJPS.60.1-2.169 (2012).

Artículo Google Académico

Li, L. et al. Un modelo de inversión para derivar las propiedades ópticas inherentes de las aguas continentales: Establecimiento, validación y aplicación. Sensores Remotos Entorno. 135, 150–166, https://doi.org/10.1016/j.rse.2013.03.031 (2013).

Artículo ANUNCIOS Google Académico

Mishra, S., Mishra, DR, Lee, Z. & Tucker, CS Cuantificación de la concentración de ficocianina cianobacteriana en aguas productivas turbias: un enfoque cuasianalítico. Sensores Remotos Entorno. 133, 141–151, https://doi.org/10.1016/j.rse.2013.02.004 (2013).

Artículo ANUNCIOS Google Académico

Brezonik, PL, Olmanson, LG, Finlay, JC & Bauer, ME Factores que afectan la medición de CDOM por teledetección de aguas continentales ópticamente complejas. Sensores Remotos Entorno. 157, 199–215, https://doi.org/10.1016/j.rse.2014.04.033 (2015).

Artículo ANUNCIOS Google Académico

Werther, M. et al. Caracterización de la incertidumbre de recuperación de los algoritmos de clorofila-a en lagos y embalses oligotróficos y mesotróficos. ISPRS Journal of Photogrametry and Remote Sensing 190, 279–300, https://doi.org/10.1016/j.isprsjprs.2022.06.015 (2022).

Artículo ANUNCIOS Google Académico

Wei, J., Lee, Z. & Shang, S. Un sistema para medir la calidad de los datos de la reflectancia espectral de detección remota de ambientes acuáticos. Revista de investigación geofísica: Océanos 121, 8189–8207, https://doi.org/10.1002/2016JC012126 (2016).

Artículo ANUNCIOS Google Académico

Simis, SGH & Olsson, J. Procesamiento desatendido de mediciones de reflectancia hiperespectral a bordo de barcos. Sensores Remotos Entorno. 135, 202–212, https://doi.org/10.1016/j.rse.2013.04.001 (2013).

Artículo ANUNCIOS Google Académico

Qin, P., Simis, SGH & Tilstone, GH Validación radiométrica de la corrección atmosférica para MERIS en el Mar Báltico basada en observaciones continuas desde barcos y AERONET-OC. Sensores Remotos Entorno. 200, 263–280, https://doi.org/10.1016/j.rse.2017.08.024 (2017).

Artículo ANUNCIOS Google Académico

Warren, MA et al. Evaluación de algoritmos de corrección atmosférica para el generador de imágenes multiespectral Sentinel-2A sobre aguas costeras e interiores. Sensores Remotos Entorno. 225, 267–289, https://doi.org/10.1016/j.rse.2019.03.018 (2019).

Artículo ANUNCIOS Google Académico

Mobley, CD Propiedades polarizadas de reflectancia y transmitancia de las superficies marinas arrastradas por el viento. aplicación Optar. 54, 4828–4849, https://doi.org/10.1364/AO.54.004828 (2015).

Artículo ADS PubMed Google Scholar

Maciel, D. et al. Recuperación de sedimentos suspendidos totales e inorgánicos en los lagos de la llanura aluvial del Amazonas: un enfoque multisensor. Teledetección 11, 1744 (2019).

Artículo ANUNCIOS Google Académico

El Cairo, C. et al. Algoritmo híbrido de clorofila-a para evaluar los estados tróficos de un reservorio tropical brasileño basado en datos de MSI/Sentinel-2. Teledetección 12, 40, https://doi.org/10.3390/rs12010040 (2020).

Artículo ANUNCIOS Google Académico

da Silva, MP, Sander de Carvalho, LA, Novo, E., Jorge, DSF & Barbosa, CCF Uso de índices de absorción óptica para evaluar la variabilidad estacional de la materia orgánica disuelta en los lagos de la llanura amazónica. Biogeociencias 17, 5355–5364, https://doi.org/10.5194/bg-17-5355-2020 (2020).

Artículo ANUNCIOS Google Académico

Lubac, B. & Loisel, H. Variabilidad y clasificación de los espectros de reflectancia de detección remota en el este del Canal de la Mancha y el sur del Mar del Norte. Sensores Remotos Entorno. 110, 45–58, https://doi.org/10.1016/j.rse.2007.02.012 (2007).

Artículo ANUNCIOS Google Académico

Binding, CE, Zastepa, A. & Zeng, C. El impacto de la composición de la comunidad de fitoplancton en las propiedades ópticas y las observaciones satelitales de la floración de algas del lago Erie occidental de 2017. J. Res. de los Grandes Lagos. 45, 573–586, https://doi.org/10.1016/j.jglr.2018.11.015 (2019).

Artículo Google Académico

Fritz, C., Dörnhöfer, K., Schneider, T., Geist, J. & Oppelt, N. Cartografía de la vegetación acuática sumergida utilizando datos satelitales RapidEye: el ejemplo del lago Kummerow (Alemania). Agua 9, 510 (2017).

Artículo Google Académico

Zibordi, G. & Talone, M. Sobre la equivalencia de métodos cercanos a la superficie para determinar la radiancia de salida del agua. Optics Express 28, 3200–3214, https://doi.org/10.1364/OE.28.003200 (2020).

Artículo ADS PubMed Google Scholar

Kutser, T., Vahtmae, E., Paavel, B. y Kauer, T. Eliminación de los efectos de destellos de los datos de radiometría de campo medidos en aguas costeras e interiores ópticamente complejas. Sensores Remotos Entorno. 133, 85–89, https://doi.org/10.1016/j.rse.2013.02.011 (2013).

Artículo ANUNCIOS Google Académico

Minaudo, C. et al. La huella de la producción primaria en los perfiles de alta frecuencia de las propiedades ópticas de los lagos. Reinar. ciencia Tecnología 55, 14234–14244, https://doi.org/10.1021/acs.est.1c02585 (2021).

Artículo ADS CAS PubMed Google Scholar

Stramski, D. et al. Relaciones entre la concentración superficial de partículas de carbono orgánico y las propiedades ópticas en los océanos Pacífico Sur oriental y Atlántico oriental. Biogeociencias 5, 171–201, https://doi.org/10.5194/bg-5-171-2008 (2008).

Artículo ADS CAS Google Académico

Bracher, A. et al. Uso de funciones ortogonales empíricas derivadas de la reflectancia de sensores remotos para la predicción de las concentraciones de pigmentos de fitoplancton. Ciencia del océano. 11, 139–158, https://doi.org/10.5194/os-11-139-2015 (2015).

Artículo ANUNCIOS Google Académico

Tilstone, G. et al. Intercomparación de campo de mediciones de radiómetros para la validación del color del océano. Teledetección 12, 1587, https://doi.org/10.3390/rs12101587 (2020).

Artículo ANUNCIOS Google Académico

Dekker, AG Detección de parámetros ópticos de calidad del agua para aguas eutróficas mediante tesis doctoral de teledetección de alta resolución, Vrije Universiteit Amsterdam, (1993).

Grupo de Compilación Batimétrica GEBCO 2021. Grilla GEBCO 2021. Centro Nacional de Datos de Hielo y Nieve de la NASA DAAC https://doi.org/10.5285/c6612cbe-50b3-0cff-e053-6c86abc09f8f (2021).

Yentsch, C. & Menzel, D. Un método para la determinación de clorofila y feofitina de fitoplancton por fluorescencia. Deep Sea Research 10, 221–231 (1963).

CAS Google Académico

Welschmeyer, NA Análisis fluorométrico de clorofila-a en presencia de clorofila-b y feopigmentos. Limnol. Oceanogr. 39, 1985-1992 (1994).

Artículo ADS CAS Google Académico

Roesler, CS & Barnard, AH Representación óptica de la biomasa de fitoplancton en ausencia de fotofisiología: replanteamiento de la altura de la línea de absorción. Métodos en Oceanografía 7, 79–94, https://doi.org/10.1016/j.mio.2013.12.003 (2013).

Artículo Google Académico

Mitchell, BG, Kahru, M., Wieland, J. y Stramska, M. Determinación de los coeficientes de absorción espectral de partículas, material disuelto y fitoplancton para muestras discretas de agua - Capítulo 4. 39–64 (NASA Goddard Space Flight Center, Greenbelt, MD, 2003).

Tyler, JE El disco Secchi. Limnol. Oceanogr. 13, 1–6, https://doi.org/10.4319/lo.1968.13.1.0001 (1968).

Artículo ANUNCIOS Google Académico

Wernand, MR Sobre la historia del disco Secchi. Revista de la Sociedad Europea de Óptica - Publicaciones Rápidas 5, https://doi.org/10.2971/jeos.2010.10013s (2010).

Lehmann, MK. et al. GLORIA - Un conjunto de datos global de reflectancia de sensores remotos y calidad del agua de aguas continentales y costeras, PANGAEA, https://doi.org/10.1594/PANGAEA.948492 (2022).

Spyrakos, E. et al. Tipos ópticos de aguas continentales y costeras. Limnol. Oceanogr., https://doi.org/10.1002/lno.10674 (2018).

Elleveld, AM et al. Una herramienta de clasificación óptica para aguas lacustres globales. Teledetección 9, https://doi.org/10.3390/rs9050420 (2017).

Lehmann, MK, Nguyen, U., Allan, M. y van der Woerd, H. Clasificación de colores de 1486 lagos en una amplia gama de tipos de agua óptica. Teledetección 10, https://doi.org/10.3390/rs10081273 (2018).

Hou, X. et al. El mapeo global revela un aumento en la proliferación de algas lacustres durante la última década. Nature Geoscience 15, 130–134, https://doi.org/10.1038/s41561-021-00887-x (2022).

Artículo ADS CAS Google Académico

Dierssen, HM et al. QWIP: una métrica cuantitativa para el control de calidad de la forma espectral de la reflectancia acuática utilizando la longitud de onda visible aparente. Fronteras en Teledetección 3, https://doi.org/10.3389/frsen.2022.869611 (2022).

Vandermeulen, RA, Mannino, A., Craig, SE & Werdell, PJ 150 tonos de verde: uso del espectro completo de reflectancia de detección remota para dilucidar los cambios de color en el océano. Sensores Remotos Entorno. 247, 111900, https://doi.org/10.1016/j.rse.2020.111900 (2020).

Artículo ANUNCIOS Google Académico

Mobley, CD Luz y Agua: Transferencia Radiativa en Aguas Naturales. 608 (Prensa Académica, 1994).

Groetsch, PMM, Gege, P., Simis, SGH, Eleveld, MA & Peters, SWM Validación de un procedimiento de corrección espectral para reflejos del sol y el cielo en mediciones de reflectancia sobre el agua. Optics Express 25, A742–A761, https://doi.org/10.1364/OE.25.00A742 (2017).

Artículo ADS CAS PubMed Google Scholar

Jordan, TM, Simis, SGH, Grötsch, PMM & Wood, J. Incorporación de un piranómetro de difusión directa hiperespectral en un algoritmo de reflectancia sobre el agua. Teledetección 14 (2022).

Burggraaff, O. Sesgos de convolución de reflectancia incorrecta. Optics Express 28, 13801–13816, https://doi.org/10.1364/OE.391470 (2020).

Artículo ADS PubMed Google Scholar

Equipo central R. R: Un lenguaje y entorno para la computación. (Fundación R para la Computación Estadística, 2022).

Maciel, D. Código R para banderas de control de calidad GLORIA, Zenodo, https://doi.org/10.5281/zenodo.7372445 (2022).

Vandermeulen, RA. QWIP: v1.1 (v1.1), Zenodo, https://doi.org/10.5281/zenodo.7373840 (2022).

Wyszecki, G. & Stiles, WS Ciencia del color: conceptos y métodos, datos cuantitativos y fórmulas. (John Wiley & Sons, 2000).

CIE. Procedimientos de la Comisión Internacional de Iluminación, 1931. (Cambridge University Press, 1932).

Descargar referencias

Hacer mediciones y tomar muestras en aguas continentales y costeras presenta desafíos considerables. Estos incluyen viajes por tierra hacia y desde cuerpos de agua, lanzamiento de botes a través de costas naturales y procesamiento de muestras al final de largos días. Por lo tanto, estos datos son el resultado del arduo trabajo de muchas más personas de las que prácticamente se pueden reconocer individualmente aquí, y agradecemos sinceramente al personal de campo, técnicos de laboratorio, estudiantes, capitanes y patrones, y todo el personal de apoyo sin el cual este conjunto de datos no sería posible. sido posible. En algunos casos, los agradecimientos específicos de las personas y/o la financiación se pueden encontrar en la columna 'Comentarios' en el archivo GLORIA_meta_and_lab.csv.

Las fuentes de financiación incluyen: Ministerio de Educación e Investigación de Estonia; Comisión Europea FP7, H2020, FP7-ENV-2007-1-226224; Consejo de Investigación de Estonia; Iniciativa de Infraestructura Helmholtz FRAM; BMBF03G0218A; Ministerio de Negocios, Innovación y Empleo de Nueva Zelanda otorga UOWX1503, UOWX1802, KENTR1601, NASA ROSES otorga 80HQTR19C0015, 80NSSC 21K0499, 80NSSC22K1389 y USGS Landsat Science Team Award 140G0118C0011, Fundación Nacional de Vietnam para el Desarrollo de la Ciencia y la Tecnología (NAFOSTED), número de concesión 105.08- 2019.329, Ministerio Federal de Asuntos Económicos y Energía, Alemania, Premio: LAKESAT 50EE1340, EnMAP CalVal 50EE1923, TypSynSat 50EE1915.

Fallecido: Marcel R. Wernand.

Instituto de Observación de la Tierra Xerra, PO Box 400, Alexandra, 9340, Nueva Zelanda

Moritz K Lehmann

Escuela de Ciencias, Universidad de Waikato, Private Bag 3105, Hamilton, 3240, Nueva Zelanda

Moritz K. Lehmann y Ted Conroy

Departamento de Recursos Naturales de Wisconsin, Oficina de Calidad del Agua, 101 S Webster Street, Madison, WI, 53707, EE. UU.

daniela gurlin

Science Systems and Applications, Inc. (SSAI), Lanham, MD, EE. UU.

Nima Pahlevan, Brandon Smith y Ryan A. Vandermeulen

Centro de Vuelo Espacial Goddard de la NASA, Greenbelt, MD, EE. UU.

Nima Pahlevan & Brandon Smith

Observatorio de Tartu, Tartu, Tartu, 61602, Estonia

krista alikas, kersti canguro y martin liga

Programa de Sistemas de Costas y Océanos (COS), Unidad de Negocios Ambientales de CSIRO, Acton, ACT, 2601, Australia

Janet Anstee y Nathan Drayson

Consultoría de geodetección e imágenes, Trivandrum, Kerala, India

Sundarabalan V. Balasubramanian

Laboratorio de Instrumentación para Sistemas Acuáticos (LabISA), Instituto Nacional de Investigaciones Espaciales (INPE), São José dos Campos, Brasil

Claudius CF Beard, Daniel A. Maciel & Evlyn Nuevo MLM

Medio Ambiente y Cambio Climático Canadá, Burlington, ON, Canadá

Encuadernación Caren

Grupo de Fitóptica, Oceanografía Física de los Mares Polares, Ciencias del Clima, Instituto Alfred Wegener, Centro Helmholtz para la Investigación Polar y Marina, Bremerhaven, Alemania

Astrid Bracher y Mariana A. Soppa

Departamento de Física e Ingeniería Eléctrica, Instituto de Física Ambiental, Universidad de Bremen, Bremen, Alemania

Astrid Bracher

Consejo Nacional de Investigación de Italia, Instituto de Detección Electromagnética del Medio Ambiente, CNR-IREA, Milán, Italia

Mariano Bresciani y Claudia Giardino

Instituto Cooperativo para la Investigación de los Grandes Lagos, Universidad de Michigan, 4840 South State Road, Ann Arbor, MI, 48108, EE. UU.

Ashley Burtner

Instituto de Geografía y Limnología de Nanjing, Academia de Ciencias de China, Nanjing, 210008, China

Zhigang Cao y Ronghua Ma

SatDek Pty Ltd, 99 Read Rd, Sutton, NSW, 2620, Australia

Arnold G. Dekker

Wake Forest University, Ingeniería, 455 Vine Street, Winston-Salem, NC, 27101, EE. UU.

Courtney DiVittorio y Kyana Young

Laboratorio de Investigación Ambiental de los Grandes Lagos de la NOAA, Ann Arbor, MI, EE. UU.

Reagan M. Errera & Andrea Vander Woude

Departamento de Geografía, Universidad de la República, Montevideo, Uruguay

Virginia Fernandez

Instituto de Biología y Ciencias de la Tierra, Universidad de Pomerania, Arciszewskiego 22, 76-200, Slupsk, Polonia

Darío Ficek

Departamento de Tierra y Medio Ambiente, Universidad de Boston, Boston, MA, EE. UU.

Cedric G. Fichot

Centro Aeroespacial Alemán (DLR), Instituto de Tecnología de Detección Remota, Wessling, Alemania

Peter Gege, Stefan Plattner e Ian Somlai-Schweiger

Universidad de Nebraska-Lincoln, Escuela de Recursos Naturales, 3310 Holdrege Street, Lincoln, NE, 68503, EE. UU.

Anatoly A. Gitelson

Universidad de Wisconsin-Madison, Centro de Ciencias Acuáticas, 1975 Willow Drive, Madison, WI, 53706, EE. UU.

Steven R. Greb

Universidad Tecnológica de Michigan, Centro de Investigación de los Grandes Lagos, 100 Phoenix Drive, Houghton, MI, 49931, EE. UU.

Hayden Henderson

Facultad de Innovación Urbana, Universidad Nacional de Yokohama, Tokiwadai 79-5, Hodogaya, Yokohama, Kanagawa, Japón

Hiroto Higa

Instituto Federal Suizo de Ciencia y Tecnología Acuáticas, Departamento de Aguas Superficiales – Investigación y Gestión, Dübendorf, Suiza

Abolfazl Irani Rahaghi, Daniel Odermatt y Mortimer Werther

Universidad de Littoral Côte d'Opale, CNRS, Univ. Lille, IRD, UMR 8187 - LOG - Laboratorio de Oceanología y Geociencias, F-62930, Wimereux, Francia

Cédric Jamet, Hubert Loisel y Vincent Vantrepotte

Ciencias de la Tierra y Observación Planetaria (EPOS), Ciencias Biológicas y Ambientales, Facultad de Ciencias Naturales, Universidad de Stirling, Stirling, Reino Unido

Dalin Jiang, Evangelos Spyrakos y Mortimer Werther

Laboratorio marino de Plymouth, Plymouth, PL1 3DH, Reino Unido

Thomas Jordan y Stefan GH Simis

Centro de Investigación Ames de la NASA, Moffett Field, CA, EE. UU.

Jeremy A Kravitz

Departamento de Física y Tecnología, Universidad de Bergen, Bergen, Noruega

Arne S. Kristoffersen y Elinor Tessin

Universidad de California-Santa Cruz, Departamento de Ciencias Oceánicas, Instituto de Ciencias Marinas, 1156 High Street, Santa Cruz, CA, 95064, EE. UU.

Rafael Kudela

Departamento de Ciencias de la Tierra, Universidad de Indiana-Universidad de Purdue, Indianápolis, IN, EE. UU.

lin li

Universidad de Massachusetts-Dartmouth, Escuela de Ciencias Marinas y Tecnología Oeste, 706 South Rodney French Blvd., New Bedford, MA, 02744, EE. UU.

steven lohrenz

Programa de Sistemas de Costas y Océanos (COS), Unidad de Negocios Ambientales de CSIRO, Recinto de Ecociencias, 41 Boggo Road, Dutton Park, QLD, 4102, Australia

Tim J. Malthus

Facultad de Ciencias Ambientales y de la Vida, Universidad de Tsukuba, Ibaraki, Japón

Bunkei Matsushita

CyanoLakes (Pty) Ltd, Sídney, 2126, Australia

marcos matthews

Departamento de Biología Evolutiva, Ecología y Ciencias Ambientales, Facultad de Biología, Universidad de Barcelona, ​​av. Diagonal 643, 08028, Barcelona, ​​Spain

camille minaudo

Departamento de Geografía, Universidad de Georgia, Athens, GA, 30602, EE. UU.

Deepak R. Mishra

Centros Nacionales de Ciencias Oceánicas Costeras, Administración Nacional Oceánica y Atmosférica, 1305 East-West Hwy, Silver Spring, MD, 20910, EE. UU.

Sachidananda Mishra

Instituto Oceanográfico Harbor Branch, Florida Atlantic University, Fort Pierce, FL, EE. UU.

tim moore

Laboratorio de Investigación Naval de EE. UU., 4555 Overlook Ave SW, Washington, DC, 20375, EE. UU.

Wesley J. Moisés

Facultad de Geología, Universidad de Ciencias VNU, Ha Noi, Vietnam

Ha Nguyen

Instituto Real de los Países Bajos para la Investigación del Mar, Oceanografía Física, Óptica Marina y Teledetección, Den Burg, Texel, Países Bajos

Stéfani Novoa y Marcel R. Wernand

Upstate Freshwater Institute, Syracuse, Nueva York, EE. UU.

David M. O'Donnell

Departamento de Recursos Forestales, Universidad de Minnesota, St. Paul, MN, EE. UU.

Leif G. Olmanson

Centro NOAA para aplicaciones e investigación satelital, College Park, MD, EE. UU.

Michael Ondrusek

Observación y Modelado de la Tierra, Universidad de Kiel, Departamento de Geografía, 24118, Kiel, Alemania

Natasha Opelt

UMR LEGOS, Universidad de Toulouse, IRD, CNES, CNRS, UPS, 14 Avenue Edouard Belin, 31400, Toulouse, Francia

Sylvain Ouillon

Departamento Agua-Medio Ambiente-Oceanografía, Universidad de Ciencia y Tecnología de Hanoi (USTH), Academia Vietnamita de Ciencia y Tecnología (VAST), 18 Hoang Quoc Viet, Hanoi, 100000, Vietnam

Sylvain Ouillon

Departamento de Geociencias, Universidad Federal de Santa María, Av. Roraima, 1000, 97105-900, Santa María, Rio Grande do Sul, Brasil

Waterloo Pereira Filho

Laboratorio de Observación de la Tierra, Universidad de Valencia, Catedral Agustín Escardino 9, Paterna (Valencia), 46980, España

Antonio Ruiz Verdú

Facultad de Ingeniería, Universidad de Ciencias Avanzadas de Kyoto (KUAS), 18 Yamanouchi Gotanda, Ukyo, Kyoto, Japón

Salem I. Salem

Universidad de Creighton, Departamento de Biología, Omaha, NE, 68178, EE. UU.

John F Schalles

Agencia Japonesa de Ciencias y Tecnologías Marinas y Terrestres (JAMSTEC), Showa-machi 3173-25, Yokohama, Kanagawa, 2360001, Japón

Eko Siswanto

Departamento de Agua y Riesgo Climático, Instituto de Estudios Ambientales (IVM), Universidad VU, Ámsterdam, Países Bajos

Hendrik J. van der Woerd

Laboratorio de Ecología Oceánica, Centro de Vuelo Espacial Goddard de la NASA, Greenbelt, MD, EE. UU.

Ryan A. Vandermeulen

Universidad China de Geociencias, Facultad de Geografía e Ingeniería de la Información, Wuhan, China

Linwei Yue

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

Moritz K. Lehmann, Daniela Gurlin y Nima Pahlevan contribuyeron igualmente a este trabajo; MK Lehmann escribió el manuscrito, contribuyó a la recopilación de datos, administró los archivos de datos y realizó el control de calidad de los datos radiométricos y de laboratorio; D. Gurlin editó el manuscrito, contribuyó a la recopilación de datos, verificó y validó todas las metodologías de medición y apoyó el control de calidad de los datos radiométricos y de laboratorio; N. Pahlevan concibió el esfuerzo, invitó a cada contribuyente de datos, dirigió estudios preliminares basados ​​en subconjuntos de GLORIA y apoyó la redacción de manuscritos, la recopilación de datos y la comunicación. Los siguientes autores contribuyeron al control de calidad de todo el conjunto de datos (alfabéticamente por nombre): Andrea Vander Woude, Astrid Bracher, Caren Binding, Claudia Giardino, Dalin Jiang, Daniel A. Maciel, Hendrik J. van der Woerd, Jeremy A. Kravitz , Lin Li, Mortimer Werther, Nathan Drayson, Ryan A. Vandermeulen, Sachidananda Mishra, Salem I. Salem, Stefan GH Simis, Thomas Jordan y Zhigang Cao. Brandon Smith y Sundarabalan V. Balasubramanian extrajeron y prepararon los datos de SeaBASS. Los autores que no figuran por su nombre en esta sección hicieron contribuciones significativas a la recopilación de datos y al procesamiento de muestras.

Correspondencia a Moritz K. Lehmann.

Los autores declaran no tener conflictos de intereses.

Nota del editor Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Lehmann, MK, Gurlin, D., Pahlevan, N. et al. GLORIA: un conjunto de datos hiperespectrales in situ representativos a nivel mundial para la detección óptica de la calidad del agua. Datos científicos 10, 100 (2023). https://doi.org/10.1038/s41597-023-01973-y

Descargar cita

Recibido: 12 julio 2022

Aceptado: 17 de enero de 2023

Publicado: 16 febrero 2023

DOI: https://doi.org/10.1038/s41597-023-01973-y

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt