基于SeaWiFS和MODIS的南海北部的夏季叶绿素a算法的评价外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

基于SeaWiFS和MODIS的南海北部的夏季叶绿素a算法的评价

Yanli Pan^{1, 2}, Danling Tang^{1, 2, [1]}, and Dehe Weng ^{2, 3}

¹ Research Center of Remote Sensing on Marine Ecology and Environment, LED, South China Sea
Institute of Oceanology, Chinese Academy of Sciences, Guangzhou,China
² The Graduate School of Chinese Academy of Sciences, Beijing, China
³ Beijing MRI Center for Brain Research, Institute of Biophysics, Chinese Academy of Sciences, Beijing, China

Received 9 October 2009, accepted 11 February 2010

摘要：

本研究利用2004年夏季（9月18日至10月8日）和2007年夏季（8月10日至29日）进行的两次巡航研究期间收集的实测数据，对南海北部（NSCS）的SeaWiFS和MODIS获得的叶绿素a（chl a）浓度进行了评估。利用plusmn;48h和3times;3像素的数据对卫星和实测chl a数据进行比较，结果表明国家航空航天局（NASA）的全球算法（OC2v4、OC4v4和OC3M）系统地高估了chl a的浓度。所选算法的RMSE大于0.35，OC2-DOrtenzio（地中海的一种区域算法）除外。由于夏季南海（SCS）的贫营养特性，这种高估很大程度上（asymp;77%）与低chl a浓度（lt;0.1 mg m-3）有关，并与气溶胶引起的大气校正误差有关。因此，通过将卫星数据集与NSCS的实测chl a数据相匹配，将把SeaWiFS的OC2和OC4算法以及MODIS的OC3M算法应用于NSCS。根据地面数据得出的新系数，三种区域算法（TP系列）的效果较好，RMSE值分别为0.245、0.245和0.288，略高于“噪声”（其RMSE为0.222）。由于可用的实测数据相对较少，这些TP系列算法可能被认为是早期算法，并且它们适用于NSCS的夏季。

关键词：贫营养, 叶绿素a,算法, SeaWiFS, MODIS, 南海北部

引用: Pan, Y., D. Tang, and D. Weng, 2010: Evaluation of the SeaWiFS and MODIS Chlorophyll a algorithms used for the Northern South China Sea during the summer season. Terr. Atmos. Ocean. Sci., 21, 997-1005, doi: 10.3319/TAO.2010.02.11.01(Oc)

引言：

叶绿素a（chl a）的浓度作为phy-Toplankton丰度的代表，是海洋生态系统的一个重要指标。卫星遥感是目前用于频繁测量区域和海洋-盆地尺度的chl a的唯一途径（Richardson等人2004年）。对南海（SCS）chl a的研究已经投入运用的卫星传感器包括：海岸线 区域彩色扫描仪（CZCS）（Tang等人1998年），海洋色温扫描仪（Octobers）（Tang等人2002年，2003年），海景宽视场传感器（SeaWiFS）（Tang等人2004a,b,2005;Zhao 和 Tang2007；Zheng 和 Tang2007）。

迄今为止，用于叶绿素a（chl a）研究最典型的光学传感器是海景宽视场传感器（SeaWiFS）和中等分辨率成像光谱仪（MODIS）。目前，美国国家航空航天局（NASA）采用OC4v4算法对SeaWiFS进行校正，用OC3M对全球MODIS 进行校正。（Esaias等1998；McClain等1998；Orsquo;Reilly等2000）。用于卫星遥感的全球算法并不能总是在海洋的所有区域提供合理的检索，因为经验算法只和它所依据的数据相关联，在环境数据的代表性或者生物光学区域方面，该算法将被应用（IOCCG 2006）。区域海域算法的评价和验证表明，区域海域的新算法或改进是必要的。(Drsquo;Ortenzio 等2002; Iluz 等 2003; Darecki 和Stramski 2004)。先前的研究表明，在这些研究区域，如沿海地区以及近上升流区（Tang等人2003；Zhang等人2006）SeaWiFS和MODIS Chl a的数据与SCS大部分区域的实测结果一致，但需要注意的是，实测Chl a值较高（大于0.1 mg m-3）。在NSCS的少营养区，SeaWiFS和MODIS实测数据之间的差别很小（chl alt;0.1 mg m-3）。

由于SCS的贫营养特性，尤其是在夏季（Chen等人2004；Chen等人2006年），现有的卫星算法可能有其局限性（Hooker和McClain，2000年）。因此，对卫星的全球经验算法进行了修正，并针对NSCS提出了新的区域海洋颜色算法（Wu等人。2004；Xu等人2007）。在这项工作中，评估了三种全球经验算法（两种用于SeaWiFS，一种用于MODIS）和一种区域算法（OC2-Ortenzio用于地中海）在NSCS的性能。我们的实测数据被用于生成区域算法，并将其性能与NASA的操作算法和地中海区域算法进行比较。我们的研究可以在NSCS，对SeaWiFS和MODIS CHL a数据进行独立分析。

2.研究区域，数据和方法

2.1研究区域

南海位于北太平洋西北部的热带亚热带边缘，并连接太平洋和印度洋，是世界上最大的边缘海之一。经吕宋海峡与菲律宾西海相连，经台湾海峡与东海相连，从赤道至23°N、从99°E至121°E，总面积约350万平方公里，平均水深2000米（图1）（苏2004）。

图一：研究区域图。覆盖在图上的是水深等高线（单位：米）。GT：北部湾；HI：海南岛；LS：吕宋岛；TW：台湾；TWS：台湾海峡；WNP：北太平洋西部；IO：印度海。

SCS是一个主要的贫营养和超贫营养盆地（Chen等人2004；Chen等人2006）。然而，在受海面温度、季风和河流径流或上升流影响的地区，生物量可能会季节性和局部地增加（Tang等人2002年、2004年、2006年）。冬季以东北强季风为主，夏季以西南强季风为主（liu、xie等人1999），季风对南海全年上层环流的动力学一直起着重要作用（Wyrtki 1961）。SCS受到来自北部边界的工业排放的强烈影响，并且沿海岸显示出高CHL a浓度（Zhao等人2005年），NSCS的气溶胶光学厚度显示出明显和极端的日变化（Liu等人2008）。此外，它经常受台风影响，这意味着该地区大气条件的复杂（Elsner和Liu 2003；Wu等人2006；Zhao等人2007年；郑和唐2007年）。

2.2实测数据观察

在2004年夏季（9月18日至10月8日）和2007年（8月10日至29日）在国家科学委员会进行的两次研究巡航期间，收集了现场数据。从每个站采集1000 ml地表水的水样，并通过200mu;m的筛网过滤，以去除大型非生物颗粒或浮游动物（周等。2004年）。使用0.45mu;m纤维素滤纸再次过滤样品以提取植物色素。然后将滤纸储存在90%丙酮中，在4°C的黑暗阴影区域中放置24小时。使用Turner-Design 10荧光计的荧光法测量Chl a的光谱吸收（Parsons等人1984年）。然后利用光谱信息计算出chl a值。

2.3时空条件

一个精确的比较要求在卫星天桥的plusmn;2-3 h内收集实测数据（Bailey等人2000）。然而，由于夏季NSC云量和降雨频繁，这种匹配的数据对是有限的。因此，我们测量了plusmn;24和plusmn;48小时的时间差，以找出匹配对之间的可用时间差。

由于噪声的影响（patt 2002），卫星导航可能无法精确到一个像素，因此，定义了一个以现场测量位置为中心的若干像素的方框，Bailey和Werdell（2006）建议内核为5times;5（25像素）。在这项工作中，我们将1times;1像素、3times;3像素和5times;5像素进行比较，以找到合适的方框。

2.4卫星数据处理

SeaWiFS的日1A级（L1A）数据可以从美国宇航局海洋颜色主页（http://oceancolor.gsfc.nasa.gov/）下载。它们被处理到2级（L2）chl a数据，以获得四个可见波段（443、490、510和555 nm）的遥感反射率图，运用了SeaWiFS数据分析系统软件，该软件可实施改进的大气校正方法（Gordon和Wang，1994年），然后按等距圆柱投影投射到大约1像素-1千米分辨率。

每日MODIS/Aqua L1 A数据的获取方式与SeaWiFS相同。 它们首先被处理到相应的1b级（L1b）数据，然后被处理到L2产品，以获得三个可用的可见波段（443、488和551nm），使用SeaDAS5.4。这些数据的绘制方式类似于SeaWiFS的绘制方式。

2.5评价分析

美国国家航空航天局(http://seabass.gsfc.nasa.gov/seabasscgi/validation.cgi)对SeaWiFS的验证分析的一般方法和最新文献（OReilly等人2000年；Gregg和Casey 2004年；Zhang等人2006年）在本研究中被用于评估。从分析中提取的参数包括中位比、中位差、均方根误差（RMSE）和平均差（偏倚），它们描述了卫星数据的精确度。中位比和中位差表示为：

其中s表示卫星数据，i表示实测数据，n表示样本数。RMSE是对卫星数据集误差的估计，平均差是对偏差的估计，相关分析的确定系数（r²）表明卫星数据集与实地测量数据之间的协方差。由于CHL A的自然分布是对数正态分布（Campbell 1995），因此在比较之前，现场和卫星数据都应进行对数转换（以10为底）。然后在NSCS用这些统计分析来评价这种算法的性能。

3.结果

3.1时间和空间考虑

在2004年的巡航中有40个监测站，在2007年的巡游中有56个监测站（图2a，b）。从图2可以看出，在NSCS的大部分地区，尤其是吕宋西北部，CHL A浓度较低（le;0.1 mg m-3）；在沿海水域和上升流地区，CHL a浓度较高（gt;0.5 mg m-3）。位于吕宋岛西北部的两个实地观测站的最低CHL a值分别为0.003和0.005 mg m-3（图2c，d），低于0.008 mg m-3（OReilly等人2000年），位于海岸和上升流区的两个实地观测站的chl a值较高，分别为0.601、0.507 mg m-3（图2C，D）。考虑到此类Chl a数据不具有代表性，在我们的比较中可能会产生很大的误差（IOCCG 2000），因此应提前删除这些数据。

考虑plusmn;3 h的差异时，SeaWiFS实测数据只有4对匹配对，Modis实测数据只有7对匹配对（图2C，D）。显然，plusmn;3h的匹配对太少，无法进行有意义的统计。SeaWiFS实测和MODIS实测的时间差为plusmn;24小时，匹配对有17对；按照plusmn;48小时的时间差，SeaWiFS实测数据有36对，MODIS实测数据35对（图2C，D）。根据时间差为plusmn;24、plusmn;48h的SeaWiFS实测数据比较的统计结果几乎相同，而时间差为plusmn;24和plusmn;48h的MODIS实测数据有较小的差异（表1）。在plusmn;24小时和plusmn;48小时之间差异不大，另外，更多的匹配对可能有利于我们的算法评估，因此我们选择了plusmn;48小时作为时间考虑因素。

1times;1像素方框的统计结果比3times;3和5times;5像素方框的统计结果差。对于SeaWiFS和MODIS，1times;1像素方框的r²都是最低的（表2），这种结果可能主要是由噪声引起的振动引起的。3times;3和5times;5像素的结果几乎相同。根据误差较小的原则，3times;3像素为合适的选择。

图二：2004年和2007年巡航期间由SeaWiFS和MODIS合成的叶绿素影像（2004.9.18-2004.10.08;2007.8.10-2007.8.29）。(a)是2004年的SeaWiFS影像， 代表2004年的实测样本站点；（b）是2007年的SeaWiFS影像， 代表2007年的实测样本站点；（c）是2004年的MODIS影像，标识（□）、（◇）和（△）时间差为plusmn;3、plusmn;24、plusmn;48h时与的MODIS的实测数据匹配对；（d）是2007年的MODIS影像，标识（□）、（◇）和（△）时间差为plusmn;3、plusmn;24、plusmn;48h时与SeaWiFS的实测数据匹配对。用（○）环绕的站点代表chl a实测数据低于0.01 mg m ^-3且高于 0.5 mg m ^-3

3.2算法演示

选择了四种算法进行评估，包括三种经验算法（OC2v4、OC4v4用于SeaWiFS，OC3M用于modis），以及DOrtenzio提出的地中海区域算法（Esaias等人1998年；OReilly等人1998年、2

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17932]，资料为PDF文档或Word文档，PDF文档可免费转换为Word