CN106960204A - 一种估算近海水体浮游植物粒级结构的遥感方法 - Google Patents

Abstract

本发明公开了一种估算近海水体浮游植物粒级结构的遥感方法，先对航次得到的HPLC数据做诊断色素分析(DPA)，得到各个粒径对应的Chla浓度值；再基于幂指数关系，结合现场实测的遥感反射率数据，推导得到本地化的参数；最后将建立的模型应用到卫星上，即可得出卫星反演的PSC时空分布信息。本发明能够解决当前对于我国近海水体浮游植物粒级结构反演算法缺失的问题，拓展了水色遥感卫星数据的应用，提高了对于浮游植物粒级结构这一本质参数的获取能力。

Description

一种估算近海水体浮游植物粒级结构的遥感方法

技术领域

本发明涉及海洋遥感技术领域，涉及一种估算近海水体浮游植物粒级结构的卫星海洋水色遥感方法。

背景技术

海洋水色遥感在卫星海洋遥感技术中扮演着重要的角色，并且已经成为水体研究的重要手段。它可以大范围同步地获取水体组分的浓度信息，如叶绿素、悬浮颗粒物、黄色物质等。水色遥感广泛应用于海洋初级生产力的估计、海洋生态环境监测、海洋动力学、海洋渔业开发和管理服务等方面的研究。

浮游植物粒级结构(PSC)是一种用来描述水体中浮游植物本质特征的参数，具体指对不同粒级结构的浮游植物的测量与反演。在海洋生态和生物地球化学过程中，PSC是浮游植物种群功能的一个重要指标。浮游植物的养分累积、光吸收、浮游植物生理学以及食物链等方面，都受到粒级结构大小的影响。因此，对浮游植物粒级结构以及其变化规律、机制的认识有助于更好地认识和研究海洋生态。同时，准确的PSC现场测量也有利于海洋生物地理化学模式和遥感算法的建立。

传统获取海水中PSC的主要途径是仪器测量，例如显微镜测微法、图像分析法、库尔特计数法以及流式细胞仪等。这些方法的优点在于能准确地测量浮游植物的粒径大小，但是缺点是费时费力，而且不能获得PSC连续的时空变化。同时，一些仪器测量，例如显微镜测微法，可能还受到操作者熟练度的影响，进而影响到测量结果。根据这些传统的物理方法，将PSC划分为三类：微微型浮游植物(0.2-2μm)，微型浮游植物(2-20μm)以及小型浮游植物(20-200μm)。近些年来，遥感探测方法发展快速，一景遥感影像在同一时间内，能轻松地覆盖相当大的区域，而且能达到一天数景的能力(如GOCI，MODIS等)。而且，很多卫星数据都是开放性的资源。所以，利用遥感探测技术是解决获取长时间、大范围的PSC信息的一个可行之径。

PSC遥感反演研究兴于近20年，在过去的10几年内快速发展。2014年国际海洋水色协调工作组(IOCCG)报告的主题就是关于利用遥感获取浮游植物的功能结构、粒级结构等内容。当前的遥感反演算法可以归类为两类，基于浓度变化的模型和基于光谱响应的模型。

基于浓度变化的模型指的是对各粒级结构叶绿素浓度的反演。假设在开阔大洋中，各粒级结构的叶绿素a贡献比例与总的叶绿素a浓度之间存在显著的指数关系。即在低浓度Chla海域，小粒径的浮游植物占据主导，在高浓度Chla区域，则是大粒径浮游植物处于主导地位。Brewin等(2010,2015)建立了一个三成分模型来计算大西洋海域的PSC叶绿素a贡献比例，从而得到PSC分布。Devred等(2011)也使用了相同的模型，但是因为使用的数据与推导过程不同，得到了不同模型参数。Hirata等(2011)基于幂指数关系，建立了一系列纯经验模型来反演PSC和七个浮游植物功能群落的Chla贡献比。Varunan和Shanmugam(2015)基于幂指数关系，提出一种基于总叶绿素a浓度和遥感反射率的新模型，得到PSC分布，进而推导得到各粒级结构的吸收系数。

基于光谱响应的方法不受限于叶绿素浓度的变化，该类方法主要是依靠浮游植物群落在光谱上的差异性，区分不同的浮游植物。一般而言，光谱响应模型分为3个方向：遥感反射率(R_rs)，颗粒物后巷散射系数(b_bp)和浮游植物系数系数(a_ph)。b_bp模型主要是利用颗粒物后向散射系数的光谱斜率(γ)的性质。Kostadinov等(2009)基于幂指数关系，描述了水体悬浮颗粒浓度与粒径的关系，并且建立了函数斜率ξ与γ之间的查找表。之后应用SeaWiFS遥感数据，反演得到全球海洋悬浮颗粒物的γ，再通过查找表获得ξ，最终计算了不同粒径大小范围内的粒子浓度与总浓度的比例，得到了浮游植物粒级结构分布。Fujiwara等(2011)基于楚科奇海与白令海峡大陆架地区的数据，建立了浮游植物大小指数F_L与独立变量b_bp，a_ph之间的一个多元回归模型(SDM)。浮游植物吸收系数主要受到色素打包效应和色素浓度的影响。Ciotti等(2002)认为粒级结构的变化能解释a_ph光谱80％的变化，并建立了一个双成分吸收模型，将吸收系数分为小型浮游植物与微型浮游植物吸收的总和。基于这种吸收模型，Ciotti and Bricaud，(2006)提出了微微型浮游植物吸收比例S_f，利用巴西近海的SeaWiFS数据，得到了小型、微微型浮游植物的时空分布。Roy等(2013)基于675nm处后向散射系数与浮游植物粒级结构之间的关系，建立了一个半物理模型，并基于MODIS数据库反演得到粒级结构。Organelli等(2013)基于地中海的现场实测数据，通过最小二乘法，建立了浮游植物粒级结构Chla浓度比例与吸收光谱四阶导数之间的经验关系，最终成功得到PSC分布。

综上所述，现有的PSC研究所用的现场观测数据主要是利用在开阔大洋，或者是开阔大洋和少量浑浊水体的数据库，而基于我国近海现场实测数据的PSC反演研究几乎没有涉及。本发明通过卫星海洋水色数据和航次现场实测数据，基于总Chla浓度与各粒级结构Chla贡献浓度比例之间的指数关系，结合遥感反射率，改善和建立了一种估测浮游植物粒级结构的经验性卫星遥感新方法。然后将该方法运用到GOCI数据上进行分析与验证，并尝试反演我国黄渤海海域的PSC分布，提高了近海高浑浊水体PSC遥感估测的能力。对我国近海海水体光学特性的研究，海洋初级生产力的估算以及海洋生态等方面有着建设性意义。

发明内容

本发明的目的在于针对现有的浮游植物粒级结构遥感反演模型存在的限制，通过构建浮游植物各粒级结构的Chla浓度与总Chla浓度、遥感反射率之间的指数关系，基于近海水体的现场观测数据，提供一种利用卫星数据估测近海水体中浮游植物粒级结构的遥感新方法，从而提高近海水体PSC分布信息的获取能力，提高水色遥感在中国近海水体的应用水平。

本发明采用的技术方案为：一种估算近海水体浮游植物粒级结构的遥感方法，包括以下步骤：

步骤1：借助于海洋观测航次，通过现场Profiler II水体剖面光谱测量仪或便携式ASD光谱仪等设备，获取多种水体光学特性和水质参数的观测数据；

步骤2：采集与实测数据时空同步匹配的卫星资料，提取并计算得到R_rs数据。构建GOCI水色传感器资料的星地匹配数据集；

步骤3：对HPLC数据进行色素诊断分析，得到诊断色素的权重，并进一步计算得到不同粒径对应的叶绿素浓度比例：

其中，P_i为所选的不同的特征色素，W_i是各特征色素对应的权重系数；P_1,n为岩藻黄素的一部分，因为岩藻黄素部分会出现在微型浮游植物中，其计算公式如下：

其中，q₁和q₂为常数0.356,1.190；

步骤4：基于Varunan(2015)中的指数模型，利用遥感反射率和步骤3中计算得到的各粒级结构Chla浓度，计算出适用于黄渤海水体的参数。得到新的模型方程具体如下：

C_m＝C-(C_p+C_n) (7)

其中，C为总的Chla浓度；C_p、C_n和C_m表示三种粒级结构的叶绿素a浓度；和为微微型浮游植物和微型浮游植物的浓度系数；S^p和Sⁿ则为浓度系数的斜率；R_{rs_650～750}指的是650-750nm间的一个波段值；

步骤5：将650-750nm间的遥感反射率带入方程，并计算得到相应的判决系数，通过对比，可得出680nm波段具有最高的判决系数值，并且与GOCI卫星八通道之一的680nm通道吻合，得到最终的方程：

C_m＝C-(C_p+C_n) (10)

步骤6：对模型进行改进和验证，并应用到GOCI月平均影像上,得到我国近海(黄渤海)区域浮游植物粒径信息的时空分布。

本发明利用卫星数据估测我国黄渤海水体中浮游植物粒级结构的水色遥感新方法的主要思路是：先对航次得到的HPLC数据做诊断色素分析(DPA)，得到各个粒径对应的Chla浓度值；再基于幂指数关系，结合现场实测的遥感反射率数据，推导得到本地化的参数；最后将建立的模型应用到卫星上，即可得出卫星反演的PSC时空分布信息。

本发明的有益效果：

(1)本发明利用卫星遥感资料和现场实测的水体光学遥感数据，构建了PSC与遥感反射率、总叶绿素浓度之间的指数关系，提供了一种反演海水浮游植物粒级结构分布的水色遥感新方法。本发明具有一定的理论基础和技术可行性，更适合于实际应用，促进了反演浮游植物粒级结构分布的卫星遥感方法的发展；

(2)本发明能够解决当前对于我国近海水体浮游植物粒级结构反演算法缺失的问题，拓展了水色遥感卫星数据的应用，提高了对于浮游植物粒级结构这一本质参数的获取能力；

(3)本发明所应用的海域为近海高混浊水域，而这些水域均为典型的二类水体，本发明丰富了二类水体光学特性信息，同时初步尝试对黄渤海海域浮游植物粒级结构长时序大范围信息的获取。

附图说明

图1为为本发明的算法流程图。

具体实施方式

在本发明中提出了一种反演近海水体浮游植物粒级结构的水色遥感新方法，结合附图和具体实施方式对本发明作进一步说明，具体步骤如下：

1、通过调查船走航的观测手段，利用现场仪器观测技术，获取水体光学特性和水质参数的观测数据。通过海上平台架设的温盐深仪CTD、太阳光度计CE318、现场ProfilerII水体剖面光谱测量仪或便携式ASD光谱仪等设备，获取多种水体光学特性和水质参数的观测数据等仪器设备，进行航次的长时间观测，获取水体温度、盐度和深度、离水遥感反射率、风速风向等资料。

2、采集与实测数据时空同步匹配的卫星数据，构建星地匹配数据集。通过下载并积累的GOCI卫星资料，使用专门的软件，提取出相应的月合成遥感反射率数据，构建星地匹配的长时间同步数据集。为模型的建立、验证、应用提供充足的数据源。

3、基于航次得到的HPLC数据，进行色素诊断分析，也就是将总Chla浓度与几种诊断色素做回归分析，最终各诊断色素的回归系数作为其权重，结合各诊断色素对应的粒级结构，进一步计算得到基于现场实测数据的PSC叶绿素浓度比例；

4、同时基于实测的遥感反射率以及总Chla浓度，通过指数关系方程，拟合得到适用于我国黄渤海的模型参数。得到新的模型方程具体如下：主要公式如下：

F_p＝2.0C^-1[1-exp(-C²×R_rs(680))]^0.32 (11)

F_n＝1.8C^-1[1-exp(-C²×R_rs(680))]^0.27 (12)

F_m＝1-(F_p+F_n) (13)

其中，C为总的Chla浓度；R_rs(680)指的是680nm波段的遥感反射率。

5、对浮游植物粒级结构反演模型进行改进和验证，并应用到GOCI月平均影像上，得到黄渤海区域粒径的空间分布差异以及时间变化特征(如季节变化和年际变化)，为利用卫星遥感影像监测水体PSC分布打下基础，促进开展水色遥感产品应用领域等工作的研究。

应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (1)

1.一种估算近海水体浮游植物粒级结构的遥感方法，其特征在于：包括以下步骤：

步骤1：借助于海洋观测航次，通过现场Profiler II水体剖面光谱测量仪或便携式ASD光谱仪设备，获取多种水体光学特性和水质参数的观测数据；

步骤2：采集与实测数据时空同步匹配的卫星资料，提取并计算得到R_rs数据；构建GOCI水色传感器资料的星地匹配数据集；

步骤3：对HPLC数据进行色素诊断分析，得到诊断色素的权重，并进一步计算得到不同粒径对应的叶绿素浓度比例：

$F_p=\left\{\begin{array}{cc}\frac{(-12.5C+1)W_3{P}_3}{C_w}+\frac{W_5{P}_5}{C_w}& (ifC\≤0.08mg{m}^{-3})\\ \frac{W_5{P}_5}{C_w}& (ifC>0.08mg{m}^{-3})\end{array}\right\}---\left(1\right)$

$F_n=\left\{\begin{array}{cc}\frac{12.5{\mathrm{CW}}_3{P}_3}{C_w}+\frac{W_4{P}_4+W_1{P}_{1,n}}{C_w}& \left(ifC\≤0.08mg{m}^{-3}\right)\\ \frac{\underset{i=3}{\overset{4}{\mathrm{\Σ}}}{W}_i{P}_i+W_1{P}_{1,n}}{C_w}& \left(ifC>0.08mg{m}^{-3}\right)\end{array}\right\}---\left(2\right)$

$F_m=\frac{\underset{i=1}{\overset{2}{\Σ}}{W}_i{P}_i-W_1{P}_{1,n}}{C_w}---\left(3\right)$

其中，P_i为所选的不同的特征色素，W_i是各特征色素对应的权重系数；P_1,n为岩藻黄素的一部分，因为岩藻黄素部分会出现在微型浮游植物中，其计算公式如下：

$P_{1,n}={10}^{\[q_1{\log }_{10}\left(P_3\right)+q_2{\log }_{10}\left(P_4\right)\]}---\left(4\right)$

其中，q₁和q₂为常数0.356,1.190；

步骤4：基于Varunan(2015)中的指数模型，利用遥感反射率和步骤3中计算得到的各粒级结构Chla浓度，计算出适用于黄渤海水体的参数；得到新的模型方程具体如下：

$C_p=C_p^{*}{\[1-\exp (-C^2\×(max\left(R_{rs\_650~750}\right)\left)\right)\]}^{S^p}---\left(5\right)$

$C_n=C_n^{*}{\[1-\exp (-C^2\×(max\left(R_{rs\_650~750}\right)\left)\right)\]}^{S^n}---\left(6\right)$

C_m＝C-(C_p+C_n) (7)

其中，C为总的Chla浓度；C_p、C_n和C_m表示三种粒级结构的叶绿素a浓度；和为微微型浮游植物和微型浮游植物的浓度系数；S^p和Sⁿ则为浓度系数的斜率；R_{rs_650～750}指的是650-750nm间的一个波段值；

步骤5：将650-750nm间的遥感反射率带入方程，并计算得到相应的判决系数，通过对比，可得出680nm波段具有最高的判决系数值，并且与GOCI卫星八通道之一的680nm通道吻合，得到最终的方程：

$C_p=C_p^{*}{\[1-\exp (-C^2\×(max\left(R_{rs}\left(680\right)\right)\left)\right)\]}^{S^p}---\left(8\right)$

$C_n=C_n^{*}{\[1-\exp (-C^2\×(max\left(R_{rs}\left(680\right)\right)\left)\right)\]}^{S^n}---\left(9\right)$

C_m＝C-(C_p+C_n) (10)

步骤6：对模型进行改进和验证，并应用到GOCI月平均影像上,得到我国近海区域浮游植物粒径信息的时空分布。