CN114199827A - 一种基于遥感数据反演par漫衰减系数垂直变化的方法 - Google Patents

一种基于遥感数据反演par漫衰减系数垂直变化的方法 Download PDF

Info

Publication number
CN114199827A
CN114199827A CN202210154135.8A CN202210154135A CN114199827A CN 114199827 A CN114199827 A CN 114199827A CN 202210154135 A CN202210154135 A CN 202210154135A CN 114199827 A CN114199827 A CN 114199827A
Authority
CN
China
Prior art keywords
par
attenuation coefficient
diffuse attenuation
remote sensing
diffuse
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210154135.8A
Other languages
English (en)
Other versions
CN114199827B (zh
Inventor
陈磊
张�杰
潘晓驹
张雪纯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN202210154135.8A priority Critical patent/CN114199827B/zh
Publication of CN114199827A publication Critical patent/CN114199827A/zh
Application granted granted Critical
Publication of CN114199827B publication Critical patent/CN114199827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明属于海洋信息服务业技术领域，具体公开了一种基于遥感数据反演PAR漫衰减系数垂直变化的方法，包括如下步骤：通过光谱测量设备采集现场观测数据，根据现场观测数据计算遥感反射率、各物理深度的PAR和各物理深度的PAR漫衰减系数，建立表层PAR漫衰减系数与遥感反射率的关系模型；根据计算的各物理深度的PAR漫衰减系数，结合定义的光学深度，通过数据拟合建立某一物理深度以浅的平均PAR漫衰减系数与表层PAR漫衰减系数的关系模型；根据建立的两个关系模型，结合卫星遥感反射率数据实现PAR漫衰减系数垂直变化的反演。本发明所公开的方法为PAR漫衰减系数的三维分布提供新的研究思路和科学认识。

Description

一种基于遥感数据反演PAR漫衰减系数垂直变化的方法
技术领域
本发明属于海洋信息服务业技术领域，特别涉及一种基于遥感数据反演PAR漫衰减系数垂直变化的方法。
背景技术
光合有效辐射（Photosynthetically Active Radiation；简称PAR）指的是太阳辐射中对植物光合作用有效的光谱成分，其波长范围与可见光（400-700 nm）基本重合。作为光合作用的能量来源，PAR的分布对植物的生长（即初级生产力、碳固定）起着至关重要的作用。海洋初级生产力约贡献了全球碳固定的一半；海洋浮游植物的光合作用不仅发生在表层，而且在整个真光层均可发生。因此，了解PAR在海表面分布及其垂直穿透能力，即PAR的三维分布，对于评估海洋初级生产力，进而厘清海洋碳循环、衡量全球气候变化具有重要意义。
PAR在海表面的分布与日地距离、纬度、大气衰减等有关，而这些影响可以通过计算得出。因此，厘清PAR三维分布的关键在于了解海表面的PAR进入水体后的垂直变化，而这受到PAR的漫射衰减系数（diffuse attenuation coefficient，即KPAR）的调控。根据Lambert-Beer定律，PAR的垂直分布特征可以通过以下公式表述：
Figure 34481DEST_PATH_IMAGE001
（9）
其中，PAR(0-)和PAR(Z)分别指的是海表面和深度Z处的PAR，
Figure 794365DEST_PATH_IMAGE002
代表从海表面到 深度Z以浅的平均KPAR。作为表观光学特性（AOP）参数，KPAR不仅与固有光学特性（IOP；例如吸 收系数和散射系数）有关，而且与水下光场的变化有关；即使在垂直均质化的水体里，KPAR也 不是一个常数，而是随着深度增加而减小。因此，了解PAR分布的关键在于掌握KPAR在海表面 以及随深度的变化规律，也就是KPAR的三维分布特征。
尽管KPAR很容易通过航次使用辐照仪或光量子通量仪等测量计算得出，但航次数据缺乏连续性、大面性、等时性。卫星水色遥感则可以弥补航次观测的不足，但作为非直接观测，需要建立遥感数据与KPAR之间的联系。构建漫衰减系数KPAR的遥感反演模型是当前海洋学和卫星遥感的热点，但仍存在着诸多不足。目前对于KPAR的反演模型构建仍比较缺乏且精度不足，尤其是缺乏KPAR垂直剖面的遥感推导，无法实现KPAR的垂直变化的反演。
目前遥感的漫衰减系数，即
Figure 42943DEST_PATH_IMAGE003
，通常仅代表一个光学深度内的平均KPAR值，由于 KPAR在垂直方向上有明显的变化，在透光层内变化可能达到两倍之多，仅使用一个平均值
Figure 31628DEST_PATH_IMAGE003
来推导KPAR的垂直分布不精确，不足以准确评估水下光场的变化，也无法实现KPAR三维 空间变化的精确反演。因此，构建一种新的PAR漫衰减系数垂直变化的方法，对于精确评估 海洋初级生产力以及深入研究全球碳循环具有非常重要的意义。
当前国际上基于卫星遥感数据来估算PAR漫衰减系数(KPAR)通常有3种方法：1)基于叶绿素a浓度（Chl_a）的方法；2)基于固有光学量（IOP）的方法；3)基于遥感反射率(Rrs)的波段比方法。前两种算法需要使用间接遥感产品（例如叶绿素a浓度和固有光学特性中的吸收系数和后向反射系数）来估算KPAR，因此会增加额外的不确定度。并且，卫星遥感数据中的叶绿素a浓度和固有光学量仅局限在表层，在分层明显的水体中，KPAR垂直变化难以进行估算。辐射传输理论（例如Hydrolight® 和Monte Carlo 模拟）可以通过输入垂直剖面的叶绿素a浓度和固有光学量来拟合KPAR垂向变化，但这些方法不适合运用卫星遥感的数据来反演KPAR。
第三种方法，即基于遥感反射率(Rrs)的波段比方法，被广泛应用于估算全球海洋 的漫衰减系数(Mueller, 2000)。但该算法通常用于反演490 nm处的下行光辐照度的漫衰 减系数（即K490），而没有专门针对KPAR的算法。例如，对于中分辨率成像光谱仪 (MODIS)，遥 感的表层K490 (即
Figure 377159DEST_PATH_IMAGE004
)反演算法如下：
Figure 58676DEST_PATH_IMAGE005
（10）
其中：X = log[Rrs(488)/Rrs(555)]
为了计算遥感的表层KPAR（即
Figure 388026DEST_PATH_IMAGE003
），常采用以下经验公式来推导：
Figure 242718DEST_PATH_IMAGE006
（11）
使用上述方法估算KPAR垂直分布存在两个问题。其一，该方法也需要通过中介遥感 产品
Figure 973914DEST_PATH_IMAGE007
来计算表层光合有效辐射漫衰减系数（
Figure 436119DEST_PATH_IMAGE008
），会增加额外的不确定度。其次，缺乏 将
Figure 783924DEST_PATH_IMAGE008
和KPAR垂向变化相关联的模型。
Figure 786515DEST_PATH_IMAGE008
仅代表一个光学深度以浅的平均KPAR。在一个光 学深度以下，KPAR通常较
Figure 778742DEST_PATH_IMAGE008
小很多，可能仅为其值的一半。因此，如果未考虑KPAR的垂直变 化而假定所有水深的KPAR均等于
Figure 5324DEST_PATH_IMAGE008
，会导致光的穿透深度被严重低估。因此，建立KPAR垂向 变化的模型，对于精确量化PAR的水下光场尤为重要。
发明内容
为解决上述技术问题，本发明提供了一种基于遥感数据反演PAR漫衰减系数垂直变化的方法，以达到实现PAR漫衰减系数垂直变化的反演的目的，对于精确量化PAR的水下光场具有非常重要的意义。
为达到上述目的，本发明的技术方案如下：
一种基于遥感数据反演PAR漫衰减系数垂直变化的方法，包括如下步骤：
步骤一，通过光谱测量设备采集现场观测数据，根据现场观测数据计算遥感反射率、各物理深度的PAR和各物理深度的PAR漫衰减系数，利用表层PAR漫衰减系数和遥感反射率，通过数据拟合建立表层PAR漫衰减系数与遥感反射率的关系模型；
步骤二，根据计算的各物理深度的PAR漫衰减系数，结合定义的光学深度，寻找PAR漫衰减系数随光学深度变化的规律，通过数据拟合建立某一物理深度以浅的平均PAR漫衰减系数与表层PAR漫衰减系数的关系模型；
步骤三，根据建立的两个关系模型，结合卫星遥感反射率数据实现PAR漫衰减系数垂直变化的反演。
上述方案中，所述现场观测数据包括：光谱测量设备测量波段范围为400～700 nm的上行光辐亮度、下行光辐照度和海表面入射光辐照度。
上述方案中，步骤一中，根据现场观测数据计算的方法如下：
（1）各物理深度的PAR漫衰减系数计算公式如下：
Figure 512528DEST_PATH_IMAGE009
(1)
其中，
Figure 381127DEST_PATH_IMAGE010
为物理深度为z、波长为
Figure 493440DEST_PATH_IMAGE011
的PAR漫衰减系数，
Figure 422082DEST_PATH_IMAGE012
为物理深度为 z、波长为
Figure 619845DEST_PATH_IMAGE011
的下行光辐照度，z为物理深度；
（2）离水辐亮度计算公式如下：
Figure 292135DEST_PATH_IMAGE013
(2)
其中，
Figure 258954DEST_PATH_IMAGE014
为波长为
Figure 358497DEST_PATH_IMAGE011
的离水辐亮度，
Figure 777977DEST_PATH_IMAGE015
为波长为
Figure 253957DEST_PATH_IMAGE011
的水面之下上行光辐亮 度，
Figure 872020DEST_PATH_IMAGE016
为菲涅尔反射系数，
Figure 611306DEST_PATH_IMAGE017
为波长为
Figure 314820DEST_PATH_IMAGE011
的海水的菲涅尔反射比；
（3）各物理深度的PAR计算公式如下：
Figure 204279DEST_PATH_IMAGE018
(3)
其中，
Figure 270324DEST_PATH_IMAGE019
为物理深度为z的PAR，
Figure 852615DEST_PATH_IMAGE012
为物理深度为z、波长为
Figure 371321DEST_PATH_IMAGE011
的下行光辐照 度，h为普朗克常数，c为光速；
（4）遥感反射率计算公式如下：
Figure 64470DEST_PATH_IMAGE020
(4)
其中，
Figure 719443DEST_PATH_IMAGE021
为波长为
Figure 472635DEST_PATH_IMAGE022
的遥感反射率，
Figure 478637DEST_PATH_IMAGE023
为波长为
Figure 975477DEST_PATH_IMAGE022
的离水辐亮度，
Figure 773973DEST_PATH_IMAGE024
表示刚好在水面之上、波长为
Figure 432487DEST_PATH_IMAGE022
的下行光辐照度。
上述方案中，所述表层PAR漫衰减系数与遥感反射率的关系模型如下：
Figure 925786DEST_PATH_IMAGE025
(5)
X=log[Rrs(488)/Rrs(555)]
其中，A0、A1、A2、A3为常数，
Figure 960738DEST_PATH_IMAGE026
为表层PAR漫衰减系数，Rrs(488)和Rrs(555)分别为 波长488nm和波长555nm的遥感反射率。
上述方案中，所述步骤二的具体方法如下：
在透光层范围内定义一个光学深度f，以海表面光强的百分比来表示，其对应的物理深度为Zf，
f = PAR(Zf)/PAR(0-)×100%
其中，
Figure 59144DEST_PATH_IMAGE027
分别表示海表面和物理深度Zf处的PAR，通过公式（3）计算 得到；
将计算的各物理深度的PAR漫衰减系数依光学深度f排序，当PAR漫衰减系数从表 面下降到物理深度Zf时，比较对应物理深度Zf以浅的平均PAR漫衰减系数
Figure 13193DEST_PATH_IMAGE028
与表层PAR漫 衰减系数
Figure 869154DEST_PATH_IMAGE003
之间的关系，建立的关系模型如下：
Figure 832431DEST_PATH_IMAGE029
(6)
其中，B0、B1为系数：
Figure 191868DEST_PATH_IMAGE030
Figure 582398DEST_PATH_IMAGE031
其中，C0、C1、C2、D0、D1、D2为常数；
Figure 660075DEST_PATH_IMAGE032
为指定的光学深度，为已知量；
表层PAR漫衰减系数
Figure 99147DEST_PATH_IMAGE003
通过公式（5）计算得到；
根据定义，
Figure 703304DEST_PATH_IMAGE033
(7)
因此，物理深度Zf计算如下：
Figure 140101DEST_PATH_IMAGE034
(8)
由此，得到物理深度Zf以浅的平均PAR漫衰减系数
Figure 829708DEST_PATH_IMAGE028
与表层PAR漫衰减系数
Figure 10154DEST_PATH_IMAGE026
的关系模型。
一种基于遥感数据反演PAR漫衰减系数垂直变化的装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如上所述的一种基于遥感数据反演PAR漫衰减系数垂直变化的方法。
一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的一种基于遥感数据反演PAR漫衰减系数垂直变化的方法。
通过上述技术方案，本发明提供的一种基于遥感数据反演PAR漫衰减系数垂直变化的方法具有如下有益效果：
1、本发明通过现场实测的光学和海洋学数据，能够构建区域优化的KPAR的三维遥感反演新方法，该方法不止适用于西太平洋，也适用于其它海域。
2、本发明的方法可以反演各个深度的KPAR，克服了现有技术中只能研究表层水的KPAR的缺陷。
3、本发明提出的新方法将为KPAR的三维分布及其对海洋初级生产力的评估提供新的思路和科学认识。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例所公开的一种基于遥感数据反演PAR漫衰减系数垂直变化的方法流程示意图。
图2为本发明提出的方法的研究区域和海洋现场观测数据站位分布图。
图3为本发明中提出的遥感反射率波段比与遥感的PAR漫衰减系数之间的关系图。
图4a为表层光合有效辐射漫衰减系数（
Figure 203238DEST_PATH_IMAGE003
）和490 nm处下行辐照度漫衰减系数（
Figure 76516DEST_PATH_IMAGE004
）之间的关系图。
图4b为 log(
Figure 987840DEST_PATH_IMAGE035
-0.0166)和log[Rrs(488)/Rrs(555)]之间的关系（数据来源于 断面T1-T3实际测量的数据）。
图5a为运用本发明计算的T1-T3断面不同深度以浅PAR平均漫衰减系数（
Figure 706398DEST_PATH_IMAGE028
）和 实际观测数据的对比图。
图5b为运用本发明计算的物理深度Zf和实际观测数据的对比图。
图6a为运用本发明计算的
Figure 285146DEST_PATH_IMAGE028
的有效性验证图。
图6b为运用本发明计算的Zf的有效性验证图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本发明提供了一种基于遥感数据反演PAR漫衰减系数垂直变化的方法，如图1所示，包括如下步骤：
步骤一，通过光谱测量设备采集现场观测数据，根据现场观测数据计算遥感反射率、各物理深度的PAR和各物理深度的PAR漫衰减系数，利用表层PAR漫衰减系数和遥感反射率，通过数据拟合建立表层PAR漫衰减系数与遥感反射率的关系模型；
现场观测数据（包含T1-T3断面）包括：提取使用美国Satlantic公司的 HyperProII水下高光谱仪测量波段范围为400-700 nm的上行光辐亮度Lu、下行光辐照度Ed和海表面入射光辐照度Es。
根据现场观测数据计算的方法如下：
（1）各物理深度的PAR漫衰减系数计算公式如下：
Figure 63747DEST_PATH_IMAGE009
(1)
其中，
Figure 727946DEST_PATH_IMAGE010
为物理深度为z、波长为
Figure 250194DEST_PATH_IMAGE011
的PAR漫衰减系数，
Figure 355554DEST_PATH_IMAGE012
为物理深度为 z、波长为
Figure 429689DEST_PATH_IMAGE011
的下行光辐照度，z为物理深度；
（2）离水辐亮度计算公式如下：
Figure 190971DEST_PATH_IMAGE013
(2)
其中，
Figure 641544DEST_PATH_IMAGE014
为波长为
Figure 804672DEST_PATH_IMAGE011
的离水辐亮度，
Figure 49709DEST_PATH_IMAGE015
为波长为
Figure 298288DEST_PATH_IMAGE011
的水面之下上行光辐亮 度，
Figure 552552DEST_PATH_IMAGE016
为菲涅尔反射系数，
Figure 304607DEST_PATH_IMAGE017
为波长为
Figure 251703DEST_PATH_IMAGE011
的海水的菲涅尔反射比；
（3）各物理深度的PAR计算公式如下：
Figure 315474DEST_PATH_IMAGE018
(3)
其中，
Figure 983216DEST_PATH_IMAGE019
为物理深度为z的PAR，
Figure 979991DEST_PATH_IMAGE012
为物理深度为z、波长为
Figure 707775DEST_PATH_IMAGE011
的下行光辐照 度，h为普朗克常数，c为光速；
（4）遥感反射率计算公式如下：
Figure 55580DEST_PATH_IMAGE020
(4)
其中，
Figure 261433DEST_PATH_IMAGE021
为波长为
Figure 378294DEST_PATH_IMAGE022
的遥感反射率，
Figure 276980DEST_PATH_IMAGE023
为波长为
Figure 846501DEST_PATH_IMAGE022
的离水辐亮度，
Figure 856046DEST_PATH_IMAGE024
表示刚好在水面之上、波长为
Figure 92992DEST_PATH_IMAGE022
的下行光辐照度。
使用T1-T3断面现场观测的数据进行拟合，如图2所示，图2中背景图为航次期间（2017年4月14日至5月13日）的海表温（SST）的平均分布；T1、T2、T3和T4为采样断面，○代表有采集PAR垂直剖面的站位，T1-T3断面实际观测的站位数n=19；KE、NPSG、WTP分别代表黑潮延伸体、副热带环流系、西热带太平洋三个主要水团，TZ-1和TZ-2为过渡区域；箭头表示该区域的主要表面洋流。T1-T4断面的现场观测站位信息如表1所示。
表1 T1-T4断面现场观测站位信息
Figure 897000DEST_PATH_IMAGE036
建立表层PAR漫衰减系数
Figure 219397DEST_PATH_IMAGE037
与遥感反射率的关系模型如图3所示，图3 为使用断 面T1-T3实际观测的数据建立的log[Rrs(488)/Rrs(555)]和log(
Figure 767053DEST_PATH_IMAGE037
)之间的关系。下实线 是依据本发明得出的最好的拟合线；虚线是均方根误差为±0.034的边界线；上实线是使用 公式(10)和（11）得到的两者的关系。本发明得到的拟合曲线如下：
Figure 858506DEST_PATH_IMAGE038
(5)
拟合得到的上述关系模型的相关系数r2 = 0.952。
X=log[Rrs(488)/Rrs(555)]
其中，
Figure 833415DEST_PATH_IMAGE037
为表层PAR漫衰减系数，Rrs(488)和Rrs(555)分别为波长488nm和波长 555nm的遥感反射率。
上述公式中得到log(
Figure 643108DEST_PATH_IMAGE039
) 的均方根误差是±0.036，相应的
Figure 994455DEST_PATH_IMAGE037
的不确定度为 ±8%。相比于使用(10)和(11)组合公式，得到的log(
Figure 940414DEST_PATH_IMAGE037
)的均方根误差为±0.075，相应的
Figure 148542DEST_PATH_IMAGE037
不确定度为±18%。因此，本发明中提出的反演方法中，通过遥感图像中的遥感反射率 Rrs波段比和表层PAR漫衰减系数
Figure 383214DEST_PATH_IMAGE037
直接建立关系，不确定度减少了一半。
从图2很明显看出，使用上述公式(10)和(11)组合导致表层PAR漫衰减系数
Figure 272672DEST_PATH_IMAGE037
的 高估。这种偏差主要来源于公式(11)，如图4a，通过
Figure 10821DEST_PATH_IMAGE040
（范围：0.03-0.10 m-1）计算
Figure 452167DEST_PATH_IMAGE037
， 明显看出高估+24%(图4a)。通过公式(10)计算的
Figure 846239DEST_PATH_IMAGE040
不确定度是比较小的，计算log(
Figure 867285DEST_PATH_IMAGE040
) 得到的均方根误差为±0.053。从公式(10)的实际观测数据回归曲线中也可以看出没有明 显的弯曲(图4b)。图4a和图4b中的实线分别是公式(11)和(10)的回归线。图4b虚线表示公 式(10)中回归线的均方根误差范围(±0.055)。
步骤二，根据计算的各物理深度的PAR漫衰减系数，结合定义的光学深度，寻找PAR漫衰减系数随光学深度变化的规律，通过数据拟合建立某一物理深度以浅的平均PAR漫衰减系数与表层PAR漫衰减系数的关系模型。
具体方法如下：
在透光层范围内定义一个光学深度f，以海表面光强的百分比来表示，其对应的物理深度为Zf，
f = PAR(Zf)/PAR(0-)×100%
其中，
Figure 459940DEST_PATH_IMAGE027
分别表示海表面和物理深度Zf处的PAR，可通过公式（3）计 算得到；
将计算的各物理深度的PAR漫衰减系数依光学深度f排序，当PAR漫衰减系数从表 面下降到物理深度Zf时，比较对应物理深度Zf以浅的平均PAR漫衰减系数
Figure 337766DEST_PATH_IMAGE028
与表层PAR漫 衰减系数
Figure 219135DEST_PATH_IMAGE037
之间的关系，建立的关系模型如下：
Figure 575030DEST_PATH_IMAGE041
(6)
其中，B0、B1为系数：
Figure 225454DEST_PATH_IMAGE042
其中，
Figure 274181DEST_PATH_IMAGE032
为指定的光学深度，为已知量；
表层PAR漫衰减系数
Figure 642846DEST_PATH_IMAGE003
通过公式（5）计算得到；
根据定义，
Figure 802432DEST_PATH_IMAGE033
(7)
因此，物理深度Zf计算如下：
Figure 307362DEST_PATH_IMAGE034
(8)
由此，得到物理深度Zf以浅的平均PAR漫衰减系数
Figure 526991DEST_PATH_IMAGE028
与表层PAR漫衰减系数
Figure 382952DEST_PATH_IMAGE026
的关系模型。
步骤三，根据建立的两个关系模型，结合卫星遥感反射率数据实现PAR漫衰减系数垂直变化的反演。
具体为，联合公式(5)和(6)，给定光学深度f，其物理深度Zf以浅的平均PAR漫衰减 系数
Figure 80649DEST_PATH_IMAGE028
能够通过遥感反射率Rrs计算得到。对应的物理深度Zf可以通过公式(8)进一步计 算得到。由此，得到物理深度为Zf时的平均PAR漫衰减系数
Figure 705666DEST_PATH_IMAGE028
与表层PAR漫衰减系数
Figure 96196DEST_PATH_IMAGE026
的关系，实现PAR漫衰减系数垂直变化的反演。
使用本发明的方法计算得到的log(
Figure 173873DEST_PATH_IMAGE028
)的均方根误差(RMSE)约为±0.051（范 围：±0.039--±0.061），对应f变化从50% 到1%。相应的不确定度为±12%。计算得到的
Figure 675261DEST_PATH_IMAGE028
和Zf如图5a、图5b所示。图5a和图5b中，实际观测数据来源于T1-T3断面的所有站位， 图5a和图5b不同形状的散点分别代表光强为表层值的30% (○)，10% (∆)，3% (◊) and 1% (□)。实线为1:1线，虚线为±12%偏离线。上述结果表明，只要通过卫星遥感图像给定足够 准确的遥感反射率Rrs。在透光层任何光强度区域，利用卫星遥感图像数据可以精确计算空 间垂直剖面的漫衰减系数
Figure 420364DEST_PATH_IMAGE028
及对应的漫衰减系数穿透深度，即物理深度Zf，计算的不确 定度仅为±12%。
其次，为了进一步验证本发明提出来的新算法的区域有效性，将本发明基于遥感 反射率数据Rrs(λ)计算得出的
Figure 981795DEST_PATH_IMAGE028
和Zf与真实观测的数据进行对比（选取区域为延赤道区 域的T4断面和美国夏威夷大学ALOHA 站位的历史观测数据）。验证结果表明：当光强变化从 f=50%到1%，本发明的方法计算得到的log(
Figure 546768DEST_PATH_IMAGE028
)的均方根误差(RMSE)为±0.043。相应的
Figure 320689DEST_PATH_IMAGE028
(图6a) 和 Zf (图6b)的不确定度为±10%。图6a和图6b 类似于图5a和图5b，数据来 自美国夏威夷大学ALOHA站位和 T4断面站位观测数据。结果表明，本发明的方法基于遥感 数据计算的
Figure 920298DEST_PATH_IMAGE028
和Zf与实际观测的数据具有良好的一致性。图6a、图6b中的实线为1：1线， 虚线为±12%偏离线。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框，以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种基于遥感数据反演PAR漫衰减系数垂直变化的方法，其特征在于，包括如下步骤：
步骤一，通过光谱测量设备采集现场观测数据，根据现场观测数据计算遥感反射率、各物理深度的PAR和各物理深度的PAR漫衰减系数，利用表层PAR漫衰减系数和遥感反射率，通过数据拟合建立表层PAR漫衰减系数与遥感反射率的关系模型；
步骤二，根据计算的各物理深度的PAR漫衰减系数，结合定义的光学深度，寻找PAR漫衰减系数随光学深度变化的规律，通过数据拟合建立某一物理深度以浅的平均PAR漫衰减系数与表层PAR漫衰减系数的关系模型；
步骤三，根据建立的两个关系模型，结合卫星遥感反射率数据实现PAR漫衰减系数垂直变化的反演。
2.根据权利要求1所述的一种基于遥感数据反演PAR漫衰减系数垂直变化的方法，其特征在于，所述现场观测数据包括：光谱测量设备测量波段范围为400～700 nm的上行光辐亮度、下行光辐照度和海表面入射光辐照度。
3.根据权利要求2所述的一种基于遥感数据反演PAR漫衰减系数垂直变化的方法，其特征在于，步骤一中，根据现场观测数据计算的方法如下：
（1）各物理深度的PAR漫衰减系数计算公式如下：
Figure 592595DEST_PATH_IMAGE001
(1)
其中，
Figure 689864DEST_PATH_IMAGE002
为物理深度为z、波长为
Figure 522690DEST_PATH_IMAGE003
的PAR漫衰减系数，
Figure 414423DEST_PATH_IMAGE004
为物理深度为z、波长 为
Figure 332701DEST_PATH_IMAGE003
的下行光辐照度，z为物理深度；
（2）离水辐亮度计算公式如下：
Figure 233660DEST_PATH_IMAGE005
(2)
其中，
Figure 655415DEST_PATH_IMAGE006
为波长为
Figure 983628DEST_PATH_IMAGE003
的离水辐亮度，
Figure 123622DEST_PATH_IMAGE007
为波长为
Figure 828273DEST_PATH_IMAGE003
的水面之下上行光辐亮度，
Figure 370113DEST_PATH_IMAGE008
为 菲涅尔反射系数，
Figure 72489DEST_PATH_IMAGE009
为波长为
Figure 699780DEST_PATH_IMAGE003
的海水的菲涅尔反射比；
（3）各物理深度的PAR计算公式如下：
Figure 942542DEST_PATH_IMAGE010
(3)
其中，
Figure 338889DEST_PATH_IMAGE011
为物理深度为z的PAR，
Figure 8904DEST_PATH_IMAGE004
为物理深度为z、波长为
Figure 123491DEST_PATH_IMAGE003
的下行光辐照度，h 为普朗克常数，c为光速；
（4）遥感反射率计算公式如下：
Figure 904365DEST_PATH_IMAGE012
(4)
其中，
Figure 420797DEST_PATH_IMAGE013
为波长为
Figure 261714DEST_PATH_IMAGE014
的遥感反射率，
Figure 863597DEST_PATH_IMAGE015
为波长为
Figure 448162DEST_PATH_IMAGE014
的离水辐亮度，
Figure 819100DEST_PATH_IMAGE016
表示刚好在水面之上、波长为
Figure 830919DEST_PATH_IMAGE014
的下行光辐照度。
4.根据权利要求3所述的一种基于遥感数据反演PAR漫衰减系数垂直变化的方法，其特征在于，所述表层PAR漫衰减系数与遥感反射率的关系模型如下：
Figure 654518DEST_PATH_IMAGE017
(5)
X=log[Rrs(488)/Rrs(555)]
其中，A0、A1、A2、A3为常数，
Figure 42774DEST_PATH_IMAGE018
为表层PAR漫衰减系数，Rrs(488)和Rrs(555)分别为波长 488nm和波长555nm的遥感反射率。
5.根据权利要求4所述的一种基于遥感数据反演PAR漫衰减系数垂直变化的方法，其特征在于，所述步骤二的具体方法如下：
在透光层范围内定义一个光学深度f，以海表面光强的百分比来表示，其对应的物理深度为Zf，
f = PAR(Zf)/PAR(0-)×100%
其中，
Figure 268219DEST_PATH_IMAGE019
分别表示海表面和物理深度Zf处的PAR，通过公式（3）计算得到；
将计算的各物理深度的PAR漫衰减系数依光学深度f排序，当PAR漫衰减系数从表面下 降到物理深度Zf时，比较对应物理深度Zf以浅的平均PAR漫衰减系数
Figure 450939DEST_PATH_IMAGE020
与表层PAR漫衰减 系数
Figure 50851DEST_PATH_IMAGE021
之间的关系，建立的关系模型如下：
Figure 977219DEST_PATH_IMAGE022
(6)
其中，B0、B1为系数：
Figure 57170DEST_PATH_IMAGE023
Figure 676371DEST_PATH_IMAGE024
其中，C0、C1、C2、D0、D1、D2为常数；
Figure 474562DEST_PATH_IMAGE025
为指定的光学深度，为已知量；
表层PAR漫衰减系数
Figure 204621DEST_PATH_IMAGE021
通过公式（5）计算得到；
根据定义，
Figure 139079DEST_PATH_IMAGE026
(7)
因此，物理深度Zf计算如下：
Figure 929180DEST_PATH_IMAGE027
(8)
由此，得到物理深度Zf以浅的平均PAR漫衰减系数
Figure 214668DEST_PATH_IMAGE028
与表层PAR漫衰减系数
Figure 482838DEST_PATH_IMAGE018
的 关系模型。
6.一种基于遥感数据反演PAR漫衰减系数垂直变化的装置，其特征在于，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如权利要求1-5任一项所述的一种基于遥感数据反演PAR漫衰减系数垂直变化的方法。
7.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-5任一项所述的一种基于遥感数据反演PAR漫衰减系数垂直变化的方法。
CN202210154135.8A 2022-02-21 2022-02-21 一种基于遥感数据反演par漫衰减系数垂直变化的方法 Active CN114199827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210154135.8A CN114199827B (zh) 2022-02-21 2022-02-21 一种基于遥感数据反演par漫衰减系数垂直变化的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210154135.8A CN114199827B (zh) 2022-02-21 2022-02-21 一种基于遥感数据反演par漫衰减系数垂直变化的方法

Publications (2)

Publication Number Publication Date
CN114199827A true CN114199827A (zh) 2022-03-18
CN114199827B CN114199827B (zh) 2022-05-10

Family

ID=80645561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210154135.8A Active CN114199827B (zh) 2022-02-21 2022-02-21 一种基于遥感数据反演par漫衰减系数垂直变化的方法

Country Status (1)

Country Link
CN (1) CN114199827B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050027475A1 (en) * 2003-07-29 2005-02-03 Elgar Desa Method of determining the volume scattering function of ocean waters in the backward direction using a satellite ocean color sensor
US20150310618A1 (en) * 2012-04-27 2015-10-29 SATOP GmbH Using Multispectral Satellite Data to Determine Littoral Water Depths Despite Varying Water Turbidity
CN106248601A (zh) * 2016-09-14 2016-12-21 南京吉泽信息科技有限公司 一种利用oli数据估算水体漫衰减系数的模型方法
CN107247935A (zh) * 2017-05-27 2017-10-13 深圳先进技术研究院 深圳海域初级生产力遥感反演方法及系统
CN108896502A (zh) * 2018-07-12 2018-11-27 中国科学院南京地理与湖泊研究所 层化水体生物光学模型的构建方法
CN109059796A (zh) * 2018-07-20 2018-12-21 国家海洋局第三海洋研究所 无水深控制点区域的浅海水深多光谱卫星遥感反演方法
CN111460681A (zh) * 2020-04-17 2020-07-28 南京信息工程大学 监测近海水体真光层深度的卫星遥感方法
CN113324952A (zh) * 2021-05-17 2021-08-31 中山大学 水体漫衰减系数遥感反演方法及系统
CN113763272A (zh) * 2021-09-03 2021-12-07 中国科学院南京地理与湖泊研究所 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050027475A1 (en) * 2003-07-29 2005-02-03 Elgar Desa Method of determining the volume scattering function of ocean waters in the backward direction using a satellite ocean color sensor
US20150310618A1 (en) * 2012-04-27 2015-10-29 SATOP GmbH Using Multispectral Satellite Data to Determine Littoral Water Depths Despite Varying Water Turbidity
CN106248601A (zh) * 2016-09-14 2016-12-21 南京吉泽信息科技有限公司 一种利用oli数据估算水体漫衰减系数的模型方法
CN107247935A (zh) * 2017-05-27 2017-10-13 深圳先进技术研究院 深圳海域初级生产力遥感反演方法及系统
CN108896502A (zh) * 2018-07-12 2018-11-27 中国科学院南京地理与湖泊研究所 层化水体生物光学模型的构建方法
CN109059796A (zh) * 2018-07-20 2018-12-21 国家海洋局第三海洋研究所 无水深控制点区域的浅海水深多光谱卫星遥感反演方法
CN111460681A (zh) * 2020-04-17 2020-07-28 南京信息工程大学 监测近海水体真光层深度的卫星遥感方法
CN113324952A (zh) * 2021-05-17 2021-08-31 中山大学 水体漫衰减系数遥感反演方法及系统
CN113763272A (zh) * 2021-09-03 2021-12-07 中国科学院南京地理与湖泊研究所 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
AGE AAVASTE 等: "Impact of Thermohaline Conditions on Vertical Variability of Optical Properties in the Gulf of Finland (Baltic Sea): Implications for Water Quality Remote Sensing", 《FRONTIERS IN MARINE SCIENCE》 *
DEEPAK R. MISHRA 等: "Evaluation of Ocean Color Remote Sensing Algorithms for Di use Attenuation Coe cients and Optical Depths with Data Collected on BGC-Argo Floats", 《ISPRS JOURNAL OF PHOTOGRAMMETRY & REMOTE SENSING》 *
XIAOGANG XING 等: "Evaluation of Ocean Color Remote Sensing Algorithms for Di use Attenuation Coe cients and Optical Depths with Data Collected on BGC-Argo Floats", 《REMOTE SENSING》 *
姜勃 等: "太湖梅梁湾下行漫衰减系数的Monte Carlo模拟及分析", 《遥感学报》 *
毛颖 等: "基于 MODIS 卫星数据的台湾海峡南部水体漫衰减系数时空分布特征研究", 《环境生态学》 *

Also Published As

Publication number Publication date
CN114199827B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
Iwabuchi et al. Effects of cloud horizontal inhomogeneity on the optical thickness retrieved from moderate-resolution satellite data
Garaba et al. Using ocean colour remote sensing products to estimate turbidity at the Wadden Sea time series station Spiekeroog
Bartlett et al. The spectral effects of clouds on solar irradiance
CN111460681B (zh) 监测近海水体真光层深度的卫星遥感方法
Ricchiazzi et al. Investigation of the effect of surface heterogeneity and topography on the radiation environment of Palmer Station, Antarctica, with a hybrid 3‐D radiative transfer model
CN104897592A (zh) 基于高光谱技术的盐渍化土壤盐分离子含量监测方法
CN111947628B (zh) 基于固有光学参数的线性水深反演方法
CN106909750B (zh) 一种阔叶植被冠层反射率的计算方法
CN111651707A (zh) 一种基于光学浅水区卫星遥感影像的潮位反演方法
CN116482317B (zh) 湖泊水体营养状态实时监测方法、系统、设备及介质
CN110532662A (zh) 一种基于机器学习的主被动微波盐度计的海面盐度反演方法
CN110376572B (zh) 一种机载激光雷达水下探测深度模拟装置
Sundarabalan et al. Modeling the underwater light field fluctuations in coastal oceanic waters: Validation with experimental data
CN114199827B (zh) 一种基于遥感数据反演par漫衰减系数垂直变化的方法
Kopelevich et al. Penetration of visible solar radiation in waters of the Barents Sea depending on cloudiness and coccolithophore blooms
Peres et al. Analyses of the positive bias of remotely sensed SST retrievals in the coastal waters of Rio de Janeiro
CN111650128B (zh) 一种基于地表反射率库的高分辨率大气气溶胶反演方法
CN106198460B (zh) 应用于海洋环境的随机起伏海表面反照率全谱段计算方法
Stone et al. A new Dobson Umkehr ozone profile retrieval method optimising information content and resolution
Makshtas et al. Calculation of melt pond albedos on arctic sea ice
CN110095437A (zh) 一种区域海水透明度实时计算方法
Zhan et al. Estimation of Optical Properties using QAA-V6 model based on MODIS data
Sowa et al. Estimation of uncertainty for massive Porites coral skeletal density
Coelho et al. A numerical study of measurement uncertainties for wave gauges
Pemberton et al. Quantifying uncertainties associated with the measurement of primary production

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant