高空间分辨率海表CO2分压的卫星遥感反演算法：机器学习在秋季象山港的应用

近海海湾受人类活动及自然变化影响大,海水碳源汇格局变化影响机制极其复杂。由于海湾空间尺度小,需要使用宽波段的高空间分辨率卫星遥感对海-气CO₂通量进行监测评估。相对于传统公里级的水色卫星资料,海-气CO₂通量定量估算的关键参数——海表CO₂分压(sea surface partial pressure of CO₂,pCO₂)遥感反演在小尺度海湾具有极大的挑战性。该文以秋季象山港为例,利用走航观测pCO₂数据及近5年哨兵2号(Sentinel-2)卫星影像,采用支持向量机(support vector machine, SVM)机器学习的方法,基于Sentinel-2遥感反射率及其比值,建立了海表pCO₂的遥感反演算法。算法验证结果显示决定系数为0.92,均方根误差为23.23μatm,遥感反演结果与实测值具有较高一致性。在此基础上,制作了2017—2021年秋季(9—11月)象山港海表pCO₂遥感产品,结果表明...