Processing math: 100%
 注册 登录 English Version
中国卫星海洋遥感研究进展 | 浏览量 : 672 下载量: 622 CSCD: 1 更多指标
  • 导出

  • 分享

  • 收藏

  • 专辑

    • 中国海洋水色卫星传感器COCTS HY-1D产品初步评价

    • Preliminary performance of the COCTS onboard HY-1D satellite in the global ocean

    • 史鑫皓

      1

      陈树果

      1234

      林明森

      4

      刘建强

      4

      马超飞

      4

      宋庆君

      4

      薛程

      1

      胡连波

      12
    • 2023年27卷第4期 页码:943-952   

      纸质出版日期: 2023-04-07

    • DOI: 10.11834/jrs.20221666     

    扫 描 看 全 文

  • 引用

    阅读全文PDF

  • 史鑫皓,陈树果,林明森,刘建强,马超飞,宋庆君,薛程,胡连波.2023.中国海洋水色卫星传感器COCTS HY-1D产品初步评价.遥感学报,27(4): 943-952 DOI: 10.11834/jrs.20221666.
    Shi X H,Chen S G,Lin M S,Liu J Q,Ma C F,Song Q J,Xue C and Hu L B. 2023. Preliminary performance of the COCTS onboard HY-1D satellite in the global ocean. National Remote Sensing Bulletin, 27(4):943-952 DOI: 10.11834/jrs.20221666.
  •  
  •  
    论文导航

    摘要

    卫星遥感产品的真实性评价对利用遥感产品开展应用研究具有重要的意义。本文利用全球典型的长期固定平台现场测量数据对中国自主海洋水色卫星HY-1D所搭载的水色水温扫描仪COCTS(COCTS HY-1D)遥感反射率(Rrs)和叶绿素a(Chl-a)产品进行了评价,并在全球尺度上通过与国际主流海洋水色卫星传感器的产品进行了进一步的对比分析。结果表明,COCTS HY-1D Rrs产品与现场测量Rrs数据吻合较好,可见光波段相关系数在0.91—0.98,各波段平均绝对百分比误差平均值约为22.9%。相较于国际主流海洋水色卫星传感器MODIS Aqua与现场数据各波段平均绝对百分比误差平均值约为20.5%的比较结果,产品精度相当;在全球尺度上,与MODIS Aqua相比,Rrs产品分布趋势一致,数值大小一致,相关系数在蓝光波段较高,可达0.94,各波段相关系数平均值为0.84。Chl-a产品相关系数为0.85,高于MODIS Aqua与VIIRS-SNPP的Chl-a产品的相关系数0.76。整体上,COCTS HY-1D可以提供与国际主流海洋水色卫星传感器质量相当的水色产品,能够进行准确的海洋水色遥感观测。

    Abstract

    The Chinese Ocean Color and Temperature Scanner (COCTS) onboard HY-1D satellite (COCTS HY-1D) was launched on June 11, 2020. However, the performance of COCTS HY-1D has not yet been completely evaluated. In this study, the performance of COCTS HY-1D was first evaluated by comparing satellite derived remote sensing reflectance (Rrs) with in situ measurements collected at four AERONET-OC sites and two Chinese long-term platforms.

    Initially, the in situ data at four AERONET-OC sites were acquired to evaluate the performance of COCTS HY-1D in the global coastal waters. AERONET-OC is an ocean color component of the AERONET and provides long-term high-quality in situ normalized water leaving radiance (Lwn) measured by an autonomous radiometer system on an offshore fixed platform to support the calibration and validation of satellite ocean color sensors in coastal waters. Muping and Dong’ou sites were constructed by the China National Satellite Ocean Administration Service (NSOAS), and the data were processed following the same procedure as that of the AERONET-OC data processing scheme. The COCTS HY-1D Level 1B data covering AERONET-OC sites and two long-term platforms between 1 August 1 2020 and 31 January 31 2021 in cloud-free days were acquired from NSOAS and processed to Level 2 Rrs and Chl-a concentration products. Furthermore, Rrs and Chl-a concentration comparison with two well-calibrated ocean color sensors (i.e., MODIS Aqua and VIIRS-SNPP) were made to evaluate the performance of COCTS HY-1D on the global scale. Additionally, the COCTS HY-1D Level 1B daily global dataset between December 7 and 14, 2020 were also required from NSOAS, processed to Level 2, and binned to Level 3 daily and 8-day 9-km data products by using the spatial-temporal binning algorithms developed by NASA. MODIS Aqua and VIIRS-SNPP Level 3 global binned daily and 8-day 9-km Rrs and Chl-a concentration data collected between December 7 and 14, 2020 were acquired from NASA GSFC. The statistics used in this study included correlation coefficient (r), Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE), and mean bias (mBias).

    Results demonstrated that COCTS HY-1D-derived Rrs agreed well with the in situ data at all wavelengths with the correlation coefficient r of visible bands between 0.91 and 0.98 and up to 0.98 and Mean Absolute Percentage Error (MAPE) of 22.9%. The product’s accuracy is comparable to the average MAPE of 20.5% between MODIS Aqua and in situ data. At the global scale, the COCTS HY-1D-derived Rrs and chlorophyll concentration were consistent with MODIS Aqua products with a mean correlation coefficient ranging from 0.84 and to 0.95. The correlation coefficient of Chl-a is 0.85,which is higher than 0.76 between MODIS Aqua and VIIRS-SNPP. Nevertheless, the satisfactory Rrs was derived from COCTS HY-1D at the global scale compared with the in situ measurements or well-calibrated MODIS Aqua and VIIRS-SNPP products.

    COCTS HY-1D can provide high quality ocean color products comparable with the international mainstream ocean color satellite sensors, and therefore can carry out stable and accurate ocean color remote sensing observation.

    关键词

    现场测量; 海洋水色; HY-1D; COCTS; 遥感反射率

    Keywords

    in situ observation; ocean color; HY-1D; COCTS; remote sensing refcectance

    1 引言

    自1978年第一颗水色卫星传感器CZCS由美国发射正式开启了海洋水色遥感的新纪元(

    Clark, 1981),接下来的美国SeaWiFS、MODIS和VIIRS以及欧洲的MERIS和OLCI等水色卫星传感器的相继发射(Cao 等,2013Goyens 等,2013Jamet 等,2011),水色卫星传感器所获取的数据被广泛应用于物理海洋、海洋化学、海洋生物以及海洋地质等研究领域,甚至在内陆湖泊水体的监测上也起着重要的作用(Dutkiewicz 等,2019Qi 等,2017Signorini 等,2015Zhang 等,2019Behrenfeld 等,2019Laber 等,2018Wang 等,2019)。在当前和未来的海洋—地球观测与预测系统中,水色卫星数据已经是不可或缺的重要组成部分。如海洋水色遥感的基础产品遥感反射率和叶绿素a浓度已经被列为气候数据记录CDR(Climate Data Record)中的有效气候变量ECVs(Essential Climate Variables)(Mason 等,2003Bojinski 等,2014)。

    为了保持海洋水色卫星遥感数据的延续性和增加数据在时间与空间上的覆盖率,海洋水色卫星不断得到发射。自2002年以来,中国陆续发射了多颗自主设计研制的海洋水色遥感卫星。从神舟三号飞船搭载的中分辨率成像光谱仪CMODIS,到海洋一号水色试验卫星HY-1A和HY-1B(

    蒋兴伟 等,2016),直至2018年9月7日,中国第一颗业务化海洋水色卫星HY-1C成功发射。经过AERONET-OC的真实性检验以及与MODIS、VIIRS、OLCI等水色传感器在全球范围内的数据对比,HY-1C遥感反射率产品质量得到深入的评价(Song 等,2019Chen 等,2021Xu 等,2021)。中国自主海洋水色卫星遥感技术与应用取得了跨越式发展。2020年6月11日,伴随着HY-1D卫星成功的发射,中国自主海洋水色卫星形成对地组网观测能力,两颗在轨的业务化海洋水色卫星不仅有效的提高全球有效观测数据的覆盖率,同时形成对全球海洋的上下午观测。

    然而,海洋水色卫星产品真正的广泛应用取决于产品质量,当前针对COCTS HY-1D的产品评价尚未见报道,本文主要以全球典型的长期固定平台现场观测数据和国际主流海洋水色卫星传感器对COCTS HY-1D在全球范围内遥感反射率产品的初步性能进行综合评价。

    2 数据和方法

    2.1 现场数据

    本研究首先综合AERONET-OC站点的位置和公开数据的时间跨度,在全球范围内选取了4个AERONET-OC站点,代表全球主要近岸水体。AEONET-OC站点的数据均来自AERONET网站(https://aeronet.gsfc.nasa.gov[2021-10-21])经过质控后的公开数据。所选AERONET-OC站点位置分布如图1中蓝色点所示。

    fig

    图1  4个AERONET-OC站点(红色点)和2个中国观测站点(蓝色点)位置示意图(审图号:GS(2022)506号)

    Fig. 1  Locations of four AERONET-OC sites (red dots) and two Chinese long-term platforms (blue dots)

    icon 下载:  原图 | 高精图 | 低精图

    同时,从国家卫星海洋应用中心NSOAS获得其建成的黄/东海光学遥感海上真实性检验场两个观测站点(即牟平和东瓯)的现场观测数据,牟平和东瓯站点的现场观测数据处理与质量控制方法遵从AERONET-OC数据处理规范(

    Giles等,2019Goyens等,2013Zibordi等,2009)。牟平和东瓯站点位置分布如图1中红色点所示。所有站点具体经纬度如表1所示。

    表1  现场观测站点经纬度
    Table 1  Longitude and latitude of AERONET-OC sites and two Chinese long-term platforms
    站点经度纬度
    Casablanca_Platform 1.358°E 40.717°N
    Galata_Platform 28.193°E 43.045°N
    Gustav_Dalen_Tower 17.467°E 58.594°N
    Section-7_Platform 29.447°E 44.546°N
    Muping 121.700°E 37.681°N
    Dong’ou 121.355°E 27.675°N
    icon 下载:  导出CSV icon 下载:  下载表格图片

    2.2 卫星数据

    本研究所使用的COCTS HY-1D观测数据包含:2020年8月1日至2021年1月31期间覆盖所有现场观测站点的COCTS HY-1D Level 2 Rrs和Chl-a数据;2020年12月7日至14日之间的COCTS HY-1D Level 1B每日全球数据。所有数据来自NSOAS(https://osdds.nsoas.org.cn[2021-10-21])。COCTS HY-1D Level 1B数据,包括辐射校正后的各波段大气层顶辐亮度和地理定位后的经纬度,经过大气校正数据处理后(见2.3节)得到遥感反射率产品。

    在利用现场测量数据评价COCTS HY-1D时,覆盖相同位置和时间周期的MODIS Aqua Level 2 Rrs数据来自NASA Godard Space Flight Center (GSFC)(https://oceancolor.gsfc.nasa.gov/[2021-10-21])。

    通过国际主流海洋水色卫星传感器MODIS Aqua和VIIRS-SNPP对COCTS HY-1D进行性能评估时,所使用的是2020年12月7日至14日间的MODIS Aqua和VIIRS-SNPP Level 3全球Chl-a浓度数据和8天平均Rrs和Chl-a浓度数据(9 km分辨率)来自NASA GSFC(https://oceancolor.gsfc.nasa.gov/[2021-10-21])。

    2.3 COCTS HY-1D数据处理方法

    针对COCTS HY-1D的数据处理使用SeaDAS-C软件包来完成。SeaDAS-C是基于NASA发布的开源海洋水色卫星数据处理软件SeaDAS(https://seadas.gsfc.nasa.gov[2021-10-21])所开发的针对HY-1C和HY-1D所搭载的COCTS的数据处理软件(

    Chen 等,2021),其数据处理流程如下:

    (1)基于矢量海洋和大气耦合辐射传输模拟软件(

    Chami等,2015)和HITRAN(Gordon 等,2017)高光谱气体吸收数据库,计算针对COCTS波段配置及其光谱响应下的瑞利、气溶胶和气体透过率查找表。

    (2)以MOBY数据为基础进行系统替代定标增益计算,具体计算方法请参见

    Song等(2019)

    (3)基于近红外迭代大气校正算法(

    (Bailey等,2010),即NASA的业务化大气校正方法)通过SeaDAS-C得到COCTS Level 2级遥感产品数据。在Chla浓度反演算法上,使用OCI算法(Hu等,2012;O’Reilly和Werdell,2019)获得Chl-a浓度产品。

    2.4 卫星观测和现场测量的匹配

    本研究采用以下规则实现现场测量和卫星观测之间的时空匹配:时间和空间窗口分别为±15 min和3像素×3像素(

    Bailey和Werdell,2006)。具体来说,根据每景卫星数据的观测时间,通过±15 min的窗口来筛选现场观测数据,而采用严格的15 min窗口是为了避免近岸水体与大气光学特性的快速变化对现场观测数据造成的影响。通过时间窗口筛选后,根据每个现场观测站点的位置,在每景卫星数据上识别出相应的像素和以该像素为中心的3×3窗口。3×3窗口内的数据满足以下两个条件才作为有效匹配:(1)窗口内一半以上的像素点都为有效像素点(非陆地、非云、非耀斑、太阳高度角小于60°且卫星高度角小于50°);(2)490 nm和520 nm各自窗口内有效像素点的标准差除以平均值小于0.15。当所选窗口不满足任意一条条件时,该次匹配作为无效匹配进行剔除。最终经过筛选的所有像素点的平均值作为卫星在该现场的观测值(Bailey和Werdell,2006)。

    2.5 统计参数

    本研究使用的统计参数包括相关系数(r),均方根误差(RMSE),平均绝对百分比误差(MAPE)和平均偏差(mBias)。这些统计参数的具体计算公式如下:

    r=Ni=1(xi-ˉx)(yi-ˉy)Ni=1(xi-ˉx)2Ni=1(yi-ˉy)2
    (1)
    RMSE=Ni=1(yi-xi)2N
    (2)
    MAPE=100%×|yi-xi|xi
    (3)
    mBias=1NNi=1(yi-xi)
    (4)

    式中,xy分别表示现场测量结果和卫星观测结果。

    3 结果

    3.1 COCTS HY-1D Rrs产品与现场测量对比

    本文使用了4个AERONET-OC站点和2个中国观测站点的Rrs数据对COCTS HY-1D进行评价。所有站点的匹配数量如表2所示。由于东瓯站点现场观测仪器在2020年8月至9月期间出现故障,所以该站点与卫星观测的匹配数量低于其他站点。COCTS HY-1D共8个通道(412 nm、443 nm、490 nm、520 nm、565 nm、670 nm、750 nm和865 nm),由于现场观测站点所在位置都属于近岸水体,在使用近红外迭代大气校正算法时,海洋水色卫星传感器位于最短波长的蓝光波段由于距离大气校正所采用的近红外通道较远,与现场测量相比较,其精度普遍存在较大误差(

    Wang和Jiang,2018Barnes等,2021);而670 nm处的Rrs产品数值量级较小,其统计结果不具代表性。所以在与现测量结果进行对比分析时,本文仅选用4个波长进行对比分析(443 nm、490 nm、520 nm和565 nm)。

    表2  现场观测站点测量结果和卫星观测结果的匹配数量
    Table 2  The number of matchups between in situ measurements and satellite observations made by COCTS HY-1D and MODIS Aqua
    站点名称匹配数量
    COCTS HY-1DMODIS Aqua
    Casablanca_Platform 36 22
    Galata_Platform 10 6
    Gustav_Dalen_Tower 17 8
    Section-7_Platform 29 19
    Muping 13 4
    Dong’ou 2 2
    icon 下载:  导出CSV icon 下载:  下载表格图片

    匹配成功的现场测量与COCTS HY-1D观测值Rrs比较结果如图2所示。可以看出,COCTS HY-1D Rrs产品和现场测量的Rrs结果光谱分布较为一致。同时,所有波长的散点对比图如图3所示,对应的统计参数如表3所示。COCTS HY-1D 443 nm、490 nm、520 nm和565 nm的Rrs与现场测量结果一致,r高于0.91并且MAPE小于34%,在565 nm r最高为0.98,RMSE最高仅为0.0012 sr-1

    fig
    icon 下载:  | 高精图 | 低精图

    图2  COCTS HY-1D 观测结果和现场测量的Rrs光谱结果对比

    Fig.2  The comparison of mean remote sensing reflectance (Rrs) between COCTS HY-1D derived and in situ measured at sites

    fig
    icon 下载:  | 高精图 | 低精图

    图3  COCTS HY-1D观测结果和现场测量结果散点对比图

    Fig. 3  Scatter plot of mean and standard deviation of remote sensing reflectance (Rrs) between COCTS HY-1D derived and in situ measured

    表3  COCTS HY-1D、MODIS Aqua观测和现场测量Rrs结果在每个波长的统计参数(相关系数r,平均偏差mBias,均方根误差RMSE,平均绝对百分比误差MAPE)
    Table 3  Statistical parameters of remote sensing reflectance (Rrs) at each wavelength (λ, nm) between in situ measurements and COCTS HY-1D or MODIS Aqua observation. Parameters include correlation coefficient (r), mean bias (mBias), root mean square error (RMSE), and mean absolute percentage error (MAPE)
    COCTS HY-1D vs. in situMODIS Aqua vs. in situ
    λ/nm r mBias/(sr-1 RMSE/(sr-1 MAPE/% λ/nm r mBias/(sr-1 RMSE/(sr-1 MAPE/%
    443 0.91 -0.0002 0.0011 33.6 443 0.91 -0.00028 0.0010 25.7
    490 0.95 -0.0004 0.0012 19.2 488 0.89 -0.00010 0.0012 16.9
    520 0.96 -0.0004 0.0010 20.8 531 0.88 0.00033 0.0016 20.3
    565 0.98 -0.0002 0.0011 17.9 555 0.87 0.00015 0.0016 18.8
    icon 下载:  导出CSV icon 下载:  下载表格图片

    由于MODIS Aqua有着较高的产品性能(

    Barnes等,2019),所以其在近岸水体的产品质量可以作为COCTS HY-1D的参考。MODIS Aqua各个波长(443 nm、488 nm、531 nm、555 nm)的反演产品与现场测量的Rrs的散点对比图如图4所示,对应的统计参数如表3所示。MODIS Aqua反演的Rrs与现场测量的结果RMSE小于0.0016 sr-1且MAPE小于26%。r的范围为0.87—0.91,在443 nm处最高为0.91,各波段r的平均值为0.89。在443 nm,COCTS HY-1D和MODIS Aqua与现场测量对比结果的r相同为0.91,RMSE分别为0.0011 sr-1和0.0010 sr-1;在490 nm、520 nm和565 nm,COCTS HY-1D与现场测量对比结果的r均大于MODIS Aqua在临近波长(488 nm、531 nm和555 nm)的结果且MAPE误差均在2.5%以内。

    fig
    icon 下载:  | 高精图 | 低精图

    图4  MODIS Aqua观测结果和现场测量结果散点对比图

    Fig.4  Scatter plot of mean and standard deviation of remote sensing reflectance (Rrs) between MODIS Aqua derived and in situ measured

    根据表3中的统计,可以表明COCTS HY-1D在近岸水体的产品质量与MODIS Aqua相当。对于COCTS HY-1D 670 nm的Rrs,几乎所有的数据小于0.002,现场观测数据中值为0.0004,卫星观测数据中值为0.0003。将其与所选4个波长(443、490、520和565 nm)一起统计,r为0.95,MAPE为33.9%。无论670 nm的数据是否参与统计,现场数据与卫星数据所拟合的直线斜率皆为0.868,截距为0.00018。说明670 nm的Rrs数值在合理范围内,且不会对统计结果产生影响。

    图3图4和横向和纵向的误差棒分别代表现场观测数据在时间窗口内的标准差以及卫星数据在空间窗口内的标准差。横、纵向的误差棒数值都很小,表明现场数据的时间变化以及卫星数据的空间变化在匹配窗口内是有限的,说明Rrs的真实性检验结果主要源于卫星产品和现场数据之间的差异而不是其自身的变化。

    3.2 COCTS HY-1D与国际主流海洋水色卫星传感器对比

    与现场测量的Rrs比较结果表明,COCTS HY-1D的性能与MODIS Aqua在近岸水体精度相当。为了进一步评估其在全球尺度上的产品精度,本文将COCTS HY-1D与两个具有较高产品质量的国际主流海洋水色卫星传感器(MODIS Aqua和VIIRS-SNPP)(

    Barnes等,2019)之间进行了Rrs和Chl-a浓度的比较,比较结果点密度图如图5所示,对应统计参数如表4所示。总体而言,图5中密度较高的数据点集中分布在1∶1线附近,说明3个卫星传感器之间邻近波长的Rrs(例如COCTS HY-1D的490 nm与MODIS Aqua的488 nm)和Chl-a浓度是一致的。从表4中可以看出,除了670 nm,COCTS HY-1D和MODIS Aqua的比较结果与MODIS Aqua和VIIRS-SNPP的比较结果统计参数基本保持一致,说明3个传感器相互之间保持一致。而在670 nm,由于Rrs数值量级较小,所以在比较COCTS HY-1D与MODIS Aqua过程中出现较大的MAPE结果。

    fig
    icon 下载:  | 高精图 | 低精图

    图5  2020年12月7日至14日Rrs和Chl-a浓度点密度图

    Fig. 5  Density plots of Rrs and Chl-a from December 7 to 14, 2020

    表4  3种传感器在全球范围内Rrs和Chl-a浓度比较统计参数
    Table 4  Statistical parameters of remote sensing reflectance (Rrs) at each wavelength (λ, nm) and Chl-a between COCTS HY-1D vs. MODIS Aqua and COCTS HY-1D vs. VIIRS/SNPP at the global scale collected from December 7 to 14, 2020
    λ/nmCOCTS vs. MODISMODIS vs. VIIRS
    rmBiasMAPE/%rmBiasMAPE/%
    412 0.94 -0.0001 37.1 0.97 -0.0018 48.6
    443 0.93 0.0009 21.7 0.96 -0.0023 59.6
    490 0.79 -0.0008 23.0 0.95 -0.0008 18.0
    565 0.73 -0.0003 42.9 0.93 -0.0003 21.0
    670 0.80 0.00002 118.5 0.96 0.00005 39.0
    Chl-a 0.85 0.75 51.2 0.76 1.69 39.5
    icon 下载:  导出CSV icon 下载:  下载表格图片

    尽管图5中COCTS HY-1D和MODIS Aqua的对比在点密度较低的区域相对离散,但是在点密度较高的区域,离散性与MODIS Aqua和VIIRS-SNPP的对比相当。如443 nm,COCTS HY-1D和MODIS Aqua对比的MPAE小于MODIS Aqua和VIIRS-SNPP对比结果。点密度较低区域的相对离散可能是由于传感器的条带噪声等原因导致的,会在未来的研究工作中做进一步的分析。

    COCTS HY-1D,MODIS Aqua和VIIRS-SNPP分别生成的8天(2020年12月7—14日)合成的平均Chl-a浓度全球分布如图6所示。3个传感器得到的全球Chl-a浓度分布趋势彼此一致,这进一步说明COCTS HY-1D在全球范围内的精度。例如,在南太平洋环流区观测到的极低的Chl-a浓度均达到0.02 mg/m3;在全球具有代表性的近岸水体,如阿根廷东海岸、黑海、里海和渤海等,3个传感器同时观测到中等Chl-a浓度分布(1.0 mg/m3)。

    fig
    icon 下载:  | 高精图 | 低精图

    图6  全球范围内8天累积Chl-a浓度分布图

    Fig. 6  Global distribution of 8-day binned Chl-a concentration from December 7 to 14, 2020

    (审图号:GS(2022)506号)

    4 结论

    为了对COCTS HY-1D在全球海洋应用的性能进行初步评估,首先使用高质量的现场数据对COCTS HY-1D在近岸水体的产品进行检验。检验结果表明,COCTS HY-1D反演的Rrs与现场测量数据吻合良好,具有较高的一致性,COCTS HY-1D在近岸水体有稳定的性能表现。同时,使用国际主流的两个海洋水色卫星传感器(MODIS Aqua和VIIRS-SNPP)的全球数据,通过不同传感器之间的相互比较,以评估COCTS HY-1D在全球范围的产品性能。比较结果表明,COCTS HY-1D在全球范围内获得了较好的Rrs。甚至在412 nm和443 nm COCTS HY-1D反演的Rrs与MODIS Aqua具有良好的一致性,明显优于VIIRS-SNPP和MODIS Aqua之间的比较结果。以上两个方面的结果表明,COCTS HY-1D目前能提供精度较高的海洋水色产品,其产品精度与国际主流海洋水色卫星传感器MODIS Aqua或VIIRS-SNPP产品精度相当。

    参考文献(References)

    Bailey S W, Franz B A and Werdell P J. 2010. Estimation of near-infrared water-leaving reflectance for satellite ocean color data processing. Optics Express, 18(7): 7521-7527 [DOI: 10.1364/OE.18.007521] [百度学术] 

    Bailey S W and Werdell P J. 2006. A multi-sensor approach for the on-orbit validation of ocean color satellite data products. Remote Sensing of Environment, 102(1/2): 12-23 [DOI: 10.1016/j.rse.2006.01.015] [百度学术] 

    Barnes B B, Cannizzaro J P, English D C and Hu C M. 2019. Validation of VIIRS and MODIS reflectance data in coastal and oceanic waters: an assessment of methods. Remote Sensing of Environment, 220: 110-123 [DOI: 10.1016/j.rse.2018.10.034] [百度学术] 

    Barnes B B, Hu C M, Bailey S W and Franz B A. 2021. Sensitivity of satellite ocean color data to system vicarious calibration of the long near infrared band. IEEE Transactions on Geoscience and Remote Sensing, 59(3): 2562-2578 [DOI: 10.1109/TGRS.2020.3000475] [百度学术] 

    Behrenfeld M J, Gaube P, Della Penna A, O'Malley R T, Burt W J, Hu Y X, Bontempi P S, Steinberg D K, Boss E S, Siegel D A, Hostetler C A, Tortell P D and Doney S C. 2019. Global satellite-observed daily vertical migrations of ocean animals. Nature, 576(7786): 257-261 [DOI: 10.1038/s41586-019-1796-9] [百度学术] 

    Bojinski S, Verstraete M, Peterson T C, Richter C, Simmons A and Zemp M. 2014. The concept of essential climate variables in support of climate research, applications, and policy. Bulletin of the American Meteorological Society, 95(9): 1431-1443 [DOI: 10.1175/BAMS-D-13-00047.1] [百度学术] 

    Cao C Y, Xiong J, Blonski S, Liu Q H, Uprety S, Shao X, Bai Y and Weng F Z. 2013. Suomi NPP VIIRS sensor data record verification, validation, and long-term performance monitoring. Journal of Geophysical Research: Atmospheres, 118(20): 11664-11678 [DOI: 10.1002/2013JD020418] [百度学术] 

    Chami M, Lafrance B, Fougnie B, Chowdhary J, Harmel T and Waquet F. 2015. OSOAA: a vector radiative transfer model of coupled atmosphere-ocean system for a rough sea surface application to the estimates of the directional variations of the water leaving reflectance to better process multi-angular satellite sensors data over the ocean. Optics Express, 23(21): 27829-27852 [DOI: 10.1364/OE.23.027829] [百度学术] 

    Chen S G, Du K P, Lee Z P, Liu J Q, Song Q J, Xue C, Wang D S, Lin M S, Tang J W and Ma C F. 2021. Performance of COCTS in global ocean color remote sensing. IEEE Transactions on Geoscience and Remote Sensing, 59(2): 1634-1644 [DOI: 10.1109/TGRS.2020.3002460] [百度学术] 

    Clark D K. 1981. Phytoplankton pigment algorithms for the nimbus-7 CZCS//Gower J F R, ed. Oceanography from Space. New York: Springer: 227-237 [DOI: 10.1007/978-1-4613-3315-9_28] [百度学术] 

    Dutkiewicz S, Hickman A E, Jahn O, Henson S, Beaulieu C and Monier E. 2019. Ocean colour signature of climate change. Nature Communications, 10: 578 [DOI: 10.1038/s41467-019-08457-x] [百度学术] 

    Giles D M, Sinyuk A, Sorokin M G, Schafer J S, Smirnov A, Slutsker I, Eck T F, Holben B N, Lewis J R, Campbell J R, Welton E J, Korkin S V and Lyapustin A I. 2019. Advancements in the aerosol robotic network (AERONET) version 3 database-automated near-real-time quality control algorithm with improved cloud screening for Sun photometer aerosol optical depth (AOD) measurements. Atmospheric Measurement Techniques, 12: 169-209 [DOI: 10.5194/amt-12-169-2019] [百度学术] 

    Gordon I E, Rothman L S, Hill C, Kochanov R V, Tan Y, Bernath P F, Birk M, Boudon V, Campargue A, Chance K V, Drouin B J, Flaud J M, Gamache R R, Hodges J T, Jacquemart D, Perevalov V I, Perrin A, Shine K P, Smith M A H, Tennyson J, Toon G C, Tran H, Tyuterev V G, Barbe A, Császár A G, Devi V M, Furtenbacher T, Harrison J J, Hartmann J M, Jolly A, Johnson T J, Karman T, Kleiner I, Kyuberis A A, Loos J, Lyulin O M, Massie S T, Mikhailenko S N, Moazzen-Ahmadi N, Müller H S P, Naumenko O V, Nikitin A V, Polyansky O L, Rey M, Rotger M, Sharpe S W, Sung K, Starikova E, Tashkun S A, Auwera J V, Wagner G, Wilzewski J, Wcisło P, Yu S and Zak E J. 2017. The HITRAN2016 molecular spectroscopic database. Journal of Quantitative Spectroscopy and Radiative Transfer, 203: 3-69 [DOI: 10.1016/j.jqsrt.2017.06.038] [百度学术] 

    Goyens C, Jamet C and Schroeder T. 2013. Evaluation of four atmospheric correction algorithms for MODIS Aqua images over contrasted coastal waters. Remote Sensing of Environment, 131: 63-75 [DOI 10.1016/j.rse.2012.12.006] [百度学术] 

    Hu C M, Lee Z P and Franz B. 2012. Chlorophyll a algorithms for oligotrophic oceans: a novel approach based on three-band reflectance difference. Journal of Geophysical Research: Oceans, 117(C1): C01011 [DOI: 10.1029/2011JC007395] [百度学术] 

    Jamet C, Loisel H, Kuchinke C P, Ruddick K, Zibordi G and Feng H. 2011. Comparison of three SeaWiFS atmospheric correction algorithms for turbid waters using AERONET-OC measurements. Remote Sensing of Environment, 115(8): 1955-1965 [DOI: 10.1016/j.rse.2011.03.018] [百度学术] 

    Jiang X W, Lin M S and Zhang Y G. 2016. Progress and prospect of Chinese ocean satellites. Journal of Remote Sensing, 20(5): 1185-1198 [百度学术] 

    蒋兴伟, 林明森, 张有广. 2016. 中国海洋卫星及应用进展. 遥感学报, 20(5): 1185-1198 [DOI: 10.11834/jrs.20166153] [百度学术] 

    Laber C P, Hunter J E, Carvalho F, Collins J R, Hunter E J, Schieler B M, Boss E, More K, Frada M, Thamatrakoln K, Brown C M, Haramaty L, Ossolinski J, Fredricks H, Nissimov J I, Vandzura R, Sheyn U, Yoav L, Chant R J, Martins A M, Coolen M J L, Vardi A, Ditullio G R, Van Mooy B A S and Bidle K D. 2018. Coccolithovirus facilitation of carbon export in the North Atlantic. Nature Microbiology, 3(5): 537-547 [DOI: 10.1038/s41564-018-0128-4] [百度学术] 

    Mason P J, Manton M, Harrison D E, Belward A, Thomas A R, Dawson A, Allali A, Church J, Clarke R A, Eyre J, Folland C K, Gould W J, Haeberli W, Harrison S, Karl T R, Maurer T, Parker D, Proffitt M, Quegan S, Simmons A, Trenberth K and Verstraete M M. 2003. The second report on the adequacy of the global observing systems for climate in support of the UNFCCC. World Meteorological Organization [百度学术] 

    O'Reilly J E and Werdell P J. 2019. Chlorophyll algorithms for ocean color sensors-OC4, OC5 & OC6. Remote Sensing of Environment, 229: 32-47 [DOI: 10.1016/j.rse.2019.04.021] [百度学术] 

    Qi L, Hu C M, Barnes B B and Lee Z P. 2017. VIIRS captures phytoplankton vertical migration in the Ne Gulf of Mexico. Harmful Algae, 66: 40-46 [DOI: 10.1016/j.hal.2017.04.012] [百度学术] 

    Signorini S R, Franz B A and Mcclain C R. 2015. Chlorophyll variability in the oligotrophic gyres: mechanisms, seasonality and trends. Frontiers in Marine Science, 2: 1 [DOI: 10.3389/fmars.2015.00001] [百度学术] 

    Song Q J, Chen S G, Xue C, Lin M S, Du K P, Li S C, Ma C F, Tang J W, Liu J Q, Zhang T L and Huang X X. 2019. Vicarious calibration of COCTS-HY1C at visible and near-infrared bands for ocean color application. Optics Express, 27(20): A1615-A1626 [DOI: 10.1364/OE.27.0A1615] [百度学术] 

    Wang M H and Jiang L D. 2018. Atmospheric correction using the information from the short blue band. IEEE Transactions on Geoscience and Remote Sensing, 56(10): 6224-6237 [DOI: 10.1109/TGRS.2018.2833839] [百度学术] 

    Wang M Q, Hu C M, Barnes B B, Mitchum G, Lapointe B and Montoya J P. 2019. The great Atlantic Sargassum belt. Science, 365(6448): 83-87 [DOI: 10.1126/science.aaw7912] [百度学术] 

    Xu Y Z, He X Q, Bai Y, Wang D F, Zhu Q K and Ding X S. 2021. Evaluation of remote-sensing reflectance products from multiple ocean color missions in highly turbid water (Hangzhou bay). Remote Sensing, 13(21): 4267 [DOI: 10.3390/rs13214267] [百度学术] 

    Zhang Y J, Hu C M, Liu Y G, Weisberg R H and Kourafalou V H. 2019. Submesoscale and mesoscale eddies in the florida straits: observations from satellite ocean color measurements. Geophysical Research Letters, 46(22): 13262-13270 [DOI: 10.1029/2019GL083999] [百度学术] 

    Zibordi G, Mélin F, Berthon J F, Holben B, Slutsker I, Giles D, D’Alimonte D, Vandemark D, Feng H, Schuster G, Fabbri B E, Kaitala S and Seppälä J. 2009. AERONET-OC: a network for the validation of ocean color primary products. Journal of Atmospheric and Oceanic Technology, 26(8): 1634-1651 [DOI: 10.1175/2009JTECHO654.1] [百度学术] 

    文章被引用时,请邮件提醒。
    提交

    相关作者

    暂无数据

    相关机构

    中国海洋大学
    青岛海洋科学与技术国家实验室
    中国海洋大学三亚海洋研究院
    国家卫星海洋应用中心
    自然资源部 空间海洋遥感与应用重点实验室
    0