多卫星传感器南海叶绿素a浓度遥感数据融合

作     者：李新星 张亭禄 田林 王晓菲 刘金刚 LI Xinxing;ZHANG Tinglu;TIAN Lin;WANG Xiaofei;LIU Jingang

作者机构：中国科学院计算技术研究所北京100190 中国海洋大学海洋技术系山东青岛266100 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2015年第19卷第4期

页      面：680-689页

核心收录：

学科分类：0709[理学-地质学] 08[工学] 09[农学] 0303[法学-社会学] 083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 0705[理学-地理学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 0813[工学-建筑学] 0703[理学-化学] 0704[理学-天文学] 0833[工学-城乡规划学] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(编号:41276041 40876005) 

主　　题：数据融合方法 MODIS MERIS 南海叶绿素a浓度 

摘      要：利用平均法、生物光学模型法和最优插值法3种数据融合方法对卫星传感器MODIS-Aqua、MOIDS-Terra及MERIS获取的南海叶绿素a浓度的数据进行了融合,通过比较融合产品的质量,对3融合方法进行了评价。(1)利用现场测量的南海遥感反射率和叶绿素a浓度数据建立了南海叶绿素a浓度的反演模型,并应用于MODIS-Aqua、MOIDS-Terra及MERIS Level 2反射率数据,获取南海叶绿素a浓度。(2)将平均法、生物光学模型法、最优插值法分别应用于上述3颗卫星的叶绿素a数据进行数据融合,并用现场测量的同步叶绿素数据对融合后的产品进行了印证。(3)利用3种融合方法分别对南海2011年MODIS-Aqua、MODIS-Terra和MERIS等3个传感器的叶绿素a数据进行了月融合,分析了融合的南海叶绿素a浓度的时空分布特征。结果表明,融合数据大幅度提高了空间覆盖率,且具有较高可信度。平均法、生物光学法和优化插等3种融合方法性能有较大的不同,生物光学法具有高的运行速度,但有时空间覆盖率仍不能满足要求;优化插值法具有高的空间覆盖率,但其运行速度较慢。因此,在具体应用中,应根据需求选择合适的融合方法。