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 |
| |
引用本文: | 刘婷宇,白雁,朱伯仲,李腾,龚芳.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[J].海洋学研究,2023(1):82-95. |
| |
作者姓名: | 刘婷宇 白雁 朱伯仲 李腾 龚芳 |
| |
作者单位: | 1. 自然资源部第二海洋研究所;2. 浙江大学海洋学院 |
| |
基金项目: | 国家自然科学基金(42176177,41825014); |
| |
摘 要: | 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...
|
关 键 词: | 近海海湾 海表pCO2 支持向量机 高空间分辨率卫星遥感 象山港 |
|
|