基于GSM01融合的多传感器数据叶绿素a浓度反演.pdfVIP

第15卷 第6 期 地 球 信 息 科 学 学 报 Vol. 15, No.6 2013 年12 月 JOURNAL OF GEO-INFORMATION SCIENCE Dec., 2013 基于GSM01 融合的多传感器数据 叶绿素a 浓度反演 陈芸芝，郑高强，汪小钦，陈 曦 （福州大学空间数据挖掘与信息共享教育部重点实验室，福建省空间信息工程研究中心，福州 350002） 摘要：叶绿素a 浓度是水质状况评价的一个重要指标，而遥感是大面积反演叶绿素a 浓度的重要手段。由于采用基 于经验模型的标准算法对二类水体叶绿素a 浓度的反演值往往偏高，因此本文基于半分析模型GSM01 （Garver- Siegel-Maritorena-01），在对模型参数进行调节的基础上，对东海2008 年5 月11 日Aqua MODIS 、Terra MODIS、Sea- WiFS 3 种传感器各波段遥感反射率进行融合，来反演叶绿素a 浓度，并将反演结果与自适应加权平均算法获得的 叶绿素a 浓度数据进行对比。结果表明，基于GSM01 融合的多传感器叶绿素a 浓度反演，拥有4 个优势：（1） GSM01 模型反演叶绿素a 浓度值范围更符合实测结果，由于该模型考虑水体各组分的散射吸收特性对光谱反射率 的影响，避免因高浓度悬浮物质影响造成的近岸水体叶绿素a 浓度过高问题；（2 ）通过融合多传感器反射率数据， 用于叶绿素a 浓度反演的波段从6 个增至18个，光谱信息变丰富，模型求解的自由度提高，叶绿素a 浓度反演的精 度提高。模型通过误差最小化准则，将不同传感器反演的差异降至最小，保证反演结果的空间连续性；（3）与自适 应加权平均采用的融合策略不同，GSM01 模型直接利用各传感器遥感反射率数据进行融合而不是针对叶绿素a 浓 度数据进行融合，避免了误差的传递；（4 ）GSM01 模型可自由组合输入的反射率数据，具有更强的灵活性。 关键词：叶绿素a 浓度；GSM01 ；融合；反演 DOI ：10.3724/SP.J. 1047.2013.00911 1 引言 数据同步反演叶绿素a 浓度数据，与其他水色遥感 [5-14] 数据融合算法 类似，具有提高数据精度和时空覆 遥感反演的叶绿素a 浓度是水质状况评价的一 盖率等优势。Maritorena ，et al[ 12] 利用该模型对Sea- [1] [2] 个重要指标 ，其浓度和时序变化是监测赤潮 、评 WiFS 和MODIS 数据融合的结果表明，GSM01 模型 [3] 估海洋初级生产力 的重要依据。目前，常用的水 可以提高数据反演的精度，融合后的产品没有明显 色传感器 SeaWiFS、MERIS 、Terra MODIS、Aqua 的不连续现象。该算法已作为NASA REASON MODIS 均能提供叶绿素a 浓度标准产品，或者用于 MEaSUREs 和ESA GlobColour 项目业务化运行的 反演叶绿素a 浓度的反射率数据。但对于二类水 融合算法。但GSM01 模型主要针对一类水体，对 体，标准经验算法反演的叶绿素a 浓度标准产品存 于二类水体，其参数调节、应用效果还需要进一步 在数值偏高的问题。半分析算法由于能够较好地 验证。本文基于半分析模型GSM01，针对典型区域 解释表观光学特性和固有光学特性的关系，在二类