海洋水色成像仪:从CZCS到SeaWiFS

SeaWiFS仪器 SeaStar卫星上装配的SeaWiFS仪器如图3所示。OSC正在制造SeaWiFS卫星,并将探测仪的结构的子合同转包给休斯公司桑巴巴拉研究中心(Hughes/Santa Barbara)(SBRC),将在1994年初用“

海洋水色遥感器发展趋势初探

海洋水色遥感技术是近年兴起的海洋探测技术。它通过各种遥感平台上的探测器对海洋表面的水色进行探测,反演出海洋水体中的叶绿素浓度、泥沙含量及黄色物质浓度,进而得到关于海洋的各种信息。本文介绍了未来几年的星载海洋水色遥感器,并将其与第二代海洋水色遥感器进行了初步对比,对其未来的发展趋势进行了展望。

韩国静止轨道海洋与环境卫星GK 2B及载荷分析

2020年2月19日,地球静止轨道-韩国多用途卫星2B(GK 2B,又称千里眼2B)搭乘阿里安-5ECA火箭在库鲁航天发射场成功发射。3月9日,卫星成功定点于目标轨道[高度35786km,128.25°(E)]。该卫星搭载“全球海洋水色成像仪”(GOCI-II)和“地球静止环境监测光谱仪”(GEMS)2个有效载荷,用于海洋监测和环境监测任务。

海洋环境监测技术的现状

无污染、高质量的海洋环境是一种宝贵的资源,它既有利于海洋生物资源的增殖,也有利于人类的健康。在现代海洋开发的深度和广度日益发展的今天,众多的高技术下海,有效地保护了这一宝贵的资源,海洋开发因而达到预期的经济效果。本文将对当前世界上重要的海洋环境监测高技术作些概略地介绍。

黄海潮波系统下的GOCI反演及OSU模式海表流场数据适用性研究

黄海呈现独有的地形条件,且该海域的潮波运动独具特征。本文利用静止海洋水色成像仪(Geostationary Ocean Color Imager, GOCI)遥感反演和俄勒冈州立大学(Oregon State University,OSU)潮流模式分别获取了黄海海域的海表流场,基于该海域独特的潮波系统提出并识别潮波干涉区,进而对GOCI反演的流场做潮流提取,并对两种潮流数据作分区可用性评价,通过实测的漂流浮标数据验证评估。结果表明:利用GOCI反演和OSU潮流模式获取的海表流场具有一定程度的可靠性,GOCI反演的海表流场的流速平均相对大小误差值为0.77,OSU潮流模式获取的海表流场流速平均相对大小误差值为0.49;在靠近潮波干涉区的黄海中部海域,GOCI潮流数据与实测数据在方向上的一致性要优于OSU潮流数据,两者平均角度误差值分别为48.45°和63.10°;在远离潮波干涉区的黄海近岸海域,OSU潮流数据与实测数据在速度大小和方向上的一致性要优于GOCI潮流数据。

春季辽东湾静止轨道海洋水色遥感产品的真实性检验

静止轨道海洋水色成像仪(GOCI)拥有高时间分辨率(1 h)和高空间分辨率(500 m×500 m)的观测优势。为了保证GOCI应用的可靠性,对其遥感产品进行检验极为重要。利用辽东湾春季航次观测数据,对4种二类水体大气校正算法[Korea Ocean Satellite Center(KOSC)校正算法、management unit mathematics models(MUMM)校正算法、紫外(UV)校正算法和近红外(NIR)校正算法]获得的GOCI遥感反射率产品及GOCI标准叶绿素浓度、悬浮物浓度遥感产品进行了真实性检验,并探讨了不同观测时相的稳定性。结果表明:KOSC算法在辽东湾具有最高的校正精度,各波段遥感反射率平均绝对百分比误差(APD)为27.16%(412 nm)、16.03%(443 nm)、13.73%(490 nm)、15.99%(555 nm)、12.83%(660 nm)、12.35%(680 nm)、27.68%(745 nm)、42.81%(865 nm);叶绿素浓度、悬浮物浓度产品的平均绝对百分比误差分别为29.75%和26.40%。相比于临近中午观测时的结果,GOCI早上和下午观测时反演的结果(包括遥感反射率、叶绿素浓度、悬浮物浓度)与实测值偏差显著增大。

基于GOCI的渤海海域赤潮信息遥感监测与分析

赤潮已经成为渤海最普遍的海洋灾害之一,对赤潮的发生、发展和消亡过程进行监测具有重要意义。本研究利用GOCI遥感影像获取的叶绿素a和赤潮指数计算结果,分别基于OTSU算法、K-means聚类、最大熵阈值方法提取赤潮,对比分析赤潮提取的准确性和有效性,并研究了赤潮信息的昼变化规律和赤潮发生前后海洋水色参数的变化特征。结果表明:基于赤潮指数计算结果图像并应用OTSU算法的赤潮提取精度最高;赤潮信息的昼变化明显,其中面积呈先增大后减小的态势,最大面积出现在上午10:00左右;赤潮的发生引起水色参数的增高,并随着赤潮的消亡水色参数又迅速降低。研究赤潮发生周期呈现的水色参数变化规律,对于预报和预测赤潮的发生发展具有一定的应用价值。

基于机器学习遥感算法的大型漂浮藻面积提取方法研究

采用基于机器学习的多层感知机算法,利用GOCI(Geostationary Ocean Color Imager)传感器获取的瑞利校正反射率数据,对东中国海大型漂浮藻进行遥感自动识别,采用线性混合像元分解来计算大型漂浮藻的覆盖面积,并利用膨胀和侵蚀法进行大型漂浮藻的分布面积计算。利用L8/OLI(Landsat 8/ Operational Land Imager)高空间分辨率资料进行验证,结果表明,基于机器学习遥感算法针对GOCI提取的大型漂浮藻覆盖面积,与L8/OLI结果十分接近,R2达到0.959,平均绝对误差和平均相对误差分别为39.32 km^2和18.15%。

基于GOCI和FVCOM的黄河口切变锋特征与泥沙输运研究

本文以黄河口切变锋为对象,基于静止轨道海洋水色成像仪(Geostationary Ocean Color Imager,GOCI)遥感数据和水沙观测数据,建立了高精度的渤海海表悬浮体浓度(Suspended Sediment Concentration,SSC)反演公式,采用最大互相关(Maximum Cross Correlation,MCC)法和SSC梯度相结合的方法,有效识别了遥感观测的锋面时空特征;同时基于有限体积海岸海洋模型(Finite-Volume Community Ocean Model,FVCOM)建立了适用于渤海的水动力模型,将FVCOM流场数据与海表SSC相结合,研究了黄河口切变锋对悬浮体通量的影响与河口泥沙输运路径。结果表明,切变锋从黄河口往东南方向移动,历时2~3 h,消失于10 m等深线附近,内涨外落(Inner-Flood-Outer-Ebb,IFOE)型切变锋的长度较内落外涨(Inner-Ebb-Outer-Flood,IEOF)型更长,IFOE型切变锋的平均长度约为22.4 km,最长能达到41 km以上,而IEOF型切变锋平均长度约为16.9 km;IFOE型切变锋消失的位置较IEOF型偏南。切变锋带由于具有低流速特征,能显著减小悬浮体通量,使大部分泥沙沉积在河口。切变锋处悬浮体通量不足其内侧的50%,超过50%的悬浮泥沙被切变锋阻隔在锋面内侧。切变锋使悬浮体通量提前减小,在6 m以浅海域即开始锐减。在潮流和锋面的影响下,非汛期黄河口泥沙主要往南或东南向莱州湾中部输运,再往东北输向莱州湾外,极少部分往西北和渤海中部输运。

基于静止卫星GOCI数据的陆地上空气溶胶光学厚度遥感反演

以长江三角洲地区为研究区,基于2013年共72d的晴空GOCI数据,利用深蓝算法进行了研究区上空气溶胶光学厚度的遥感反演研究,并利用两个实测站点数据进行了验证。结果表明:GOCI数据可以用于陆地气溶胶的反演,两个站点均呈现较高的拟合精度,南京信息工程大学北辰楼站拟合度为0.659,AERONET太湖站拟合度为0.747,与MODIS气溶胶产品相比也表现出很好的一致性。同时,研究发现基于静止卫星GOCI数据的气溶胶产品具有监测气溶胶日内变化的能力,为气溶胶的动态扩散和气候效应研究等提供参考和借鉴。

结合GOCI数据的黄海绿潮遥感监测及漂移轨迹研究

结合GOCI(Geostationary Ocean Color Imager)传感器的波段特征,基于缨帽变换方法设计了一种简单有效的绿潮指数(TCT-GTI)算法。结合目视判断的绿潮识别结果,将TCT-GTI算法与两种已有的遥感算法(AFAI和IGAG算法)监测结果进行对比发现,TCT-GTI算法的绿潮遥感监测结果精度较高,具有较高的可信度。将TCT-GTI算法应用到2017年多景GOCI影像,对中国黄海海域绿潮信息进行提取,同时分析绿潮覆盖面积的日变化特征,研究2017年绿潮暴发事件的漂移轨迹。研究结果表明,绿潮覆盖面积在中午12:00达到最大,这可能是光合作用等因素的影响。2017年,绿潮暴发事件经历了西北至东北的漂移路径,由江苏盐城外海海域向西北方向漂移至南黄海东部,然后继续向东北方向移动,抵达山东半岛南岸,逐渐消亡。