基于DINEOF的静止海洋水色卫星数据重构方法研究

静止轨道海洋水色成像仪(Geostationary Ocean Color Imager, GOCI)提供了时间分辨率达小时级的海洋水色数据,使得对海洋环境的逐时变化监测成为可能。然而受到海洋上空云、雾和霾的影响,数据出现连续高缺失率甚至完全缺失的情况,使得数据使用价值大大降低。在经验正交函数重构法(Data INterpolating Empirical Orthogonal Functions, DINEOF)的基础上,突出时间要素在重构中的地位,运用异常像元检测、拉普拉斯平滑滤波和时间模态2次分解插值,提出了适用于静止海洋水色卫星数据的重构方法——DINEOF-G。利用此方法对杭州湾2017年的GOCI总悬浮物质量浓度数据进行重构,结果表明该方法相比经典方法在重构精度上提高了8%,数据重构率提高了36%,且重构结果较好地反映了杭州湾总悬浮物质量浓度的季节变化规律和空间分布特征。