王亞琪， 王 繁,2， 陳迤岳

(1.杭州師范大學(xué)生命與環(huán)境科學(xué)學(xué)院，浙江 杭州 310036； 2.杭州師范大學(xué)生態(tài)系統(tǒng)保護與恢復(fù)杭州市重點實驗室，浙江 杭州 310036)

海洋水體顆粒有機碳遙感反演研究進展

王亞琪1， 王 繁1,2， 陳迤岳1

(1.杭州師范大學(xué)生命與環(huán)境科學(xué)學(xué)院，浙江 杭州 310036； 2.杭州師范大學(xué)生態(tài)系統(tǒng)保護與恢復(fù)杭州市重點實驗室，浙江 杭州 310036)

海水顆粒有機碳(POC)對海洋碳循環(huán)以及調(diào)節(jié)CO2影響下的全球氣候變化具有重要意義.遙感技術(shù)是獲取海水POC信息的重要方法，POC遙感監(jiān)測與空間模式已成為海洋領(lǐng)域的熱點科學(xué)問題.本文全面總結(jié)了國內(nèi)外海洋顆粒有機碳遙感反演算法，包括一類和二類水體的表層和垂向POC濃度遙感反演，以及POC遙感獲取方式分類、比較與分析.同時，本文對海洋顆粒有機碳遙感反演進行了展望，提出結(jié)合POC表層和垂向分布，建立近岸海域水體POC三維遙感模式.

海洋顆粒有機碳；遙感；反演算法；水體類型；表層垂向

海洋碳循環(huán)對調(diào)節(jié)CO2作用下全球氣候變化有著重要的作用，一直是國際研究的熱點.研究表明，人類每年向大氣排放的CO2約有一半被海洋所吸收，并通過浮游植物的光合作用轉(zhuǎn)化為顆粒有機碳(particulate organic carbon, POC)被沉降固定下來[1-3]，POC是海洋生物體代謝、沉積物再懸浮及陸源輸入產(chǎn)生的有機顆粒物，包括浮游植物細胞、細菌以及有機碎屑等，是海水中碳固化和遷移輸出的主要形式[3].隨著海洋碳循環(huán)研究的深入，常規(guī)獲取POC的方法往往無法勝任大范圍POC的海洋調(diào)查研究.1993年美國正式公布全球海洋研究的生物-光學(xué)框架，利用生物-光學(xué)模型結(jié)合海洋水色遙感估測水體水色要素(浮游植物、懸浮物、黃色物質(zhì)、顆粒有機碳等)成為海洋生物地球化學(xué)一種新的研究手段[4]，并且隨著SeaWiFS(寬視場海洋觀測傳感器)，MODIS(中分辨率成像光譜儀)和MERIS(中分辨率成像光譜儀)的不斷發(fā)展，水色衛(wèi)星的空間分辨率、時間分辨率以及光譜分辨率都有顯著提高，為遙感反演提供更好的技術(shù)支持.

1 海洋水體顆粒有機碳遙感反演算法概述

目前能夠通過水色遙感獲取的水質(zhì)參數(shù)主要有葉綠素(Chl)、懸浮泥沙、有色可溶解性有機物[5].POC本身不具有光學(xué)活性，直接應(yīng)用遙感信號獲取水體POC信息并非易事；但是POC的一些生物地球化學(xué)過程使得它和葉綠素、懸浮物等物質(zhì)以及顆粒物光衰減系數(shù)、后向散射系數(shù)等固有光學(xué)量聯(lián)系起來，作為光學(xué)遙感的基礎(chǔ)，實現(xiàn)POC的遙感反演[6].POC遙感反演算法分為兩種，一種是基于表觀光學(xué)量的經(jīng)驗算法，另一種是基于固有光學(xué)量的半分析算法.

基于表觀光學(xué)量的經(jīng)驗算法，首先建立表觀光學(xué)量和現(xiàn)場實測水體組分濃度的經(jīng)驗統(tǒng)計關(guān)系，再根據(jù)水體組分濃度和POC的經(jīng)驗關(guān)系反演出POC濃度.在實際計算中，可采用遙感反射率Rrs、漫衰減系數(shù)K等作為表觀光學(xué)量指標.經(jīng)驗算法靈活方便，在遙感反演中廣泛應(yīng)用；但是該方法缺乏物理依據(jù)，完全依賴實測數(shù)據(jù)的精度，有很強的時效和區(qū)域限制[7].

基于固有光學(xué)量的半分析算法，以輻射傳輸方程為基礎(chǔ)，建立表觀光學(xué)量到固有光學(xué)量的反演模型，再根據(jù)水體固有光學(xué)量和水體組分濃度的經(jīng)驗統(tǒng)計關(guān)系反演POC濃度.在實際計算中，可采用顆粒物光衰減系數(shù)、后向散射系數(shù)等作為固有光學(xué)量指標.由于理論計算和水體散射機制之間存在差異，同時一些水體光學(xué)參數(shù)測定困難，現(xiàn)階段遙感反演都是半分析模式(即理論加經(jīng)驗).隨著對水體光學(xué)性質(zhì)的深入認知以及理論基礎(chǔ)的進一步完善，分析模式將成為可能[8].

2 海洋水體表層顆粒有機碳遙感反演算法

為了獲得更好的水色遙感反演精度，Morel和Prieur[9]根據(jù)海水的光學(xué)性質(zhì)把海水劃分為兩類：Ⅰ類水體(Case I Waters)和Ⅱ類水體(Case II Waters).一類水體主要是開闊的大洋及遠離海岸的陸架區(qū)[10]，其光學(xué)特性相對簡單，主要受浮游植物及其伴生物的影響，一般只考慮純水和葉綠素的吸收作用；二類水體主要是受陸源影響較大的近岸、河口和湖泊河流水域，其光學(xué)特性比較復(fù)雜，需要考慮浮游植物、懸浮泥沙、黃色物質(zhì)和顆粒有機物的影響[7].本文就這兩類水體分別進行顆粒有機碳遙感反演方法的研究總結(jié).

2.1 一類水體表層顆粒有機碳遙感反演算法

2.1.1 基于葉綠素的表層顆粒有機碳遙感反演算法

葉綠素作為海洋初級生產(chǎn)力模型估算的重要參數(shù)，人們已建立了成熟的葉綠素水色反演模型[11]，如基于藍綠波段比值的SeaWiFS的OC4V4算法[12]，作為基于葉綠素的顆粒有機碳遙感反演的基礎(chǔ).在遠離陸源影響的一類水體中，表層POC主要來源于浮游植物活動，通過POC濃度和葉綠素的關(guān)系以及葉綠素和遙感反射率之間的定量關(guān)系，可實現(xiàn)基于葉綠素顆粒有機碳的反演.研究表明，在北大西洋[13-14]、南大洋[15]、墨西哥灣[16]等地區(qū)均發(fā)現(xiàn)葉綠素與POC濃度之間有很好的擬合關(guān)系(見表1).

表1 葉綠素Chl和顆粒有機碳POC的回歸方程Tab. 1 Regression equation of chlorophyll and particulate organic carbon

備注：R2為決定系數(shù)

Mishonov等[15]發(fā)現(xiàn)，在南太平洋POC濃度最大值區(qū)，葉綠素濃度并不都是相當(dāng)高的，因此基于葉綠素的POC算法會存在誤差.其原因可能是，水體中葉綠素含量相對少，只占浮游植物的1.5%～4%[18]，此外，細胞內(nèi)葉綠素的分布也會隨著輻照度、溫度和營養(yǎng)鹽變化而變化[19].因此許多學(xué)者嘗試用其他海洋水色產(chǎn)品來估算POC濃度，來提高POC遙感反演的精度[15,19].

2.1.2 基于遙感反射率的表層顆粒有機碳遙感反演算法

研究[20-21]發(fā)現(xiàn)隨著POC濃度的增加，海水的遙感反射率光譜峰值從藍波段(412nm、443nm)向綠波段(490nm、555nm)偏移從而提出藍綠波段比值經(jīng)驗算法，經(jīng)驗算法雖然缺少明確的物理意義，但卻是遙感獲取POC濃度簡單快捷的方法.藍綠波段比值算法冪函數(shù)形式是：POC=A[Rrs(λ)/Rrs(555)]B，表2列舉了藍綠波段比值算法來估算POC濃度.

Son等研究[16]發(fā)現(xiàn)，多波段方法更能區(qū)分輻射峰值的轉(zhuǎn)移并提高反演精度.在此基礎(chǔ)上，Son借鑒歸一化植被指數(shù)，提出了歸一化碳指數(shù)NDCI(Normalized Difference Carbon Index)，結(jié)果精度較高(R2=0.97,N=58)；又在NDCI基礎(chǔ)上提出了最大歸一化碳指標MNDCI(Maximum Normalized Difference Carbon Index)(R2=0.99,N=58)，比之前的NDCI指數(shù)的精度更高，MNDCI指數(shù)不論對一類水體還是二類水體都有很好的借鑒.

表2 藍綠波段比值算法估算顆粒有機碳POC濃度Tab. 2 Blue-green band ratio algorithm for estimating the concentration of POC

在相對穩(wěn)定的一類水體，利用POC和遙感反射率或反射率比值之間的經(jīng)驗關(guān)系來反演POC，精度較高、簡單方便；但是針對復(fù)雜的水域環(huán)境，基于兩者的統(tǒng)計關(guān)系建立的經(jīng)驗算法缺乏完整的理論支持，因此缺乏通用性和普適性，需要更大范圍的實測數(shù)據(jù)進一步檢驗.

2.1.3 基于顆粒物光衰減系數(shù)cp的表層顆粒有機碳遙感反演算法

在陸源影響較小的大洋區(qū)域，POC濃度主要受浮游植物和有機碎屑的影響，與顆粒物的衰減系數(shù)有較穩(wěn)定的相關(guān)性，cp(660)可以用于估算POC濃度[23].在大西洋[21]、太平洋[24]、墨西哥灣[16]等地區(qū)，使用攜帶CTD的SeaTech透射率儀測量的cp值和POC濃度都呈很好的線性相關(guān).Son[16]等建立了莫斯科灣基于cp的POC表層回歸方程：POC=256.5cp+13.8(R2=0.64,N=500).Behrenfeld[24]等建立了赤道太平洋的顆粒物光衰減系數(shù)cp和POC數(shù)據(jù)的回歸分析方程：POC=585cp(660)+7.6(R2=0.75,N=67)，結(jié)果表明在開放海域cp可以作為浮游植物生物碳量的指標.

國內(nèi)學(xué)者方習(xí)生[25]建立了菲律賓海的POC回歸方程，并與國外同行在其他區(qū)域獲得的線性回歸方程斜率進行對比，發(fā)現(xiàn)菲律賓?；貧w方程斜率比其他海區(qū)斜率大2～4倍，方習(xí)生認為可能是浮游植物大量繁殖及其生理和組成差異造成的.同時顆粒物粒徑對光衰減作用也會產(chǎn)生影響，根據(jù)Bishop等[26]對赤道太平洋懸浮顆粒粒級的分析，大約41%～89%的光衰減信號是由<8μm的顆粒產(chǎn)生的，因此要獲得更好的反演精度需要考慮顆粒物體積濃度的變化.

2.1.4 基于顆粒物后向散射系數(shù)bbp的表層顆粒有機碳遙感反演算法

遙感通過水體后向散射信息來獲取水體組分濃度，因此水體后向散射系數(shù)對遙感反演模型具有重要意義[27].由于溶解物的散射基本可以忽略，顆粒后向散射系數(shù)更能反映顆粒物濃度的變化.Loisel等[28]發(fā)現(xiàn)南大洋的POC和bbp之間幾乎呈現(xiàn)線性關(guān)系，基于bbp的空間和時間變化得到全球顆粒物庫空間分布和季節(jié)變化.Allison等[22]在南極半島附近海域、南極極地鋒面(PFZ)以及羅斯海3個站點得到bbp反演的表層POC濃度的冪指函數(shù)，從而揭示了南大洋表層POC變化.基于輻射傳輸方程的QAA(Quasi-Analytical Algorithm)[29]和GSM(Garver-Siegel-Maritorena)[30]模型是利用遙感反射率Rrs獲得bbp經(jīng)典的半分析算法，比單純經(jīng)驗?zāi)Ｐ透哂羞m應(yīng)性與準確性，從而為水色衛(wèi)星遙感反演POC濃度架起了橋梁.

2.2 二類水體表層顆粒有機碳遙感反演算法

近海以及大陸架的二類水體因其受陸源無機泥沙、有機碎屑和有色溶解物的影響，光學(xué)特性復(fù)雜[7]，適用于一類清潔大洋的POC遙感反演方法不能直接用于二類水體，因此要根據(jù)二類水體的實際情況深入了解地區(qū)差異以及光學(xué)特性來進行POC反演[31].

2.2.1 基于遙感反射率的表層顆粒有機碳遙感反演算法

國內(nèi)學(xué)者[32-33]把適用于海洋水體的波段比值模型、NDCI等模型得到的POC濃度與國內(nèi)二類水體實測POC濃度對比，得出基于一類海水的POC估測模型不適合于國內(nèi)二類水體，因此開展了區(qū)域性研究(見表3).研究表明，在不同區(qū)域并且水域比較復(fù)雜的二類水體中，應(yīng)建立不同的算法或模型來提高反演精度.

表3 國內(nèi)二類水體基于遙感反射率的表層顆粒有機碳遙感反演算法Tab. 3 Retrieval algorithm of surface POC based on remote sensing reflectance of case II water in China

2.2.2 基于顆粒物光衰減系數(shù)cp的表層顆粒有機碳遙感反演算法

顆粒物衰減系數(shù)cp(660)代表的是總顆粒物濃度的光學(xué)特征，受顆粒物組成、濃度以及折射指數(shù)等因素的影響[6]，在受陸源影響較大的區(qū)域無機泥沙增大了對顆粒物的散射率，并且陸源碎屑的吸收及其單位質(zhì)量碳含量也會影響到cp和POC的關(guān)系.白雁[23]在Gardner公式的基礎(chǔ)上，用有機顆粒物的光衰減系數(shù)cpom代替顆粒光衰減系數(shù)cp從而建立了固有光學(xué)量的遙感半分析SIO算法，結(jié)果表明在無機泥沙影響較大的近岸水域，此方法對POC的估算是合理的.潘德爐、劉瓊[6]在白雁SIO算法基礎(chǔ)上，分干季(春夏)濕季(秋冬)分別利用顆粒衰減系數(shù)cp(660)反演東海陸架區(qū)表層POC濃度，結(jié)果顯示獲得的SIO算法與基于Stramski[21]等提出的藍綠波段比算法的MODIS標準POC產(chǎn)品相比具有更高的精度.

2.2.3 基于顆粒物后向散射系數(shù)bbp的表層顆粒有機碳遙感反演算法

顆粒物后向散射系數(shù)bbp是獲得POC濃度遙感反演的關(guān)鍵問題，基于輻射傳輸方程的QAA[29]和GSM[30]模型是獲得bbp的經(jīng)典半分析算法.但陳莉瓊[8]和汪文琦[36]認為QAA和GSM模型因其采用以葉綠素為主的大洋生物-光學(xué)公式，對二類水體的適用性較差，于是汪文琦等[36]提出改進算法中的經(jīng)驗值，通過生物光學(xué)模型來縮小輸入?yún)?shù)和實測值的誤差.白雁[23]也針對二類水體光學(xué)復(fù)雜特性改進了Lee的QAA算法得到SIO-QAA算法，由之前單一的555nm參考波段又加入510nm波段計算總吸收系數(shù)，把葉綠素的影響降到最低.研究者對經(jīng)典算法進行不斷改進使其不斷適應(yīng)二類復(fù)雜水體的環(huán)境并開發(fā)在不同海洋光學(xué)環(huán)境下半解析模型，以提高模型適應(yīng)性.

2.2.4 基于懸浮物的表層顆粒有機碳遙感反演算法

近海河口區(qū)水體總懸浮顆粒物(TSM)是顆粒有機碳(POC)水平和垂向輸移的主要載體，水體POC濃度與TSM濃度有顯著正相關(guān)關(guān)系，并且通過TSM和遙感反射率Rrs的關(guān)系間接獲得基于懸浮物顆粒有機碳的遙感反演.邢建偉[37]對長江口POC與TSM實測數(shù)據(jù)分析證實春夏秋冬四季兩者均呈現(xiàn)極顯著的線性正相關(guān)關(guān)系.另外潮動力引起的沉積物再懸浮與沉降引起TSM濃度和粒徑的變化不僅是影響POC吸附能力的主要因素，也是影響水體固有光學(xué)性質(zhì)的主要因素，因此基于懸浮物的POC遙感反演也要加入潮動力對懸浮物濃度和粒徑的影響因素.

2.2.5 基于葉綠素的表層顆粒有機碳的遙感反演算法

對浮游植物較多的內(nèi)陸水體，藻類葉綠素含量高，Gons算法[38]和Simis算法[39]是經(jīng)典的內(nèi)陸水體葉綠素反演算法，再通過葉綠素和POC之間的函數(shù)關(guān)系，從而實現(xiàn)內(nèi)陸水體基于葉綠素的顆粒有機碳遙感反演.國內(nèi)學(xué)者吳靜匯等[40]對Gons算法和Simis算法進行改進，得到特定波長浮游植物色素吸收aph(665)和POC濃度關(guān)系，并對富營養(yǎng)化湖泊巢湖進行POC濃度估測，結(jié)果二類水體Gons算法(R2=0.786)和Simis算法(R2=0.656)比基于后向散射系數(shù)(R2=0.1)和反射率比值(R2=0.48)的算法精度都高.

3 海洋水體垂向顆粒有機碳遙感反演算法

根據(jù)研究，衛(wèi)星能探測的水深約為1/Kd[41]，(其中Kd為上層海水太陽輻射的垂向漫衰減系數(shù))，大洋水體真光層可達到的水深范圍有限，近海混濁水體真光層更淺，遙感只能獲取表層水體信息，很難直接反映水下有機碳的真實分布情況，因此建立水體POC的垂向分布模型顯得尤為重要.

3.1 一類水體垂向顆粒有機碳遙感反演算法

第一種混勻分布：受潮汐影響或者對流作用強烈，POC濃度上下均勻，表層水體的POC濃度等于水下混勻水層POC濃度.Stramska等[42]認為海洋表面湍流使得海水是均質(zhì)的并假設(shè)POC濃度等于表層POC濃度，并在200 m的光學(xué)深度對POC儲量進行定量估算.

第二種指數(shù)衰減分布：水體層化程度不高，浮游植物隨水下光照強度的減弱而逐漸減少，POC濃度隨水深逐漸降低.

第三種高斯分布：在浮游植物主導(dǎo)且層化程度較高的大洋，POC濃度與葉綠素次表層最大值一致，真光層呈高斯分布.Duforêt-Gaurier等[43]根據(jù)透光層和混合層深度的比值將水體劃分為層化的高斯分布和均勻混合的水體.

3.1.1 基于顆粒物光衰減系數(shù)cp的垂向顆粒有機碳遙感反演算法

1980年以來，世界海洋環(huán)流實驗WOCE、海洋通量聯(lián)合研究計劃JGOFS、南大西洋通風(fēng)實驗SAVE和其他項目試驗研究發(fā)現(xiàn)：在大西洋[21,44]、太平洋[21]、阿拉伯海、羅斯海[45]、印度洋[46]等地區(qū)，垂向深度內(nèi)實測cp值和POC濃度有很好的回歸關(guān)系(見表4).cp又可以通過水體漫射衰減系數(shù)Kd(490)、歸一化離水輻亮度LWN(555)表示出來,從而為水色衛(wèi)星遙感反演POC濃度架起了橋梁[47-48].

表4 垂向顆粒物光衰減系數(shù)cp和顆粒有機碳POC的回歸方程Tab. 4 Regression equation of cp and POC in vertical direction

備注：POC單位(mg/m3),cp單位(m-1)

3.1.2 基于顆粒物后向散射系數(shù)bbp的垂向顆粒有機碳遙感反演算法

研究發(fā)現(xiàn)：在大西洋[21]、太平洋[21,49-50]、羅斯海[51]等地，垂向深度內(nèi)實測顆粒物后向散射系數(shù)bbp值和POC濃度有很好的回歸關(guān)系(見表5).bbp又可以通過遙感反射率建立經(jīng)驗?zāi)Ｐ突蛲ㄟ^半分析算法QAA、GSM與遙感反射率聯(lián)系起來，從而實現(xiàn)基于bbp的POC遙感反演.

表5 垂向顆粒物后向散射系數(shù)bbp和顆粒有機碳POC的回歸方程Tab. 5 Regression equation of bbp and POC in vertical direction

備注：POC單位(mg/m3),bbp單位(m-1)

3.2 二類水體垂向顆粒有機碳遙感反演算法

根據(jù)水體特點將水域劃分為不同垂向類型，分區(qū)域建立POC垂向模型.現(xiàn)階段對二類水體垂向遙感的研究相對較少.對于東海以及近岸二類水體，潘德爐，劉瓊[6]根據(jù)遙感鹽度、溫度、葉綠素產(chǎn)品對不同季節(jié)的POC劃分為衰減型分布、混勻分布、次表層最大(高斯分布)、半層化分布(折線分布)4個不同類型.春季陸源影響較大的近岸常表現(xiàn)為表層高、底層低的衰減型分布，陸架區(qū)由于次表層密躍層呈現(xiàn)表層POC含量低、上混合層均勻的半層化分布；夏季陸架區(qū)cp(660)呈現(xiàn)與葉綠素次表層最大值一致的高斯分布，近岸受潮汐影響是混勻分布；秋冬季浮游植物少且對流作用強cp(660)呈現(xiàn)上下混勻型分布.根據(jù)東海水域的4個不同類型建立了不同的POC垂向分布模型.

4 海洋水體顆粒有機碳遙感反演研究展望

目前，關(guān)于海洋水體表層顆粒有機碳的遙感算法相對比較成熟，包括利用遙感反射率、葉綠素、懸浮物等表觀光學(xué)量反演以及顆粒物光衰減系數(shù)cp、顆粒物后向散射系數(shù)bbp等固有光學(xué)量遙感反演，在相對穩(wěn)定的大洋區(qū)域，反演結(jié)果比較可行，但是在陸源輸入且復(fù)雜多變的近岸區(qū)域，POC濃度和各個參數(shù)之間的相關(guān)性變得離散，在以下方面還有待深入研究：

1)充分考慮區(qū)域性以及季節(jié)性的差異建立不同的分析算法成為一個亟待解決的問題;

2)由一類水體過渡到二類水體并沒有明顯的分界線，由一類水體到二類水體的過渡區(qū)域是否可以定義為一個中間水體，因為水體劃分越精細，越有利于遙感監(jiān)測;

3)POC垂向遙感反演算法的研究相對比較薄弱，要減少對實測數(shù)據(jù)的依賴，增加算法的適用性，建立能夠模擬潮動力、粒徑分布和風(fēng)浪輸運的POC垂向分布模型尤為重要;

4)結(jié)合POC表層和垂向分布建立海洋三維立體觀測是顆粒有機碳遙感監(jiān)測的一個趨勢，今后要對水色遙感和生物地球化學(xué)機理進行交叉研究來提高POC的遙感監(jiān)測精度.

[1] SIEGEL D A, BUESSELER K O, DONEY S C, et al. Global assessment of ocean carbon export by combining satellite observations and food-web models[J]. Global Biogeochemical Cycles,2014,28(3):181-196.

[2] HONJO S, MANGANINI S J, KRISHFIELD R A, et al. Particulate organic carbon fluxes to the ocean interior and factors controlling the biological pump: A synthesis of global sediment trap programs since 1983[J]. Progress in Oceanography,2008,76(3):217-285.

[3] 張乃星,宋金明,賀志鵬.海水顆粒有機碳(POC)變化的生物地球化學(xué)機制[J].生態(tài)學(xué)報,2013,26(7):2328-2339.

[4] 曹文熙,黃良民.海洋生物-光學(xué)研究進展與展望[J].自然科學(xué)進展,2004,14(1):20-27.

[5] 吳靜匯,段洪濤,張玉超,等.巢湖水體POC濃度遙感反演算法與驗證[J].紅外與毫米波學(xué)報,2015,34(6):750-756.

[6] 劉瓊.東海上層海洋有機碳儲量的遙感估算方法研究[D].武漢：武漢大學(xué),2013.

[7] 王繁.河口水體懸浮物固有光學(xué)性質(zhì)及濃度遙感反演模式研究[D].杭州：浙江大學(xué),2008.

[8] 陳莉瓊.基于輻射傳輸機理的鄱陽湖懸浮顆粒物濃度遙感反演研究[D].武漢：武漢大學(xué),2011.

[9] MOREL A, PRIEUR L. Analysis of variations in ocean color[J]. Limnology and Oceanography,1977,22(4):709-722.

[10] GUNDERSEN J S, GARDNER W D, RICHARDSON M J, et al. Effects of monsoons on the seasonal and spatial distributions of POC and chlorophyll in the Arabian Sea[J]. Deep Sea Research Part II: Topical Studies in Oceanography,1998,45(10-11):2103-2132.

[11] MéLIN F. Global distribution of the random uncertainty associated with satellite-derived Chl a[J]. Geoscience and Remote Sensing Letters, IEEE,2010,7(1):220-224.

[12] O’REILLY J E, MARITORENA S, MITCHELL B G, et al. Ocean color chlorophyll algorithms for Sea WiFS[J]. Journal of Geophysical Research: Oceans,1998,103(C11):24937-24953.

[13] SATHYENDRANATH S, STUART V, NAIR A, et al. Carbon-to-chlorophyll ratio and growth rate of phytoplankton in the sea[J]. Marine Ecology Progress,2009,383(12):73-84.

[14] STRAMSKA M, STRAMSKI D. Variability of particulate organic carbon concentration in the north polar Atlantic based on ocean color observations with Sea-viewing Wide Field-of-view Sensor (SeaWiFS)[J]. Journal of Geophysical Research Oceans,2005,110(C10):423-436.

[15] MISHONOV A V, GARDNER W D, RICHARDSON M J. Remote sensing and surface POC concentration in the South Atlantic[J]. Deep Sea Research Part II: Topical Studies in Oceanography,2003,50(22):2997-3015.

[16] SON Y B, GARDNER W D, MISHONOV A V, et al. Multispectral remote-sensing algorithms for particulate organic carbon (POC): The Gulf of Mexico[J]. Remote Sensing of Environment,2009,113(1):50-61.

[17] MOREL A, GENTILI B, CHAMI M, et al. Bio-optical properties of high chlorophyll Case 1 waters and of yellow-substance-dominated Case 2 waters[J]. Deep Sea Research Part I: Oceanographic Research Papers,2006,53(9):1439-1459.

[18] EPPLEY R W, CHAVEZ F P, BARBER R T. Standing stocks of particulate carbon and nitrogen in the equatorial Pacific at 150 W[J]. Journal of Geophysical Research: Oceans,1992,97(C1):655-661.

[19] BEHRENFELD M J, BOSS E. The beam attenuation to chlorophyll ratio: an optical index of phytoplankton physiology in the surface ocean?[J]. Deep Sea Research Part I: Oceanographic Research Papers,2003,50(12):1537-1549.

[20] SON Y B, GARDNER W D, MISHONOV A V, et al. Model-based remote sensing algorithms for particulate organic carbon (POC) in the Northeastern Gulf of Mexico[J]. Journal of Earth System Science,2009,118(1):1-10.

[21] STRAMSKI D, REYNOLDS R A, BABIN M, et al. Relationships between the surface concentration of particulate organic carbon and optical properties in the eastern South Pacific and eastern Atlantic Oceans[J]. Biogeosciences,2008,5(1):171-201.

[22] ALLISON D B, STRAMSKI D, MITCHELL B G. Empirical ocean color algorithms for estimating particulate organic carbon in the Southern Ocean[J]. Journal of Geophysical Research Oceans,2010,115(C10):1971-1982.

[23] 白雁.中國近海固有光學(xué)量及有機碳衛(wèi)星遙感反演研究[D].上海：中國科學(xué)院上海技術(shù)物理研究所,2007.

[24] BEHRENFELD M J, BOSS E. Beam attenuation and chlorophyll concentration as alternative optical indices of phytoplankton biomass[J]. Journal of Marine Research,2006,64(3):431-451.

[25] 方習(xí)生,魏建偉,石學(xué)法,等.菲律賓海西部海區(qū)有機懸浮顆粒觀測及其分布特征[J].海洋科學(xué)進展,2013,31(4):485-497.

[26] BISHOP J K B. Transmissometer measurement of POC[J]. Deep Sea Research Part I Oceanographic Research Papers,1999,46(2):353-369.

[27] 叢丕福,曲麗梅,韓庚辰,等.海洋顆粒有機碳的遙感探測與應(yīng)用分析[J].海洋環(huán)境科學(xué),2012,31(2):300-304.

[28] LOISEL H, BOSE E, STRAMSKI D, et al. Seasonal variability of the backscattering coefficients in the Mediterranean Sea based on Satellite SeaWIFS imagery[J]. Geophysical Research Letters,2001,28(22):4203-4206.

[29] LEE Z P, CARDER K L, ARNONE R A. Deriving inherent optical properties from water color: a multiband quasi-analytical algorithm for optically deep waters[J]. Applied Optics,2002,41(27):5755-5772.

[30] GARVER S A, SIEGEL D A. Inherent optical property inversion of ocean color spectra and its biogeochemical interpretation: 1. Time series from the Sargasso Sea[J]. Journal of Geophysical Research: Oceans,1997,102(C8):18607-18625.

[31] 鞏彩蘭,樊偉.海洋水色衛(wèi)星遙感二類水體反演算法的國際研究進展[J].海洋通報,2002,21(2):77-83.

[32] 牟冰.基于靜止軌道水色衛(wèi)星GOCI的渤海渾濁水體遙感信息提取方法研究[D].青島：中國海洋大學(xué),2014.

[33] 姜廣甲,蘇文,馬榮華,等.富營養(yǎng)化水體顆粒有機碳濃度的遙感估算及動態(tài)變化特征[J].紅外與毫米波學(xué)報,2015,34(2):203-210.

[34] WANG G, ZHOU W, CAO W, et al. Variation of particulate organic carbon and its relationship with bio-optical properties during a phytoplankton bloom in the Pearl River estuary[J]. Marine Pollution Bulletin,2011,62(9):1939-1947.

[35] 張杰,呂恒,潘洪洲,等.內(nèi)陸湖泊顆粒有機碳反演及日變化初步研究[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2015,40(12):1618-1624.

[36] 汪文琦,董強,商少凌,等.基于兩種半分析算法的水體吸收系數(shù)反演[J].熱帶海洋學(xué)報,2009,28(5):35-42.

[37] 邢建偉.長江口有機碳的時空分布、變化及輸運特征研究[D].青島：中國海洋大學(xué),2014.

[38] SIMIS S G H, PETERS S W M, GONS H J. Remote sensing of the cyanobacterial pigment phycocyanin in turbid inland water[J]. Limnology and Oceanography,2005,50(1):237-245.

[39] GONS H J, RIJKEBOER M, RUDDICK K G. A chlorophyll-retrieval algorithm for satellite imagery (Medium Resolution Imaging Spectrometer) of inland and coastal waters[J]. Journal of Plankton Research,2002,24(9):947-951.

[40] 吳靜匯,段洪濤,張玉超,等.巢湖水體POC濃度遙感反演算法與驗證[J].紅外與毫米波學(xué)報,2015,34(6):750-756.

[41] BANSE K. Seasonality of phytoplankton chlorophyll in the central and northern Arabian Sea[J]. Deep Sea Research Part A. Oceanographic Research Papers,1987,34(5):713-723.

[42] STRAMSKA M. Particulate organic carbon in the global ocean derived from SeaWiFS ocean color[J]. Deep Sea Research Part I: Oceanographic Research Papers,2009,56(9):1459-1470.

[44] MISHONOV A V, GARDNER W D, RICHARDSON M J. Remote sensing and surface POC concentration in the South Atlantic[J]. Deep Sea Research Part II: Topical Studies in Oceanography,2003,50(22):2997-3015.

[45] GARDNER W D, RICHARDSON M J, SMITH W O. Seasonal patterns of water column particulate organic carbon and fluxes in the Ross Sea, Antarctica[J]. Deep Sea Research Part II: Topical Studies in Oceanography,2000,47(15/16):3423-3449.

[46] DJURHUUS A, READ J F, ROGERS A D. The spatial distribution of particulate organic carbon and microorganisms on seamounts of the South West Indian Ridge[J]. Deep Sea Research Part II: Topical Studies in Oceanography,2017,136:73-84.

[47] GARDNER W D, MISHONOV A V, RICHARDSON M J. Global POC concentrations from in-situ and satellite data[J]. Deep Sea Research Part II: Topical Studies in Oceanography,2006,53(5/7):718-740.

[48] 王桂芬,曹文熙,殷建平,等.海洋顆粒有機碳濃度水色遙感研究進展[J].熱帶海洋學(xué)報,2012,31(6):48-56.

[50] BALCH W M, BOWLER B C, DRAPEAU D T, et al. Biominerals and the vertical flux of particulate organic carbon from the surface ocean[J]. Geophysical Research Letters,2010,37(22):333-345.

[51] STRAMSKI D, REYNOLDS R A, KAHRU M, et al. Estimation of particulate organic carbon in the ocean from satellite remote sensing[J]. Science,1999,285(5425):239-242.

Research Progress on Remote Sensing Inversion of Ocean Particulate Organic Carbon

WANG Yaqi1, WANG Fan1,2, CHEN Yiyue1

(1.College of Life and Environmental Science, Hangzhou Normal University, Hangzhou 310036, China; 2.Key Laboratory of Hangzhou City for Ecosystem Protection and Restoration, Hangzhou Normal University, Hangzhou 310036, China)

Particulate organic carbon (POC) is of significance in ocean carbon cycling and adjusting to the climate changes influenced by the increased CO2. Remote sensing technology is an important way to acquire POC information of seawater. As a consequence, remote sensing capable of monitoring large-scale and real-time POC has become an important issue in the field of ocean studies. This paper comprehensively summarizes the remote sensing inversion algorithm of ocean POC at home and abroad, including remote sensing inversion of POC at the surface layer and in vertical direction of case I and case II water bodies, as well as the classification, comparison and analysis of accesses for POC remote sensing. Meanwhile, in this paper, remote sensing inversion of POC in sea is expected and it is proposed to combine surface and vertical distribution of POC to build a three-dimensional remote sensing model for POC at offshore areas.

ocean particulate organic carbon; remote sensing; inversion algorithm; water type; vertical surface

2016-03-13

浙江省自然科學(xué)基金項目(LY15D010007).

王繁(1976—)，男，副研究員，博士，主要從事近海生物地球化學(xué)過程模擬及水色遙感技術(shù)應(yīng)用等研究.E-mail：wangfan@hznu.edu.cn

10.3969/j.issn.1674-232X.2017.02.015

P733.3

A

1674-232X(2017)02-0205-08