《Remote Sensing of Environment》：An algorithm for the retrieval of particle backscattering, size, and suspended particulate matter in turbid coastal and estuarine waters (MOSAIC)
编辑推荐：
•MOSAIC 从多光谱和高光谱传感器中检索 bbp、SPM 和 SST。•专为浑浊水体设计，利用红光至近红外（red–NIR）波段进行可靠的沉积物反演。•SPM 的不确定性估计基于二维反演网格得出。•后向散射光谱斜率被验证为颗粒大小的代理指标。•性能随传感器信噪比提升而提高。引
- •
MOSAIC 从多光谱和高光谱传感器中检索 bbp、SPM 和 SST。
- •
专为浑浊水体设计，利用红光至近红外（red–NIR）波段进行可靠的沉积物反演。
- •
SPM 的不确定性估计基于二维反演网格得出。
- •
后向散射光谱斜率被验证为颗粒大小的代理指标。
- •
性能随传感器信噪比提升而提高。
引言
河口和沿海水域以其复杂性和动态性为特征，代表了一些光学上最为复杂的水生生态系统（Mouw 等，2015）。关键成分（如叶绿素-a (Chl?a)、悬浮颗粒物 (SPM) 和有色溶解有机物 (CDOM)）之间的相互作用对于理解生物地球化学过程（如初级生产、营养物质循环、光衰减和碳输出）至关重要。这些成分的变异性受多种驱动机制的影响，其中风、河流排放和潮汐在多个空间和时间尺度上起着重要作用。遥感技术、数据采集和新处理工具的进步显著增强了我们分析这些动态沿海和河口水域的能力。
通过水离开反射率（ρ_w），研究人员可以研究光与各种水成分相互作用产生的光谱特征。这些光谱特征提供了关于水质变量（如 SPM 和 Chl?a）或固有光学特性（IOPs）——特别是吸收和后向散射——的重要见解，这些特性是盐度（与 CDOM 相关）（Yu 等，2016）、有害藻类暴发类型（Gernez 等，2023）、颗粒大小（Slade 和 Boss，2015）和组成（矿物与有机物；Stramski 等，2008）的指标，从而提供了对水质状况和河口动态的更全面理解（例如，Tao 和 Hill，2019）。尽管取得了这些进展，但从 ρ_w 估计 IOPs 在河口和沿海水域仍面临重大挑战。在蓝光和绿光波长范围内，多个成分导致吸收和后向散射的重叠（Prochaska 和 Frouin，2025），使得反演过程复杂化。这种光谱重叠导致成分之间的协方差被高估，通常会导致反演结果的不确定性，造成反演问题的非唯一解（Defoin-Platel 和 Chami，2007）。由不同成分组成和外部环境因素引起的复杂性进一步加剧了在这些光学复杂水域中准确评估光学特性的难度。
为了改进 IOPs 和水质变量的估计，已经提出了多种算法来处理 ρ_w。这些算法通常要么单独检索水质变量，要么检索 IOPs，范围从纯经验性的波段比率或统计方法到完整的辐射传输模拟和半解析反演方案（例如，Garver 和 Siegel，1997 IOCCG 协议系列，2006；Werdell 等，2018；Tavora 等，2023）。后一种方法基于 ρ_w 和 IOPs 之间的物理关系，但受到成分吸收和后向散射光谱的经验知识的限制，在可解释性和计算效率之间取得了平衡。广泛使用的 IOP 估计算法包括准解析算法（QAA，Lee 等，2002；Lee，2014，当前版本 6）和 2SeaColor 算法（Salama 和 Verhoef，2015），这些算法专注于检索如浮游植物吸收 (a_φ)、复合 CDOM 和非藻类颗粒吸收 (a dg = a NAP + a CDOM) 以及颗粒后向散射 (b bp) 等变量。然而，这些算法并不单独估计成分浓度，如 Chl-a 或 SPM。
此外，线性矩阵反演（LMI；Hoge 和 Lyon，1996）方法提供了另一种系统化的框架，使用矩阵从 ρ_w 解析出 IOPs 或浓度。LMI 的一个显著优势是它能够利用多维数据同时估计多个变量并量化不确定性（Wang 等，2005），尽管它对噪声敏感。
为了解决在浑浊的沿海和河口水域中估计水质变量、IOPs 及其形状描述符的挑战，我们提出了 MOSAIC 算法。MOSAIC 的主要输出是 bbp 及其光谱形状描述符 (Y bbp)、SPM 浓度和可能的海洋表面温度 (SST)。虽然 LMI 反演框架还内部估计了浮游植物、非藻类颗粒和 CDOM 的吸收以完成反演系统，但这些被视为内部参数而非主要反演产品，因为它们在红光至近红外 (NIR) 光谱范围内的反演存在固有限制。MOSAIC 结合了 Wang 等人（2005；Boss 和 Roesler，2006b；Brando 等人，2012）之前应用的 LMI 方法的修订版本，现在针对浑浊的河口沿海水域进行了调整。MOSAIC 将 LMI 方法与基于 Tavora 等人（2020）工作的 SPM 浓度估计算法相结合。MOSAIC 特别使用了 ρ_w 光谱的红色和近红外区域（650-850 nm），这避免了富沉积物水域中的红光带饱和现象（Luo 等，2018），同时保持在后向散射主导信号的光谱范围内。它还利用纯水吸收对温度的敏感性从相同的光谱数据中近似计算 SST（Pegau 等，1997）。为了验证其有效性，MOSAIC 使用涵盖 SPM 浓度从大约 1 到 3981 g·m^?3 的多样化现场数据集进行了测试，并使用来自对比鲜明的沿海和河口水域的高光谱和多光谱卫星图像进行了验证。其性能与其他广泛使用的半解析算法进行了比较，包括 QAA 第 6 版（以下简称 QAA-v6）和 2SeaColor（Salama 和 Verhoef，2015），对 bbp 和 Y bbp 的估计进行了比较，使用所有三种算法的共同样本以确保公平比较。最后，我们通过将其与基于 LISST 的现场测量结果进行比较，证明了 MOSAIC 估计的 Y bbp 可以作为平均颗粒大小的代理指标。以下部分将介绍 MOSAIC 算法的详细结构、使用的数据集以及在现场数据和空间卫星传感器验证的结果。
章节片段
数据
用于评估 MOSAIC 性能的数据来自世界各地的各种河口和沿海环境。这些数据分为两大类：主要用于算法验证的现场测量（第 2.1 节）和用于验证不同光谱特性下空间一致性和准确性的卫星观测（第 2.2 节）。
MOSAIC 算法
MOSAIC 算法基于已建立的半解析方法，该方法将 ρ_w(λ) 与 IOPs 相关联（在第 3.1.1 节中有进一步描述）。MOSAIC 结合了 Wang 等人（2005；Boss 和 Roesler，2006b；Brando 等人，2012）之前使用的 LMI 方法的修订版本，现在针对浑浊的河口和沿海环境进行了调整。MOSAIC 算法的一般工作流程可以分为几个步骤（表 2）。
接下来我们将详细说明其结构、参数化和反演过程。
结果
MOSAIC 算法根据 ρ_w(λ) 估计 SPM、bp、Y bbp，并在至少有五个波长在 650 nm 到 850 nm 之间的情况下近似 SST。主要输出 bp 在标准参考波长下报告：bp(700)。特别强调 Y bbp，它可以作为水柱中平均颗粒大小 (D_av) 的代理指标，这一点在多个现场的 LISST 数据中得到了证实。当 SST 未外部提供时，MOSAIC 通过内部搜索进行估计。
算法参数化
MOSAIC 算法的主要输出（bp、Y bbp、SPM 和可能的 SST）是监控和管理动态沿海和河口系统的关键指标。特别是，来自卫星的 SPM 和与光照可用性相关的参数（如 D_av）被广泛用于评估生态系统功能、支持沉积物和生物地球化学建模工作，并有助于在诸如水框架之类的监管框架下进行环境状况评估。
结论
我们开发了 MOSAIC 反演框架，并使用广泛的现场观测和卫星场景对其性能进行了评估。主要发现包括：
1.MOSAIC 可靠地检索了光学复杂的河口和沿海水域中的颗粒后向散射 (bp)、其光谱形状描述符 (Y bbp) 和 SPM，这些水域的浊度范围很广（1–3981 g·m^?3），包括许多半解析算法难以处理的高浊度环境。相反，未收敛的反演结果集中在...
CRediT 作者贡献声明
Juliana Tavora: 撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、软件、方法论、调查、形式分析、数据管理、概念化。Amanda de Liz Arcari: 撰写 – 审稿与编辑、方法论。Mhd. Suhyb Salama: 撰写 – 审稿与编辑。Cédric G. Fichot: 撰写 – 审稿与编辑、数据管理。Joshua P. Harringmeyer: 撰写 – 审稿与编辑、数据管理。Gian Marco Scarpa: 数据管理。Federica Braga: 撰写 –
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
JT 感谢 IFREMER 通过她的博士后奖学金提供的财政支持。JT 和 RV 感谢由 GIP Seine Aval 协调的 PHRESQUES 项目。PHRESQUES 项目由 CPIER（塞纳河谷）、塞纳诺曼底水务局 (AESN) 以及诺曼底和法兰西岛大区资助。作者感谢 Loire 河口公共利益集团 (GIP) 提供的 SYVEL-Loire 数据集。对于 PRISMA–Venice 数据集，我们感谢 Giorgia Manfè (CNR-ISMAR) 和...
Juliana Tavora|Amanda de Liz Arcari|Mhd. Suhyb Salama|Cédric G. Fichot|Joshua P. Harringmeyer|Gian Marco Scarpa|Federica Braga|Emmanuel Boss|David Doxaran|Romaric Verney
