基于MODIS遥感数据反演东海叶绿素a的研究 .pdf

发布时间：2022-06-14 发布人：admin 分类：说明书资料大小：0.63M 资料格式：pdf 举报版权申诉

e8b06b57-bbed-4366-a55c-15ff67e1e419.pdf-第1页.png

第1页 / 共9页

e8b06b57-bbed-4366-a55c-15ff67e1e419.pdf-第2页.png

第2页 / 共9页

e8b06b57-bbed-4366-a55c-15ff67e1e419.pdf-第3页.png

第3页 / 共9页

e8b06b57-bbed-4366-a55c-15ff67e1e419.pdf-第4页.png

第4页 / 共9页

e8b06b57-bbed-4366-a55c-15ff67e1e419.pdf-第5页.png

第5页 / 共9页

e8b06b57-bbed-4366-a55c-15ff67e1e419.pdf-第6页.png

第6页 / 共9页

e8b06b57-bbed-4366-a55c-15ff67e1e419.pdf-第7页.png

第7页 / 共9页

e8b06b57-bbed-4366-a55c-15ff67e1e419.pdf-第8页.png

第8页 / 共9页

文本预览

中国科技论文在线 http://www.paper.edu.cn 基于 MODIS 遥感数据反演东海叶绿素 a 的研究邵长江，王铮** 5 10 15 （华东师范大学地理信息科学教育部重点实验室）摘要：海洋叶绿素浓度己成为衡量浮游植物的生物量和富营养化程度的最基本的指标，叶绿素浓度反演对海洋-大气系统中碳循环研究及海洋环境监测有重要意义。而遥感具有大面积同步观测、时效性、经济性等特点，长时间序列的卫星数据正好可以传统监测方式的不足，揭示海洋的宏观环境变化特征。研究过程中，选取上海海洋大学 MODIS 卫星地面接收站的 2008 年 2 月 15 日、2008 年 2 月 28 日和 2008 年 5 月 7 日三景 MODIS1B 数据。首先对所获取的 MODIS 数据进行几何校正和辐射定标等预处理。然后利用 MODIS 的水色波段数据，经过大气校正处理后获取海面离水辐射率信息，将离水辐射率数据转化为遥感反射率值，最后采用标准经验算法及其修正方法提取出海表叶绿素 a 浓度信息，在此过程中得到了以下一些认识：叶绿素的浓度分布具有一定的时间和空间分布特征，具体表现为浓度由近岸向外海逐渐降低，远海海域全年叶绿素浓度变化较小，而近海海域由于海流状况季节变化明显，同时受河流出口淡水的季节变化影响，造成叶绿素浓度季节变化显著。关键词：遥感反演；MODIS；东海；叶绿素 a 浓度中图分类号：P407 20 Retrival chlorophyll-a of East China Sea based on MODIS remote sensing data SHAO Changjiang, WANG Zheng 25 30 35 40 (Key Laboratory of Geographic Information Science,Ministry of Education,East China Normal University,Shanghai,200241) Abstract: Oceanic chlorophyll concentration is the important indicator of phytoplankton and water quality. So chlorophyll concentration retrieval is meaningful for carbon cycle in ocean atmosphere, as well as for monitoring the ocean environment. Remote sensing has advantage of simultaneous observation with a large area, timeliness, economic and so on.Long-time series of satellite data can reveal the whole environment variety, which is the significant over the field measurement. In the research,we selects the MODIS1B data of Shanghai Ocean University MODIS satellite ground receiving station，include February 15, February 28 and May 7,2008. At first, pre-processing for MODIS I B formatted data is applied, which include geometric correcting with MOOIS satellite derived latitude and longitude data and visible band reflectance and infrared band radiance calibrating based on MODIS model with the sun angles. After the data pre-processing, the standard NASA experience model and its correction algorithm for chlorophyll-a concentration is used to get chlorophyll-a from MODIS band 9, 10 and 12 reflectance data, which are converted from band water-leaving radiance data after atmospheric correction. The result shows that: Distribution of concentration of chlorophyll-a has certain time and space characteristics, Specific performance is that concentration decreases from the near shore to open sea, ocean chlorophyll concentration changed little throughout the year, while current conditions offshore seasonal changed as well as by fresh water from the export of rivers, resulting in a significant seasonal variation of chlorophyll concentration. Key words: Remote sensing retrival; MODIS; East China Sea;Chlorophyll-a Concentration 45 作者简介：邵长江（1990-），男，硕士研究生，地理计算通信联系人：王铮（1954-），男，教授，地理计算. E-mail: wangwzheng@126.com - 1 -

中国科技论文在线 http://www.paper.edu.cn 0 引言海洋叶绿素作为评价水质、营养状态、有机污染程度的一个重要的环境评价参量，其浓度己成为衡量水体初级生产力和富营养化程度的最基本的指标，监测叶绿素浓度是水环境遥感监测的主要项目之一。 50 传统的海洋叶绿素研究方法一般依赖于船只的走航取样，然后由实验方法测定。成本高，速度慢，而且都是离散的点数据，难于长时间跟踪监测，更无法实现大范围尤其是全球尺度的研究[1]。卫星遥感技术能快速、大尺度地获取叶绿素浓度、海表温度、光合作用有效辐照度、透明度等海洋生态环境数据，并且有一定的精度，是对海洋观测、获取海洋信息不可缺少的手段。 55 通过海洋遥感获取的海洋叶绿素数据，从近岸应用角度讲，可以掌握海洋初级生产力的 60 65 分布、海洋渔业以及养殖业资源状况和环境质量等，为海洋生物资源合理开发和利用提供科学依据，同时也为海洋环境监测、环境保护、管理执法提供数据依据。从全球应用角度讲，可为海洋生态环境的评价与预测以及全球气候变暖的深入了解提供有效途径[2]。从国外研究来看，Kondratyev 研究了生物光学模型的方法对 Ladoga 湖的叶绿素浓度进行了反演[3]；Lahet 通过建立三要素反射模型反演西班牙北部的 Ebro 湖的叶绿素浓度，取得了较理想的结果[4]。Hoogenboom 等分析水体中各个组分的相互作用机制，以物理分析的方法从水下辐照度来提取叶绿素 a 浓度[5]。Donald 通过实测数据与实验分析结果建立了近表水下遥感反射率的正向物理模型，根据实测的水下遥感反射率，利用反向模型来反演叶绿素 a 的浓度[6]。国内相关的研究也很多，陈楚群等利用 SeaWIFS 数据，SeaDAS 的叶绿素 a 浓度估算模式，做了南海海域叶绿素浓度分布特征的卫星遥感分析[7]；陈晓翔等利用 SeaWIFS 数据估算珠江口海域表层叶绿素浓度的研究[8]，丛丕福等利用海洋卫星 HY-1 数据和 NDPI 算法获得大面积的叶绿素 a 的浓度[9]；邹亚荣，邹斌等做了渤海叶绿素季节 GIS 空闻分析[10]；黄海清，何贤强，官文江等也做了相关的叶绿素方面的研究工作[11]。周伟华等利用 4 个月的实测资料，研究了长江口海区叶绿素 a 及初级生产力的分布特点[12]。 70 1 数据来源与研究区域 1.1 数据来源本文首先对上海海洋大学 MODIS 卫星地面接收站的遥感数据进行了详细的筛选，选出了 2008 年 2 月 15 日，2008 年 2 月 28 日和 2008 年 5 月 7 日三景云量较少、成像效果较好的 MODIS1B 数据，使用 ENVI 软件对数据进行几何校正，截取研究区域后再运用 ENVI 软 75 件中的 FLASSH 模块对数据做大气校正，提取出校正后的离水辐射率。经过这一系列预处理过程之后，选用两种叶绿素浓度提取模型对数据进行计算，提取出东海叶绿素浓度信息，得出研究区域的叶绿素浓度分布图。具体工作流程如图 1： - 2 -

中国科技论文在线 http://www.paper.edu.cn 80 1.2 研究区域图 1 技术流程图 Fig.1 technique flow chart 东海是世界著名渔场之一，渔业资源非常丰富，我国著名的舟山渔场和大沙渔场等就分布于此，但它也是我国赤潮的高发区，频繁大面积的赤潮爆发严重破坏了该地区海洋的生态环境，并且影响到了海洋鱼类食品的安全。海水叶绿素质量浓度是海洋 85 生态研究中的一个重要指标，其在预防赤潮灾害、保护海洋环境、分析渔场形成等均具有指导作用。20 世纪 70 年代以来发射的多颗海洋水色观测卫星为海洋环境研究提供了较高精度的水色数据，使开展海上大范围、长时间的叶绿素质量浓度研究成为可能。本文研究区域主要在东海海域长江口海域地区，见图 2： 90 图 2 研究区域图 Fig.2 research region 2 数据处理 2.1 几何校正几何校正是指对由于 MODIS 探测器对地球观测的视野几何特性、地球表面的曲 - 3 - MODIS遥感数据几何校正大气校正叶绿素提取模型校正后离水辐射率叶绿素分布图

中国科技论文在线 http://www.paper.edu.cn 95 率、地形起伏和探测器运动中的抖动等因素的共同影响产生的影像几何畸变进行校正的过程 [13]。MODIS 数据中带有经度和纬度信息，可以利用 MOOIS 数据文件中自带的经度和纬度数据对 MODIS 本身进行几何校正。校正的原理就是使图像中的每个像元对应一个经纬度坐标值，根据坐标值将此像元对应到标准地理空间的相应位置上，从而达到几何校正的目的 [14]。但是在 MODIS 数据中经纬度数据的大小与图像数据的大 100 小是不等的。分辨率为 1000m 的图像大小为 1354x1010，对应的经纬度数据大小为 271x202；分辨率 500m 和 1250m 的图像大小分别为 271x2020、5416x4040，对应的经纬度数据的大小都是 1354x1010。因此，在进行几何校正以前必须将经纬度数据重采样到图像数据的大小，或者将图像数据重采样到经纬度数据的大小 [15]。这样的几何校正方法免去了以往几何校正过程中人工选取地面控制点的工作，使结果数据不受地面 105 控制点选取误差的影响，提高计算精度，简化了工作程序。几何校正的另外一种方法是 Built GLT 。由于 MODIS 数据的 HDF 文件中已包含的经纬度数据，通过调用 ENVI 的 Built GL T (Geometry Lookup Tab le) 功能, 以经度作为 X 方向数据, 以纬度作为 Y 方向数据建立 GL T , 然后在 ENVI 的 map 模块中的 geo-reference from GLT 使用 GL T 对图像进行几何校正。其原理就是使图像中的每一 110 个像素对应一个坐标 ,根据坐标值将此像素放在相应的位置上 , 从而达到几何校正的目的。本文采用了第二种方法对数据进行几何校正。几何校正前后图像对比如下：图 3 校正前后对比，左图为校正前，右图为校正后 Fig.3 correction compare, right is before and left is after 115 2.2 大气校正大气校正总体过程包括辐射亮度的计算和大气校正参数的输入。本文使用 ENVI 软件中 - 4 -

中国科技论文在线 http://www.paper.edu.cn 的 FLAASH 模块进行大气校正。FLAASH 大气校正使用了 MODTRAN 4+ 辐射传输模型的代码，基于像素级的校正，校正由于漫反射引起的连带效应，包含卷云和不透明云层的分类图，可调整由于人为抑止而导致的波谱平滑。FLAASH 可对 Landsat, SPOT, AVHRR, ASTER, 120 MODIS, MERIS, AATSR, IRS 等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进行快速大气校正分析。能有效消除大气和光照等因素对地物反射的影响，获得地物较为准确的反射率和辐射率、地表温度等真实物理模型参数[16]。 3 反演算法经验算法是以实测数据为基础，通过研究水体表面光学量和叶绿素浓度之间的定量关 125 系，即通过测量水体表面的光谱辐射特征和水体中叶绿素浓度而建立的算法。经验算法典型模型是基于波段比值的色素算法，基于研究区域的特征和算法的可实现性，本文采用了两种相对比较简单的叶绿素浓度算法[17]，两者都是将大气校正后得到的 MODIS9、10、12 波段离水辐射率数据转化为遥感反射率值然后经过算法提取出海表叶绿素浓度信息。第一种为 NASA 的标准经验算法，另外一种是中国科学院第一海洋研究所对 130 SeaDAS 的叶绿素估算模式 OC3 算法，是利用实测数据严格按照时空匹配要求，且经过精度评估得到的。主要的算法如下：（1）NASA 标准经验算法其中 (2) (1) 135 为遥感反射率， (3) 为地球外太阳辐照度，为大气漫射透过率（2）OC3 算法 (4) (5) 140 式中 =0.29， =-2.21，为遥感反射率 - 5 - 2340.2832.7531.4570.6591.403_10RRRRChla10443488()551logrsrsrsRRRRrsR0()()()coswirsiisLRFt0F()it01()10ccrChla10443488()551logrsrsrsRRRR0c1crsR

中国科技论文在线 http://www.paper.edu.cn 4 反演结果 4.1 叶绿素分布图 145 Fig.4 Concentration of Chlorophyll-a in 2.15, algorithm1(left), algorithm2(right) 图 4 2 月 15 日算法 1（左）和算法 2（右）叶绿素浓度图图 5 2 月 28 日算法 1（左）和算法 2（右）叶绿素浓度图 Fig.5 Concentration of Chlorophyll-a in 2.28, algorithm1(left), algorithm2(right) 150 图 6 5 月 7 日算法 1（左）和算法 2（右）叶绿素浓度图 Fig.6 Concentration of Chlorophyll-a in 5.7, algorithm1(left), algorithm2(right) - 6 -

中国科技论文在线 http://www.paper.edu.cn 4.2 结果分析从反演的叶绿素分布图中可以看出，海域的叶绿素浓度的分布具有明显的时间和空间变 155 化特征。空间上，从图上我们可以看出：由于东海的地理特征，长江口等近岸的叶绿素浓度较大，浓度从离近岸向东海中央方向递减。为了更清晰的证明这一趋势，本文借助 ENVI 软件，选取了 08 年 2 月 15 日和 5 月 7 日算法 1 的叶绿素浓度反演图像，由长江口附近向外海依次选取了十个感兴趣区(见图 7)，通过统计这些感兴趣区的叶绿素浓度平均值，然后在 EXCEL 中制图来分析叶绿素浓度的变化趋势，具体结果见图 8 和 9： 160 图 7 感兴趣区选取图 Fig.7 Interesting region selected 165 图 8 2 月 15 日叶绿素浓度变化趋势图 Fig.8 The concentration variation - 7 - y = -0.0144x2 + 0.069x + 1.1704R2 = 0.96540.20.40.60.811.21.412345678910叶绿素浓度

中国科技论文在线 http://www.paper.edu.cn 图 9 5 月 7 日叶绿素浓度变化趋势图 Fig.9 The concentration variation 由上图可以很明显的看出叶绿素浓度由近岸向外海逐渐降低这一空间变化趋势。 170 时间上，各代表月份的叶绿素 a 浓度具体情况： 2 月 15 日，叶绿素 a 浓度高的海域主要在东海的沿岸上升流海域。这可能是由于冬季温度低，海水垂直混合好，而沿岸海域海水浅、融合强、营养盐较丰富，适合浮游植物生长。长江口由于长江冲淡水径流带来的陆源物质具有丰富的营养盐，使得长江口叶绿素比较高。 2 月 28 日，叶绿素 a 浓度相比 15 日来说由于时间跨度不是很大，近岸变化不明显，但 175 杭州湾与舟山之间海域的叶绿素 a 浓度有所下降，长江口外海海域浓度有所上升，这可能是由于水流、水团或温度等的影响。 5 月 7 日，叶绿素 a 的浓度与 2 月份相比，外海叶绿素 a 浓度有所降低。从卫星反演的叶绿素 a 浓度可以看出，整个海域的叶绿素 a 浓度变化差异较大，近岸海域叶绿素 a 浓度依然较高。 180 从以上几个代表性的叶绿素浓度分布状况基本可以看出，水流、水团的特性及其分布对叶绿索浓度分布有一定的影响。东海近海终年为二类水体，叶绿素浓度较高。各河流冲淡以及海流对东海叶绿素浓度的分布和变化有明显影响。外海海域整体叶绿素 a 浓度变化幅度较小。从冬季到春季，由于温度升高，大部分海域由于受海水垂直混合程度下降、营养物质减少的影响而使叶绿素浓度有所降低。综合来看，远海海域叶绿素浓度变化较小，而近海海域 185 由于海流状况季节变化明显，同时受河流出口淡水的季节变化影响，造成叶绿素浓度季节变化显著。 5 结论本文主要研究基于 MODIS 遥感数据提取叶绿素 a 浓度信息。利用上海海洋大学 MODIS 卫星地面接收站的 2008 年 2 月 15 日，2 月 28 日和 5 月 7 日三景云量较少且成像效果较好 - 8 - y = -0.0086x2 + 0.0466x + 1.0821R2 = 0.97880.60.70.80.911.11.212345678910叶绿素浓度

分享到：

赞收藏

资料库

基于MODIS遥感数据反演东海叶绿素a的研究 .pdf

相关推荐

开发技术

热门标签

最新资料