基于GOCI的東海葉綠素a濃度3種反演算法的對(duì)比及其晝變化分析

王 芮， 伍玉梅， 楊勝龍， 崔雪森， 王 琳， 張勝茂

(1.上海海洋大學(xué)，上海 201306； 2. 中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所，上海 200090；3.農(nóng)業(yè)部漁業(yè)遙感科學(xué)觀測實(shí)驗(yàn)站，北京 100041；4.中國水產(chǎn)科學(xué)研究院，北京 100041)

近年來，隨著東海沿海工農(nóng)業(yè)的發(fā)展和人口的增加，工農(nóng)業(yè)廢水和生活污水向沿岸海域的排放量劇增，東海海洋環(huán)境及氣候發(fā)生急劇變化，富營養(yǎng)化程度日趨嚴(yán)重，赤潮、綠潮等海洋生態(tài)問題發(fā)生頻率、范圍及其造成的危害大為增加。水體中葉綠素a含量的高低直接影響水體的光學(xué)特性，也是表征水體富營養(yǎng)化程度的主要參數(shù)，葉綠素a濃度已經(jīng)成為水體水質(zhì)評(píng)價(jià)的重要指標(biāo)[1]。海洋水色遙感技術(shù)具有快速、同步、大面積實(shí)時(shí)監(jiān)測的特點(diǎn)，可以彌補(bǔ)走航實(shí)測數(shù)據(jù)分散、耗費(fèi)人力物力等缺陷，因此，利用遙感技術(shù)監(jiān)測海洋葉綠素a濃度的變化，是監(jiān)測海洋生態(tài)環(huán)境的一種有效手段。

遙感反演葉綠素a濃度的方法主要有分析模型、半分析模型和經(jīng)驗(yàn)?zāi)Ｐ?種，目前國內(nèi)外已有不少學(xué)者開展了一些相關(guān)研究。唐軍武等[2]根據(jù)高質(zhì)量的現(xiàn)場實(shí)測數(shù)據(jù)，借鑒Tassan模型，得到了中國東海近岸二類水體葉綠素a濃度統(tǒng)計(jì)反演模式，反演得到的葉綠素a濃度與實(shí)測的平均相對(duì)誤差為36%～45%。仲京臣等[3]根據(jù)2003年春季東海試驗(yàn)中獲得的高質(zhì)量現(xiàn)場實(shí)測數(shù)據(jù)，建立了由現(xiàn)場測量遙感反射率反演葉綠素a濃度的神經(jīng)網(wǎng)絡(luò)模型，其模型反演結(jié)果的平均相對(duì)誤差為32.5%，同時(shí)分析了神經(jīng)網(wǎng)絡(luò)模型在葉綠素a濃度反演模式應(yīng)用中的穩(wěn)定性。PARK等[4]基于GOCI 影像數(shù)據(jù)，使用OC4算法反演了日本東海區(qū)域的葉綠素a濃度，并指出基于GOCI衛(wèi)星數(shù)據(jù)反演葉綠素a濃度的算法尚有待研究。趙夢(mèng)瑩等[18]綜合利用GOCI的412nm、443nm、490nm和555nm波段的遙感反射率，建立多波段比值模型，反演了渤海、北黃海的葉綠素a濃度，并進(jìn)行了葉綠素a濃度的日變動(dòng)分析。MOON等[5]利用GOCI的第一波段(與可溶性有機(jī)物相關(guān)性大)、第四波段(與懸浮物相關(guān)性大)，及第二和第三波段(與葉綠素a相關(guān)性大)，建立了波段比值模型，進(jìn)行了日本霞浦湖葉綠素a濃度反演。目前，利用MODIS、SeaWIFS等水色傳感器數(shù)據(jù)反演東海葉綠素a濃度的研究較多，利用GOCI數(shù)據(jù)反演內(nèi)陸湖泊葉綠素a濃度的研究也不少[6-9]，但是利用GOCI數(shù)據(jù)反演東海葉綠素a濃度的研究比較缺乏。

相比于MODIS(Moderate resolution imaging spectrometer)、SeaWIFS(Sea-viewing wide field-of-view sensor)等遙感傳感器，第一顆地球靜止水色衛(wèi)星COMS(Communication ocean and meteorological satellite)上搭載的水色成像儀GOCI(Geo-stationary ocean color imager)擁有更高的時(shí)間分辨率(1 h)和更高的信噪比，而且相對(duì)于SeaWIFS增加了680nm波段和745nm波段，可用于水體中葉綠素的反演以及大氣的精確校正，全天提供目標(biāo)區(qū)域8個(gè)時(shí)間的觀測數(shù)據(jù)，對(duì)于監(jiān)測海洋水體葉綠素a濃度的細(xì)節(jié)變化、赤潮等突發(fā)性事件，有著極大的應(yīng)用前景[10]。中國東海是典型的陸架海域，長江等河流入海，使之富集葉綠素、懸浮物質(zhì)和黃色物質(zhì)等影響海洋光學(xué)性質(zhì)的海水組分[11]，這也導(dǎo)致海水富營養(yǎng)化、赤潮等海洋災(zāi)害現(xiàn)象頻繁發(fā)生，給沿海經(jīng)濟(jì)帶來巨大損失。因此，利用GOCI數(shù)據(jù)反演東海葉綠素a濃度，能更高頻次地開展東海赤潮、綠潮等突發(fā)性海洋災(zāi)害事件的觀測，研究它們的時(shí)空變動(dòng)特點(diǎn)和規(guī)律，對(duì)開展相關(guān)的監(jiān)測和預(yù)報(bào)具有十分重要的意義。

本文基于GOCI衛(wèi)星獲取的東海水色資料，對(duì)其L1B數(shù)據(jù)進(jìn)行了大氣校正等影像預(yù)處理，然后利用OC2、OC3G和YOC 3種算法反演了東海的葉綠素a濃度，并和實(shí)測葉綠素a濃度資料進(jìn)行對(duì)比分析，通過計(jì)算和比較3種算法反演的葉綠素a濃度與實(shí)測葉綠素a濃度之間的平均絕對(duì)誤差、平均相對(duì)誤差和相關(guān)系數(shù)，確定東海葉綠素a濃度反演的最優(yōu)算法；最后用該算法反演了2011-2017年的東海葉綠素a濃度，并分析東海葉綠素a濃度的晝變化特征及其原因，以期為東海赤潮等突發(fā)性海洋災(zāi)害事件的監(jiān)測提供參考。

1 材料與方法

1.1 數(shù)據(jù)及處理

1.1.1 GOCI數(shù)據(jù)及預(yù)處理

GOCI是世界上第一個(gè)為海洋水色觀測而設(shè)計(jì)的靜止軌道衛(wèi)星傳感器。該傳感器由韓國發(fā)射，設(shè)計(jì)壽命為7年，于2010年6月發(fā)射升空，2011 年 4月開始向公眾提供數(shù)據(jù)。GOCI共有 6 個(gè)可見光波段和 2個(gè)近紅外波段，觀測中心點(diǎn)的經(jīng)緯度為：東經(jīng)130°、北緯36°，衛(wèi)星的覆蓋范圍為 2 500 km×2 500 km，可覆蓋我國黃、渤、東海海域，每天可以提供八景遙感影像，從北京時(shí)間08∶30到15∶30，時(shí)間分辨率為1 h[12]。

GOCI遙感L1B數(shù)據(jù)來源于Korea Ocean Satellite Center(KOSC),下載網(wǎng)站為http://kosc.kiost.ac，該網(wǎng)站可以下載從2011年至今的每日八景數(shù)據(jù)。此研究中，我們下載了和實(shí)際測量的葉綠素a濃度數(shù)據(jù)對(duì)應(yīng)時(shí)間的L1B數(shù)據(jù)，以及用于葉綠素a濃度晝變化分析的2011年5月29日、2012年6月5日、2013年5月25日、2014年5月23日、2015年6月15日、2016年5月31日和2017年5月22日的L1B數(shù)據(jù)。

在基于GOCI的L1B數(shù)據(jù)反演葉綠素a濃度前，首先要對(duì)L1B遙感數(shù)據(jù)進(jìn)行大氣校正。大氣校正即是去除傳感器接收的輻亮度值中大氣的影響因素，提取出水體信息的離水輻亮度。本文利用GOCI數(shù)據(jù)處理軟件GOCI Data Progressing Software(GDPS)內(nèi)置的KOSC二類水體大氣校正算法(它是GOCI數(shù)據(jù)處理的業(yè)務(wù)化標(biāo)準(zhǔn)大氣校正算法)實(shí)現(xiàn)影像的大氣校正，可以剔除瑞利散射和氣溶膠散射的影響[17]。大氣校正結(jié)束后，還應(yīng)進(jìn)行云掩膜，目的是盡可能獲得影像上更多的葉綠素a濃度信息，提高后續(xù)葉綠素a濃度反演的精度，這個(gè)步驟同樣可以在GDPS中實(shí)現(xiàn)。

1.1.2 葉綠素a濃度實(shí)測數(shù)據(jù)

葉綠素a濃度實(shí)測數(shù)據(jù)是由南京信息工程大學(xué)于2016-2017年間開展的3個(gè)月現(xiàn)場水色觀測航次獲得的，該觀測航次分別于2016年9月和10月、2017年5月對(duì)東海22°～33°N、120°～126°E之間的海域進(jìn)行樣點(diǎn)采集，并記錄了這些樣點(diǎn)的采集時(shí)間和經(jīng)緯度，測定了這些樣點(diǎn)的葉綠素a濃度值。葉綠素a濃度的測定過程是先利用CTD采水瓶采集水樣，隨后立刻將采集的水樣取100 mL進(jìn)行過濾，濾膜采用Whatman GF/F玻璃纖維濾膜(直徑：25 mm；孔徑：0.7 μm)，真空泵過濾氣壓<0.1 KPa，整個(gè)抽濾過程在暗光環(huán)境下進(jìn)行，以避免葉綠素的光解。過濾完成后，將濾膜用錫紙包裹好，立刻放入液氮進(jìn)行保存。返回實(shí)驗(yàn)室后，將過濾好的濾膜從液氮罐中取出，放入試管中并加入5 mL的二甲基甲酰胺N, N-dimethyl-formamide進(jìn)行葉綠素萃取，萃取時(shí)間為24 h[13]。隨后，利用事先標(biāo)定好的實(shí)驗(yàn)室熒光儀(Turner Design, Trilogy)進(jìn)行葉綠素濃度的測量。最后對(duì)測得的葉綠素a濃度剔除掉無效數(shù)據(jù)和質(zhì)量精度不高的數(shù)據(jù)。

1.2 研究方法

本文利用OC2、OC3G和YOC 3種算法，從GOCI衛(wèi)星獲取的水色遙感信息反演了東海葉綠素a濃度，并和實(shí)測值進(jìn)行對(duì)比分析，通過計(jì)算和對(duì)比3種算法反演的葉綠素a濃度與實(shí)測值之間的平均絕對(duì)誤差、平均相對(duì)誤差和相關(guān)系數(shù)，最終確定東海葉綠素a濃度反演的最優(yōu)算法。進(jìn)一步，利用該算法反演2011-2017年東海海域(26°～32°N、119°～125°E)的葉綠素a濃度，通過靜止水色衛(wèi)星的高時(shí)間分辨率觀測優(yōu)勢，分析其獲得的葉綠素a濃度在以小時(shí)為時(shí)間分辨率的變化特點(diǎn)。

1.2.1 OC2算法

OC2算法是由HOOKER等[14]基于SeaWiFS數(shù)據(jù)提出的兩波段海洋葉綠素a濃度反演算法，它是利用Rrs(490)/Rrs(555)的比值與葉綠素a濃度的關(guān)系建立的一個(gè)三次多項(xiàng)式算法。其算法表達(dá)式如下：

(1)

式(1)中，Chla為葉綠素a濃度，Rrs(490)和Rrs(555)分別為490 nm波段和555 nm波段的遙感反射率。

1.2.2 OC3G算法

OC3G算法是根據(jù)OC4算法修改得來的，OC4算法里包含510 nm波段的反射率，但是GOCI沒有510 nm波段，因此適用于GOCI的OC3G算法只用了3個(gè)波段的反射率，分別為443 nm、490 nm和555 nm。它是利用Rrs(443)/Rrs(555)與Rrs(490)/Rrs(555)比值中的最大值來建立的一個(gè)四次多項(xiàng)式算法。其算法表達(dá)式如下[15]：

(2)

式(2)中，Chla為葉綠素a濃度，Rrs(443)、Rrs(490)和Rrs(555)分別為443 nm、490 nm波段和555 nm波段的遙感反射率。

1.2.3 YOC算法

YOC算法首先由TASSAN于1994年提出，SISWANTO等[16]于2011年基于近十年的東海、黃海和日本南部的實(shí)測遙感反射率和葉綠素a濃度，修改了原YOC算法里面的參數(shù)得到新的YOC算法。它是利用412 nm、443 nm、490 nm和555 nm多波段比值來建立的一個(gè)二次多項(xiàng)式算法。其算法表達(dá)式如下：

(3)

式(3)中，Chla為葉綠素a濃度，Rrs(412)、Rrs(443)、Rrs(490)和Rrs(555)分別為412 nm、443 nm、490 nm波段和555 nm波段的遙感反射率。

1.2.4 精度驗(yàn)證

利用OC2、OC3G和YOC 3種算法反演了東海葉綠素a濃度后，分別計(jì)算3種算法反演的葉綠素a濃度與實(shí)測值之間的平均絕對(duì)誤差、平均相對(duì)誤差和相關(guān)系數(shù)，并根據(jù)這3種參數(shù)結(jié)果對(duì)3種算法反演的精度進(jìn)行對(duì)比，確定最適合東海葉綠素a濃度的反演算法。

上式中：Xi為遙感反演的葉綠素a濃度值，Yi為實(shí)際測量的葉綠素a濃度值。

2 結(jié)果與分析

2.1 3種葉綠素a濃度反演算法的比較

對(duì)葉綠素a濃度實(shí)測資料進(jìn)行基本數(shù)據(jù)質(zhì)量檢驗(yàn)，并根據(jù)該研究中GOCI衛(wèi)星的觀測時(shí)間和范圍，一共從實(shí)測資料中篩選出17個(gè)有效觀測站點(diǎn)值，站點(diǎn)分布示意圖如圖1所示。

這17個(gè)站點(diǎn)位于東海26°～32°N、120°～126°E海域內(nèi)，基本涵蓋了長江口、杭州灣、浙江、福建沿岸海域，內(nèi)陸架和外陸架等不同的海域環(huán)境。采樣時(shí)間是2016年9、10月和2017年5月，既包含浮游植物生長旺盛的時(shí)段，也包含生長平穩(wěn)的時(shí)段。17個(gè)站點(diǎn)的站名、觀測日期、到站時(shí)間、葉綠素a濃度實(shí)測值和3種算法的反演值見表1。

圖1 有效觀測站點(diǎn)圖 (紅色三角形為觀測站點(diǎn))Fig.1 Map of effective stations (The red triangle are the stations)

站名Station name觀測日期Observation date到站時(shí)間Arrival time實(shí)測值/(mg·m-3)Measured valueYOC算法/(mg·m-3)YOC algorithmOC2算法/(mg·m-3)OC2 algorithmOC3G算法/(mg·m-3)OC3G algorithmDH1-6-Surf2016/9/2413∶27∶000.480.350.370.92DH3-1-Surf2016/10/2613∶15∶001.231.801.821.88DH7-3-Surf2016/10/113∶00∶001.691.011.071.12DH7-4-Surf2016/10/110∶05∶000.280.110.150.16L12-1-Surf2017/5/1809∶00∶001.271.591.854.21S01-2-Surf2017/5/1811∶20∶000.681.401.591.98L45-3-Surf2017/5/2208∶20∶001.361.221.211.93S05-1-Surf2017/5/2210∶30∶004.023.274.867.01S05-3-Surf2017/5/2214∶50∶000.360.590.760.88S04-1-Surf2017/5/2115∶20∶000.290.210.250.19DH2-1-Surf2016/9/2513∶03∶000.630.390.331.74S01-3-Surf2017/5/1814∶30∶000.651.211.332.88DH2-2-Surf2016/9/2509∶48∶000.370.540.731.10S05-2-Surf2017/5/2213∶00∶000.360.730.981.42DH1-5-Surf2016/9/2410∶20∶000.310.961.011.67DH5-2-surf2016/10/2512∶08∶002.451.231.351.15DH7-2-Surf2016/10/115∶30∶002.271.125.522.55

17個(gè)站點(diǎn)中，YOC算法反演的葉綠素a濃度比實(shí)測葉綠素a濃度高的有8個(gè)站點(diǎn)，OC2算法有10個(gè)，OC3G算法有13個(gè)；OC2算法反演的葉綠素a濃度比YOC算法反演的葉綠素a濃度高的有15個(gè)，OC3G算法反演的葉綠素a濃度比YOC算法反演的葉綠素a濃度高的有15個(gè)站點(diǎn)，OC3G算法反演的葉綠素a濃度比OC2算法反演的葉綠素a濃度高的有14個(gè)站點(diǎn)。由此可見，YOC、OC2和OC3G算法反演的葉綠素a濃度普遍比實(shí)測葉綠素a濃度高，OC2算法反演的葉綠素a濃度比YOC的高，OC3G又比OC2的高。

分別計(jì)算了17個(gè)站點(diǎn)的實(shí)測葉綠素a濃度和對(duì)應(yīng)的YOC、OC2和OC3G 3種算法反演的葉綠素a濃度之間的平均絕對(duì)誤差、平均相對(duì)誤差和相關(guān)系數(shù)，結(jié)果見表2。

表2 3種反演葉綠素a濃度算法的誤差分析Tab.2 Error analysis of 3 inversions of chlorophyll-a concentration

YOC算法反演的葉綠素a濃度與實(shí)測值的平均絕對(duì)誤差是0.39 mg·m-3、平均相對(duì)誤差是42.47%、相關(guān)系數(shù)是0.88；OC2算法反演的葉綠素a濃度與實(shí)測值的平均絕對(duì)誤差是0.67 mg·m-3、平均相對(duì)誤差是78.12%、相關(guān)系數(shù)是0.79；OC3G算法反演的葉綠素a濃度與實(shí)測值的平均絕對(duì)誤差是0.78 mg·m-3、平均相對(duì)誤差是80.08%、相關(guān)系數(shù)是0.73。由此可見，相較于OC2和OC3G算法，YOC算法的平均絕對(duì)誤差、平均相對(duì)誤差最小，相關(guān)系數(shù)最高，說明基于GOCI數(shù)據(jù)，采用YOC算法反演東海海域的葉綠素a濃度是最優(yōu)的。此結(jié)論與李冠男等[12]提到的YOC算法適用于我國黃、東海海域的結(jié)論相符。

2.2 葉綠素a濃度的晝變化特征

由于GOCI靜止衛(wèi)星—天提供了以每小時(shí)為時(shí)間分辨率的8景圖像，這對(duì)開展東海葉綠素a濃度的晝變化研究提供了可能。本文主要分析東海每年5、6月份葉綠素a濃度的晝變化特征，每年5、6月份東海浮游植物易富營養(yǎng)化而爆發(fā)性增殖，形成赤潮，葉綠素是浮游植物生物量的一個(gè)重要指標(biāo)，監(jiān)測分析葉綠素a濃度的變化，可以為赤潮等海洋災(zāi)害的監(jiān)測預(yù)報(bào)提供依據(jù)。由于GOCI獲取水色信息容易受到天氣的影響，因此需要選取云量較少、質(zhì)量較好的遙感影像，才能適合進(jìn)行葉綠素a濃度的反演及其變動(dòng)特點(diǎn)分析。經(jīng)過大量影像的篩選，本文選取了GOCI獲得的2011年5月29日、2012年6月5日、2013年5月25日、2014年5月23日、2015年6月15日、2016年5月31日和2017年5月22日的L1B數(shù)據(jù)，以26°～32°N、119°～125°E東海海域?yàn)檠芯繀^(qū)域，分析東海葉綠素a濃度的晝變化特征。先以2011年5月29日YOC算法反演的葉綠素a濃度結(jié)果為例進(jìn)行晝變化分析，得到GOCI 2011年5月29日10∶30的RGB真彩色合成影像(圖2)和YOC算法反演的葉綠素a濃度分布結(jié)果圖像(圖4)。

圖2 2011年5月29日10∶30的RGB真彩色合成影像(綠色區(qū)域?yàn)殛懙?，紫色區(qū)域?yàn)樗?，白色區(qū)域?yàn)樵?Fig.2 True color composite image at 10∶30 on May 29th, 2011 (the green area is land, the purple area is water, the white area is cloud.)

根據(jù)遙感影像目視解譯的規(guī)則，圖2真彩色合成影像中淺綠色區(qū)域?yàn)橛忻黠@藻類覆蓋的海面，選取圖2中的兩個(gè)典型點(diǎn)A、B，分別為有明顯藻類覆蓋和無明顯藻類覆蓋的點(diǎn)，分析它們的葉綠素a濃度晝變化特征，結(jié)果如圖3。

圖3 典型點(diǎn)A、B葉綠素a濃度晝變化特征Fig.3 Variations of Chlorophyll-a concentration of typical point A and B during day time

由圖3典型點(diǎn)的葉綠素a濃度晝變化也可以看出，左圖A點(diǎn)(有明顯藻類覆蓋的點(diǎn))，葉綠素a濃度在2.12 ～15.34 mg·m-3之間，平均葉綠素a濃度為6.71 mg·m-3。從08∶30到10∶30，葉綠素a濃度急劇上升，在10∶30達(dá)到峰值15.34 mg·m-3；從10∶30到11∶30過程中葉綠素a濃度有所下降，但變化幅度不大，仍然保持著一個(gè)較高的濃度水平。從11∶30到13∶30，葉綠素a濃度呈直線下降趨勢，13∶30以后葉綠素a濃度下降趨于平穩(wěn)。右圖B點(diǎn)(無明顯藻類覆蓋的點(diǎn))，葉綠素a濃度在0.12 ～ 1.95 mg·m-3之間，平均葉綠素a濃度為0.78 mg·m-3。和A點(diǎn)一樣，葉綠素a濃度在10∶30達(dá)到峰值1.95 mg·m-3，之后下降。由此看出，有明顯藻類覆蓋點(diǎn)的葉綠素a濃度明顯比無明顯藻類覆蓋點(diǎn)的高，有明顯藻類覆蓋點(diǎn)的葉綠素a濃度和無明顯藻類覆蓋點(diǎn)的都是從08∶30開始上升，在10∶30達(dá)到峰值，然后再逐漸下降。

圖4葉綠素a濃度分布圖中，藍(lán)色到紅色表示葉綠素a濃度不斷升高?？梢钥闯?，整個(gè)東海海域葉綠素的分布很不均勻，不同區(qū)域的濃度值相差較大，呈現(xiàn)由近岸向外海遞減的趨勢，尤其是在臺(tái)州、溫州和舟山沿岸海域有明顯的高值區(qū)，這可能是由于這些沿岸海域海水淺，營養(yǎng)鹽較豐富，藻類生長旺盛造成的[11]。圖4從總體上展示了東海葉綠素a濃度在2011年5月29日一天內(nèi)的變化情況，可以看出，在浙江、福建沿岸海域，從08∶30到10∶30，整體的葉綠素a濃度是一個(gè)增加的趨勢，從10∶30到15∶30是濃度減小的過程，葉綠素a濃度在10∶30達(dá)到峰值。

進(jìn)一步，針對(duì)東海赤潮高發(fā)期的5、6月份，我們從GOCI在2011-2017年中找出一些觀測質(zhì)量較好的影像進(jìn)行了東海海域葉綠素a濃度的反演及分析其晝變化，它們是2012年6月5日、2013年5月25日、2014年5月23日、2015年6月15日、2016年5月31日和2017年5月22日，并分析其葉綠素a濃度的晝變化特征。由于云層的覆蓋，選取的這些時(shí)段，也只能提取到東海部分海域葉綠素a濃度的連續(xù)信息。研究發(fā)現(xiàn)，2012年6月5日杭州灣附近海域、2013年5月25日臺(tái)州附近海域、2014年5月23日長江口海域、2015年6月15日溫州附近海域、2016年5月31日舟山附近海域和2017年5月22日象山附近海域的葉綠素a濃度晝變化特征皆與2011年5月29日的基本相似。

葉綠素a濃度一日內(nèi)大幅度變化可能和藻類的垂直遷移有關(guān)。根據(jù)氣泡調(diào)節(jié)浮力機(jī)制，藻類的垂直位移受氣泡控制[10]。日出后藻體接收太陽光照進(jìn)行光合作用，由于小氣泡的作用細(xì)胞的浮力增加，到10∶00的時(shí)候形成上層藻量高峰。中午的強(qiáng)日照下生成的光合產(chǎn)物使得細(xì)胞內(nèi)部膨壓增高導(dǎo)致氣泡崩潰大于新的聚集，致使細(xì)胞失去浮力造成藻量下降[11]。葉綠素a濃度可以表征藻類等浮游植物含量，因此，上層藻量在10∶00左右達(dá)到峰值，葉綠素a濃度在10∶00左右也就達(dá)到峰值，通過GOCI的YOC算法反演出的葉綠素a濃度晝變化特征與氣泡調(diào)節(jié)浮力機(jī)制理論是吻合的。

3 小結(jié)

基于GOCI靜止衛(wèi)星獲取的高時(shí)間分辨率的水色遙感資料，本文對(duì)OC2、OC3G和YOC 3種算法反演東海海域葉綠素a濃度的適應(yīng)性評(píng)價(jià)，對(duì)不同算法在東海海域葉綠素a濃度反演的精度做了比較分析，總結(jié)出適合于基于GOCI數(shù)據(jù)的東海海域葉綠素a濃度反演算法。得到以下一些結(jié)論：

1)分別利用OC2、OC3G和YOC 3種算法反演了東海海域葉綠素a濃度，并和2016-2017年間3個(gè)月的走航調(diào)查獲得的葉綠素a濃度實(shí)測資料進(jìn)行對(duì)比分析，通過計(jì)算和對(duì)比3種算法反演的葉綠素a濃度與實(shí)測葉綠素a濃度之間的平均絕對(duì)誤差、平均相對(duì)誤差和相關(guān)系數(shù)，得到Y(jié)OC算法是反演東海葉綠素a濃度最優(yōu)的，該算法的平均絕對(duì)誤差為0.39 mg·m-3，平均相對(duì)誤差為42.47%，相關(guān)系數(shù)為0.88。

2)利用YOC算法反演了GOCI靜止衛(wèi)星獲取的2011-2017年影像質(zhì)量較好的每日葉綠素a濃度，東海葉綠素a濃度晝變化基本表現(xiàn)出相近的特點(diǎn)：從08∶30點(diǎn)到15∶30點(diǎn)，整個(gè)海域的葉綠素a濃度為先升高再降低的變化特點(diǎn)，在10∶30點(diǎn)左右達(dá)到峰值。此結(jié)果與藻類氣泡調(diào)節(jié)浮力機(jī)制理論基本吻合。

致謝：感謝韓國衛(wèi)星中心免費(fèi)提供的GOCI數(shù)據(jù)！感謝南京信息工程大學(xué)提供的葉綠素a濃度實(shí)測數(shù)據(jù)！

參考文獻(xiàn):

[1] 王珊珊,李云梅,王永波,等. 太湖水體葉綠素濃度反演模型適宜性分析[J].湖泊科學(xué), 2015, 27(1):150-162.

WANG S S, LI Y M, WANG Y B,etal. Suitability of the retrieval models for estimating chlorophyll concentration in Lake Taihu [J]. Journal of Lake Sciences, 2015, 27(1):150-162.

[2] 唐軍武,王曉梅,宋慶君,等. 黃、東海二類水體水色要素的統(tǒng)計(jì)反演模式[J].海洋科學(xué)進(jìn)展, 2004, 22(b10):1-7.

TANG J W, WANG X M, SONG Q J,etal. Statistical inversion models for case II Water color elements in the Yellow Sea and East China Sea [J].Advances in Marine Science, 2004, 22(b10):1-7.

[3] 仲京臣, 汪小勇, 陳清蓮. 基于神經(jīng)網(wǎng)絡(luò)的黃東海春季二類水體三要素濃度反演方法[J]. 海洋技術(shù)學(xué)報(bào), 2005, 24(4):118-122.

ZHONG J C, WANG X Y, CHEN Q L. A retrieval method on the chlorophyll, total suspended matter, and gelbstoff concentrations of Case II waters in Yellow Sea and East China Sea based on artificial neural network [J]. Ocean Technology, 2005, 24(4):118-122.

[4] PARK K A, WOO H J, RYU J H. Spatial scales of mesoscale eddies from GOCI chlorophyll-a concentration images in the East/Japan Sea [J]. Ocean Science Journal, 2012, 47(3):347-358.

[5] MOON J E, AHN Y H, RYU J H,etal. Development of ocean environmental algorithms for geostationary ocean color imager (GOCI) [J]. Irbm, 2010, 26(2):163-168.

[6] 郭宇龍, 李云梅, 李 淵,等. 一種基于GOCI數(shù)據(jù)的葉綠素a濃度三波段估算模型[J]. 環(huán)境科學(xué), 2015, 36(9):3175-3185.

GUO Y L, LI Y M, LI Y,etal. A three band chlorophyll-a concentration estimation model based on GOCI imagery [J]. Environmental Science, 2015, 36(9):3175-3185.

[7] 馮 馳, 金 琦, 王艷楠,等. 基于GOCI影像和水體光學(xué)分類的內(nèi)陸湖泊葉綠素a濃度遙感估算[J]. 環(huán)境科學(xué), 2015, 6(5):1557-1564.

FENG C, JIN Q, WANG Y N,etal. Remote sensing estimation of chlorophyll-a concentration in inland lakes based on GOCI image and optical classification of water body [J]. Environmental Science, 2015, 36(5):1557-1564.

[8] 包 穎, 田慶久, 陳 旻,等. 基于GOCI影像分類的太湖水體葉綠素a濃度日變化分析[J]. 光譜學(xué)與光譜分析, 2016, 36(8):2562-2567.

BAO Y, TIAN Q J, CHEN M,etal. Analysis on diurnal variation of chlorophyll-a concentration of Taihu lake based on optical classification with GOCI data[J]. Spectroscopy and Spectral Analysis, 2006, 36(8):2562-2567.

[9] 胡耀躲, 竇同宇, 楊 波. 基于GOCI影像反演湖泊懸浮物和葉綠素a含量的研究述評(píng)[J]. 水資源與水工程學(xué)報(bào), 2017, 28(2):26-32.

HU Y D, DOU T Y, YANG B. A review of research on retrieving the concentration of suspended particulate matter and chlorophyll-a in lake based on GOCI images [J]. Journal of Water Resources & Water Engineering, 2017, 28(2):26-32.

[10] 孫紹杰. 基于GOCI的太湖水體葉綠素a濃度估算及其晝變化特征分析[D].南京:南京大學(xué), 2013.

SUN S J. Chlorophyll-a concentration estimation and its diurnal variation obsevation of Taihu Lake based on GOCI [D].Nanjing: Nanjing University, 2013.

[11] 周偉華,袁翔城,霍文毅,等.長江口鄰域葉綠素a和初級(jí)生產(chǎn)力的分布[J].海洋學(xué)報(bào)(中文版), 2004, 26(3):143-150.

ZHOU W H, YUAN X C, HUO W Y,etal. Distribution of chlorophyll-a and primary productivity in the adjacent sea area of Chang Jiang River estuary [J]. Acta Oceanologica Sinica(Chinese version), 2004, 26 (3):143-150.

[12] 李冠男,王 林,王 祥,等.靜止水色衛(wèi)星GOCI及其應(yīng)用進(jìn)展[J].海洋環(huán)境科學(xué).2014, 33(6):966-971.

LI G N, WANG L, WANG X,etal. Geostationary ocean color imager and application progress [J]. Marine Environment Science, 2014, 33(6):966-971.

[13] SUZUKI R, ISHIMARU T. An improved method for the determination of phytoplankton chlorophyll using N, N-dimethyl-formamide [J]. Journal of Oceanography, 1990, 46(4), 190-194.

[14] HOOKER S B, MCCLAIN C R. The calibration and validation of SeaWiFS data [J].Progress in Oceanography, 2000, 45(3):427-465.

[15] DALL'OLMO G, GITELSON A A, RUNDQUIST D C,etal. Assessing the potential of SeaWiFS and MODIS for estimating chlorophyll concentration in turbid productive waters using red and near-infrared bands[J]. Remote Sensing of Environment, 2005, 96(2): 176-187.

[16] SISWANTO E, TANG J, YMAGUCHI H,etal. Empirical ocean-color algorithms to retrieve chlorophyll- a, total suspended matter, and colored dissolved organic matter absorption coefficient in the Yellow and East China Seas [J]. Journal of Oceanography, 2011, 67(5): 627-650.

[17] RYU J H, ISHIZAKA J. GOCI data processing and ocean applications [J]. Ocean Science Journal, 2012, 47(3): 221.

[18] 趙夢(mèng)瑩. 基于GOCI傳感器的渤海、北黃海水色要素反演研究[D].大連:大連海洋大學(xué), 2016.

ZHAO M Y. Study on ocean color element derived from GOCI sensor in Bohai and North Yellow Sea [D]. Dalian: Dalian Ocean University, 2016.