基于DINEOF方法重构台湾海峡叶绿素a遥感缺失数据的初步研究

卫星遥感观测是研究海洋环境变化的一种重要方法,但由于观测周期和天气影响等原因,观测数据经常存在一定的缺失,这使得遥感数据在海洋环境连续变化的应用研究中受到一定的限制.为解决此问题,本文采用了经验正交函数分解插值方法（DINEOF）重建缺失的遥感观测数据.首先,基于SeaWiFS（1998年1月至2010年12月）、MODIS-Aqua（2002年7月至2014年12月）和MODIS-Terra（2000年2月至2014年12月）三级叶绿素a月平均数据产品,按像素点平均的方法组合成原始资料集;其次,利用DINEOF方法重构该资料集的缺失部分,从而得到完整的1998-2014年台湾海峡及邻近海域叶绿素a浓度的月平均数据集;再通过分析重构影像与原始资料的时空误差和验证重构影像的时空变化特征等方法,评价了所用算法和重构数据集的合理性.结果表明：基于遥感组合数据,采用DINEOF方法重构的叶绿素a遥感影像,能够有效地反映研究海域叶绿素a浓度的时空变化规律.研究还表明,该方法操作简便,无需先验信息,且重构精度高,能有效重构大面积缺失的影像数据资料,为探索海洋环境和生态的长期变化规律提供了较好的基础.

基于DINEOF的风云极轨气象卫星海表温度重构方法研究

海表温度是表征海洋表层热力状况的重要海洋参数,日均全天候覆盖的海温观测数据可为服务台风监测及其他海洋灾害时空演变的精细化预报提供数据支撑。可见光红外扫描辐射计和中分辨率光谱成像仪反演的海温产品具有较高的空间分辨率,但是红外遥感反演的海温产品受到云、雾和霾的影响,在云下存在大面积、无规律的缺值;微波辐射计反演的海温产品空间分辨率低,但可穿透云层,实现全天候海温观测。本文基于风云三号B、C、D三颗极轨气象卫星红外和微波遥感仪器反演的海温资料,利用经验正交函数插值法(DINEOF)重构得到全球海表温度产品。与全球分析场日平均海温OISST数据进行比较可知:原始海温资料的均方根误差为0.59~0.70℃,DINEOF重构后海温资料均方根误差降至0.10~0.34℃;相关系数从0.33~0.48提升到0.78~0.98。多传感器重构海温数据空间分布上连续可信,能够监测不同季节的海温变化特征及暖池空间模态。风云三号气象卫星微波遥感的加入显著提升了重构海温的空间连续覆盖率和时间分辨率。

DINEOF重构遥感叶绿素a数据质量分析

文章利用2009—2020年南海海域多传感器融合叶绿素a月平均遥感数据,采用DINEOF方法对数据进行整体重构和缺失点重构,通过对整体重构数据质量的对比分析,探讨了缺失点重构数据的可靠性。结果表明,在数据缺失点上,整体重构和缺失点重构得到的重构数据完全相同,说明可仅针对缺失点进行数据重构,建立无缺失叶绿素a遥感数据集。整体重构数据与原始数据的均方根误差和相关系数分别为0.125 7 mg·m^(-3)和0.93。从重构数据分布图可以看出,数据缺失率越高,平滑越明显,但整体重构数据会更明显。重构相对误差在20%范围以内的数据点比例与数据缺失率数据存在一定负相关关系,数据缺失率越高的月份,该比例越低,说明缺失点重构数据的可靠性越差。