利用Sentinel-3A OLCI可见光通道反演台湾岛气溶胶光学厚度

OLCI（Ocean Land Colour Instrument）作为MERIS（Medium Resolution Imaging Spectrometer）的后继升级版传感器,在气溶胶反演中存在潜在优势,但是目前利用OLCI数据进行气溶胶监测的研究较少。因此,本文针对OLCI多通道反射特征开发了OLCI云检测算法,并对传统查找表构建方法进行改进,根据观测几何特征提出动态查找表法,并通过光谱卷积方式等效转换MODIS和OLCI红蓝通道地表反射率并获取OLCI红蓝通道地表反射率固定关系,进而实现台湾岛550 nm处的AOD反演。与550 nm处AERONET level 2.0 AOD验证结果首先表明不同季节、不同站点的精度表现存在一定差异,其次相对于同期MOD04_3K AOD产品,本文反演结果与全球气溶胶自动观测网（AERONET）站点实测值之间表现出更显著 的相关性（R²=0.8199）,均方根误差（RMSE）从0.175下降到0.113,相对平均误差（RME）从33.6%下降到26.7%,且67.5%的OLCI AOD落在预测误差（EE）区间内,明显大于MOD04_3K AOD落在预测误差区间的百分比（55.7%）。此外,误差分析表明,当实际AOD值较低时,红蓝通道地表反射率之间关系的误判会导致较为明显的AOD反演相对误差。     

基于OLCI数据的洱海叶绿素a浓度估算

海陆颜色仪(OLCI)是搭载在Sentinel-3上的新型水色遥感传感器,其对于内陆清洁水体水质遥感监测的适用性有待验证.本研究以评价水体富营养化程度的重要参数叶绿素a(Chl.a)浓度为指标,以高原湖泊洱海为研究区,基于2017年4月19日共20个星地同步实验数据,建立了3种可应用于OLCI数据的Chl.a浓度遥感估算模型(波段比值模型、三波段模型以及FLH模型),并估算了当日洱海Chl.a浓度的空间分布.结果表明:(1)选用波段Oa8(665 nm)、Oa11(708.75 nm)和Oa12(753.75 nm)构建的三波段模型最适用于洱海水域的Chl.a浓度估算,其平均绝对误差百分比为12.37%,低于波段比值模型的16.04%和FLH模型的13.50%;(2)对OLCI使用的大气校正方法中,基于去瑞利散射的暗像元法对估算模型的适用性要优于6S、FLAASH以及QUAC方法;(3)洱海OLCI影像中近岸水体受邻近效应影响严重,近红外波段Oa12(753.75 nm)受陆地邻近效应影响的距离为1~2个像元,而Oa8(665 nm)、Oa10(681.25 nm)和Oa11(708.75 nm)波段为1个像元;(4)2017年4月19日全湖Chl.a浓度均值为12.15±5.72μg/L,洱海中部水域Chl.a浓度最低(9.00~12.00μg/L),北部水域浓度最高(12.00~22.76μg/L),南部水域浓度稍高(12.00~14.00μg/L),阳南溪与波罗江入湖口受降雨径流的影响出现"羽流现象",导致Chl.a浓度偏低,约为8.33μg/L.     

基于Sentinel-3 OLCI影像的巢湖藻蓝素浓度年内动态遥感监测

藻蓝素(PC)是水体蓝藻的指示性色素,其浓度反映了蓝藻生物量,利用卫星遥感监测藻蓝素浓度年内动态对蓝藻水华的有效防控有着重要意义.根据不同季节的巢湖藻蓝素浓度实测数据与同期Sentinel-3 OLCI影像,构建机器学习回归反演模型,应用于巢湖2019年OLCI影像集上,对巢湖藻蓝素浓度的空间分布、年内变化进行遥感监测...     

Sentinel-3 OLCI数据的内陆湖泊有机悬浮物浓度遥感估算

有机悬浮物OSM (Organic Suspended Matter)是湖泊有机碳库的重要组成成分,对研究湖泊生态环境和初级生产力具有重要意义.本研究以太湖、巢湖、涌湖、小兴凯湖、滇池、洪泽湖、呼伦湖和南漪湖8个内陆湖泊为研究区,发展了适合内陆水体的有机悬浮物浓度遥感估算方法.基于B6、B7波段的斜率和B10、B11波...     

基于Sentinel-3载荷OLCI和SRAL数据的内波同步探测研究

The ocean and land color instrument(OLCI) and synthetic aperture radar altimeter(SRAL) installed aboard the Sentinel-3 satellite have been in orbit for operational uses. In this study, data collected from Sentinel-3 are used to investigate internal waves in the South China Sea. An internal wave is detected using an OLCI image with a resolution of 300 m, and an analysis was performed with a quasi-synchronous moderate-resolution imaging spectroradiometer(MODIS) image. The opposite characteristics of OLCI and MODIS images of the same internal wave are explained by the critical angle in brightness reversals. The unique observational geometry of the OLCI image and its influence on observations of internal waves are discussed. The distribution of σ0 and sea surface height anomalies(SSHAs) induced by internal waves are studied using SRAL records. The σ0 records of SRAL occasionally show less sensitivity to the modulation of internal waves, which may be attributed to the observational geometry, while SSHAs show obvious variations. The synchronous pairing of OLCI images and SRAL records are analyzed to extract the three-dimensional sea surface signatures induced by internal waves. The analysis demonstrates that the profile of SSHAs in the surface shows an opposite phase to the profiles of internal waves in the ocean. The opposite phase relationship, observed in the remote sensing view, is also confirmed with a laboratory experiment.     

基于OLCI数据的杭州湾悬浮物浓度估算及其产品适用性分析

悬浮物含量及其时空分布是河口海岸环境中关心的热点问题。2016年2月16日,欧洲航天局发射了新一代海洋水色传感器(OLCI),该传感器具有良好的时空及光谱分辨率。本研究结合2017年7月杭州湾同步采样数据,对比了6种大气校正算法和8种悬浮物浓度(TSM)估算模型,遴选和分析了适宜于杭州湾和OLCI数据的大气校正方法和TSM估算模型,验证了OLCI数据二级产品精度和适用性。结果表明:(1)基于紫外光谱的大气校正算法(UVAC)精度最高,同步4个采样点的大气校正平均相对误差(MAPE)分别为34.21%、13.11%、5.92%和20.28%。在除Oa1以外的14个波段的MAPE均值为15.23%,Oa4至Oa10波段的MAPE低于8%;(2)基于Oa16/Oa5的波段比值模型,具有良好的建模(MAPE为16.49%,RMSE为50.92 mg/L)和验证(MAPE为19.08%,RMSE为19.29 mg/L)精度及模型稳健性;(3)基于C2RCC算法的固有光学量和TSM含量产品及OLCI二级TSM含量产品在杭州湾精度较差,不适用于杭州湾TSM和固有光学量遥感监测应用;(4)空间上,TSM在杭州湾中部区域含量较低,在杭州湾南岸和湾口区域含量较高。     

基于随机森林的内陆湖泊水体有色可溶性有机物(CDOM)浓度遥感估算

水体中的有色可溶性有机物(CDOM)是湖泊生态系统中氮、磷等有机营养物质的重要来源,利用卫星遥感数据反演内陆水体中CDOM浓度一直是个挑战.因此本文基于滇池2009年9月、2017年4月以及太湖2016年7月的现场原位观测和室内实验,在分析水体固有光学特性的基础上,引入机器学习算法,建立了基于哨兵-3A OLCI传感器的我国内陆湖泊水体CDOM浓度随机森林反演模型.利用独立的验证数据集对所构建的随机森林模型及常用的波段比值模型、一阶微分模型、半分析模型、BP神经网络模型等的反演精度进行评价.结果表明:随机森林模型的均方根误差为0.14 m-1,平均相对误差为21%,与反演效果相对较好的BP神经网络模型相比,均方根误差降低了50%,平均相对误差降低了38%,反演精度得到了显著的提高.根据随机森林算法的特征重要性参数提供的各自变量影响力结果,发现B11(709 nm)和B6(560 nm)波段贡献率最大,是反演CDOM的敏感波段.最后将随机森林模型应用到滇池2017年4月12日、太湖2017年5月18日的哨兵-3A OLCI影像上,得到滇池、太湖水体CDOM浓度分布图.滇池CDOM浓度的分布特征大致符合东北、西南高,中西部低的趋势,且河口处的CDOM浓度高于湖泊水体,表明径流的输入给滇池水体带来了大量的CDOM.太湖CDOM浓度的分布特征大致符合西部高,湖心区和东部低的趋势.太湖西部以及北部梅梁湾受入湖河流影响较大,CDOM浓度较高,太湖开敞区远离河口处,受外源河流的影响逐渐减小,且由于湖水的不断稀释,CDOM浓度不断降低.太湖东部水生植物很多,湖水较为清澈,CDOM浓度较低.