基于客观分析的多源卫星叶绿素a浓度产品融合方法研究

本文基于Aqua/MODIS、Terra/MODIS和Envisat/MERIS多源卫星叶绿素a浓度产品,研究了客观分析融合方法,制作了西北太平洋海域(0°~50°N,100°~150°E)叶绿素a浓度融合产品,并从有效数据空间覆盖率和产品精度两个方面对融合方法进行了评价。与单传感器以及欧洲太空局发布的GSM模型业务化融合产品相比,客观分析融合产品空间覆盖率明显提高;与收集的2002-2012年间叶绿素a浓度实测数据比较,GSM模型业务化融合产品的匹配数据点为578个,偏差为-0.20 mg/m3,均方根误差为0.37 mg/m3,客观分析法融合产品的匹配数据点为1432个,偏差为-0.21 mg/m3,均方根误差为0.36 mg/m3。结果表明:本文研究的客观分析融合方法在保证融合产品精度的同时可显著提高产品的空间覆盖率,在海洋水色融合应用前景广阔。     

杜氏盐藻生长及PSⅡ对不同磷源的响应

在实验室控制条件下,研究了无机磷磷酸二氢钠(NaH_2PO_4)及3种有机磷源三磷酸腺苷二钠盐(adenosine disodium triphosphate,ATP)、β-甘油磷酸二钠(sodiumβ-glycerophosphate,G-P)和D-葡萄糖-6-磷酸(D-Glucose 6-phosphate,D-G-6-P)对杜氏盐藻(Dunaliella salina)生长及PSII系统的影响。结果表明,杜氏盐藻在ATP和NaH_2PO_4的磷环境中生长迅速,最大比生长速率(μ_(max))分别为(0.736±0.0158)/d和(0.667±0.0553)/d;而β-甘油磷酸二钠和D-葡萄糖-6-磷酸培养条件下盐藻生长则具有滞后效应,μ_(max)分别为(0.232±0.0114)/d和(0.31±0.0077)/d。ATP和NaH_2PO_4作为磷源时,盐藻最大电子传递效率(ETR_(max))和最大饱和光强(I_k)显著高于β-甘油磷酸二钠和D-葡萄糖-6-磷酸处理组(P0.05),而NPQ则呈相反。JIP-test参数可知,单位反应中心吸收的光能(ABS/RC)、t=0时单位反应中心捕获的用于还原QA的能量(TR_0/RC)和最大光化学效率(Φ_(P0))在各组间差异不显著(P0.05),但β-甘油磷酸二钠和D-葡萄糖-6-磷酸处理组单位反应中心耗散掉的能量(DI_0/RC)显著增加(P0.05),ψ_0和Φ_(E0)显著降低(P0.05)。表明β-甘油磷酸二钠和D-葡萄糖-6-磷酸作为磷源时盐藻光合系统反应活性中心(RC)部分关闭,反应活性中心的数量(RC/CS_0)减少,PSⅡ受体侧电子传递受到影响,能量耗散效率提高。综上可知,杜氏盐藻均能利用无机磷和有机磷作为磷源供其生长,但ATP作为磷源使得盐藻在最短时间进入对数期,生物量显著提高(P0.05)。     

长江口及其邻近海域叶绿素a分布特征及其与低氧区形成的关系

于2013年3月和8月研究了长江口及其邻近海域叶绿素a的分布特征,并对环境因子和长江冲淡水对浮游植物生物量分布的影响进行了探讨。结果表明,叶绿素a浓度在丰水期较高,平均值为5.18μg/L,最高值达32.05μg/L,现场海水出现变色现象;与同期历史资料对比分析,发现该海域叶绿素a浓度呈现出波动增长趋势。丰水期与枯水期叶绿素a的相对高值区均位于冲淡水的中部,122.5°E~123°E之间;丰水期在调查海域出现溶解氧低值区与低氧区,最低值仅为0.64 mg/L;发现低氧区出现位置北移、面积扩大和溶解氧最低值下降的趋势。底层溶解氧低值区分布与表层叶绿素高值区大致吻合,表明低氧现象与表层浮游植物的生长和现存量密切相关,在跃层存在的水体中表层浮游植物的大量繁殖易造成底层低氧区的出现。     

基于近岸海域自动监测浮标的水华发生过程分析

利用位于广西廉州湾的自动监测浮标从2010年开始监控到的水华监测数据,分析水华发生前后溶解氧、pH、叶绿素等数据变化,结合气象、浮游植物密度数据,探讨不同赤潮藻增殖过程环境因子的变化规律,为赤潮机理及预警预报研究提供科学参考。廉州湾水华的叶绿素自动监测数据高值范围为24.5~77.0μg/L,浮游植物优势种为硅藻,浮游植物密度接近赤潮爆发的阈值。自动监测浮标能捕捉并监控到水华发生全过程,其长时间高频率的观测资料可有效应用于水华及赤潮的预警预报。不同藻种水华的自动监测数据变化具有差异性,在进行水华预警时应综合考虑叶绿素、溶解氧以及pH的变化。气象因素是水华诱发的因素,降雨过后,气温突升,风速小于等于三级时,可结合自动监测网络监测数据,发布水华预警。     

基于UHD185成像光谱仪的茶叶叶绿素含量反演

UHD185成像光谱仪可分析茶叶中叶绿素的含量,从而快速、无损地鉴定茶树的健康状况和茶叶的品质。以华中农业大学茶园为研究区,通过无人机搭载UHD185成像光谱仪进行光谱测量和叶绿素含量测定,利用偏最小二乘法回归(PLSR)、向前逐步回归结合PLSR和支持向量机(SVM)非线性回归方法建立光谱数据和叶绿素含量的反演模型。结果表明,利用PLSR建立的回归模型得到的叶绿素预测值和实测值的相关系数为0.65;利用向前逐步回归结合PLSR建立的回归模型得到的叶绿素预测值和实测值的相关系数达到0.78;SVM非线性回归建模的相关性较高,预测值和实测值的相关系数为0.88。因此,可利用向前逐步回归结合PLSR和SVM非线性回归作为茶叶叶绿素含量的反演模型。     

快速失水下5种喀斯特植物离体叶片叶绿素荧光的响应

文章设置饱水及随后失水处理自然生长的5种喀斯特植物叶片,测定其叶绿素荧光参数,分析各植物光合过程的响应特征。结果显示:盐肤木（Rhus chinensis）PSII反应中心活性及电子传递受严重失水影响,而其稳定的光能转化及光化学效率得益于叶绿素浓度的不断增加;构树（Broussonetia papyrifera）和金银花（Lonicera japonica）的叶绿素浓度逐渐升高随后趋于稳定,构树PSII反应中心对失水敏感,其活性及光能转化对随后持续失水逐渐适应。金银花光合结构及PSII反应中心表现稳定;火棘（Pyracantha fortuneana）叶绿素浓度从第4小时开始增加,光合结构趋于稳定,电子传递速率及光能转化逐渐增加;杨梅（Myrica rubra）电子传递速率及光化学效率均较低。      

南海北部叶绿素a浓度遥感反演算法评估与COCTS反演算法构建

本文利用2018年9—10月和2020年7—8月在南海北部海域获取的叶绿素a浓度和遥感反射率现场实测数据,对3种叶绿素a浓度标准算法（OC2v4、OC3M和OC4v4）及3种区域算法（OC4v4＿TP、OC2＿X、INOC3）进行了模型精度评估;根据我国自主海洋水色卫星（HY-1C和HY-1D卫星）搭载的水色水温扫描仪（COCTS）的波段设置,构建了适用于我国南海北部海域的两波段、三波段、四波段和五波段比值的叶绿素a浓度反演算法。研究结果表明：标准算法的反演精度优于区域算法;针对HY-1C和HY-1D卫星构建的五波段比值OC5＿C算法反演精度较标准算法反演精度有很大提高,叶绿素a浓度反演值与实测值的平均绝对误差为0.08μg/L,平均相对误差为21.36%,可为我国海洋水色卫星遥感数据在南海及同类水体的定量化应用提供算法支撑。     

油沙藻混合水体遥感反射率光谱特征分析

在石油类污染水体中,通过遥感技术获取的遥感反射率(Remote sensing reflectance,R_rs)主要是油(石油类物质)、沙(悬浮泥沙)和藻(叶绿素)三种水体组分共同贡献的结果。基于现有的油藻混合水体R_rs光谱的研究基础,本文通过添加悬浮泥沙组分,进一步研究油沙藻混合水体R_rs光谱变化特征,旨在提高基于R_rs所建立的石油类污染浓度C_oil遥感反演模型的精度。将2018年8月25—27日在辽宁省大连港海域针对石油类污染水体所测量的现场数据作为输入参数,采用浓度配比方式,基于辐射传输模型Hydrolight对R_rs光谱数据进行模拟,并对纯沙、油沙、油沙藻等不同组合水体的R_rs光谱变化特征展开分析。结果表明：(1)在纯沙单组分水体中,不同浓度的R_rs在440 nm处出现了交汇,交汇处前后R_rs的光谱变化在量级和形状上有明显的差异;(2)在油沙双组分混合水体中,R_rs     

基于现场数据的叶绿素荧光量子产量算法研究

自然水体中太阳光激发的叶绿素a荧光的最早观测记录可以追溯到1967年.Tyler et al.发现,在自然水体的反射光谱中685 nm附近存在一个比较明显的反射峰[1],当时解释为由于670nm处的叶绿素吸收而导致的“异常色散”[2].随着Morel et al.[3]和Neville et al.[4]进一步的研究,人们认识到这应该是太阳光激发的叶绿素荧光峰,但这一荧光的量子产量非常低,Gordon估算了它的值在0.002到0.020之间[5].     

Seasonal and spatial distributions of phytoplankton biomass associated with monsoon and oceanic environments in the South China Sea

Seasonal variations of phytoplankton/chlorophyll-a （Chl-a） distribution, sea surface wind, sea height anomaly, sea surface temperature and other oceanic environments for long periods are analyzed in the South China Sea （SCS）, especially in the two typical regions off the east coast of Vietnam and off the northwest coast of Luzon, using remote sensing data and other oceanographic data. The results show that seasonal and spatial distributions of phytoplankton biomass in the SCS are primarily influenced by the monsoon winds and oceanic environments. Off the east coast of Vietnam, Chl-a concentration is a peak in August, a jet shape extending into the interior SCS, which is associated with strong southwesterly monsoon winds, the coastal upwetling induced by offshore Ekman transport and the strong offshore current in the western SCS. In December, high Chl-a concentration appears in the upwelling region off the northwest coast of Luzon and spreads southwestward. Strong mixing by the strong northeasterly monsoon winds, the cyclonic circulation, southwestward coastal currents and river discharge have impacts on distribution of phytoplankton, so that the high phytoplankton biomass extends from the coastal areas over the northern SCS to the entire SCS in winter. These research activities could be important for revealing spatial and temporal patterns of phytoplankton and their interactions with physical environments in the SCS.