【技术实现步骤摘要】
本专利技术属于叶绿素a浓度反演，具体涉及融合大气校正优选结果的水体表层叶绿素a浓度反演方法。
技术介绍
1、在众多的水质环境参数中，叶绿素a浓度作为浮游植物生物量的主要指标，可以表征水体富营养化程度，为了解水生生态系统和初级生产力的状况提供重要信息，因此被广泛研究。光学遥感卫星数据凭借其空间覆盖率大、重访次数多、历史档案长等优势，已成为估算水体表层叶绿素a浓度的有效数据来源。离水辐亮度与恰好水面之上的向下辐照度之比被定义为水体光谱的遥感反射比(rrs)，高精度的水体表层叶绿素a浓度反演需要精确的rrs数据。海洋水色卫星传感器接收到的总信号中水体贡献的离水辐亮度不足10％，需要对接收的信号进行大气校正，这是得到高精度的rrs数据、实现高精度叶绿素a浓度反演的前提。目前国际上公开并业务化运行的大气校正算法颇多，然而研究表明不同大气校正算法所适宜的海域及水体类型不同，在海域a校正性能较好的大气校正算法在海域b却不一定表现理想。研究结果表明反演大范围海域水体表层叶绿素a浓度时对一景卫星数据只使用一种大气校正算法会引入较大的误差。但以往缺少对光学...
【技术保护点】
1.融合大气校正优选结果的水体表层叶绿素a浓度反演方法，其特征在于，所述方法在应用卫星数据反演水体表层叶绿素a浓度的过程中融入基于QA Score模型的逐像元大气校正优选结果，以提高水体表层叶绿素a浓度反演精度。
2.根据权利可要求1所述融合大气校正优选结果的水体表层叶绿素a浓度反演方法，其特征在于，所述方法包括以下步骤：
3.根据权利可要求1所述融合大气校正优选结果的水体表层叶绿素a浓度反演方法，其特征在于，步骤(1)中，采用的所述大气校正算法包括GDPS2.0大气校正算法、MUMM大气校正算法、NASA近红外大气校正算法、Acolite D...
【技术特征摘要】
1.融合大气校正优选结果的水体表层叶绿素a浓度反演方法，其特征在于，所述方法在应用卫星数据反演水体表层叶绿素a浓度的过程中融入基于qa score模型的逐像元大气校正优选结果，以提高水体表层叶绿素a浓度反演精度。
2.根据权利可要求1所述融合大气校正优选结果的水体表层叶绿素a浓度反演方法，其特征在于，所述方法包括以下步骤：
3.根据权利可要求1所述融合大气校正优选结果的水体表层叶绿素a浓度反演方法，其特征在于，步骤(1)中，采用的所述大气校正算法包括gdps2.0大气校正算法、mumm大气校正算法、nasa近红外大气校正算法、acolite dsf大气校正算法、flassh大气校正算法、polymer大气校正算法中的两种或多种。
4.根据权利可要...
【专利技术属性】
技术研发人员：刘晓燕，王运华，李倩，张浩，安德玉，姜丽媛，陈琛，周茂盛，吴志宏，胡静雯，王其翔，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。