刘超洋;魏永亮;邹斌;

• 1:上海海洋大学海洋科学学院
• 2:上海河口海洋测绘工程技术研究中心
• 3:上海海洋大学国际海洋研究中心
• 4:国家卫星海洋应用中心

摘要(Abstract)：

文章利用2009—2020年南海海域多传感器融合叶绿素a月平均遥感数据，采用DINEOF方法对数据进行整体重构和缺失点重构，通过对整体重构数据质量的对比分析，探讨了缺失点重构数据的可靠性。结果表明，在数据缺失点上，整体重构和缺失点重构得到的重构数据完全相同，说明可仅针对缺失点进行数据重构，建立无缺失叶绿素a遥感数据集。整体重构数据与原始数据的均方根误差和相关系数分别为0.125 7 mg·m^(-3)和0.93。从重构数据分布图可以看出，数据缺失率越高，平滑越明显，但整体重构数据会更明显。重构相对误差在20%范围以内的数据点比例与数据缺失率数据存在一定负相关关系，数据缺失率越高的月份，该比例越低，说明缺失点重构数据的可靠性越差。

关键词(KeyWords)： 南海;叶绿素a;遥感数据;DINEOF方法;重构数据质量

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(41976174、41606196)

作者(Authors): 刘超洋;魏永亮;邹斌;

参考文献(References)：

• [1] 潘友联.叶绿素与海洋初级生产力[J].海洋科学，1987,11(1):63-65.
• [2] 陈楚群，施平，毛庆文.南海海域叶绿素浓度分布特征的卫星遥感分析[J].热带海洋学报，2001,20(2):66-70.
• [3] 刘昕，王静，程旭华，等.南海叶绿素浓度的时空变化特征分析[J].热带海洋学报，2012,31(4):42-48.
• [4] 赵辉，齐义泉，王东晓，等.南海叶绿素浓度季节变化及空间分布特征研究[J].海洋学报(中文版),2005,27(4):45-52.
• [5] 郭俊如，宋军，鲍献文，等.东中国海遥感叶绿素数据重构方法研究[J].遥感技术与应用，2016,31(5):939-949.
• [6] KING M D,PLATNICK S,MENZEL W P,et al.Spatial and temporal distribution of clouds observed by MODIS onboard the Terra and Aqua satellites[J].IEEE transactions on geoscience and remote sensing,2013,51(7):3826-3852.
• [7] FENG L,HU C.Cloud adjacency effects on top-of-atmosphere radiance and ocean color data products:a statistical assessment[J].Remote sensing of environment,2016,174:301-313.
• [8] 富砚昭.水体叶绿素a遥感数据重构及其应用研究[D].大连：大连理工大学，2019.
• [9] MATHERON G.Principles of geostatistics[J].Economic geology,1963,58(8):1246-1266.
• [10] GANDIN L S.Objective analysis of meteorological fields[J].Monthly weather review,1963,107:413-416.
• [11] SCHOELLHAMER D H.Singular spectrum analysis for time series with missing data[J].Geophysical research letters,2001,28(16):3187-3190.
• [12] BECKERS J M,RIXEN M.EOF calculations and data filling from incomplete oceanographic datasets[J].Journal of atmospheric and oceanic technology,2003,20(12):1839-1856.
• [13] ALVERA-AZCARATE A,BARTH A,RIXEN M,et al.Reconstruction of incomplete oceanographic data sets using empirical orthogonal functions:application to the Adriatic Sea surface temperature[J].Ocean modelling,2005,9(4):325-346.
• [14] SIRJACOBS D,ALVERA-AZCARATE A,BARTH A,et al.Cloud filling of ocean colour and sea surface temperature remote sensing products over the Southern North Sea by the data interpolating empirical orthogonal functions methodology[J].Journal of sea research,2011,65(1):114-130.
• [15] 王跃启，刘东艳.基于DINEOF方法的水色遥感数据的重构研究：以黄、渤海区域为例[J].遥感信息，2014,29(5):51-57.
• [16] 马翱慧，刘湘南，刘美玲，等.基于DIEOF方法重构海表叶绿素a遥感缺失数据[J].海洋通报，2014,33(5):576-583.
• [17] 郭海峡，蔡榕硕，谭红建.基于DINEOF方法重构台湾海峡叶绿素a遥感缺失数据的初步研究[J].应用海洋学学报，2016,35(4):550-558.
• [18] 赵辉，唐丹玲，王素芬.南海西北部夏季叶绿素a浓度的分布特征及其对海洋环境的响应[J].热带海洋学报，2005,24(6):31-37.
• [19] 王东晓，李永平.南海表层水温和海面热收支的年循环特征[J].海洋学报(中文版),1997,19(3):33-44.
• [20] 李新星，张亭禄，田林，等.多卫星传感器南海叶绿素a浓度遥感数据融合[J].遥感学报，2015,19(4):680-689.
• [21] MARITORENA S,SIEGEL D A.Consistent merging of satellite ocean color data sets using a bio-optical model[J].Remote sensing of environment,2005,94(4):429-440.
• [22] CAMPBELL,JANET W.The lognormal distribution as a model for bio-optical variability in the sea[J].Journal of Geophysical Research:Oceans,1995,100(C7):13237.
• [23] HILBORN A,COSTA M.Applications of DINEOF to satellite-derived Chlorophyll-a from a productive coastal region[J].Remote sensing,2018 (10):1449.
• [24] 纪晨旭.基于卫星重构数据的东中国海海表温度与叶绿素浓度关系研究[D].南京：南京信息工程大学，2019.
• [25] 陈奕君，张丰，杜震洪，等.基于DINEOF的静止海洋水色卫星数据重构方法研究[J].海洋学研究，2019,37(4):14-23.