一种制造技术

本发明专利技术提供了一种

【技术实现步骤摘要】
一种Chla浓度分布生成方法、系统、设备及介质


[0001]本专利技术涉及遥感观测
，特别是涉及一种
Chla
浓度分布生成方法
、
系统
、
设备及介质
。

技术介绍

[0002]目前，北冰洋浮游植物
(
叶绿素
a
浓度
)
的研究主要采用三种技术手段，分别为现场观测
、
卫星水色遥感
、
卫星激光雷达遥感
。
[0003]现场观测主要包括船基观测和浮标观测
。
针对北冰洋巴伦支海的长期船基观测发现，受海温升高的影响，
2010
‑
2020
年该海域叶绿素
a
浓度呈显著升高态势
。
近年来，随着技术的发展，
Argo
浮标观测逐渐向高纬度的北冰洋海域
(
如巴芬湾
、
格陵兰海
)
拓展
。
基于
Argo
观测数据的研究发现，即使在冬季的冰盖下，北冰洋浮游植物仍在生长繁殖，这表明北冰洋浮游植物对极低的光照条件仍具有适应性
。
卫星水色遥感凭借大范围
、
长时序和快速重复观测的技术优势，已成为北冰洋海洋生态环境研究的重要技术手段
。
研究发现，北冰洋叶绿素
a
浓度呈显著上升态势，与此同时，北冰洋正趋于“大西洋化”。<br/>这些变化因具有深远的生态学影响，而受到广泛关注
。
与水色遥感技术相比，激光雷达海洋遥感的发展相对滞后，总体上处于系统研制
、
方法研发阶段
。
虽然国际上还没有专用于海洋探测的激光雷达卫星，但近年来激光雷达海洋遥感技术发展迅速，在很大程度上拓展了人们对海洋的科学认知
。2006
年和
2018
年，用于气溶胶
/
云观测
、
海冰探测的星载激光雷达
CALIOP
和
ICESat
‑2相继实现在轨运行，推动了星载激光雷达海洋探测技术的发展
。
目前，基于星载激光雷达数据已发展了海洋颗粒物后向散射系数
bbp、
浮游植物碳含量
C
phyto
、
颗粒有机碳含量
、
叶绿素
a
浓度等参数的遥感反演算法
。
[0004]现有技术存在以下缺点：首先，现场观测主要包括船基观测和浮标观测，其受限于北冰洋特殊的地理位置和气候条件，船基观测数据大多集中在每年的7月至9月，其他时段特别是极夜期间观测较为匮乏
。
而
Argo
浮标观测仅集中在巴芬湾
、
格陵兰海等区域，其空间分布不均
。
其次，卫星水色遥感以太阳为光源，在北冰洋长达3‑6个月的极夜期间无法进行观测，因而无法得到浮游植物完整的季节演替信息，对于长期演变的刻画也可能存在一定的不确定性
。
再次，相关研究已初步证明了星载激光雷达反演海洋参数的技术可行性
。
例如，已有研究发展了面向全球大洋的
CALIOP
叶绿素
a
浓度神经网络反演算法
。
然而，该算法主要适用于中低纬开阔海域，在光学性质复杂的北冰洋具有较大的不确定性
。
此外，在高纬度海域
(
北冰洋
)
，激光雷达回波信号与叶绿素
a
浓度之间存在隐含的复杂非线性关系，仅利用简单线性模型难以准确刻画二者关系
。

技术实现思路

[0005]本专利技术的目的是提出一种
Chla
浓度分布生成方法
、
系统
、
设备及介质，以基于
CALIOP
数据生成
Chla
浓度的时空分布
。
[0006]为了实现上述目的，第一方面，本专利技术实施例提供了一种
Chla
浓度分布生成方法，
所述方法包括：
[0007]获取
Chla
浓度的遥感观测数据和现场观测数据，根据所述遥感观测数据和现场观测数据生成模型数据集，所述遥感观测数据包括
CALIOP
数据和
MODISChla
数据；
[0008]根据所述模型数据集建立并训练
Chla
反演模型，将所述
CALIOP
数据输入所述
Chla
反演模型，得到
Chla
浓度分布
。
[0009]进一步地，所述根据所述遥感观测数据和现场观测数据生成模型数据集，包括：
[0010]根据预设空间分布和时间段划分所述遥感观测数据和现场观测数据；
[0011]将处于同一空间分布和时间段的所述
CALIOP
数据分别与所述
MODISChla
数据和所述现场观测数据进行匹配，以生成模型数据集
。
[0012]进一步地，所述获取
Chla
浓度的遥感观测数据，包括：
[0013]通过退卷积算法对所述
CALIOP
数据进行瞬态校正
。
[0014]进一步地，所述通过退卷积算法对所述
CALIOP
数据进行瞬态校正，包括：
[0015]将所述
CALIOP
数据中的衰减后向散射信号与瞬态响应函数进行退卷积计算
。
[0016]进一步地，所述根据所述模型数据集建立并训练
Chla
反演模型，包括：
[0017]采用前向传播算法优化所述
Chla
反演模型的模型权重和偏差值
。
[0018]进一步地，所述获取
Chla
浓度的遥感观测数据，包括：
[0019]根据瞬态校正后的所述
CALIOP
数据计算海洋总退偏比与海洋次表层激光雷达后向散射作为遥感观测数据
。
[0020]进一步地，所述将处于同一空间分布和时间段的所述
CALIOP
数据分别与所述
MODISChla
数据和所述现场观测数据进行匹配，包括：
[0021]若同一空间分布和时间段内存在所述
MODISChla
数据和现场观测数据，则仅保留现场观测数据
。
[0022]第二方面，本专利技术实施例提供了一种
Chla
浓度分布生成系统，所述系统包括：
[0023]模型数据集生成模块，用于获取
Chla
浓度的遥感观测数据和现场观测数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种
Chla
浓度分布生成方法，其特征在于，所述方法包括：获取
Chla
浓度的遥感观测数据和现场观测数据，根据所述遥感观测数据和现场观测数据生成模型数据集，所述遥感观测数据包括
CALIOP
数据和
MODISChla
数据；根据所述模型数据集建立并训练
Chla
反演模型，将所述
CALIOP
数据输入所述
Chla
反演模型，得到
Chla
浓度分布
。2.
根据权利要求1所述的一种
Chla
浓度分布生成方法，其特征在于，所述根据所述遥感观测数据和现场观测数据生成模型数据集，包括：根据预设空间分布和时间段划分所述遥感观测数据和现场观测数据；将处于同一空间分布和时间段的所述
CALIOP
数据分别与所述
MODISChla
数据和所述现场观测数据进行匹配，以生成模型数据集
。3.
根据权利要求1所述的一种
Chla
浓度分布生成方法，其特征在于，所述获取
Chla
浓度的遥感观测数据，包括：通过退卷积算法对所述
CALIOP
数据进行瞬态校正
。4.
根据权利要求3所述的一种
Chla
浓度分布生成方法，其特征在于，所述通过退卷积算法对所述
CALIOP
数据进行瞬态校正，包括：将所述
CALIOP
数据中的衰减后向散射信号与瞬态响应函数进行退卷积计算
。5.
根据权利要求1所述的一种
Chla
浓度分布生成方法，其特征在于，所述根据所述模型数据集建立并训练
Chla
反演模型，包括：采用前向传播算法优化所述
Chla

【专利技术属性】
技术研发人员：郝天一，向金朝，崔廷伟，
申请(专利权)人：中山大学，
类型：发明
国别省市：