叶绿素a(Ocean Color Chlorophyll-a)
- 提出者
- Remote Sensing Community
- 年份
- 1978
- 类型
- bio-optical
- 类别
- Remote Sensing
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
海洋遥感是利用卫星传感器反演海水叶绿素a浓度和浮游植物生产力的主要全球性方法。基于20世纪70年代建立的生物光学原理,海洋遥感算法将卫星光谱反射率测量转化为叶绿素a色素浓度的估算值。该方法能够实现对海洋初级生产力和浮游生物动态的全球尺度实时监测。
方法背后的直觉
浮游植物含有光合色素叶绿素a,它强烈吸收蓝光并反射绿光。卫星传感器测量多个窄波段(通常是440-490 nm的蓝光和500-570 nm的绿光)的向上辐射光谱。绿光与蓝光反射率的比值与叶绿素a浓度相关。通过应用经验校准或半解析算法,这些反射率比值被转换为叶绿素a浓度。由此产生的全球地图揭示了高生产力区域(水华、上升流区域)和贫营养的“沙漠”,从而能够评估海洋生产力和食物网支持情况。
历史学
海洋遥感技术可追溯到早期海洋学家,他们认识到浮游植物的光谱特性可以通过遥感来探测。第一个定量生物光学算法是在20世纪70年代末和80年代开发的。CZCS(海岸带颜色扫描仪)于1978年发射,提供了第一张全球叶绿素a地图。随后的传感器(AVHRR、SeaWiFS、MODIS、Sentinel-3)极大地提高了光谱分辨率和校准精度。经验算法和半解析算法不断发展,现代方法结合了机器学习和多传感器协同技术。
何时使用
当需要大尺度、长期的视角时,海洋遥感叶绿素a反演是全球浮游植物监测的标准方法。可用于绘制生产力格局、检测水华、验证生态系统模型以及支持渔业管理。在清水到中等生产力的水域中最可靠;在高度浑浊的河口或泥沙丰富的沿海水域应用需要专门的算法。应避免在持续云层覆盖或高太阳反辉的区域使用。
局限与注意事项
- 大气校正引入了很大的不确定性,尤其是在沿海地区和云层附近;气溶胶误差可能导致叶绿素a不确定性达到30-50%
- 高浑浊度、泥沙再悬浮或有色溶解有机物(CDOM)在沿海和河口水域违反了算法假设
- 仅测量表面叶绿素a(通常是表层1个蔡希深度);无法检测垂直积分的叶绿素或次表层最大值
- 云层覆盖阻碍了测量,限制了多云季节的数据可用性
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 提供前所未有的全球空间覆盖和时间频率(每日至多日),来自多个卫星平台
- 数十年积累的存档数据支持十年尺度的趋势分析和气候驱动的生产力变化
- 与对广阔海洋区域进行就地采样相比,具有非侵入性和成本效益
- 算法已实现国际标准化,能够提供一致的全球数据产品和传感器间比较
应用
- 监测因人为强迫引起的,由气候变化和海洋变暖导致的初级生产力变化
- 通过识别影响沿海育苗区鱼类产卵和幼体存活的浮游生物水华,支持渔业管理
- 实时检测有害藻华并向水产养殖区域发布公共卫生预警
- 验证预测海洋碳循环和营养盐收支的全球生物地球化学模型
使用方式
使用方式
卫星传感器(例如,MODIS、SeaWiFS、Sentinel-3)以300 m至1 km的空间分辨率测量可见光波段的光谱辐射;每天多次的观测能够实现近乎每日的全球覆盖。
通过减去大气散射和吸收的影响,将大气层顶辐射转化为海水出射辐射;利用辐射传输模型去除气溶胶光学厚度和瑞利散射的影响。
遥感反射率(Rrs)计算为海水出射辐射与入射太阳辐照度的比值;计算波段比值(例如,Rrs(555)/Rrs(440))。
叶绿素a的估算采用基于波段比值的经验算法(例如,OC2、OC3、OC4),或采用将叶绿素吸收与有色溶解有机物吸收分开的半解析模型。
分析叶绿素a地图以识别生产力区域、追踪水华动态、验证生物地球化学模型并估算净初级生产力。
常见陷阱
- 假设卫星叶绿素a估算值准确而未进行局部验证;在复杂沿海水域,算法误差可能超过50%
- 将叶绿素a浓度与浮游植物生物量混淆;细胞大小和物种组成会影响色素与碳的比值
- 将单像素卫星数据视为点测量;卫星像素整合了约1平方公里的水域,掩盖了精细尺度的变异性
常见问题
为什么不同的海洋遥感算法会给出不同的叶绿素a估算值?
不同的算法针对不同的水体类型进行了优化:经验算法(OC2、OC4)在开阔大洋效果良好,但在CDOM含量高的沿海水域会失效。半解析模型将色素吸收与碎屑吸收分开,但需要额外的假设。算法的选择取决于局部水体类型;多算法方法可以减少系统偏差。
海洋遥感传感的穿透深度有多深?
可见光穿透深度约为一个蔡希深度;遥感叶绿素a通常整合了真光层(取决于水体透明度,上层1-100米)。层化水域中常见的次表层叶绿素最大值,在卫星方法中会被低估。
卫星叶绿素a能否用于估算初级生产力?
叶绿素浓度本身并不决定生产力;光合效率、营养盐可用性和光照可用性也很重要。生产力模型将叶绿素a与辅助数据(光照、温度、营养盐气候学)和初级生产力算法(如VGPM或CbPM)结合起来。
相关方法
参考文献
Gordon, H. R., & Morel, A. Y. (1983). Remote Assessment of Ocean Color for Interpretation of Satellite Visible Imagery. Springer-Verlag.
打开出版物文献已复制。Behrenfeld, M. J., & Falkowski, P. G. (2001). A consumer's guide to phytoplankton primary productivity models. Limnology and Oceanography, 46(7), 1639-1654.
打开出版物文献已复制。