研究人员评估 MODIS 陆地反射率产品在水监测中的性能

学分:CC0公共领域

卫星海洋颜色仪器用于表征海洋、沿海和内陆水域的物理、化学和生物变化。 然而,遥感反射率数据的大量丢失和较大的不确定性导致近岸沿海和内陆水域的监测困难重重。

大部分沿海和内陆水域普遍浑浊; 在这些地区,水对高层大气信号的贡献被提高,表明使用陆地反射产品进行水监测的可能性。 中分辨率成像光谱仪 (MODIS) 表面反射率产品 (R_land) 已用于监测水中的水透明度和悬浮固体。

最近,由教授领导的一个研究小组。 中国科学院南京地理与湖泊研究所的段洪涛和马荣华针对野外光学数据集对MODIS R_land产品的性能进行了综合评估。 该数据集包含全球近岸沿海和内陆水域的 4,143 个反射光谱、2,320 个叶绿素 a 样本和 1,467 个悬浮颗粒物样本。

这项工作发表在《地球科学评测》上。

“尽管该产品易于使用且空间分辨率高于 MODIS 海洋波段,但根据我们的评估,R_land 可能不是监测内陆和沿海水域的最佳数据源,”段教授说。

结果表明,R_land 高估了遥感反射率,尤其是在 469 nm 和 859 nm 波段。 此外,与使用 SeaDAS 软件在东海获得的海洋颜色产品相比,陆地反射率显示出明显的高估。

研究人员还报告了 R_land 图像中明显的负值和斑块。 R_land 在被蓝藻浮渣覆盖的像素中经常呈负值。 “R_land 中的负面和不规则可能是由于 [an] 在水域上空生成 R_land 时,去除气溶胶的机制不合适,”MA 教授说。

现有算法无法估算出令人满意的 R_land 横跨全球内陆和沿海水域的叶绿素-a 和悬浮固体。 在 R_land 的全球浑浊水域中,机器学习模型优于最先进的悬浮颗粒物检索算法。

然而,由于 R_land 产品的光谱信息有限和不确定性,并非所有模型(包括机器学习模型)都可以从 R_land 中检索到可靠的叶绿素-a。 这意味着 R_land 可能能够量化大多数水域中与悬浮固体密切相关的参数(例如,水透明度和消光系数); 然而,量化叶绿素-a 等色素具有挑战性。

“MODIS R_land 不包含使这些现有算法可用的足够信息。因此,除了悬浮颗粒物、浊度和水透明度等几个参数外,R_land 的各种水色参数很难检索,”段教授说。