借助高光谱分辨率激光雷达数据将海色产品扩展至三维
《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》:Extending ocean color product to three dimensions assisted by high spectral resolution lidar data
【字体:
大
中
小
】
时间:2026年09月24日
来源:ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING 12.9
编辑推荐:
摘要:卫星海洋水色遥感彻底改变了我们对全球海洋生态系统的理解,但本质上仍局限于二维(2D)观测。为克服这一局限,我们提出了一种深度分辨广义本征光学性质(DR-GIOP)模型,该模型融合了来自MODIS-Aqua的被动多光谱遥感反射率(Rrs)与来自高光谱分辨率激光雷达(HSR
摘要:卫星海洋水色遥感彻底改变了我们对全球海洋生态系统的理解,但本质上仍局限于二维(2D)观测。为克服这一局限,我们提出了一种深度分辨广义本征光学性质(DR-GIOP)模型,该模型融合了来自MODIS-Aqua的被动多光谱遥感反射率(Rrs)与来自高光谱分辨率激光雷达(HSRL)的主动深度分辨颗粒物后向散射廓线(bbp)。以激光雷达获取的单波长bbp(z)和水色传感器获取的光谱Rrs(λ)作为输入,该模型求解深度分辨的光谱非水体吸收apg(z, λ)、颗粒物后向散射bbp(z, λ)以及叶绿素-a浓度Chl(z)。我们利用SABOR考察计划和三次NAAMES考察计划中同步获取的MODIS、机载HSRL和船载原位测量数据进行模型验证。结果表明,DR-GIOP能够成功重建合理的三维(3D)光学结构,对apg(z, λ)、bbp(z, λ)和Chl(z)的相关系数r约为0.85。对比分析表明,DR-GIOP显著优于传统的二维模型,如Seeded GIOP、GIOP-DC和QAA。此外,我们定量分析了被动二维遥感在浅层的偏差,并展示了主动-被动融合如何有效减轻该偏差。本研究提出了一种用于三维海洋水色重建的有前景的框架,为未来多传感器卫星任务提供了新的见解。展望未来,我们有望实现搭载先进HSRL和多光谱传感器的卫星,提供高精度的bbp(z)和Rrs(λ),从而在全球范围内实现三维海洋次表层观测。
引言:海洋光学是海洋生物学与空间遥感观测之间的主要桥梁(Hoge等,1986;Hoge等,1995;Churnside,2014;Hostetler等,2018;Jamet等,2019)。卫星被动海洋水色遥感是海洋监测系统中最重要的一部分。它提供了跨越数十年的全球尺度水出射辐射度和由此衍生的海洋光学产品的数据记录,彻底改变了我们对海洋生物多样性和生态系统结构的理解(Lee等,1998;Wang等,2011;Claverie等,2018;Hedley等,2018;Kutser等,2020;Dai等,2023;Pan等,2024;Yao等,2025)。然而,被动海洋水色测量无法提供深度分辨的海洋性质,这可能是估算颗粒有机碳(POC)和净初级生产量(NPP)时误差的主要来源(Behrenfeld等,2005;Churnside,2015;Behrenfeld等,2023)。现有的被动海洋水色遥感本质上是二维的,测量的是水柱的垂直加权深度积分性质。将海洋水色扩展到三维可以提高NPP估算的准确性,揭示浮游植物和海洋动物的垂直分布,并增进我们对海洋次表层的理解(Westberry等,2008;Behrenfeld等,2019;Chen等,2025a)。
然而,由于由水色传感器衍生的遥感反射率Rrs(λ)代表的是水柱的垂直加权深度积分信号而非直接廓线观测,传统的水色反演算法必须对水体的垂直结构进行简化。一种常见的简化假设是水柱垂直均一。这一假设已被当前业务化水色算法广泛采用,如GIOP(广义本征光学性质)算法(Werdell,2009;Werdell等,2013)和QAA(准解析算法)(Lee等,2002);否则,当仅有被动多光谱观测时,反演将变得不可求解。为克服这一局限并解析垂直非均质性,有必要引入深度分辨的观测能力,并建立能够捕捉光学参数复杂垂直变化的鲁棒反演框架。
监测海洋光学性质垂直分布的传统方法主要依赖船载采样或生物地球化学Argo浮标的原位测量(Dickey等,2006;Claustre等,2020)。激光雷达是一种利用飞行时间技术提供光学性质垂直分辨测量的主动光学探测技术,可以有效补充被动海洋遥感技术(Hostetler等,2018;Jamet等,2019;Chen等,2022;Wang等,2022;Behrenfeld等,2023)。得益于距离分辨特性,这些技术能够透过薄云、通过显著的气溶胶负载以及小云间隙获取有效海洋数据,而这些条件均会阻碍水色反演(Vaughan等,2009;Behrenfeld等,2013;Behrenfeld等,2022;Chen等,2025c)。来自CALIPSO(云-气溶胶激光雷达与红外路径探测卫星观测)和ICESat-2(冰、云和陆地高程卫星-2)的最新突破已证明,可以利用星载激光雷达测量海洋次表层性质,为在全球海洋观测能力方面实现关键扩展提供了前景(Behrenfeld等,2013;Behrenfeld等,2019;Dionisi等,2020;Lu等,2020;Sun等,2023;Xiao等,2023;Eidam等,2024;Magruder等,2024)。
这些传统弹性后向散射激光雷达面临的一个主要挑战是,仅凭一个测量量(衰减后向散射)推断两个未知量——颗粒物后向散射(bbp)和激光雷达衰减系数(klidar),这在数学上是一个不适定问题(Hostetler等,2018;Shangguan等,2023)。一系列开创性的尝试已被开展以解决该不适定问题,包括添加将klidar与bbp关联的反演假设(Klett,1981;Churnside和Marchbanks,2015),以及添加拉曼或偏振敏感度的附加信息(Churnside,2008;Shangguan等,2023)。这些方法部分解决了问题,但在反演假设被违反时仍面临挑战。高光谱分辨率激光雷达(HSRL)技术的运用实现了一大飞跃,该技术能够提供两条激光雷达廓线(来自颗粒物和分子的后向散射),从而反演bbp和klidar的垂直廓线(Behrenfeld等,2013;Hair等,2016;Zhou等,2022;Collister等,2024)。尽管激光雷达能够提供高精度垂直廓线,但其覆盖宽度和光谱波段数量相对有限。主动激光产品的整合有望将海洋水色遥感从二维扩展到三维,同时纠正与被动测量相关的固有偏差(Bisson等,2021)。
目前,激光雷达数据与多光谱影像的融合主要用于测深应用(Li等,2019;Armon等,2020;Hsu等,2021;Wang等,2022;Liu等,2025;Zhang等,2025a;Zhang等,2025b;Zhang等,2025c)。大多数情况下,激光雷达测深点被用作种子数据来校准由多光谱影像衍生的测深图(Parrish等,2019;Babbel等,2021;Chen等,2021;Zhang等,2022;Cao等,2024;Wang等,2024)。然而,仅有少数研究致力于将其融合应用于海洋水色产品(Bisson等,2023;Zhang等,2024;Chen等,2025a;Chen等,2025b;Liu等,2025)。Collister等(2024)评估了HSRL测量颗粒物后向散射系数(bbp)的实用性,并强调了其大气和海洋光学性质独立廓线对改善水色反演的优势。Bisson等(2023)研究了将激光雷达数据作为种子输入用于被动水色反演过程以提高水色产品准确性的方法。具体来说,以独立的bbp(532 nm)为GIOP算法种子输入,改善了衍生吸收a(λ)的性能,其中λ表示波长。然而,这一开创性方法并未利用激光雷达的深度分辨能力,因此衍生的海洋光学性质仍局限于二维(Bisson等,2023;Sun等,2023)。
近期,深度学习方法发展迅速,在海洋遥感和水下观测任务中展现了巨大潜力,包括水下图像增强、水下图像描述以及相关语义理解应用(Li等,2020;Li等,2025;Li等,2026)。值得注意的是,近期研究开始利用丰富的BGC-Argo廓线数据结合统计回归或深度学习架构来估算次表层光学结构,这代表了应对垂直复杂性的一个有前景的数据驱动方向(Dickey等,2006;Uitz等,2006;Sauzède等,2016;Claustre等,2020;Hu等,2023)。然而,与纯数据驱动方法相比,基于物理的方法在物理可解释性和传感器间可迁移性方面仍具有优势。
本研究提出了一种基于物理的方法,结合激光雷达的垂直廓线能力与被动光学遥感的多光谱优势,将海洋水色产品扩展到三维。首先,我们通过开发深度分辨GIOP(DR-GIOP)模型,将GIOP框架从二维扩展到三维。该模型将多光谱遥感反射率Rrs(λ)与垂直光学廓线a(z, 532 nm)和bbp(z, 532 nm)联系起来。然后,提出了一种反演流程,以激光雷达衍生的bbp(z, 532 nm)和光学传感器衍生的Rrs(λ)作为输入,基于该DR-GIOP模型估算深度分辨的多光谱光学性质。作为案例,我们使用了在中大西洋和北大西洋采集的HSRL光学廓线数据及其时空匹配的MODIS-Aqua遥感反射率Rrs(λ),来反演深度分辨的本征光学性质(IOPs)和叶绿素-a浓度。利用时空匹配的原位光学廓线数据评估模型性能。
**研究区域**
为全面评估深度分辨模型的性能,本研究涵盖了两个截然不同且动态变化的水域环境,即中大西洋湾流区和西北大西洋海域。主要研究区域为中大西洋湾流区,数据于2014年7月18日至2014年8月6日期间在船载-机载生物光学研究(SABOR)考察计划期间采集(Hair等,2016)。该考察计划涉及船平台和机平台的协同部署。
**三维海洋水色反演模型**
本研究的核心目标是利用HSRL的精确垂直廓线数据,将传统的二维海洋水色遥感扩展到三维遥感。具体而言,由于GIOP是一个灵活的框架,可配置为进一步提升,因此将其扩展至本研究是自然延伸(Erickson等,2023),我们通过建立DR-GIOP模型将GIOP框架从二维扩展到三维,该模型将HSRL的垂直bbp(z, 532 nm)廓线作为关键输入纳入模型。
**DR-GIOP模型结果与验证**
基于所提出的DR-GIOP模型,从MODIS的Rrs(λ)和HSRL的bbp(z, 532 nm)中反演了a(z, λ)和bbp(z, λ)的深度分辨组分。图3(b)展示了SABOR考察期间沿HSRL-1地面轨迹(如图3(a)所示)四个波长处apg(z, λ)反演垂直廓线的示例。图3(b1)-(b4)中的廓线分别对应MODIS在443 nm、488 nm、531 nm和678 nm的选定波段,呈现出……
**结论**
本研究提出了DR-GIOP模型,这是一个旨在弥合二维表面海洋水色与三维体积廓线之间差距的新型框架。通过融合被动多光谱反射率与主动激光雷达后向散射廓线,DR-GIOP实现了多波长垂直光学廓线的反演,在垂直非均质水域环境中提升反演能力具有巨大潜力。利用SABOR和NAAMES考察计划数据集的验证……
**数据可用性**
HSRL数据可从https://www-air.larc.nasa.gov/missions/sabor/data/index.html获取。原位数据可从https://seabass.gsfc.nasa.gov获取。MODIS数据可从https://ladsweb.modaps.eosdis.nasa.gov获取。其他数据可通过向通讯作者提出合理请求获取。
**CRediT作者贡献声明**
马玥:写作—审阅与编辑、项目管理、方法论、经费获取、概念构思。马佳明:写作—原始稿撰写、验证、方法论、调查。杨建:写作—原始稿撰写、监督指导、方法论、调查、经费获取、概念构思。郑慧颖:写作—审阅与编辑、调查。赵元强:验证、调查。李尧:写作—审阅与编辑、项目管理、经费获取。
**利益冲突声明**
作者声明不存在可能影响本研究报告工作的已知竞争性经济利益或个人关系。
**致谢**
我们衷心感谢NASA兰利研究中心大气科学数据中心分发HSRL数据(https://www-air.larc.nasa.gov/missions/sabor/data/index.html),感谢NASA海洋生物学处理组分发SeaBASS项目的原位数据(https://seabass.gsfc.nasa.gov),感谢NASA陆地过程分布式主动存档中心分发MODIS数据(https://ladsweb.modaps.eosdis.nasa.gov)。我们同样衷心感谢Collister等(2024)提供数据来源。马玥|马佳明|杨建|郑慧颖|赵元强|李尧
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号