论文部分内容阅读
水色遥感技术是指通过搭载在水色卫星上的传感器对海洋环境进行远距离的实时观测,具有覆盖范围广、全天时等优点,目前已成为全球海洋环境监测的重要手段。水色遥感的关键在于大气校正与水色反演两部分。由于我国近岸海域的水体光学性质较为复杂,基于一类水体的大气校正算法和叶绿素浓度反演算法不适用于监测近岸海域环境。因此,确定适用于近岸海域的大气校正算法与水色反演算法,对利用水色遥感技术进行近岸海域的实时监测有着十分重要的作用。本文将基于NPP-VIIRS水色卫星产品,选用MUMM、STD以及NIR-SWIR三种大气校正算法对秦皇岛以及辽东湾卫星影像做校正处理,评价算法校正精度,确定适用于渤海近岸海域的大气校正算法。同时,根据现场叶绿素浓度及遥感反射率数据,建立渤海近岸海域的区域性叶绿素浓度反演算法。最终的研究结果表明:(1)NIR-SWIR算法校正获取的遥感反射率数据在410nm~671 nm波段与现场数据呈正相关关系,表现出良好的校正精度。该算法在551 nm处的校正精度高于其他算法,相对误差仅为15%,R2为0.90。MUMM校正算法在410 nm与443 nm处校正误差较大,与现场数据之间呈现负相关关系,但在486 nm~671 nm的校正精度有较大幅度提升,551nm处的校正精度甚至高于NIR-SWIR算法,相对误差为12%,R2高达0.96。STD迭代算法仅在在410 nm与现场数据的关系为负相关,在443 nm~671 nm的校正精度与NIR-SWIR算法相似。(2)三种大气校正算法在不同水体中的适用性研究表明,由于秦皇岛水体浑浊度较低,在近红外波段以及短波红外波段的离水辐亮度为0的假设贴近现场水体特征,NIR-SWIR算法与STD迭代算法在秦皇岛水体中体现出较高的校正精度,但在辽东湾高浊度水体中,该假设不再成立,因此校正精度有所降低;MUMM算法在辽东湾水体中体现出较为稳定的校正结果,但在秦皇岛水体中校正精度有所降低,主要原因在于该算法中α(745,862)参数设定值对比秦皇岛现场水体的α(745,862)出现较大偏差。(3)根据现场遥感反射率比值与叶绿素浓度,基于OC3V,RGCI以及Tassan反演模型,构建了三种近岸叶绿素浓度反演算法。相比现有的卫星算法,新建算法的反演精度均有提升,RE值分别降低至65%,62%以及31%。从评估结果看,基于Tassan模型构建的叶绿素浓度反演算法更适用于渤海近岸叶绿素浓度的信息提取。由于反演精度评估所使用的同步现场数据较少,存在一定的不确定性,日后有待利用时空覆盖面更广的现场数据进行相关验证。