基于遥感和BGC-Argo数据的北印度洋叶绿素a浓度数据三维重构

作者:胡启伟 发布日期:2023-01-05 阅读:1165
近日,我室与上海交通大学联合培养的博士研究生胡启伟在国际期刊IEEE Transactions on Geoscience and Remote Sensing上发表了题为" Reconstruction of 3-D Ocean Chlorophyll a Structure in the Northern Indian Ocean Using Satellite and BGC-Argo Data " 的研究论文,合作者包括我室陈小燕博士、白雁研究员、何贤强研究员、李腾博士以及潘德炉研究员。
浮游植物叶绿素a浓度(Chlorophyll a, Chla)通常用于表征浮游植物生物量。然而,卫星获取的叶绿素a 浓度仅能表征真光层内浮游植物生物量总含量的五分之一左右,不能反映海面以下浮游植物生物量的变化,特别是在存在次表层叶绿素最大值层(Subsurface Chlorophyll Maximum Layer, SCML)的热带海洋。因此,有效获取叶绿素a浓度的垂向分布特征对于科学评估浮游植物生物量以及深入理解海洋碳汇具有重要意义。浮游植物的生长主要受光照以及营养盐的控制。对于北印度洋,营养盐的供给则受季风驱动的反转流、上升流以及温跃层的垂向迁移等物理过程的影响。因此,通过建立Chla与水柱剖面物理参数之间的关系,有可能获得整个真光层深度内Chla的分布特征。
本研究基于遥感及BGC-Argo观测数据,构建了北印度洋Chla垂向分布的随机森林(Random Forest, RF)模型。RF模型的输入变量包括:(1)来自遥感的表层信息;(2)来自于BGC-Argo测量的水柱剖面温度和盐度信息;(3)用于匹配数据的时空信息,例如:天数,经度和纬度(图1)。RF模型使用的训练数据集和验证数据集包括了 2011 年至 2021 年 BGC-Argo 浮标测量的 9,738 个 Chla 和温度-盐度剖面文件,以及同步观测的卫星产品。结果显示,无论是训练集还是验证集,RF-Chla与观测值均有非常好的对应关系,RMSE分别为0.009/0.012,MAPD分别为8.60%/11.31%,R2 分别为0.973/0.962(图2)。

图片1_副本.jpg

图1. RF-Chla模型构建流程

图 2. RF-Chla模型精度验证_副本.jpg

图 2. RF-Chla模型精度验证
此外,我们还将RF模型获得Chla垂向分布特征与BGC-Argo数据、欧空局哥白尼数据中心发布的神经网络产品(NN-Model)、数值模式数据(NEMO-Model)进行了比对。如图3所示,可以发现RF模型结果与BGC-Argo数据最为吻合,次表层浮游植物最大值层以及阿拉伯海表层浮游植物爆发都可以很好地刻画出来。然而,NN-Model存在比较大的高估或者低估,NEMO-Model则完全没有模拟出阿拉伯海表层浮游植物爆发的现象。

图3 不同模型叶绿素a浓度的垂向分布图_副本.jpg

图3 不同模型叶绿素a浓度的垂向分布图

因此,我们建立的RF模型可以有效获取高垂直分辨率的北印度洋Chla 三维结构。这将有助于我们更准确地评估北印度洋浮游植物生产力和碳通量。此外,RF模型也可以用于开发长时间序列的Chl a三维分布产品,以便于帮助我们更多的了解气候变化对海洋生态系统的影响。

 引   用 
Hu Qiwei, Chen Xiaoyan, Bai Yan, He Xianqiang, Li Teng, and Pan Delu. (2022) Reconstruction of 3-D Ocean Chlorophyll a Structure in the Northern Indian Ocean Using Satellite and BGC-Argo Data. IEEE Transactions on Geoscience and Remote Sensing. DOI,10.1109/TGRS.2022.3233385. 

https://ieeexplore.ieee.org/document/10004582


  • 卫星海洋环境动力学国家重点实验室

    © 2021卫星海洋环境动力学国家重点实验室 版权所有.
    浙ICP备10040255号-4   流量统计   

  • 地址:杭州市保俶北路36号
    邮编:310012
  • 总机号码:+86-571-8196 3198
    传真:+86-571-8883 9374