江蘇近岸海域HJ CCD影像懸浮泥沙遙感反演

王 林, 楊建洪, 李冠男, 3, 陳艷攏, 孟慶輝(. 國家海洋環境監測中心 海域監管中心, 遼寧 大連 603; . 深圳市朗誠科技股份有限公司, 廣東 深圳5809; 3. 大連海事大學 環境科學與工程學院, 遼寧 大連 606)

?

江蘇近岸海域HJ CCD影像懸浮泥沙遙感反演

王 林1, 楊建洪2, 李冠男1, 3, 陳艷攏1, 孟慶輝1
(1. 國家海洋環境監測中心 海域監管中心, 遼寧 大連 116023; 2. 深圳市朗誠科技股份有限公司, 廣東 深圳518029; 3. 大連海事大學 環境科學與工程學院, 遼寧 大連 116026)

基于2012~2014年期間江蘇近岸海域實測遙感反射率、懸浮泥沙濃度及HJ CCD數據, 建立該海域HJ CCD影像懸浮泥沙遙感反演模型。通過研究水體實測反射光譜特征, 確定對懸浮泥沙濃度變化的敏感波段, 并與懸浮泥沙濃度進行函數擬合分析。結果表明: 將HJ CCD Band3的等效遙感反射率、HJ CCD Band3與Band2等效遙感反射率的比值分別作為敏感因子, 并采用對數函數模擬低值區、指數函數模擬高值區獲得的疊加模型表現最為突出。通過衛星應用發現, 第2、3波段比值模型的遙感反演結果與實際情況相符, 可有效削弱大氣校正、表觀反射率到遙感反射率的轉換方法以及HJ CCD輻射分辨率較低等一系列問題的干擾, 為江蘇近岸海域HJ CCD懸浮泥沙遙感反演的最優模型。

懸浮泥沙; 遙感反演; HJ CCD 影像; 江蘇近海

[Foundation: National Marine Public Welfare Research Project of China, No.201205005]

江蘇近岸海域由北至南包括海州灣、廢黃河口、輻射沙洲與長江口北支口外海域, 領海面積3.2× 104km2, 國土面積3.25×104km2, 約占全省國土面積的31.6%[1-2]。受長江口徑流、蘇北淺灘等自然因素的影響, 高懸浮泥沙含量成為江蘇近岸海域的主要水體特征之一, 而其分布、擴散特征對沿岸沉積環境、河口岸灘塑造、海水物理化學性質等研究均具有重要的理論和現實意義。傳統的懸浮泥沙監測方法需要耗費較多的人力、物力與財力, 而且采樣點布設的數量有限, 監測周期較長, 難以有效的對整體水域進行大尺度、動態的監測。海洋水色遙感技術以獨特的優勢為懸浮泥沙監測開辟了新的途徑, 它可以實現對水體快速、大范圍、低成本、周期性的動態監測, 具有不可替代的優越性。目前, 國內外學者對懸浮泥沙的遙感反演已開展了大量研究工作,反演方法主要分為3類: 經驗算法[3-5]、物理算法[6]以及半分析算法[7-8], 其中后兩種算法具有一定的物理機理, 但需要輸入大量現場實測數據(如吸收系數、后向散射系數、遙感反射率、各水色組分濃度等), 難以普遍應用, 相反經驗算法雖無物理機理,但僅需要實測的遙感反射率與懸浮泥沙數據, 且形式簡單, 因此應用較廣; 選用的衛星傳感器主要包括: 水色衛星傳感器(CZCS、SeaWiFS、MERIS、MODIS、GOCI等)[9-13]、陸地衛星傳感器(TM、ALI、HJ CCD、GF CCD等)[14-17], 兩者具有不同的光譜和時空分辨率; 此外, 已有的研究海域主要包括遼東灣、曹妃甸近海、黃河口、射陽河口、長江口、杭州灣、珠江口、渤海、黃東海等[5, 12, 18-24]。作者將利用2012~2014年期間的實測數據, 建立基于HJ CCD影像的江蘇近岸海域懸浮泥沙遙感反演模型。

1 材料與方法

1.1 研究區域與站位分布

研究區域選擇在中國江蘇近岸海域。調查于2012年10月、2013年10月及2014年5月期間完成, 其中, 2012年獲取數據24組、2013年24組、2014 年17組, 具體站位分布如圖1所示。

1.2 數據獲取與分析

1.2.1 光譜數據

現場光譜測量采用水面之上法[25], 實驗儀器為美國ASD公司生產的雙通道光譜輻射計。儀器觀測平面與太陽入射平面的夾角為135°, 儀器與海面法線方向的夾角為40°, 以避免絕大部分的太陽直射反射, 并減少船舶陰影的影響。遙感反射率Rrs按如下公式計算:

圖1 江蘇近岸海域外業調查站位Fig. 1 Research cruise stations in Jiangsu coastal sea

式中, Lsw為測量水體的輻亮度; r為氣-水界面對天空漫散射光的反射率, 一般情況可取0.028, 平靜海面時取0.026[26]; Lsky為天空漫散射光的輻亮度; ρp為標準灰板的反射率; Lp為測量標準板的輻亮度。

獲取現場水體ASD光譜遙感反射率后, 根據HJ CCD的光譜響應函數進行實測Rrs(λ)的波段等效處理, 具體公式如下:

式中, Rrs(Bandx)為HJ星CCD傳感器Bandx波段的等效遙感反射率; Rrs(λ)為ASD光譜儀現場獲取遙感反射率; Fs(λ)為日地平均距離處大氣層外太陽輻照度; Sx(λ)為Bandx波段的光譜響應函數。

1.2.2 懸沙濃度數據

水樣采集與光譜測量同步進行。懸浮泥沙的測量采用稱重法, 玻璃纖維濾膜過濾水樣后, 在450℃條件下高溫煅燒4h除去有機顆粒物后, 稱重無機顆粒(即懸浮泥沙)的質量, 除以樣品的體積即得到懸浮泥沙的濃度。

1.2.3 衛星數據

本研究選用2014年5月28日01: 46成像的HJ1B-CCD1影像數據, 空間分辨率為30 m, 重訪周期為2 d, 包括0.43~0.52 μm, 0.52~0.60 μm, 0.63 ~ 0.69 μm, 0.76~0.90 μm 4個波段。影像的預處理主要有: 輻射校正、幾何校正和大氣校正。

輻射校正: 利用中國資源衛星應用中心官網提供的《2014年國產陸地觀測衛星絕對輻射定標系數》[27]將CCD影像DN值轉換為輻亮度數據。

幾何校正: 選用經過空間配準的底圖為參考圖像, 在ENVI 4.7軟件支持下對HJ1B-CCD1影像進行幾何校正, 圖像重采樣采用最近鄰點法, 總誤差控制在0.5個像元內。

大氣校正: 采用ENVI 4.7軟件下的FLAASH大氣校正模塊對HJ1B-CCD1數據進行大氣校正, 輸入相關參數, 計算得到大氣校正后的表觀反射率數據。

表觀反射率數據轉化為遙感反射率的方法包括兩種, 其一[28]為:

式中, ρw為表觀反射率; τ0為太陽光漫射透射率; τr為瑞利光學厚度, 可根據模型計算得到; θ0為太陽天頂角。然而, 研究者出于簡化考慮, 通常將τ0忽略。

其二[29]為:

2 結果與分析

2.1 反射光譜特性

江蘇近岸海域實測遙感反射率光譜曲線和HJ CCD波段范圍設置如圖2所示, 可發現研究區實測光譜存在明顯的雙峰特征: 主峰位置在550~730 nm,次峰位于760~830 nm。懸浮泥沙濃度較低時, 主峰位于570~600 nm, 峰型相對尖銳, 次峰則非常低,主峰遠高于次峰; 隨著懸浮泥沙濃度的增大, 主峰出現紅移, 且峰型加寬, 峰值波長可達710 nm, 次峰清晰可見, 但位置基本不變, 峰高逐漸接近主峰。此外, 隨著懸浮泥沙濃度的增大, 各波段的遙感反射率都普遍增大, 但其增幅并不相同。Band 1范圍內,譜線高低變化較小, 尤其高懸浮泥沙時很難區分,該波段對懸浮泥沙濃度的變化并不敏感。Band 2次之, Band 4較佳, 而Band 3最優。

圖2 江蘇近岸海域實測遙感反射率曲線和HJ CCD波段范圍Fig. 2 Field spectral reflectance curves of Jiangsu coastal sea and HJ-CCD band settings

2.2 反演模型建立與驗證

根據HJ CCD波段響應函數計算對應波段的等效遙感反射率, 并構建單波段、波段比值及多波段懸浮泥沙反演敏感因子。這里, 以數據梯度分布均勻為前提, 隨機選取實測數據中50組用于建模, 剩余15組用于模型驗證。模型形式采用對數函數和指數函數兩種, 模型優劣采用擬合決定系數和平均相對誤差評價, 結果如表1所示。可發現, 單波段模型中, 第3波段作為敏感因子, 采用對數模型擬合的決定系數較高, 為0.90, 其反演結果的平均相對誤差也較小, 為26.3%; 波段比值模型中, 選擇第4與第2或第3波段的比值作為敏感因子, 采用指數模型擬合的決定系數最高, 可達0.96, 但其反演結果的平均相對誤差非常大, 而第3與第2波段的比值作為敏感因子, 對數函數作為模型形式, 其反演結果的平均相對誤差最小, 低于20%, 模型擬合的決定系數也非常高, 為0.92; 多波段模型中, 兩種函數形式擬合的決定系數均較高, 但其反演結果的平均相對誤差非常大。因此, 選擇第3波段、第3與第2波段比值作為敏感因子, 并采用對數函數擬合所得的模型較佳。

表1 江蘇近岸海域懸浮泥沙反演模型及驗證結果Tab. 1 SSC retrieval models and validation results in Jiangsu coastal sea

然而, 進一步分析表現較佳的兩敏感因子與懸浮泥沙濃度的散點圖(圖3, 圖4)可看出: Rrs(B3)/ Rrs(B2)作為敏感因子時, 對數模型對懸浮泥沙高值區存在低估, 低值區擬合一致性良好; 而指數模型對懸浮泥沙低值區則存在嚴重低估, 高值區擬合一致性良好。因此, 將兩擬合曲線交點作為臨界值, 低于臨界值采用對數模型, 高于臨界值采用指數模型,從而得到優化的疊加模型。而Rrs(B3)作為敏感因子時, 不存在上述現象。

為驗證模型的穩定性, 以所有站位的實測數據為驗證對象, 將單波段對數模型和比值疊加模型的敏感因子加入5%的隨機誤差, 驗證模型的反演能力。結果顯示, 單波段對數模型的最小相對誤差為0.13%, 最大相對誤差為29.77%, 平均相對誤差為9.14%; 比值疊加模型的最小相對誤差為0.33%, 最大相對誤差為42.33%, 平均相對誤差為12.93%。兩種模型的整體穩定性較好, 單波段對數模型略優于比值疊加模型。

圖3 HJ CCD Band3和Band2波段等效遙感反射率的比值與懸浮泥沙質量濃度的擬合曲線Fig. 3 Regression curves of suspended sediment concentration as a function of Rrs(B3)/Rrs(B2)

圖4 HJ CCD Band3波段等效遙感反射率與懸浮泥沙質量濃度的擬合曲線Fig. 4 Regression curves of suspended sediment concentration as a function of Rrs(B3)

2.3 衛星應用

對于水色衛星傳感器(如MODIS等)而言, 大氣校正是遙感產品反演的最關鍵環節。然而, 對于主要應用于陸地遙感的衛星傳感器(如HJ CCD)而言, 除大氣校正外, 從表觀反射率轉換到遙感反射率是另一重要環節。研究表明, 模型形式對解決以上問題至關重要。

利用ENVI 4.7軟件下FLAASH大氣校正模塊對HJ CCD數據進行大氣校正, 發現能見度是校正精度的主要控制因子, 而其他輸入因子影響相對較小。因此, 在輸入準確的能見度數據前提下, 可認為大氣校正結果準確。以下主要討論表觀反射率轉換到遙感反射率和模型形式對懸浮泥沙遙感反演結果的影響。

從表觀反射率轉換到遙感反射率, 在相關文獻中均提及較少, 對不同轉換方法的差異分析尚未見報道。事實上, 采用1.2.3節中兩種方法的轉換結果差異非常大, 其中方法一轉換結果出現明顯高估,方法二則恰恰相反。采用基于HJ CCD Band3的單波段對數模型會明顯發現該問題的影響, 如圖5所示,與實際情況存在非常大的差異。除此之外, 陸地衛星傳感器輻射分辨率較低, 致使其反演的懸浮泥沙濃度變化相對較小, 對于懸浮泥沙變化較大的海域,反演誤差非常大。

圖5 表觀反射率到遙感反射率轉換方法對單波段對數模型反演結果的影響(左: 方法一; 右: 方法二)Fig. 5 Effects on retrieval results of methods for converting apparent reflectance to remote sensing reflectance using single-band logarithmic model

圖6 表觀反射率到遙感反射率轉換方法對波段比值疊加模型反演結果的影響(左: 方法一; 右: 方法二)Fig. 6 Effects on retrieval results of methods for converting apparent reflectance to remote sensing reflectance using band ratio superposition model

相比而言, 無論采用法一或法二將表觀反射率轉換為遙感反射率, 對基于HJ CCD Band3與Band2波段比值的疊加模型反演結果的影響較小, 如圖6所示, 反演結果與實際情況更為接近。與單波段對數模型相比, 比值疊加模型可有效削弱大氣校正、表觀反射率到遙感反射率的轉換方法以及衛星傳感器輻射分辨率較低等一系列問題的干擾。因此, 可將比值疊加模型作為江蘇近岸海域懸浮泥沙遙感反演的最優模型。

3 結論

隨著懸浮泥沙濃度的增大, 各波段的遙感反射率都普遍增大, 但其增幅并不相同, 這為懸浮泥沙的遙感反演奠定了基礎。通過不同波段組合的等效遙感反射率與懸浮泥沙濃度的擬合分析發現, 基于HJ CCD Band 3的單波段對數模型、HJ CCD Band 3 與Band 2的波段比值疊加模型均具有較高的擬合決定系數和較小的平均相對誤差。然而, 經大氣校正后得到的HJ CCD數據為表觀反射率, 將其轉換為遙感反射率的兩種方法應用到HJ CCD時, 存在嚴重的高估或低估現象, 并且HJ CCD輻射分辨率較低, 所以單波段模型不適用于懸浮泥沙濃度變化非常大的江蘇近岸海域。相比而言, Band 3與Band 2的波段比值疊加模型對表觀反射率到遙感反射率轉換方法的依賴性大大降低, 遙感反演結果與實際情況一致性良好, 該模型還消弱了大氣校正、衛星傳感器輻射分辨率較低等問題的干擾, 有效提升了反演精度, 可作為江蘇近岸海域HJ CCD懸浮泥沙遙感反演的最優模型。

[1] 邢飛, 汪亞平, 高建華, 等. 江蘇近岸海域懸沙濃度的時空分布特征[J]. 海洋與湖沼, 2010, 41(3): 459-468.

Xing Fei, Wang Yaping, Gao Jianhua, et al. Seasonal distributions of the concentrations of suspended sediment along Jiangsu coastal sea[J]. Oceanologia Et Limnologia Sinica, 2010, 41(3): 459-468.

[2] 姜晟, 李俊龍, 李旭文, 等. 江蘇近岸海域富營養化現狀評價與成因分析[J]. 環境監測與管理技術, 2012, 24(4): 26-29.

Jiang Sheng, Li Junlong, Li Xuwen, et al. The eutrophication evaluation and cause analysis in Jiangsu coastal sea area[J]. The Administration and Technique of Environmental Monitoring, 2012, 24(4): 26-29.

[3] Doxaran D, Froidefond J M, Castaing P. Remote sensing reflectance of turbid sediment dominated waters. Reduction of sediment type variations and changing illumination conditions effects by use of reflectance ratios[J]. Applied Optics, 2003, 42: 2623-2634.

[4] Han Z, Jin Y Q, Yun C X. Suspended sediment concentrations in the Yangtze River estuary retrieved from the CMODIS data[J]. International Journal of Remote Sensing, 2006, 27: 4329-4336.

[5] Wang L, Zhao D Z, Yang J H, et al. Retrieval of total suspended matter from MODIS 250 m imagery in the Bohai Sea of China[J]. Journal of Oceanography, 2012, 68: 719-725.

[6] Doerffer R, Fischer J. Concentrations of chlorophyll, suspended matter, and gelbstoff in case 2 waters derived from satellite coastal zone color scanner data with inverse modeling methods[J]. Journal of Geophysical Research, 1994, 99: 7457-7466.

[7] Carder K L, Chen F R, Cannizzaro J P, et al. Performance of the MODIS semi-analytical ocean color algorithm for chlorophyll-a[J]. Advances in Space Research, 2004, 33: 1152-1159.

[8] Morel A, Huot Y, Gentili B, et al. Examining the consistency of products derived from various ocean color sensors in open ocean (case 1) waters in the perspective of a multi-sensor approach[J]. Remote Sensing of Environment, 2007, 111: 69-88.

[9] Cui T W, Zhang J, Groom S, et al. Validation of MERIS ocean-color products in the Bohai Sea: A case study for turbid coastal waters[J]. Remote Sensing of Environment, 2010, 114: 2326-2336.

[10] Deng M, Li Y. Use of SeaWiFS imagery to detect threedimensional distribution of suspended sediment[J]. International Journal of Remote Sensing, 2003, 24(3): 519-534.

[11] Wu G F, De Leeuw J, Skidmore A K, et al. Comparison of MODIS and Landsat TM5 images for mapping tempospatial dynamics of Secchi disk depths in Poyang Lake national nature reserve, China[J]. International Journal of Remote Sensing, 2008, 29(8) : 2183-2198.

[12] Zhang M W, Tang J W, Dong Q, et al. Retrieval of total suspended matter concentration in the Yellow and East China Seas from MODIS imagery[J]. Remote Sensing of Environment, 2010, 114: 392-403.

[13] He X Q, Bai Y, Pan D L, et al. Using geostationary satellite ocean color data to map the diurnal dynamics of suspended particulate matter in coastal waters[J]. Remote Sensing of Environment, 2013, 133: 225-239.

[14] Zhou W, Wang S, Zhou Y, et al. Mapping the concentrations of total suspended matter in Lake Taihu, China, using Landsat-5 TM data[J]. International Journal of Remote Sensing, 2006, 27(6): 1177-1191.

[15] Chen J, Cui T W, Qiu Z F, et al. A three-band semi-analytical model for deriving total suspended sediment concentration from HJ-1A/CCD data in turbid coastal waters[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 93: 1-13.

[16] 肖艷芳, 趙文吉, 朱 琳. 近海水體懸浮物HJ-1號小衛星CCD定量反演研究[J]. 海洋科學, 2012, 36(8): 59-63.

Xiao Yanfang, Zhao Wenji, Zhu Lin. Quantitative retrieval model of suspended sediment concentration in estuary based on HJ-1 CCD image[J]. Marine Sciences, 2012, 36(8): 59-63.

[17] 叢丕福, 牛錚, 曲麗梅, 等. 基于神經網絡和TM圖像的大連灣海域懸浮物質量濃度的反演[J]. 海洋科學, 2005, 29(4): 31-35.

Cong Pifu, Niu Zheng, Qu Limei, et al. Retrieval of suspended sediment concentration in Dalian Bay on basis of neural network model and TM imagery[J]. Marine Sciences. 2005, 29(4): 31-35.

[18] 張明, 馮小香, 郝媛媛. 遼東灣北部海域懸浮泥沙時空變化遙感定量研究[J]. 泥沙研究, 2011, 4: 15-21.

Zhang Ming, Feng Xiaoxiang, Hao Yuanyuan. Quantitative remote sensing study on spatio-temporal variation of suspended sediment in North Liaodong Bay[J]. Journal of Sediment Research, 2011, 4: 15-21.

[19] 奧勇, 王曉峰, 孔金玲. 曹妃甸近海表層懸浮泥沙遙感定量監測研究[J]. 測繪科學, 2011, 36(1): 77-80.

Ao Yong, Wang Xiaofeng, Kong Jinling. Study on remote sensing quantitative model of suspended sediments in the coastal waters of Caofeidian[J], Science of Surveying and Mapping, 2011, 36(1): 77-80.

[20] 黃海軍, 李成治, 郭建軍. 黃河口海域懸沙光譜特征的研究[J]. 海洋科學, 1994, 5: 40-44.

Huang Haijun, Li Chengzhi, Guo Jianjun. A study on the spectral feature of suspended matter in the Huanghe river delta area[J]. Marine Sciences, 1994, 5: 40-44.

[21] 潘潔, 張鷹, 譚子輝. 基于高光譜的射陽河口懸浮泥沙濃度定量反演研究[J]. 海洋科學, 2011, 35(9): 85-90.

Pan Jie, Zhang Ying, Tan Zihui. Modeling the suspended sediment content in Sheyang Estuary based on hyperspectral data[J]. Marine Sciences, 2011, 35(9): 85-90.

[22] 劉王兵, 于之鋒, 周斌, 等. 杭州灣HJ CCD影像懸浮泥沙遙感定量反演[J]. 遙感學報, 2013, 17(4): 905-918.

Liu Wangbing, Yu Zhifeng, Zhou Bin, et al. Assessment of suspended sediment concentration at the Hangzhou Bay using HJ CCD imagery[J]. Journal of Remote Sensing, 2013, 17(4): 905-918.

[23] 劉大召, 張辰光, 付東洋, 等. 基于高光譜數據的珠江口表層水體懸浮泥沙遙感反演模式[J]. 海洋科學, 2010, 34(7): 77-80.

Liu Dazhao, Zhang Chenguang, Fu Dongyang, et al. Hyperspectral data-based remote-sensing inversion model for suspended sediment in surface waters at the Pearl River Estuary[J]. Marine Sciences, 2010, 34(7): 77-80.

[24] 崔廷偉, 張杰, 馬毅, 等. 渤海懸浮物分布的遙感研究[J]. 海洋學報, 2009, 31(5): 10-18.

Cui Tingwei, Zhang Jie, Ma Yi, et al. The study on the distribution of suspended particulate matter in the Bohai Sea by remote sensing[J]. Acta Oceanologica Sinica, 2009, 31(5): 10-18.

[25] GB/T 12763.5-2007 海洋調查規范-海洋聲、光要素調查[S]. 北京: 中國標準出版社, 2007.

GB/T 12763.5-2007 Specifications for oceanographic survey-Survey of acoustical and optical parameters in the sea[S]. Beijing: China Standard Press, 2007.

[26] Mobley C D. Estimation of the remote-sensing reflectance from above-surface measurements[J]. Applied Optics, 1999, 38: 7442-7455.

[27] 中國資源衛星應用中心. 2014年國產陸地觀測衛星絕對輻射定標系數(GF-1, ZY-3, ZY-1 02C, SJ-9A, HJ-1A/B). http: //www.cresda.com/site1/Downloads/ dbcs/3776.shtml.

China Centre for Resources Satellite Data and Application. Absolute radiometric calibration coefficient of land observation satellite in 2014 (GF-1, ZY-3, ZY-1 02C, SJ-9A, HJ-1A/B). http: //www.cresda.com/site1/ Downloads/ dbcs/3776.shtml.

[28] 孟慶輝. 海洋遙感水質評價方法研究[D]. 杭州: 國家海洋局第二海洋研究所, 2014.

Meng Qinghui. Preliminary study on the application of remote sensing techniques to water quality assessment[D]. Hangzhou: Second Institute of Oceanography. SOA, 2014.

[29] 唐軍武, 田國良, 陳清蓮. 離水輻射非朗伯特性的Monte Carlo模擬及分析[J]. 海洋學報, 2000, 22(2): 48-57.

Tang Junwu, Tian Guoliang, Chen Qinglian. Bidirectionality of water-leaving radiance: simulation results and its correction[J]. Acta Oceanologica Sinica, 2000, 22(2): 48-57.

(本文編輯: 譚雪靜)

Retrieval of suspended sediment concentration from HJ-CCD imagery in Jiangsu coastal sea

WANG Lin1, YANG Jian-hong2, LI Guan-nan1, 3, CHEN Yan-long1, MENG Qing-hui1
(1. National Marine Environmental Monitoring Center Marine Monitoring Center, Dalian 116023, China; 2. Shenzhen Langcheng Technology Corporation Limited, Shenzhen 518029, China; 3. College of Environment Engineering, Dalian Maritime University, Dalian 116026, China)

Oct., 28, 2014

Suspended sediment; remote sensing retrieval; HJ CCD image; Jiangsu coastal sea

Based on in-situ measured remote sensing reflectance (Rrs), suspended sediment concentration (SSC), and HJ-CCD imagery in the Jiangsu coastal sea, we established a remote sensing retrieval model for suspended sediment. By analyzing the measured spectral reflectance, we can determine the most sensitive of the SSC bands, and fit the SSC to different functional forms. The results indicate that the equivalent Rrsat HJ-CCD Band 3 and the ratio of the equivalent band-3 Rrsto that at band 2, respectively, can be used as sensitivity factors. We simulated the SSC vs. sensitivity factor using the logarithm model in the low area, and the exponential model in the high area. The superposition model is optimal. By satellite application, we found that the retrieval results of the ratio model to be consistent with the actual situation, effectively weakening a series of interference factors, including, for example, the atmospheric correction, the method used for converting apparent reflectance to remote sensing reflectance, and the low radiation resolution on the HJ CCD. This is the optimal SSC retrieval model for the Jiangsu coastal sea.

P76

A

1000-3096(2016)02-0077-07

10.11759/hykx20141028001

2014-10-28;

2014-12-03

國家海洋公益性行業科研專項經費項目(201205005)

王林(1981-), 男, 河北滄州人, 助理研究員, 碩士, 主要從事海洋光學和水質遙感研究, 電話: 0411-84781400, E-mail: lwang@nmemc.org.cn