何贤强研究员在浅海底质光谱反射率大面遥感反演取得新进展

作者:王雨馨 发布日期:2024-03-25 阅读:1188

近日,我室何贤强研究员及合作者在遥感领域TOP期刊 ISPRS Journal of Photogrammetry and Remote Sensing(IF=12.7)发表了题为“An enhanced large-scale benthic reflectance retrieval model for the remote sensing of submerged ecosystems in optically shallow waters”的研究论文。论文第一作者为我室与浙江大学联合培养的博士研究生王雨馨,通讯作者为我室何贤强研究员,合作者包括印度理工学院马德拉斯分校的Palanisamy Shanmugam教授、我室白雁研究员、李腾副研究员、王迪峰研究员、朱乾坤正高级工程师和龚芳高级工程师。

在气候变化和人类活动加剧的背景下,浅海底栖生境受到严重威胁且退化显著。光学浅水区的底质光谱反射率(Rb(λ))是反映底质类型和健康状况的重要指示参数。由于卫星遥感器探测的水面遥感反射率(Rrs(λ))同时包含了来自水柱散射和海底反射的耦合信号,使得在不依赖先验知识的条件下获得准确的底质光谱反射率存在挑战性。团队前期构建了底质光谱反射率半分析遥感模型(SABR)(Wang, He* et al., RSE, 2022a),并实现了联合主动激光雷达和被动高分辨率卫星影像的底质光谱反射率沿轨遥感反演。在此基础上,本研究进一步突破了原有模型依赖激光雷达获取水深、水体漫衰减系数而导致反演得到的底质反射率仅局限于沿着激光雷达卫星星下点轨道的问题,提出了底质光谱反射率大面遥感反演模型(LSBR)。在输入参数仅为遥感反射率的条件下,LSBR实现了底质光谱反射率反演从沿轨至大面的拓展,算法流程如图1所示。

图片1.png

图 1. 底质光谱反射率大面遥感反演模型(LSBR)算法流程

大面遥感反演模型(LSBR)基于多源的现场底质光谱反射率实测数据集,构建了一个覆盖不同底质类型的反射率光谱库,并发现不同底质类型在443nm和490nm两个波段反射率均存在稳定的光谱关系。在此基础上,结合SABR模型以及前期构建的水深大面反演算法(Wang, He* et al., 2022b),最终实现了光学浅水区水体叶绿素浓度和底质反射率光谱的遥感反演。相较于传统模型,该模型一方面克服了传统叶绿素浓度反演算法在浅水区域的高估问题,另一方面获得了大面的底质反射率光谱。利用Sentinel-2卫星影像,模型分别在海南新村港海草床区域和南海华光礁区域开展应用(图2),通过与实测数据以及联合主动激光雷达-被动高分辨率卫星影像获得的沿轨反演结果相比较,结果表明模型具有较高的准确性。此外,利用Sentinel-2时序遥感数据(2016-2023年),对苍鹭礁的底质反射率演变开展了分析,证明了该模型具有探测底质变化的能力,可有效反映疑似退化或恢复区域,结果与海表面温度异常变化具有较好的一致性。

1711344231916618.png

图 2.(A)华光礁区域分别利用(a) LSBR模型获得的叶绿素浓度,(b) 基于遥感反射率蓝绿波段比值算法(OC3算法)获得的叶绿素浓度;(B)LSBR模型反演获得的底质反射率分布,其中(a) 443 nm,(b) 490 nm,(c) 560 nm,(d) 665 nm。

1711344260648727.png

图 3. 苍鹭礁退化和恢复典型区域分析

本文提出的大面遥感反演模型(LSBR)可应用于近岸或远海的光学浅水区底质遥感监测,实现了仅输入遥感反射率获得底质反射率光谱的大面应用,可服务于后续的底质演变分析、底质健康状况监测和碳储量估算。本文研究得到了浙江省自然科学基金重大项目(创新群体)等资助。

论文引用:Wang, Y., He, X.*, Shanmugam, P., Bai, Y., Li, T., Wang, D., Zhu, Q., Gong, F., 2024. An enhanced large-scale benthic reflectance retrieval model for the remote sensing of submerged ecosystems in optically shallow waters. ISPRS Journal of Photogrammetry and Remote Sensing 210, 160–179. https://doi.org/10.1016/j.isprsjprs.2024.03.011

相关文章:

[1] Wang, Y., He, X.*, Bai, Y., Wang, D., Zhu, Q., Gong, F., Yang, D., Li, T., 2022. Satellite retrieval of benthic reflectance by combining lidar and passive high-resolution imagery: Case-I water. Remote Sensing of Environment 272, 112955. https://doi.org/10.1016/j.rse.2022.112955

[2] Wang, Y., He, X.*, Bai, Y., Li, T., Wang, D., Zhu, Q., Gong, F., 2022. Satellite-Derived Bottom Depth for Optically Shallow Waters Based on Hydrolight Simulations. Remote Sensing 14, 4590. https://doi.org/10.3390/rs14184590


  • 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