第五讲 海洋水色遥感

水色遥感和辐射计 水色遥感简介 大气校正 水色遥感的科学术语 海洋水色的生物光学算法 二类水体的水色反演算法 水色遥感展望

水色遥感简介 卫星和传感器 初级生产力 水体类型 黄色物质 浮游植物色素

卫星和传感器 一 、水色和海色 所谓水色（water color）或海色（ocean color）是太阳光经水体或海水散射后，可见光和近红外辐射计监测到的散射光的颜色。 中文“水色”既可以代表水体的颜色，又可以代表海洋的颜色。

2.水色三要素 浮游植物的叶绿素（chlorophyll） 无机的悬浮物（inorganic suspended matter） 有机的黄色物质（yellow substance或gelbstoff） 水色三要素的种类和浓度决定了水体的颜色。 可见光和近红外辐射计在海洋监测中的主要作用是承担水色遥感的任务，水色遥感的主要目的是监测海水中浮游植物的叶绿素浓度、无机的悬浮物浓度和有机的黄色物质浓度。 因为无机的和有机的悬浮物不易于通过光学方法分辨，人们常使用总悬浮物浓度代表二者浓度之和。

3.承担水色遥感的卫星传感器 1997年发射的“海星”SeaStar ------8波段的“宽视场海洋观测传感器”SeaWiFS 美国宇航局于1999年发射的“地球观测系统AM” （EOS-AM/ TERRA） ------36波段的中等分辨率成像光谱仪（MODIS） 美国宇航局于2002年发射的“地球观测系统PM”（EOS-PM/ AQUA）卫星 ------36波段的中等分辨率成像光谱仪（MODIS） 1996-1997年运行的日本“高级地球观测卫星” ----“海洋水色和温度传感器”（OCTS）

3.承担水色遥感的卫星传感器（续） 1978-1986年运行的美国“雨云-7”（Nimbus-7）卫星 ------“沿岸带水色扫描仪”（CZCS） 德国于1996年分别搭载在俄罗斯和印度的太空平台上的模块化电眼扫描仪（MOS） 欧空局于2002年发射的ENVISAT-1上装载的中等分辨率成像光谱辐射计（MERIS）等。 中国2002年发射的HY-1A上装载的海洋水色扫描仪（COCOTS）

4.SeaWiFS的业务管理部门提供给用户13种资料产品 叶绿素-a浓度 （单位是mg/m3） 在波长490 nm的漫衰减系数 （单位是m-1） 悬浮物浓度 气溶胶指数 在波长865 nm的气溶胶光学厚度 云覆盖度 海面荧光 溶解的有机物碎屑的吸收系数 颗石藻份额 毛状藻份额 粒子后向散射系数 光合有效辐射 归一化差值陆地植被指数

水色遥感简介 卫星和传感器 初级生产力 水体类型 黄色物质 浮游植物色素

初级生产力 1.初级生产力 定义：表示单位面积（平方米）的海面在单位时间 （天）内浮游植物中碳元素的增长量（毫克）； 定义：表示单位面积（平方米）的海面在单位时间 （天）内浮游植物中碳元素的增长量（毫克）； 单位： mg﹒m-2﹒d-1 意义：初级生产力描述在单位海面面积里浮游植物 通过光合作用固定碳的净速率。 测定 ：测定初级生产力的值，需要培养水样，并利用碳的放射性同位素摄取技术。

2. 碳同化率（carbon assimilation rate） 一个与海洋初级生产力密切关联的物理量是碳同化率. 碳同化率描述单位浮游植物（由碳含量来量度）通过光合作用固定碳的净速率。 碳同化率的单位是mg﹒mg-1﹒h-1， 其中：第一个mg指增长的浮游植物量， 第二个mg指原有的浮游植物量。 表示单位浮游植物（毫克）在单位时间（小时）内浮游植物中碳元素的增长量（毫克）。

水色遥感简介 卫星和传感器 初级生产力 水体类型 黄色物质 浮游植物色素

水体类型 我们根据决定对海水光学特征起主要作用的成分，对海水进行了光学分类。 如果浮游植物及其“伴生”腐殖质对水体的光学特性起主要作用，则该水体被称为第一类水体（Case I waters）。 如果无机悬浮物（如浅水区海底沉积物的再次悬浮物和河流带来的泥沙）或黄色物质（又称溶解的有色有机物）对水体的光学特性有不可忽视的明显作用， 则该水体被称为第二类水体（Case II waters）。

大多数开阔海域的海水接近于第一类水体。 第二类水体位于与人类关系最密切、受人类活动影响最强烈的近岸、河口等海域。 总悬浮物（total suspended matter）、叶绿素和黄色物质是影响海洋水色的三要素。

水色遥感简介 卫星和传感器 初级生产力 水体类型 黄色物质 浮游植物色素

黄色物质 定义： CDOM：是DOM中的主要成分，它能吸收蓝色的光而散射黄色的光，从而使水呈浅黄色，故被人们通俗地称为黄色物质（yellow substance或gelbstoff）。 意义：黄色物质在影响海水的光学性质方面起重要作用，在全球碳循环中也扮演重要的角色。

黄色物质 1.预备知识 DOM : 海水中的溶解有机物 POC：颗粒状有机碳 DOC：溶解的有机碳 CDOM：有色溶解有机物 它们之间的关系： DOM 包含POC和 DOC CDOM是DOM中的主要成分

黄色物质在蓝色波段能强烈地吸收光能。 实验发现，在0.35～0.70 μm波段范围内，海水中黄色物质引起的吸收系数可表示如下 式中： kab( λo) ：在波长λ0处电磁波的吸收系数 λ0 ：某一任选波长 常数s：在0.011～0.016之间。 例如，有文献采用λ0=443 nm，s=0.012

水色遥感简介 卫星和传感器 初级生产力 水体类型 黄色物质 浮游植物色素

浮游植物色素 1.定义 在沿岸带水色扫描仪（CZCS）的产品中， 叶绿素-a浓度和褐色素浓度之和被称为 海水中的色素浓度，并用C表示。 其中： 叶绿素-a浓度（chlorophyll-a concentration） 褐色素浓度（phaeopigment concentration）

2.分类 主要的浮游植物色素有 叶绿素-a、b和c（Cabc：Chlorophylls a, b,c）； 光合的类胡萝卜素（PSC：PhotoSynthetic Carotenoids）； 抑光的类胡萝卜素（PPC：PhotoProtectant Carotenoids）。 次要的浮游植物色素有 1）藻胆素（phycobilin pigment） 2) 藻红色素 （phycoerythrin pigment） 3) 藻青色素（phycocyanin pigment）

3.测量叶绿素浓度的基本方法 测量叶绿素浓度有三种基本方法： 高性能液相色谱仪测量法 紫外可见光分光光度计测量法 活性荧光法

高性能液相色谱仪测量法（High Performance Liquid Chromatography） 可根据样品的光谱特征测定50余种海水色素的浓度，包括叶绿素-a、b、c和胡萝卜素的浓度。 紫外可见光分光光度计（Ultraviolet/Visible Spectrophotometer） 能够根据浮游植物的丙酮萃取液在某些波段衰减系数的测量来确定叶绿素-a的浓度。 使用带积分球的紫外可见光分光光度计还能够测定叶绿素-a和b、黄色物质和悬浮泥沙等海洋水色三要素的浓度。 因为叶绿素-a受到蓝光（450/470 nm）激发能产生红色（685/695 nm）荧光，利用这个性质可使用荧光光度计/荧光计测量海水中的叶绿素-a的浓度。

2003年6月使用多传感器水体参数观测仪AAQ1183荧光探头测量的活性叶绿素-a的浓度的垂直剖面图 从左到右分别代表渤海海域中的叶绿素垂直分布的四种类型。调查表明，图示的A和B类型在所有测量站点所占的比例达到86％，其中类型Ａ占58% 类型Ｂ占28%，它们是渤海海域中的叶绿素垂直分布的主要类型。

活性荧光法 在海水中现场测量获得的叶绿素-a数据被称为“活性叶绿素-a浓度”，多传感器水体参数观测仪AAQ1183荧光探头测量的“活性叶绿素-a浓度”以ppb（parts per billion）为单位。 ppb与我们平常规范的μg/L单位不同。需要将活体叶绿素的测量数据与传统规范的测量方法（例如萃取荧光法）获得的数据进行比较，完成从ppb到mg/m3的单位转换；这种方法是“现场标定法”，“现场标定法”的优点是考虑了海水浑浊度对转化公式的影响。 第二种方法是“实验室标定法”，即采用市场销售的叶绿素-a的晶体配置设定浓度的溶液，通过荧光计探头的测量数据与设定浓度的比较，完成从ppb到mg/m3的单位转换。 “实验室标定法” 的优点是获得的转换公式与实验室测量之间的相关较好，缺点是获得的转换公式不一定适用于浑浊海域。

水色遥感和辐射计 水色遥感简介 大气校正 水色遥感的科学术语 海洋水色的生物光学算法 二类水体的水色反演算法 水色遥感展望

大气校正和离水辐射 大气透射率 离水辐射的贡献 气溶胶散射的辐亮度 MODIS的大气校正方程

大气透射率 1.水色卫星遥感的大气校正方程 式中： Li(λ) ：卫星探测的辐亮度(radiance)，脚标i 代表传感器第i 个通道； LR(λ) ：大气的分子散射的辐亮度，脚标R为Rayleigh，大气分子对所有波段电磁波的散射均属于瑞利散射（Rayleigh scatter）； LA(λ) ：气溶胶散射的辐亮度，脚标A为气溶胶（aerosol）； Lr (λ) ：表海面的镜面反射（specular reflectance），也称为太阳耀斑（sun’s glitter），太阳耀斑应该避免； t(λ,θ) ：大气的漫透射率(diffuse transmittance)，T(λ,θ) 是大气的直接透射率（direct transmittance），λ是传感器第i 个通道对应的波长（wavelength）； θ：卫星天顶角（satellite zenith angle）； Lw(λ) ：离水辐亮度（water-leaving radiance）。离水辐亮度描述被表层海水散射的太阳辐射，不是海水自发辐射，与海水发射率无关。

2.大气漫透射率（diffuse transmittance） 式中： τR(λ)：大气分子瑞利散射的光学厚度 τA(λ)：气溶胶散射的光学厚度 τoz(λ)：臭氧吸收的光学厚度 ωA： 气溶胶对太阳辐射的单次散射反照率 ωR： 大气分子对太阳辐射的单次散射反照率 fA： 气溶胶向上散射概率 fR： 大气分子向上散射概率

3. t(λ,θ) 的化简 在漫透射光的条件下，ωRfR≈0.5，ωAfA≈0。 所以， t(λ,θ)可近似地简化为 因为镜面反射的光比较强，这种情况下反射光在传播过程中的散射部分就可以忽略，即fA =fR ≈0。由此大气的直接透射率T(λ,θ) 可近似地简化为

3. t(λ,θ) 的化简(续) 吸收和散射会使辐射损失，而多次散射的累积作用又使辐射增强。考虑以上两种作用，大气漫透射率t(λ,θ) 可表达为 式中βR 表示多次瑞利散射的累积作用， βA 表示多次气溶胶散射的累积作用。

4、离水辐射的贡献 将大气瑞利散射与气溶胶散射之和[LR(λ)+LA(λ)] 改用粒子散射项Lp(λ)表达，大气校正方程可改写为

大气校正中最主要的任务是对气溶胶散射的辐亮度做出估计。 5、气溶胶散射的辐亮度 大气校正中最主要的任务是对气溶胶散射的辐亮度做出估计。 （1）光场的Q因子是辐照度E（λ）与辐亮度L（λ,θ）之比 式中采用辐亮度的积分代替了辐照度。 对于光学上各向同性的介质，计算表明Q = π。

5、气溶胶散射的辐亮度（续） （2）气溶胶散射的辐亮度可表示为 式中: LAero(λ,θ)--在大气层顶（位于同温层以上）的卫星传感器接收的气溶胶散射的辐亮度 EAero(λ)--传播到大气层顶的气溶胶散射的辐照度 Esc(λ)--传播到对流层以上同温层以下的气溶胶散射的辐照度 Toz(θ) --在同温层的臭氧吸收引起的漫透射率

（3）气溶胶散射的辐照度与气溶胶衰减的辐照度之比等于气溶胶的散射系数与衰减系数之比 式中 Esc（λ）--在对流层里被气溶胶向上散射的辐照度 ω0（λ,θ）|Aero--单次散射反照率（albedo），它代表气溶胶的散射系数与衰减系数之比 Ea(λ) |Aero--在对流层里被气溶胶衰减的辐照度Ea(λ) |Aero，其脚标“a”代表衰减（attenuation）

(4) 在对流层里被气溶胶衰减的辐照度Ea(λ) |Aero 式中 θ--卫星天顶角（satellite zenith angle） τA--对流层里的气溶胶的光学厚度 Es ( λ ) --传播到对流层以上同温层以下的太阳辐照度 Es ( λ ) exp(-τA /cos θ)--又经对流层里的气溶胶衰减后剩余的太阳辐照度

(5) Es ( λ ) 与达到大气层顶（TOA）的太阳辐照度E0 (λ)的关系是 式中 θs--太阳天顶角（solar zenith angle） τoz--同温层里的臭氧的光学厚度

引进气溶胶校正因子ξ(λ, λ0） 对于第一类水体: 近红外波段的离水辐亮度Lw (λ0) ≈ 0。我国水色传感器COCTS、美国水色传感器SeaWiFS和MODIS在近红外都有两个波段。 因此，可以使用水色传感器的测量数据和相应公式估计气溶胶散射在近红外波段λ0的辐亮度LAero (λ0) ； 然后可计算在任意波长上的气溶胶散射的辐亮度LAero (λ)。 对于第二类水体 也可以发展类似的估计方法。计算在任意波长上的气溶胶散射的辐亮度的目的，是为了剔除大气校正方程中的气溶胶散射项，这项工作属于大气校正工作中最重要的一环。

MODIS的大气校正方程 考虑更详细一些, 大气校正方程可写为 式中: Li (λ)--卫星能探测到的波长的辐亮度 LR (λ)--大气分子瑞利散射的辐亮度 LA(λ)--气溶胶散射的辐亮度 LRA (λ)--大气分子和气溶胶粒子多次散射的辐亮度 Lw (λ)--离水辐亮度 LWC(λ)--海浪破碎生成白冠（white caps）引起的辐亮度，Lr (λ) --海表面的镜面反射 t--大气的漫透射率 T--直接透射率。

根据辐亮度和辐照度的定义，对于光学上各向异性的介质，我们有一个普遍的关系式LQ = E，式中的比例系数是光场的Q因子。 对于光学上各向同性的介质，Q =π，所以我们有一个特殊的关系式Lπ= E。 在假设大气是光学上各向同性介质的前提下，辐亮度L与π的乘积代表辐照度。

MODIS算法研究小组提出的反射率定义是 式中 L(λ) --大气校正公式右侧各项的辐亮度， E0(λ)--达到大气层顶（TOA: top of atmosphere, ）的太阳辐照度， Θs--太阳天顶角，分母代表大气层顶处在当地（经纬度位置）方向向下的太阳辐照度。 E0 (λ) cosθs--当地当时的入射光在卫星高度处的辐照度，它代表入射光的强度。

这样，在不同时间和不同太阳天顶角条件下观测到的数据可以在同一个标准下相互比较。 标准化处理的意义是，标准化处理后获得的各项与入射光的强度无关，只与当时当地的海洋（由内部各种粒子的成分和浓度决定）的光学性质和大气（由漫透射率t决定）的光学性质有关。 这样，在不同时间和不同太阳天顶角条件下观测到的数据可以在同一个标准下相互比较。 这就是MODIS的大气校正方程 (Esaias等 1998) 。

水色遥感和辐射计 水色遥感简介 大气校正 水色遥感的科学术语 海洋水色的生物光学算法 二类水体的水色反演算法 水色遥感展望

水色遥感的科学术语 离水辐亮度 遥感反射率

离水辐亮度（Water-Leaving Radiance） 离水辐亮度描述被表层海水散射的太阳辐射，不是海水自发辐射，与海水发射率无关。 如果已经知道海水的离水辐亮度，利用生物光学算法就可以量化叶绿素浓度和其它成分的浓度。 生物光学算法包括: 分析算法 半分析算法 波段比率算法 蓝绿比值算法 经验算法等 下面将介绍生物光学算法的物理基础

由朗伯余弦定律，离水辐亮度Lw(λ,θ) 与卫星天顶角θ无关。 因为海面对可见光和近红外波段的电磁波近似地是一个朗伯表面，故 （6-23）

几种辐亮度和辐照度的关系 显示了海面附近向上和向下各种辐亮度和辐照度的关系。 本节将依据本图依次推导离水辐亮度Lw(λ,θ)与大气层顶的太阳辐照度E0(λ)的关系。

（6-24） 离水辐亮度Lw(λ,0)与海面下的向上辐亮度的关系是 式中: Lu（λ,0－）--海面下的向上辐亮度，变量“０－”表示表示刚好处于水表面以下,下角标“ｕ”表示向上辐亮度。 n′ --海-气界面复折射率的实部，它也称为折射率；在可见光和近红外波段，n′ ≈1.33 。 在（6-24）的分母中， (n′)2 表明光波由海水到大气传播时光束立体角的变化能够带来辐亮度的变化。

在（6-24）中，水-气界面透射率ti与菲涅耳反射率的关系是 （6-25） 式中 ρ --在太阳光垂直入射条件下水-气界面的菲涅耳反射率（Fresnel Reflectance）； 在可见光和近红外波段，ρ ≈ 0.02, ti = 1- ρ ≈ 0.98

海面下的向上辐亮度Lu(λ，0－)和海面下的向上辐照度Ｅu(λ，0－)之间的关系是 （6-26） 式中Q因子等于向上辐照度与向上辐亮度之比，它与海水的自然光场的角分布有关。

海面下的漫反射率R也称为辐照度反射率，它的定义是 （6-27） 式中 Ｅu（λ，0－）--海面下的向上辐照度（subsurface upwelling irradiance） Ｅd（λ，0－）--海面下的向下辐照度（subsurface downwelling irradiance）

海面下的向下辐照度Ｅd（λ，0－）与海面下的向上和向下辐照度的关系是 （6-28）

进一步可得海面下的向下辐照度 （6-29） 式中 R--海面下的漫反射率 r--海-气界面下的辐照度反射率 --水表面的反照率（albedo），它与波长λ和太阳天顶角θS的余弦略有关系。 这里反照率是沿用了历史文献的用语，实际上是海-气界面上的辐照度反射率，它描述界面对来自空气的下行电磁波的反射率。而r描述界面对来自海洋内部的上行电磁波的反射率。

海面上的向下辐照度Ｅd（λ，0+）定义是 （6-30） 式中 （λ）--平均日地距离处大气层外垂直入射的太阳辐照度 θS--太阳天顶角。 在海洋调查规范中，太阳光在海面的向下辐照度ES (λ) 或Ｅd（λ,0+）被称为“海面入射辐照度”。 我们规定使用符号ES (λ)或Ｅd（λ,0+）表示海面入射辐照度，0+表示刚好处于水面以上。

t (λ,θS)是太阳辐照度的大气透射率，它的定义如下 （6-31）

联合各式, 离水辐亮度Lw (λ,θ) 最后可表达为 （6-32） 或者换一个形式 （6-33） 该方程: 左侧--卫星遥感经大气校正能够测量的物理量，称为遥感反射率； 右侧--通过次表层漫反射率R与叶绿素、悬浮泥沙和黄色物质浓度等水色三要素相关。

遥感反射率（Remote Sensing Reflectance） 遥感反射率Rrs (λ)的定义是 （6-35） Rrs(λ)--遥感反射率(sr-1) Lw(λ)--太阳光在海面的离水辐亮度， Ｅd（λ，0+）--太阳光在海面的下行辐照度， （λ）--平均日地距离处大气层外垂直入射的太阳辐照度。

太阳辐照度（solar irradiance）随波长λ的变化

水色遥感和辐射计 水色遥感简介 大气校正 水色遥感的科学术语 海洋水色要素的生物光学算法 二类水体的水色反演算法 水色遥感展望

海洋水色要素的生物光学算法 （Bio-Optical Algorithms of Ocean Color） 分析算法 波段比值模型的分析基础 基于蓝绿比值的SeaWiFS经验算法 基于蓝绿比值的MODIS经验算法 基于蓝绿比值的CZCS经验算法

分析算法 根据Gordon 等（1983）的研究，漫反射率R与海水的固有光学性质有关，即 (6-42) 式中kab 是介质的吸收系数， ksc 是后向散射系数， kab+ ksc代表衰减系数。 这两个系数描述海水的固有光学性质 。

kab+ ksc代表衰减系数。这两个系数描述海水的固有光学性质，它们可分解为 式中kab|水、kab|i:分别是水和第i种组份的吸收系数 ksc|水、ksc|i:分别是水和第i种组份的后向散射系数 这些系数和组份的浓度Ci 的关系可表示为 式中fi是第i个组份浓度Ci的函数，它一般是非线性的。 因为一般不知道ƒ的值，或知道很少，所以由遥感反射率得出Ci 需要采用经验算法。

对于浮游植物，提出的表达式是 （6-47） 式中:C(z) ——在深度z处的色素浓度 （6-48） 式中ka 代表向下辐照度的漫衰减系数。 z(skin) ——穿透深度（或译为皮层深度：skin depth）， 权函数f(z)可近似地表达为 （6-48） 式中ka 代表向下辐照度的漫衰减系数。

波段比值模型的分析基础 1.标准化离水辐亮度 根据Aiken 等（1995），将（6-35）代入（6-36），标准化离水辐亮度可以表示如下 （6-49） 式中Lwn（λ）是标准化离水辐亮度， R是漫反射率， （λ）代表平均日地距离处大气层外垂直入射的太阳辐照度 其余部分与波长在第一类水体海域基本无关

假设海-气界面的影响处于定常状态，则波长为λi和λj的标准化离水辐亮度的比可以表示为 （6-50） 式中Li:j 是Lwn(λi)/ Lwn(λj)的缩写形式。光场的Q因子和波长略有关系，但不易确定。 漫反射率R是辐亮度比值的决定性因素。 漫反射率R可以表示为 （6-51） 式中G代表向下辐射光场的影响，b(λ)是后向散射系数，a(λ)是吸收系数。 a(λ)和b(λ)是纯水的光学性质和海水中的光学活性成分的共同作用结果。

将（6-51）代入（6-50）, 离水辐亮度的比值Li:j 可表示为 （6-52） 式中g是常数，它包含海-气界面的影响、光场影响、以及光场的Q因子等三项的比值。 根据调查数据，可获得g的估计值；为了讨论水体组份的影响，常常忽略g的变化，认为g等于1。

把水体组份的固有光学性质分解为几个部分，则Li:j可表示为 （6-53） 式中aw是海水的吸收系数 bw是海水的后向散射系数 P是粒子浓度（包括碎屑物质） bp是粒子后向散射系数 G是溶解有机物和类溶解有机物的浓度 ag是此类物质的吸收系数 C是SeaWiFS色素的浓度，也称为叶绿素生物量的浓度， ah是此类物质的吸收系数。

在公式(6-53)中，ah (λ)C由五部分组成，表达式如下 （6-54） 式中C是SeaWiFS色素浓度， Ca、Cb、Cc、aa、ab、ac 分别是叶绿素-a、b和c的浓度和吸收系数， Cps、Cpp、a ps和app 分别是光合作用和抑光作用类胡萝卜素的浓度和吸收系数。

如果定义B（海水固有光学性质的参数） 为 （6-55） 它代表海水的固有光学性质； 代入（6-55）到（6-53），则有 （6-56） 式中Aj = ah(λj)/ aw (λj) ，B j = ag (λj)/ aw (λj) ，D j = bp(λj)/ bw (λj) 。当粒子浓度P和溶解有机物和类溶解有机物的浓度G可以忽略时，上式进一步简化为 此外，溶解有机物和类溶解有机物的吸收系数ag可表示为下列曲线形式 （6-58） 式中S的值为0.016 nm-1，ag(375)的值为0.06，λ的单位是nm 。

基于蓝绿比值的SeaWiFS经验算法 蓝绿比值法初始是用来处理和解释CZCS图像的。 实践证明，此方法对第Ⅰ类水体来说很有用。 蓝绿比值法建立的基础是标准化离水辐亮度的高精度海上现场测量和色素浓度的同步测量。 为了方便耦合测量数据，常用色素浓度（或叶绿素浓度）表示浮游植物生物量。

不同传感器叶绿素浓度的含义： CZCS色素浓度指叶绿素-a和褐色素叶绿素-a浓度； SeaWiFS色素浓度指叶绿素-a、b和c的浓度，也称为叶绿素生物量的浓度。 SeaWiFS和MODIS产品包括CZCS色素浓度和SeaWiFS色素浓度。 这里介绍的是基于SeaWiFS数据的CZCS色素浓度算法（Aiken等，1995）。

雨云卫星NIMBUS实验小组利用二项式和多项式曲线拟合方法，重新分析了NET数据，并由此提出了一系列经验算法（Aiken等1995）。 如果已知公式（6-55）定义的代表海水固有光学性质的参数B，使用包括在第Ⅰ类和第Ⅱ类水体条件下观测的NET数据，在公式（6-57）中代入C= Ca+CP，可获得公式（6-57）中的系数A1和A2的值，以及色素C =（Ca+CP）的适用范围。 （6-55） （6-57）

表6-2: 依据NET色素（Ca+CP）数据对公式（6-57）进行的曲线拟合 波段比值 C A1 A2 R2×100 412:555 443:555 490:555 510:555 13.14±1.86 0.059±0.07 16.79±0.76 9.55±1.08 0.068±0.05 9.68±0.40 5.29±0.37 0.232±0.04 3.82±0.16 3.07±0.15 0.262±0.03 1.94±0.09 84.4 87.9 89.8 91.4 表6-2: 依据NET色素（Ca+CP）数据对公式（6-57）进行的曲线拟合 表6-2显示了依据NET数据对公式（6-57）进行拟合获得的系数A1和A2的估计值，以及色素C的适用范围，这些数据可用于发展基于公式（6-57）的算法。 在表6-2中，相关系数R2 的定义是：R2 = b12/(σ1σ2)，式中b12 是两个随机变量（现场测量数据和模型输出数据）的协方差，σ21是现场数据的方差，σ22是模型所得数据的方差，b12/(σ1σ2)代表两个随机变量之间的相关系数。因为模型所得数据是由观测数据计算而来，所以它们也是个随机变量。

利用传统的幂指数模型，CZCS色素（叶绿素-a和褐色素）浓度可表示成 （6-59） 式中Ca是叶绿素-a的浓度，Cp是褐色素的浓度， 式中Li:j 是Lwn(λi)/ Lwn(λj)的缩写形式。 对（6-59）取自然对数，可获得另一种形式 （6-61） 式中β是斜率，ln(α)是截距。 表6-3列出了由NET数据获得的斜率和截距。

表6-3: 依据NET数据获得的斜率和截距 波段比值 截距ln(α) 斜率β R2×100 412:555 443:555 490:555 510:555 412:510 443:510 490:510 412:490 443:490 412:443 -0.339 -1.095 0.051 -1.284 0.696 -2.085 0.688 -2.854 -0.505 -1.533 -0.464 -2.209 0.627 -7.035 -0.791 -1.733 -0.924 -2.983 -0.601 -2.913 72.2 81.7 86.4 86.8 58.7 74.4 81.5 46.5 65.9 20.9

SeaWiFS观测获得的在赤道太平洋热带不稳定波影响下的叶绿素分布图（引自http://seawifs. gsfc. nasa 叶绿素分布间接显示了赤道太平洋热带不稳定波的影响范围沿赤道延伸约10，000公里。 所以，SeaWiFS水色扫描仪的遥感数据不仅可用于初级生产力的估计，还可能用于海洋动力学的研究。

基于蓝绿比值的MODIS经验算法 满足MODIS的生物光学经验产品的基本形式（Esaias等1998）为 （6-61） 式中的中间参变量X是 （6-62） 式中Lwn(λ)是标准化离水辐亮度，波段9、10、11和12的波长分别是443nm、490nm、531nm 和550nm， A、B、C、D和E是回归系数，常数e、f和g是0或1，它们用来对不同产品选择波段。

上表是基于CZCS的实验数据库（此数据库为SeaWiFS做过调整） 这种算法用于计算在第一类水体条件下的如下产品： 经验算法（6-61）和（6-62）系数的预设值 产品 log(色素)CZCS log(色素)SeaWiFS log(叶绿素-a) log(漫衰减系数) A B C D E e f g 0 0 -1.27 0.5 1 1 0 0 -4.54 10.32 -9.74 3.00 1 1 1 1 -4.99 12.34 -12.12 3.78 1 1 1 1 0 0 -1.4 0.07 1 1 0 0 上表是基于CZCS的实验数据库（此数据库为SeaWiFS做过调整） 这种算法用于计算在第一类水体条件下的如下产品： CZCS色素（叶绿素-a和褐色素） SeaWiFS色素（叶绿素生物量） 叶绿素-a和漫衰减系数ka (λ=490nm)

基于蓝绿比值的CZCS经验算法 美国宇航局发展的雨云卫星Nimbus/CZCS测量CZCS色素（包括叶绿素-a和褐色素）浓度和悬浮物浓度的经验算法是 （6-63） 或者 （6-64） 式中Lu（λ，0－）是（6-26）定义的海面下向上辐亮度， R是（6-27）定义的海面下漫反射率，A和B是经验常数。 其中C是叶绿素-a和褐色素-a浓度之和（单位是mg/m3）。

测量海水漫衰减系数Kd (λ) 的经验算法是 （6-65） 或者 （6-66） 式中Ai、Bi和Ci是经验常数。

水色遥感和辐射计 水色遥感简介 大气校正 水色遥感的科学术语 海洋水色的生物光学算法 二类水体的水色反演算法 水色遥感展望

二类水体的水色反演算法 二类水体反演算法包括代数法、非线形最优化法、主成分分析法、神经网络方法和经验法等。 代数法和非线性最优化法 主成分分析法和人工神经网络方法 经验算法 叶绿素-a垂向最大值的经验算法 赤潮

代数法和非线性最优化法 1.代数法 最简单的算法是代数法，使用代数式描述海洋光谱特征与水中物质组份浓度之间的定量关系。 首先，依据测量光谱数据来建立海洋水色模型（又称“半分析模式”）； 然后，对该模式进行简化，通过一些近似关系，减少未知量的个数或者未知量间的相互依赖关系； 最后得到一组代数方程，通过求解该方程组，获得各未知量的解。 代数法的优点是将水色因子的已知光学特性与理论模式耦合起来，对特定的二类水域的运算结果较精确，但反演的物质浓度个数有限。

非线性最优化法 非线形最优化法先确定一个海洋水色模式 通过调整作为输入的反演参数的浓度（即叶绿素、悬浮无机物、黄色物质等的浓度），重复计算 获得多个与之对应的辐亮度的模式计算值，使得模式所得的辐亮度计算值与实际的辐亮度测量值之间的误差χ2最小。 通常预设一个χ2的阈值来限制测量和计算的次数。

非线性最优化算法大致有四步： 第一步：处理沿岸带水色扫描仪CZCS的数据，剔除大气分子瑞利散射的辐亮度，获得CZCS经瑞利散射校准的辐亮度LCZCS 第二步：采用分析模型进行计算，以获得海面下的辐亮度LSS 第三步：将海面下的辐亮度LSS输入到海-气辐射传输模型，经过计算获得不包含瑞利散射的辐亮度LCALC 第四步：建立瑞利散射校准辐亮度模型值与测量值的差值关系χ2 =∑(LCZCS–LCALC)2；并采用最优化算法，选取叶绿素、悬浮物质与黄色物质的浓度值、以及气溶胶散射的辐亮度，使χ2达到最小值。

设置预测模型的参数时要保证将要反演的未知参量之间的相关性尽可能小，因为在反演的未知量之间总是具有一定的相关。 应用非线性最优化方法需注意两个方面： 设置预测模型的参数时要保证将要反演的未知参量之间的相关性尽可能小，因为在反演的未知量之间总是具有一定的相关。 例如叶绿素-a和总悬浮物之间具有一定的相关性，这样，较大的相关就可能导致定量反演的结果含糊不清。 初始条件的设定很重要 如果可能，应该为每一个需要反演的未知量设定各自的上限和下限，从而保证得到确切的最小值（为防止χ2出现许多最小值，即方程出现多个解）。此外，还需要尽可能提高运算速度。

主成分分析法和人工神经网络方法 一 主成分分析法 不同波段的光谱数据特征具有很大的相关性，为减少这种相关性，采用主成分分析法。 一 主成分分析法 不同波段的光谱数据特征具有很大的相关性，为减少这种相关性，采用主成分分析法。 给出水体组份和大气光谱性质，辐射传输模型可以产生在大气顶部的光谱辐亮度数据集。 对光谱数据的主成分分析可以决定所需光谱通道数及每一个光谱通道在反演水体组份浓度时所占的权重。 相对于使用所有波段而言，主成分法考虑了各波段之间潜在的差别，提高了反演水体组份的准确性。 主成分分析法的主要优点是： 第一点、线性算法，简单、稳定、运算快捷； 第二点、大气影响自动体现在加权因子中，不必进行大气校正； 第三点、可用区域光学模式确定加权因子，进行优化。

二 人工神经网络方法（Artificial Neural Network Algorithm） 人工神经网络方法起源于对人脑功能的模拟。其主要特点有 （1）高度并行性 （2）高度的非线性全局作用 （3）良好的容错性能与联想记忆功能 （4）十分强的自适用、自学习功能。 人工神经网络是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的神经网络；类似于生物神经系统单元，它由许多并行运算的简单单元组成。 运用神经网络模型可实现函数逼近、数据聚类、模式分类和优化等计算功能。

这里将介绍多层、反向传播算法的神经网络算法。它是在输入和输出层之间增加若干层神经元，这些神经元称为隐单元，与外界没有直接联系，但其状态的改变，则能影响输入与输出的关系。使用f表示各个神经元的输入与输出之间的关系函数，亦即 式中uik为第k层的第i单元的输入，Vik为第k层的第i单元的输出，Wij为由第k﹣1层的第j个神经元到第k层的第i个神经元的权重。此外，我们定义误差函数r为期望输出与实际输出之差的平方和 式中yj是输出单元的期望输出，Vjm是实际输出。如果期望输出与实际输出不符，就产生误差信号，这就需要通过某种公式改变权重Wij。后一次的权重更新是适当考虑上一次的权重之后获得的更新值。

一个简单的三层神经网络结构 显示了一个三层反向传播算法的神经网络结构。 在该结构中，每个输入节点代表一个波段，输入层的值分发到隐含层的每个节点，并在此进行如上的运算，隐含层的输出值再次成为输出层的输入，并再次进行运算，输出层的输出将是我们所要求的物理量。 隐含层的节点数由函数的复杂程度决定。

经验算法 一 海表层叶绿素-a浓度C（mg/m3）与遥感反射率Rrs之间的一个经验模型 根据在黄海和东海的海上调查获得的2003春季77个站点的观测数据，海表层叶绿素-a浓度C与遥感反射率Rrs之间的一个经验模型（唐军武2003） （6-70） 式中的中间参变量X是 （6-71） 模型中的常数a = -1.0，α0 = 0.37457，α1 = -3.7278，α2 = -3.0679。 该模型依据的是“蓝绿波段比值法”，412nm和443nm代表蓝色波段，510nm和555nm代表绿色波段。 精确度： 统计分析表明，77个站点的现场测量数据和模型输出数据之间的相关系数R2=0.74，平均相对误差为36%。

二 海表层总悬浮物浓度S（mg/L3）与遥感反射率Rrs之间的一个经验模型 根据在黄海和东海的海上调查获得的2003春季71个站点的观测数据，我国科研人员建立了海表层总悬浮物浓度S与遥感反射率Rrs之间的一个经验模型（唐军武2003） （6-72） 模型中的常数β0 = 0.58213，β1 = 23.84071，β2 = -0.48532。 精确度： 77个站点的现场测量数据和从模型计算所得数据之间的相关系数R2=0.97，平均相对误差为19%。

三 海表层总悬浮物浓度S（mg/L3）与遥感反射率Rrs（670）之间的另一个经验模型 当总悬浮物浓度S＞3 mg/L3时，遥感反射率Rrs（555）和Rrs（670）相关程度较高。所以，我国科研人员建立了海表层总悬浮物浓度S（mg/L3）与遥感反射率Rrs（670）之间的另一个经验模型（唐军武2003） （6-73） 精确度： 现场测量数据和从模型计算所得数据之间的相关系数R2 = 0.9071。

四 海表层黄色物质浓度Y与遥感反射率Rrs之间的一个经验模型 黄色物质与有色溶解有机物（CDOM: Colored Dissolved Organic Matter）是同义词。所以，黄色物质浓度也叫有色溶解有机物浓度。根据在黄海和东海的海上调查获得的2003春季71个站点的观测数据，我国科研人员建立了海表层黄色物质浓度Y与遥感反射率Rrs之间的一个经验模型（唐军武2003） （6-74） 式中使用黄色物质引起的吸收系数代表它的浓度（单位是m-1），中间参变量X是 （6-75） 模型中的常数：b=0.23，γ0 = -0.93942，γ1 = 5.01，γ2 =62.62175，γ3 = 231.1851，γ4 =269.3769。 精确度： 77个站点的现场测量数据和从模型计算所得数据之间的相关系数R2=0.59，平均相对误差为17%。

五 在波长490 nm的漫衰减系数K(490) 与遥感反射率Rrs之间的一个经验模型 （6-76） 式中的中间参变量X是 （6-77） 模型中的常数d = 4.0，d0 = 0.83349，d1 = 1.00409，d2 =0.16902。 精确度： 现场测量数据和从模型计算所得数据之间的相关系数R2=0.96，平均相对误差为13%。

六 在波长412 nm的海表层吸收系数kab (412) 与遥感反射率Rrs之间的一个经验模型 （6-78） 式中的中间参变量X和Y是 模型中的常数 A0 = -0.74612，A1 = 0.95738，A2 = 6.20060，B1 = -1.35806，B2 = -0.74386 。 精确度： 61个站点的现场测量数据和从模型计算所得数据之间的相关系数R2=0.87，平均相对误差为25%。

叶绿素-a垂向最大值的经验算法 根据2003年6月在渤海海域的海上调查数据，从中选取DCM所在深度小于9 m的30个站点的观测数据，建立了一个反演叶绿素-a浓度的垂向最大值DCM（Deep Chlorophyll-a concentration Maximum）（单位：mg/m3）的经验公式，即 （6-81） 式中的中间参变量X是 （6-82） 式中 Rrs--遥感反射率 412nm和443nm--SeaWiFS的两个蓝色波段 510nm和555nm--SeaWiFS的两个绿色波段 模型中的回归系数c1=-5.326，c2 =5.336，c3 = -335.56，c4=0.584

叶绿素-a浓度垂向最大值DCM（单位：mg/m3）的现场测量数据与遥感模式输出数据之间的相关关系 横坐标是遥感模式输出数据，将高光谱辐射仪测量的遥感反射率Rrs代入公式（6-81）可获得这些数据。

赤潮 赤潮（Red Tide）是在特定的环境条件下，海水中藻类（以及某些原生动物或细菌）的迅速繁殖和聚集（algal bloom）而引起水体变色的一种有害生态现象，也称为“水华”和“藻花”。 赤潮的颜色依赖于浮游生物的种类和繁殖程度。 目前，赤潮已成为一种世界性的公害，赤潮是一种复杂的生态异常现象，它的产生机理至今尚无定论。大多数学者认为，海水富营养化是赤潮发生的物质基础，海洋水文气象和海水化学条件也是赤潮发生的重要诱因。

1.我国三大赤潮多发区及赤潮高发期 根据我国科学家的调查，赤潮灾害的发生范围已遍及我国沿海各省。 我国三大赤潮多发区 渤海的辽东湾 东海的长江口和杭州湾外侧的嵊泗列岛和花鸟山比邻海域 南海的珠江口东侧以及粤东近岸 我国赤潮的高发期由南向北依次出现： 南海的赤潮高发期为3月～5月 东海的赤潮高发期为4月～8月 渤海和黄海的赤潮高发期为5月～9月

2.我国海域的赤潮灾害类型及主要发生地 我国海域的赤潮灾害类型可分为: 河口型:赤潮的发现次数占总数的30%，主要发生在长江口、珠江口和辽河口等处 海湾型:赤潮的发现次数占29%，主要发生在大连湾、大鹏湾和深圳湾等海域， 养殖型:赤潮的发现次数占27%，主要发生在虾池养殖区和浅海养殖区， 沿岸流型:占6%，发生在辽东半岛南端、秦皇岛沿岸等地， 上升流型:占6%，发生在浙江近海， 外海型:赤潮最少，只占2%。发生在南黄海中部。 除海湾型赤潮的发现次数呈下降趋势外，其他各类型成因的赤潮均呈上升趋势。

监测 “叉角藻”生物细胞数的经验模型 通过对NOAA-14的AVHRR数据和渤海现场实测资料的统计分析获得（赵冬至, 2002，2003): （6-83） 式中 a和b--由数据拟合获得的回归系数 P--“叉角藻”生物细胞数 根据P与赤潮生物基准细胞数指标的比较，可以判别“叉角藻”赤潮分布区域。 NDVI--标准化差值植被指数，它的计算公式是 （6-84）

HY-1卫星COCTS在渤海辽东湾监测到的赤潮 （ 2003年6月15日）

水色遥感和辐射计 水色遥感简介 大气校正 水色遥感的科学术语 海洋水色的生物光学算法 二类水体的水色反演算法 水色遥感展望

水色遥感展望 高精度处理和定量化 第一个环节：从接收到的数字信息转换为辐射量信息的定标研究，包括遥感器发射前的实验室定标和入轨后的在轨定标。 第二个环节：离水辐射率信息的提取，其实质是消除大气影响，研究大气校正机理和处理方法。 第三个环节：水色因子的定量提取机理和方法，特别高光谱分辨率的海洋光学遥感器提供了更多维的辐射信息，但海量信息又是“双刃剑”，对某一海洋因子而言，很可能大量信息不是有用的信号而是噪声，于是要从光学遥感机理出发开展不同海洋环境因子的最佳波段选择研究。

水色遥感展望 长时相、业务化运行技术研究是海洋光学遥感走向应用的重要途径。 多平台监测数据同化 海洋光学遥感易受天气影响，海上晴朗无云天气比例甚低，严重影响海洋光学遥感应用价值。开展不同卫星遥感资料的同化应用研究，如利用微波传感器资料来填补可见光的空缺，是未来的趋势。 可见光遥感器平台有多个，由于它们过境成像时间不同，也应该开展不同可见光遥感平台资料同化技术，包括光谱、时间和海洋信息同化。

潘德炉 从７０年代末一直从事海洋遥感研究，在水色遥感机理研究、水色遥感反演模式研究、水色遥感大气校正技术研究、水色遥感应用技术研究、遥感卫星应用效果模拟仿真理论、模拟仿真系统的建立及其应用等六个方面有创造性的成就。