从太空估算复杂沿海水域中的叶绿素a含量——一种基于空间分辨缩放因子的新优化方法

《Science of The Total Environment》：Chlorophyll- a estimations in complex coastal waters from space — A new optimization method by spatially resolved scaling factors

精准遥感 chlorophyll-a 反演研究在丹麦海域采用地理加权回归优化 C2RCC 算法的空间缩放因子，显著提升卫星遥感精度（RMSE=0.27，R=0.65），支持海洋生态监测与欧盟 directives 合规管理。分隔符：

　　卫星遥感技术在海洋颜色监测领域有着广泛的应用，尤其是在对海洋生态系统进行大规模、高效监测方面。然而，在光谱复杂度较高的沿海水域，例如北海和波罗的海的浅水区域，精确地监测叶绿素a（Chl-a）浓度仍然是一项关键挑战。这项研究提出了一种创新的空间优化框架，旨在提高Sentinel-3 OLCI（海洋与陆地覆盖仪）等级2产品在处理Case 2 Regional CoastColour（C2RCC）算法时对Chl-a的估算精度。C2RCC是一种广泛应用于操作性卫星产品中的算法，专门针对复杂的沿海水域，能够提供海洋监测和管理所需的大量数据。然而，到目前为止，C2RCC在Chl-a估算方面的表现并不理想。因此，本研究的目标是通过一种创新的地理加权回归（GWR）方法，来优化局部的Chl-a估算参数，以提高卫星遥感数据与实地观测数据之间的匹配度。

研究聚焦于丹麦的沿海水域，特别关注其复杂的海岸线和水文条件。通过对丹麦国家环境监测计划（NOVANA）收集的2018年至2023年间的实地Chl-a数据，以及Sentinel-3 OLCI的C2RCC处理数据，研究团队开发了一种基于成本距离的GWR方法。这种方法能够考虑水文复杂性，通过分析卫星遥感数据与实地Chl-a样本之间的匹配，来推导出空间分辨率的校正因子。结果表明，使用这些GWR校正因子后，卫星数据与实地数据之间的相关系数从0.59提升到了0.65，而均方根误差（RMSE）也从0.29下降到了0.27，相较于全球校正的C2RCC产品，这种方法显著提高了估算的准确性。

GWR模型在丹麦海域的应用表明，该方法在时间和空间上都具有操作可行性。它能够透明地展示模型的构建过程，且具有可重复性，为其他地区、卫星传感器和参数的迁移应用提供了基础。这种方法不仅适用于当前的Sentinel-3 OLCI数据，还可能为其他类型的遥感数据提供优化方案。此外，GWR方法还支持在不同时间尺度上的长期评估，例如在欧盟的水框架指令中规定的每六年一次的富营养化状态评估。

在丹麦海域的复杂水文条件下，GWR方法在优化校正因子时表现出显著的优势。例如，通过考虑水文连接性和地形特征，该方法能够更准确地捕捉到沿海区域中Chl-a的分布模式和动态变化。研究中还展示了GWR方法在不同时间尺度上的应用，包括每日匹配、长期平均值以及季节性变化的分析。通过这种方式，研究团队不仅提升了卫星数据与实地数据之间的匹配精度，还为区域性的海洋监测和管理提供了科学支持。

在方法的实施过程中，研究团队采用了多种技术手段，包括使用R语言进行数据处理，利用“terra”和“bfsl”等软件包进行空间分析和建模。这些工具能够处理大量数据，并支持复杂的地理加权回归分析。此外，研究还涉及了对数据质量的严格控制，例如排除异常值、应用高斯核函数进行权重分配，以及通过移动平均和季节性分析来进一步优化模型。

研究结果表明，GWR方法在提升Chl-a估算精度方面具有显著优势。例如，在长时间序列的分析中，使用GWR优化后的校正因子，卫星数据与实地数据之间的相关系数达到了0.87，均方根误差（RMSE）则下降至0.10。这种高精度的估算方法不仅有助于提高对富营养化和藻类繁殖的监测能力，还能为海洋生态保护和资源管理提供重要的数据支持。

研究团队还注意到，某些特定区域可能存在局部误差，例如奥登塞峡湾的站点，由于其特有的生态环境（如海草的存在），可能导致卫星数据与实地数据之间的偏差。因此，未来的研究需要进一步考虑这些局部因素，以提高模型的全面性和适用性。

总的来说，这项研究展示了如何通过创新的空间优化方法，提高复杂沿海水域中Chl-a的估算精度。这种方法不仅适用于当前的Sentinel-3 OLCI数据，还可能为其他遥感数据提供优化方案。未来的研究可以进一步扩展该方法的应用范围，包括不同地理区域、不同时间尺度和不同水文条件下的应用。此外，通过结合生态学原理和水文地理数据，可以更深入地理解Chl-a的分布规律，从而支持更精准的海洋监测和管理策略。