一种基于遥感反射率的大洋水体次表层叶绿素a浓度最大值深度反演方法
摘要文本
广东海洋大学; 国家卫星海洋应用中心取得“一种透气窗帘布”专利技术，本发明涉及一种在水色遥感技术领域，且公开了一种基于遥感反射率的大洋水体次表层叶绿素a浓度最大值深度反演方法，包括以下步骤：S1：选取波段，获取MODIS遥感产品中的遥感反射率产品，选取412nm、555nm、678nm三个波段的遥感反射率数据，并且进行预处理。本发明不仅能够减小了机器学习对于海表面叶绿素a浓度、海表面温度数据、海表面高度数据的依赖，减小了运行机器学习的计算资源消耗，而且能够有效提高反演精度，还能够有效的降低了反演次表层叶绿素a最大值的计算资源消耗和反演难度。
专利主权项内容
1.一种基于遥感反射率的大洋水体次表层叶绿素a浓度最大值深度反演方法，其特征在于，包括以下步骤：S1：选取波段，获取MODIS遥感产品中的遥感反射率产品，选取412nm、555nm、678nm三个波段的遥感反射率数据，并且进行预处理；S2：计算R值，计算412nm与678nm波段遥感反射率之差，再计算该差值与555nm遥感反射率数据的比值得到R；S3：采集数据，提取全球实测BGC-Argo叶绿素a浓度剖面数据，利用高斯函数拟合BGC-Argo叶绿素a剖面，选取叶绿素a浓度最大值的深度作为Z，计算各个BGC-Argo数据的次表层叶绿素a最大值深度，并且记录经纬度；SCMS4：构建模型，通过BGC-Argo浮标所提供的经纬度数据与对应经纬度MODIS遥感反射率相匹配，并通过BGC-Argo经纬度定位得到的格点周围的2个格点的遥感反射率数据进行计算得到的R值进行平均作为一组数据，并按照此步骤对全球BGC-Argo数据进行配对，将平均后的R值作为输入特征，次表层叶绿素a最大值深度作为输出特征，得到匹配数据集，通过得到的数据集对Z与R值进行绘制二者散点图，得到非线性模型；SCMS5：计算Z，根据S4中的非线性模型计算得到非线性模型的函数表达式，在非线性模型的函数表达式的基础上结合不同叶绿素a浓度垂向分布的遥感反射率特征R值进行回归得到最佳的大洋水体次表层叶绿素a浓度最大值深度。SCM
专利申请信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于遥感反射率的大洋水体次表层叶绿素a浓度最大值深度反演方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311760855.X |
| 申请日 | 2023/12/19 |
| 公告号 | CN117744031A |
| 公开日 | 2024/3/22 |
| IPC主分类号 | G06F18/27 |
| 权利人 | 广东海洋大学; 国家卫星海洋应用中心 |
| 发明人 | 李君益; 何涛; 谢玲玲; 李敏; 叶小敏 |
| 地址 | 广东省湛江市麻章区海大路1号; 北京市海淀区大慧寺8号 |