成果速递
静止轨道水色卫星晨昏大气校正模型
上传时间：2022-03-14 16:01:12 浏览次数：作者与来源：admin
我室博士生后李豪在国际遥感领域顶级期刊《Remote Sensing of Environment》发表了大太阳天顶角下静止轨道水色卫星大气校正模型的论文，通讯作者为我室何贤强研究员。
静止水色卫星GOCI的逐小时观测数据已被广泛应用于监测近海环境的高频动态变化。然而，标准的大气校正算法在应用于晨昏大太阳天顶角下的GOCI数据时存在很大的不确定性，甚至无效。在本研究中，作者提出一种新的神经网络大气校正模型来处理GOCI晨昏观测资料。与以往由辐射传输模拟获得训练数据集不同，本研究提出直接使用大量的GOCI观测数据来构建训练数据集，克服了在大太阳天顶角下，目前辐射传输模型还难以有效复现卫星实际观测数据的难题。
经过模拟数据集、现场观测数据及GOCI观测数据验证（图1-3），表明了神经网络大气校正模型的可靠性，并可以处理太阳天顶角高达85°的GOCI数据。基于神经网络算法反演获得的遥感反射率，还可进一步反演获得从早到晚的逐小时水色组份信息（如叶绿素浓度、悬浮物浓度等），这为研究海洋生态环境日内变化提供了重要的卫星观测数据。总之，新的神经网络算法可以有效处理静止水色卫星晨昏观测资料，能够恢复出标准大气校正算法无法处理的晨昏水色产品。此外，该方法还可用于解决冬季高纬度海域的极轨水色卫星数据处理难题。
图1 三种大气校正算法和AERONET-OC现场实测数据反演的遥感反射率的比较。(a)-(e)单个波段的比较。(f)所有太阳天顶角度大于70°实测数据的比较。
图2 GOCI于2018年3月16日通过神经网络大气校正算法反演得到的每小时443nm波段遥感反射率产品。
图3 GOCI于2018年2月23日在中国东海555nm波段的遥感反射率产品。(a)-(h)为神经网络大气校正模型的反演结果；(i)-(j)为KOSC大气校正模型的反演结果；(k)-(l)为NIR大气校正模型的反演结果。
引用：Li, H., X. He*, Y. Bai, P. Shanmugam, Y.-J. Park, J. Liu, Q. Zhu, F. Gong, D. Wang, and H. Huang (2020), Atmospheric correction of geostationary satellite ocean color data under high solar zenith angles in open oceans, Remote Sensing of Environment, 249, 112022, doi: https://doi.org/10.1016/j.rse.2020.112022.
