施英妮,張亭祿,石立堅(jiān),胡曉華,南明星

（1 .中國海洋大學(xué)信息科學(xué)與工程學(xué)院,山東青島266100；2 .北京5111信箱,北京100094；3 .國家衛(wèi)星海洋應(yīng)用中心,北京100081；4 .國家海洋局空間海洋遙感與應(yīng)用研究重點(diǎn)實(shí)驗(yàn)室,北京100081；5 .北京市2433信箱,北京100081）

?

基于客觀分析的多源衛(wèi)星葉綠素a濃度產(chǎn)品融合方法研究

施英妮1,2,張亭祿1,石立堅(jiān)3,4,胡曉華2,南明星5

（1 .中國海洋大學(xué)信息科學(xué)與工程學(xué)院,山東青島266100；2 .北京5111信箱,北京100094；3 .國家衛(wèi)星海洋應(yīng)用中心,北京100081；4 .國家海洋局空間海洋遙感與應(yīng)用研究重點(diǎn)實(shí)驗(yàn)室,北京100081；5 .北京市2433信箱,北京100081）

摘要:本文基于Aqua/M O DIS、Terra/M O DIS和Envisat/M E RIS多源衛(wèi)星葉綠素a濃度產(chǎn)品,研究了客觀分析融合方法,制作了西北太平洋海域（0°～50°N,100°～150°E）葉綠素a濃度融合產(chǎn)品,并從有效數(shù)據(jù)空間覆蓋率和產(chǎn)品精度兩個(gè)方面對(duì)融合方法進(jìn)行了評(píng)價(jià)。與單傳感器以及歐洲太空局發(fā)布的GS M模型業(yè)務(wù)化融合產(chǎn)品相比,客觀分析融合產(chǎn)品空間覆蓋率明顯提高；與收集的2002 - 2012年間葉綠素a濃度實(shí)測(cè)數(shù)據(jù)比較,GS M模型業(yè)務(wù)化融合產(chǎn)品的匹配數(shù)據(jù)點(diǎn)為578個(gè),偏差為- 0.20 mg/m3,均方根誤差為0.37 mg/m3,客觀分析法融合產(chǎn)品的匹配數(shù)據(jù)點(diǎn)為1 432個(gè),偏差為- 0.21 mg/m3,均方根誤差為0.36 mg/m3。結(jié)果表明:本文研究的客觀分析融合方法在保證融合產(chǎn)品精度的同時(shí)可顯著提高產(chǎn)品的空間覆蓋率,在海洋水色融合應(yīng)用前景廣闊。

關(guān)鍵詞:客觀分析法；融合；葉綠素a濃度；空間覆蓋率；產(chǎn)品精度

1 引言

葉綠素a（chlorophyll a ,簡稱Chl a）濃度是浮游植物生物量的表征,而浮游植物是海洋生物鏈的基礎(chǔ)。濃度高表征浮游植物大量繁殖,會(huì)使海水水體中的氧氣大量被消耗,造成海洋生物窒息死亡［1］。某些浮游植物的突發(fā)性增殖和聚集還會(huì)形成赤潮,引起一定范圍內(nèi)水體變色,影響部分海域的水質(zhì)［2］。因此海洋葉綠素a濃度已成為衡量浮游植物的生物量和評(píng)價(jià)海洋水質(zhì)、有機(jī)污染程度的重要參數(shù)［3］,監(jiān)測(cè)葉綠素a濃度對(duì)了解海區(qū)的生態(tài)環(huán)境質(zhì)量有重要意義。

目前海洋水色衛(wèi)星已成為監(jiān)測(cè)葉綠素a濃度全球分布的標(biāo)準(zhǔn)工具。據(jù)國際海色組織（International Ocean Colour Coordinating Group,簡稱IO CC G）統(tǒng)計(jì),截至2014年底,搭載海色傳感器的在軌衛(wèi)星共有10余顆。這些衛(wèi)星除了韓國G O CI（Geostationary Ocean Color Imager）屬于靜止衛(wèi)星,其余都是極軌衛(wèi)星。極軌海色衛(wèi)星在運(yùn)行過程中會(huì)受到太陽耀斑和云的影響,有效數(shù)據(jù)空間覆蓋率有限,提取的信息往往不完整,不能滿足實(shí)際應(yīng)用的需求。遙感數(shù)據(jù)融合技術(shù)可將多源傳感器的數(shù)據(jù)進(jìn)行關(guān)聯(lián)和復(fù)合,產(chǎn)生比單一數(shù)據(jù)源更完整、更可靠、更精確的結(jié)果,有效提高遙感數(shù)據(jù)的利用率,擴(kuò)大遙感產(chǎn)品的空間和時(shí)間覆蓋率,成為近些年來世界范圍內(nèi)遙感應(yīng)用領(lǐng)域中的研究熱點(diǎn)［4］。國外在海色遙感資料融合方面的研究起步較早。1997年美國N ASA（National Aeronautics and Space Administration）正式提出SIM BIOS（Sensor Intercomparison and M ergerfor Biological and Interdisciplinary Oceanic Studies）研究計(jì)劃［5］,隨后,歐洲空間局又提出G L O BColour研究計(jì)劃［6］。這些計(jì)劃利用平均法、GS M（Garver Sie-gel M aritorena）生物光學(xué)模型法等技術(shù),對(duì)多顆衛(wèi)星觀測(cè)的水色數(shù)據(jù)進(jìn)行融合,建立了高質(zhì)量的海色數(shù)據(jù)集合。國內(nèi)在水色遙感資料融合方面起步較晚,中國海洋大學(xué)利用小波分析融合方法計(jì)算了2001年Sea WiES和M O DIS葉綠素a濃度數(shù)據(jù)的年平均可利用率［7］。雖然目前國際上使用平均法、GS M生物法進(jìn)行葉綠素融合產(chǎn)品的發(fā)布,但這兩種方法對(duì)空間覆蓋率的改善十分有限,如GS M融合產(chǎn)品的全球覆蓋率約為25 %［8］,難以滿足實(shí)際應(yīng)用的需求?？陀^分析融合算法由于使用時(shí)空差值可以有效提高產(chǎn)品覆蓋率和精度,目前已在海面溫度和高度計(jì)融合產(chǎn)品制作中廣泛應(yīng)用［9—10］,但在海色融合方面應(yīng)用較少。

本文基于Aqua/M O DIS、Terra/M O DIS和Envisat/M E RIS多源衛(wèi)星葉綠素a濃度產(chǎn)品,研究了客觀分析融合方法,制作了西北太平洋海域的融合產(chǎn)品。文章首先介紹了研究中用于算法研究的衛(wèi)星數(shù)據(jù)以及用于評(píng)價(jià)融合結(jié)果的實(shí)測(cè)數(shù)據(jù)和歐洲太空局發(fā)布的GS M業(yè)務(wù)化葉綠素a融合產(chǎn)品；然后對(duì)不同傳感器之間的葉綠素a濃度數(shù)據(jù)進(jìn)行交叉校準(zhǔn),為后續(xù)數(shù)據(jù)融合奠定基礎(chǔ)；詳細(xì)介紹客觀分析融合算法,并從空間覆蓋率和產(chǎn)品精度兩個(gè)方面對(duì)融合產(chǎn)品進(jìn)行評(píng)價(jià)；最后得出結(jié)論。

2 數(shù)據(jù)

2 .1 衛(wèi)星數(shù)據(jù)

本文使用衛(wèi)星數(shù)據(jù)為美國的Aqua/M O DIS、Terra/M O DIS和歐洲太空局的Envisat/M E RIS 3個(gè)傳感器的葉綠素a濃度數(shù)據(jù)。3個(gè)傳感器主要參數(shù)如表1所示,3個(gè)傳感器的葉綠素a濃度數(shù)據(jù)均可在美國N ASA的O CE A N C O L O R網(wǎng)站［11］免費(fèi)獲取,數(shù)據(jù)產(chǎn)品為Level 3標(biāo)準(zhǔn)網(wǎng)格數(shù)據(jù),數(shù)據(jù)格式為H DE格式（Hierarchical Data Eormat）,空間分辨率采用4 k m。

表1 Aqua/M O DIS、Terra/M O DIS和Envisat/M ERIS海色傳感器性能參數(shù)Tab .1 The main characteristics of Aqua/M O DIS,Terra/M O DIS and Envisat/M ERIS

2.2 浮標(biāo)數(shù)據(jù)

浮標(biāo)數(shù)據(jù)用于驗(yàn)證融合產(chǎn)品的精度,由美國N ASA海洋生物光學(xué)數(shù)據(jù)庫（Sea WiES Bio-optical Archive and Storage System,簡稱SeaB ASS）［12］提供。本文收集了數(shù)據(jù)庫中2002 - 2012年5 844組葉綠素a濃度測(cè)量數(shù)據(jù),與衛(wèi)星數(shù)據(jù)進(jìn)行匹配,生成試驗(yàn)驗(yàn)證的匹配數(shù)據(jù)集。匹配的時(shí)間間隔為1 d,空間間隔為4 k m。

3 多源衛(wèi)星數(shù)據(jù)交叉校準(zhǔn)

不同的海色傳感器在儀器校準(zhǔn)和反演算法等方面具有不同的差異,為消除傳感器之間在時(shí)間、空間及反演精度等方面的差異,獲取具有較高一致性的葉綠素a融合產(chǎn)品,需要進(jìn)行各傳感器之間的數(shù)據(jù)交叉校準(zhǔn),即用定標(biāo)精度較高的傳感器作為參考傳感器,建立參考傳感器輸出和待定標(biāo)傳感器輸出之間的關(guān)系,利用參考傳感器的觀測(cè)值和兩個(gè)傳感器輸出之間的關(guān)系確定待定標(biāo)傳感器的觀測(cè)值,進(jìn)而將多個(gè)傳感器平臺(tái)的觀測(cè)數(shù)據(jù)校準(zhǔn)到同一基準(zhǔn)［13］。交叉校準(zhǔn)中參考傳感器的選擇很重要,Aqua/M O DIS具有完善的星上定標(biāo)系統(tǒng),星上定標(biāo)系數(shù)的不確定度在2 %左右,且重訪周期短,近年來的研究工作也印證了Aqua/M O DIS數(shù)據(jù)的穩(wěn)定性和準(zhǔn)確性［14—15］,因此本文使用Aqua/M O DIS傳感器作為交叉校準(zhǔn)中的參考傳感器。

以2010年西北太平洋海域每日Aqua/M O DIS傳感器葉綠素a濃度數(shù)據(jù)為基準(zhǔn)數(shù)據(jù),分別與Terra/ M O DIS和Envisat/M ERIS的葉綠素a濃度數(shù)據(jù)進(jìn)行匹配,參照Campbell的方法［16］,對(duì)匹配的葉綠素?cái)?shù)據(jù)取以10為底的對(duì)數(shù)運(yùn)算,匹配數(shù)據(jù)點(diǎn)的密集度分布如圖1所示。由圖1可見,Terra/M O DIS、Envisat/M ERIS的葉綠素a濃度數(shù)據(jù)與Aqua/M O DIS葉綠素a濃度數(shù)據(jù)相關(guān)性較高,相關(guān)系數(shù)分別達(dá)到0.97和0.96,由此匹配數(shù)據(jù)集建立的相關(guān)關(guān)系如式（1）和（2）:

圖1 不同傳感器葉綠素a濃度匹配數(shù)據(jù)密集度分布Eig .1 Probability density distribution of the matched data between different sensors a .Aqua/M O DIS與Terra/M O DIS,b .Aqua/M O DIS與Envisat/M E RIS a .Aqua/M O DIS versus Terra/M O DIS,b .Aqua/M O DIS versus Envisat/M E RIS

4 客觀分析融合方法

客觀分析算法基于Gauss- M arkoff理論,采用時(shí)間空間窗口內(nèi)的觀測(cè)數(shù)據(jù),確定插值范圍內(nèi)各個(gè)觀測(cè)值的權(quán)重,使得插值誤差最小,給出插值網(wǎng)絡(luò)上的估計(jì)值［17］。在分析之前,首先要對(duì)以分析日期為中心的n天內(nèi)的各種衛(wèi)星數(shù)據(jù)進(jìn)行預(yù)處理、質(zhì)量控制,再以各衛(wèi)星的空間分辨率和有效數(shù)據(jù)準(zhǔn)確度劃分優(yōu)先選取順序,根據(jù)順序先后選用各種觀測(cè)數(shù)據(jù)。以葉綠素濃度a產(chǎn)品為例,假設(shè)各種衛(wèi)星資料空間分布是不規(guī)則的并有時(shí)間間隔,在點(diǎn)（x,y）處、時(shí)間t的葉綠素a濃度的線性最小平均平方估計(jì)為［9］:

式中,Chl aest為葉綠素a濃度的估計(jì)值,Φobs為葉綠素a濃度衛(wèi)星觀測(cè)數(shù)據(jù),為衛(wèi)星觀測(cè)值自相關(guān)矩陣的逆矩陣,M為觀測(cè)數(shù)據(jù)的反距離加權(quán)平均值,C為估計(jì)值與觀測(cè)值二者的互相關(guān)矩陣,Δx、Δy、Δt分別為估計(jì)值與觀測(cè)值的緯向距離、經(jīng)向距離、時(shí)間差,L、T分別為空間和時(shí)間相關(guān)尺度,融合的具體流程如圖2所示。首先,將3個(gè)傳感器葉綠素a濃度數(shù)據(jù)在預(yù)定義的插值窗口搜索數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行質(zhì)量控制；然后,求空間窗口內(nèi)衛(wèi)星觀測(cè)數(shù)據(jù)的自相關(guān)函數(shù)的逆矩陣,如果存在則采用式（3）給出估計(jì)值,如果不存在,直接采用觀測(cè)數(shù)據(jù)的反距離加權(quán)平均值（M）給出估計(jì)值；最后輸出融合結(jié)果。本文空間相關(guān)半徑L選為1°,時(shí)間相關(guān)尺度T選為3 d。

圖2 客觀分析法融合葉綠素a濃度產(chǎn)品流程圖Eig .2 Elow chart of the objective analysis for merging chlorophyll a data

5 融合結(jié)果評(píng)價(jià)

5 .1 空間覆蓋率比較

為了評(píng)價(jià)融合產(chǎn)品的空間覆蓋率,本文以2010 年2月24日A qua/M O DIS、Terra/M O DIS和Envisat/M E RIS 3個(gè)傳感器在西北太平洋海域（0°～50°N,100°～150°E）葉綠素a濃度數(shù)據(jù)為例,計(jì)算單個(gè)傳感器及歐洲太空局G S M生物光學(xué)模型和客觀分析算法融合產(chǎn)品的空間覆蓋率,如圖3所示。A qua/M O DIS、Terra/M O DIS和Envisat/M E RIS單傳感器有效值在該海域空間覆蓋率分別為13.45 %、14.86 %和9.13 % ,G S M生物光學(xué)模型融合產(chǎn)品的空間覆蓋率為31.11 % ,客觀分析法融合產(chǎn)品空間覆蓋率可達(dá)61.80 %?？梢?利用客觀分析算法對(duì)海洋水色資料進(jìn)行融合,相比與單傳感器及G S M生物光學(xué)模型融合產(chǎn)品,顯著提高了資料的空間覆蓋率。

5 .2 融合產(chǎn)品精度

圖3 西北太平洋不同海域葉綠素a濃度產(chǎn)品分布（2012年2月24日）Eig .3 Comparison of Aqua/M O DIS,Terra/M O DIS,Envisat/M E RIS and merged chlorophyll a data in the northwest Pacific region a .Aqua/M O DIS產(chǎn)品,b .Terra/M O DIS產(chǎn)品,c .Envisat/M E RIS產(chǎn)品,d .GS M生物光學(xué)模型融合產(chǎn)品,e .客觀分析法融合產(chǎn)品a . Aqua/M O DIS,b .Terra/M O DIS,c .Envisat/M E RIS,d .GS M merged,e .objective analysis merged

歐洲太空局發(fā)布的GS M模型業(yè)務(wù)化融合產(chǎn)品和本文客觀分析法融合產(chǎn)品分別與SeaB ASS現(xiàn)場(chǎng)測(cè)量數(shù)據(jù)的對(duì)比,結(jié)果如圖4所示。歐洲太空局發(fā)布的GS M模型業(yè)務(wù)化融合產(chǎn)品的匹配數(shù)據(jù)點(diǎn)為578個(gè),相關(guān)系數(shù)為0.73,偏差為- 0.20 mg/m3,均方根誤差為0.37 mg/m3；應(yīng)用本文客觀分析法融合產(chǎn)品的匹配數(shù)據(jù)點(diǎn)為1 432個(gè),相關(guān)系數(shù)為0.75,偏差為- 0.21 mg/m3,均方根誤差為0.36 mg/m3；通過對(duì)比發(fā)現(xiàn),客觀分析融合產(chǎn)品與GS M業(yè)務(wù)化融合產(chǎn)品的精度基本一致,但與實(shí)測(cè)數(shù)據(jù)的匹配點(diǎn)明顯增加,表明空間覆蓋明顯增加。

圖4 GS M模型業(yè)務(wù)化融合產(chǎn)品（a）和客觀分析法融合結(jié)果（b）分別與實(shí)測(cè)數(shù)據(jù)比對(duì)的散點(diǎn)圖Eig .4 Scatter diagram of merged chlorophyll a data and in-situ chlorophyll a data（a .GS M merged data,b .objective analysis merged data）

6 結(jié)論

目前海色衛(wèi)星大都是極軌運(yùn)行,產(chǎn)品日有效覆蓋率有限,為了提高產(chǎn)品有效覆蓋率,本文基于Aqua/ M O DIS、Terra/M O DIS和Envisat/M E RIS多源衛(wèi)星葉綠素a濃度產(chǎn)品,詳細(xì)研究了客觀分析融合方法,實(shí)現(xiàn)了多源海洋水色遙感資料的融合。通過空間覆蓋率分析發(fā)現(xiàn),客觀分析融合方法可顯著提高有效數(shù)據(jù)空間覆蓋率；與現(xiàn)場(chǎng)測(cè)量資料對(duì)比發(fā)現(xiàn),基于客觀分析方法的融合產(chǎn)品與歐洲太空局業(yè)務(wù)化GS M融合產(chǎn)品的精度基本一致?？陀^分析融合方法在保證融合產(chǎn)品精度的同時(shí)可顯著提高產(chǎn)品的空間覆蓋率,在海洋水色融合應(yīng)用前景廣闊。

參考文獻(xiàn):

［1］ 叢丕福.海洋葉綠素遙感反演及海洋初級(jí)生產(chǎn)力估算研究［D］.北京:中國科學(xué)院遙感應(yīng)用研究所,2006 . Cong Pifu . Oceanic ChloroPhyllretrieval by remote sensing and ocean Primary production estimate［D］.Beijing:Institute of Remote Sensing Applications,Chinese Academy of Sciences,2006 .

［2］ 黃韋艮,樓秀琳,肖清梅.國內(nèi)外赤潮衛(wèi)星遙感技術(shù)研究與發(fā)展［J］.遙感技術(shù)與應(yīng)用,2002,17（1）:32 - 36 . H uang W eigen,Lou Xiulin,Xiao Qingmei. Recent progress on remote sensing of red tides by satellite［J］. Remote Sensing Technology and Application,2002,17（1）:32 - 36 .

［3］ 疏小舟,汪駿發(fā),沈鳴明.航空成像光譜水質(zhì)遙感研究［J］.紅外和毫米波,2000,19（4）:273 - 276 . Shu Xiaozhou,W ang Junfa,Shen Mingming . Remote sensing of water quality monitoring using an airborneimaging spectrometer［J］.JInfrared Millim W aves,2000,19（4）:273 - 276 .

［4］ 施英妮,張紅雷,楊楠.衛(wèi)星海色融合方法概述［J］.遙測(cè)遙控,2011,32（6）:18 - 21 . Shi Yingni,Zhang H onglei,Yang Nan . Review of ocean color data merging methods［J］.Journal of Telemetry,Tracking and Com mand,2011,32 （6）:18 - 21 .

［5］ Eargion G S,McClain C R .SIM BIOS Project 2001 Annual Report［R］. N ASA Technical M emorandu m,no .2002 - 21005 .2002:1 - 308 .

［6］ GlobColour . The European Service for Ocean Colour［O L］.http://w w w .globcolour .info/

［7］ 曲利勤,管磊,賀明霞.Sea WiES和M O DIS葉綠素濃度數(shù)據(jù)及其融合數(shù)據(jù)的全球可利用率［J］.中國海洋大學(xué)學(xué)報(bào),2006,36（2）:321 - 326 . Qu Liqin,Guan Lei,He Mingxia . The globalavailabilities of Sea WiES,M O DIS and M erged Chlo rophylla Data［J］.Periodical of Ocean U niversity of China,2006,36（2）:321 - 326 .

［8］ M aritorena S,D'Andon O H E,M angin A,et al. M erged satellite ocean color data products using a bio-optical model:Characteristics,benefits and issues［J］. Remote Sensing of Environ ment,2010,114（8）:1791 - 1804 .

［9］ Guan L,Kawamura H . M erging satellite infrared and microwave ssts:methodology and evaluation of the new sst［J］.Journal of Oceanography, 2004,60:905 - 912 .

［10］ Traon P Y L,Nadal E,Ducet N . An improved mapping method of multisatellite altimeter data［J］.Journal of Atmospheric & Oceanic Technology, 1998,15（2）:522 - 534 .

［11］ Oceancolor . The A merican Service for Ocean Colour［O L］.http://oceancolor .gsfc .nasa .gov/

［12］ SeaB ASS .Sea WiES Bio-optical Archive and Storage System［O L］.http://seabass .gsfc .nasa .gov/.s

［13］ 童進(jìn)軍,邱康睦,李小文,等.利用E OS/M O DIS交叉定標(biāo)E Y1 D/VIR R可見光-近紅外通道［J］.遙感學(xué)報(bào),2005,9（4）:349 - 356 . Tong Jinjun,Qiu Kangmu,Li Xiaowen,et al. Radiometric cross-calibration of the E Y1 D/VIR R and E OS/M O DIS in the visible and near-infrared spectral bands［J］.Journal of Remote Sensing,2005,9（4）:349 - 356 .

［14］ Eargion G S,McClain C R . M O DIS validation,data merger and other activities accomplished by SIM BIOS project:2002 - 2003［R］//N ASA Tech M emo . M aryland,2003:76 .

［15］ 徐磊,馬靈玲,胡堅(jiān),等.基于Terra/M O DIS數(shù)據(jù)的HJ-1B/CC D1交叉定標(biāo)方法研究［J］.遙感信息,2011（2）:26 - 31 . Xu Lei,M a Lingling,H u Jian,et al.Cross-calibration of HJ-1B/CC D1 Against Terra/M O DIS［J］. Remote Sensing Information,2011（2）:26 - 31 .

［16］ Campbell J W . Thelognormal distribution as a modelfor bio-optical variabilityin the sea［J］.Journal Geophysics Research,1995,100（C7）:13237 - 13254 .

［17］ Carter E,Robinson A . Analysis M odelsforthe Estimation of Oceanic Eields［J］.Journal of Atmospheric & Oceanic Technology,1987,4（1）:49 -74 .

中圖分類號(hào):T P79

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):0253-4193（2016）03-0082-06

收稿日期:2015-04-01；

修訂日期:2015-07-15。

基金項(xiàng)目:國家國際科技合作專項(xiàng)資助（2011 DE A22260）；國家基金委——山東省聯(lián)合基金項(xiàng)目“海洋環(huán)境動(dòng)力學(xué)和數(shù)值模擬”（U1406404）,高分專項(xiàng)。

作者簡介:施英妮（1979—）,女,山東省煙臺(tái)市人,博士研究生,工程師,主要從事海洋遙感應(yīng)用研究。E-mail:nini0303 @ 163 .com

施英妮,張亭祿,石立堅(jiān),等.基于客觀分析的多源衛(wèi)星葉綠素a濃度產(chǎn)品融合方法研究［J］.海洋學(xué)報(bào),2016,38（3）:82 - 87,doi: 10.3969/j.issn .0253-4193.2016.03.008

Shi Yingni,Zhang Tinglu,Shi Lijian,et al.Objective analysis for merging multisensory chlorophylla data［J］. Haiyang Xuebao,2016,38 （3）:82 - 87,doi:10.3969/j.issn .0253-4193.2016.03.008

Objective analysis for merging multisensory chlorophyll a data

Shi Yingni1,2,Zhang Tinglu1,Shi Lijian3,4,H u Xiaohua2,Nan Mingxing5
（1 .Collegeof Information Science & Engineering,Ocean University of China,Qingdao 266100,China；2 . Mailbox NO 5111,Beijing 100094,China；3 . NationalSatellite Ocean Application Service,Beijing 100081,China；4 . Key Laboratory of Space Ocean Remote Sensing and Application,State Oceanic Administration,Beijing 100081,China；5 . Mailbox NO 2433,Beijing 100081,China）

Abstract:In this paper,the objective analysis method is studied to merge the daily chlorophylla concentration products over the northwest Pacific from three ocean color sensors:M oderate Resolution Imaging Spectroradiometer （M O DIS）on the Aqua platform,M O DIS on the Terra platform and the M ediu m Resolution Imaging Spectrometer （M E RIS）on the E N VISAT platform . The objective analysis method is evaluated from the spatial coverage ratio and the accuracy of the merged result. The evaluation result showed that the spatial coverage of objective analysis method products is much larger than that of the single sensor products and the GS M merged products . Through validation with thein-situ data during periodsfrom 2002 to 2012,the matched data ofthe GS M merged data and the Objective Analysis method merged datais 578 and 1 432,respectively . The correlation coefficient and the root mean square error（R M SE）ofthe GS M merged data are - 0.20 mg/m3and 0.37 mg/m3. The same evaluation parameters of objective analysis are - 0.21 mg/m3and 0.36 mg/m3. The results show thatthe objective analysisis an effective method for merging chlorophyll a data and the product of this method has the similar accuracy with other products and higher spatial coverage ratio .

Key words:objective analysis method；data merge；chlorophyll a concentration；spatial coverage；validation