近日，我室与浙江大学联合培养的硕士研究生崔赫在期刊Remote Sensing上发表了题为“A Novel Multi-Candidate Multi-Correlation Coefficient Algorithm for GOCI-Derived Sea-Surface Current Vector with OSU Tidal Model” 的研究论文，通讯作者为我室陈建裕研究员。

基于模板匹配技术的最大相关系数算法(maximum cross-coefficient，MCC)是获取近岸海表流场的典型算法，但该算法在高浊度海域存在误匹配的现象。在本研究中，我们将MCC算法应用由GOCI影像得到的总悬浮浓度中，获取了东海和黄海的海表流场。结合OSU潮流模式对潮流椭圆的准确估算，我们提出一种新的矢量优化算法。该方法将多相关系数中获取的最大的三个候选矢量作为潜在矢量，利用矢量在潮汐振荡中的旋转方向来识别和替换杂散矢量。获得的平均海表流速为0.60m/s，接近漂流浮标测得的平均速度0.58m/s，与现有的杂散矢量消除方法相比，平均角度误差(average angular error , AAE)提高了20%，平均相对幅度误差(average relative magnitude error, AME)提高了4%，在保证数据完整性的基础上,提高了反演精度。

本研究所提出的多相关系数海流反演方法可有效地识别并替换杂散矢量，提升反演精度，也为近海高浊度区域的海流反演提供了重要的参考。

本研究得到了自然资源部第二海洋研究所卫星海洋环境动力学国家重点实验室自主项目(SOEDZZ2203)，国家自然科学基金NSFC－浙江两化融合联合基金重点项目(U1609202)，国家重点研发计划项目(2016YFC1400903)，国家自然科学基金项目(42076216，41376184，40976109)的资助。

引用：

Cui, H.; Chen, J.; Cao, Z.; Huang, H.; Gong, F. A Novel Multi-Candidate Multi-Correlation Coefficient Algorithm for GOCI-Derived Sea-Surface Current Vector with OSU Tidal Model. Remote Sens. 2022, 14, 4625. https://doi.org/10.3390/rs14184625.