排序方式： 共有23条查询结果，搜索用时 15 毫秒
11.
山东半岛沿岸海域悬浮体时空分布及形成机制分析 总被引：1，自引：1，他引：0
依据2015年GOCI(geostationary ocean color imager)卫星影像反演的悬浮体浓度数据,分析了山东半岛沿岸海域表层悬浮体质量浓度和锋面月变化特征,揭示该海域悬浮体的分布特征和扩散格局,并结合风速、波高以及海表温度数据,对其控制因素进行初步探讨。结果显示:研究区内悬浮体质量浓度整体表现为冬季最高,春秋次之,夏季最低的分布特征;悬浮体扩散过程可以划分为4个阶段,冬季稳定外输,春季向岸退缩,夏季近岸贮存,秋季向外扩散。此外,山东半岛近岸存在一条悬浮体质量浓度高于10 mg/L的浑浊带,该浑浊带同样表现出季节变化,它在秋季开始形成,其悬浮体含量、幅宽及延伸范围在冬季达到最大,春季减弱,夏季消失。研究认为山东半岛沿岸海域的表层悬浮体来源主要是海底沉积物的再悬浮。风场、海浪以及沿岸流的强弱变化对悬浮体分布和输运的季节变化有重要的控制作用:风场和海浪影响海水混合搅拌强度,改变海底沉积物再悬浮作用的临界深度,进而影响表层海水悬浮体浓度,致使悬浮体浓度与风浪的月际变化趋势基本一致;沿岸流携带高浓度悬浮体沿山东半岛输运形成沿岸浑浊带,沿岸流的强度变化直接控制浑浊带的季节变化。 相似文献
12.
13.
叶绿素a（chl-a）是重要的海洋环境水色参数,但是受云雾覆盖的影响,卫星遥感chl-a产品中普遍存在数据缺失的现象,大大降低了数据的应用效果。经验正交函数插值方法（DINEOF）是目前在长时间序列缺失数据重构方面应用最广泛的数据插值重构方法,本研究针对DINEOF方法在空间小尺度上过度平滑的缺陷,设计了一种面向渤海chl-a的分层重构方法（SDS-DINEOF）,该方法重点考虑了渤海chl-a分布呈现近岸高、中部低的规律,将渤海海域等距离分为32个区域,对位于每个区域的子数据集分别进行重构;利用该方法对2019年全年每日10时13分的渤海GOCI卫星chl-a产品进行了重构,并将其重构结果与DINEOF重构结果进行了对比分析。分析结果表明：应用SDS-DINEOF方法相比DINEOF方法,chl-a重构精度和时间效率上均得到了提升,其中整体精度提高了3.52%,重构时间节约了125%,尤其是在距离陆地最远的渤海中部区域,应用该方法重构精度提升最为显著。本文取得的研究结果对于海洋遥感数据产品的质量提高和应用效率的提升,具有较为重要的理论意义和实际应用价值。 相似文献
14.
浮游植物是水体生态系统中的重要初级生产者,其中硅藻贡献海洋初级生产力约40%,因此估算硅藻浓度对了解海洋生物地球化学过程和生态系统演变至关重要。本文基于2016年6月黄渤海和2018年7月黄渤海航次实测色素浓度数据集,利用CHEMTAX软件,获取硅藻浓度信息;之后,结合实测遥感反射率数据,利用奇异值分解方法,构建硅藻浓度反演模型。检验结果表明：模型的决定系数为0.80(p<0.001),平均绝对百分比误差和中值误差分别为58.62%和39.12%,模型适用度较高;经过卫星验证,该模型适用于GOCI(Geostationary Ocean Color Imager)传感器。将模型应用于2020年6月份GOCI月平均数据,其硅藻浓度空间分布趋势与前人研究一致。本研究成果可为近海水体硅藻生物量的遥感估算研究提供技术方法支撑。 相似文献
15.
长江口水下三角洲地形地貌对于长江口航道安全、生态环境、海岸带工程等均具有重要意义,本次研究拟采用世界上第一颗静止水色卫星GOCI(Geostationary Ocean Color Imager)开展长江口Kd(490)的季节和潮汐变化规律研究,以期为采用机载激光测深提供预评估信息。研究得到结论如下:长江口及邻近海域水体为典型的二类水体,悬浮泥沙含量最高可由杭州湾内几千mg/L迅速降低至10 mg/L以下,因此,分段式的漫衰减系数反演算法适用于研究区域;Kd(490)反演结果表明长江口及邻近海域的Kd(490)值的季节变化特征表现为冬高夏低,春秋居中,长江冲淡水流量和季风是影响其季节变化的主要因素,而在一个潮周期内,Kd(490)值总体表现为低潮期低于高潮期,悬浮泥沙浓度和潮水的潮位是长江口及邻近海域的Kd(490)值的重要影响因素;研究指出,长江口及杭州湾内激光可探测深度约在5~22 m范围内,夏季退潮低潮位最适合激光雷达观测。由此可见,GOCI 8景/d,1景/h的分辨率可以实现Kd(490)的动态变化监控,而且可以实现在相同潮位下更为合理地描述Kd(490)值的季节变化,为机载激光雷达探测的进一步开展提供了技术支持。 相似文献
16.
Since coastal waters are one of the most vulnerable marine systems to environmental pollution, it is very important to operationally monitor coastal water quality. This study attempts to estimate two major water quality indicators, chlorophyll-a (chl-a) and suspended particulate matter (SPM) concentrations, in coastal environments on the west coast of South Korea using Geostationary Ocean Color Imager (GOCI) satellite data. Three machine learning approaches including random forest, Cubist, and support vector regression (SVR) were evaluated for coastal water quality estimation. In situ measurements (63 samples) collected during four days in 2011 and 2012 were used as reference data. Due to the limited number of samples, leave-one-out cross validation (CV) was used to assess the performance of the water quality estimation models. Results show that SVR outperformed the other two machine learning approaches, yielding calibration R2 of 0.91 and CV root-mean-squared-error (RMSE) of 1.74 mg/m3 (40.7%) for chl-a, and calibration R2 of 0.98 and CV RMSE of 11.42 g/m3 (63.1%) for SPM when using GOCI-derived radiance data. Relative importance of the predictor variables was examined. When GOCI-derived radiance data were used, the ratio of band 2 to band 4 and bands 6 and 5 were the most influential input variables in predicting chl-a and SPM concentrations, respectively. Hourly available GOCI images were useful to discuss spatiotemporal distributions of the water quality parameters with tidal phases in the west coast of Korea. 相似文献
17.
辽东半岛东岸近海泥区悬沙浓度的时空分布及控制因素分析 总被引：1，自引：1，他引：0
鸭绿江作为典型的中小型河流，细颗粒沉积物从鸭绿江流域到辽东半岛东岸近海泥区的源汇过程有着独特的机制，而遥感解译是了解入海沉积物在河口-陆架输运过程和机制的有效手段之一。因此，本文通过在辽东半岛东岸海域进行了现场悬沙浓度测量，并与GOCI影像建立关系，反演了该地区2011年4月至2017年3月间的表层悬沙浓度，从而揭示了该海域表层悬沙浓度的时空特征，分析了潮流、大风天气和洪水对悬沙浓度变化的影响，在此基础上探讨了研究区的悬沙浓度输运格局。结果显示，研究区表层悬沙浓度空间差异大，河口附近是悬沙浓度高值区，可达500 g/m3以上，其他区域则悬沙浓度多小于20 g/m3。另外，研究区表层悬沙浓度枯季高，洪季低，有着显著的季节性变化。进一步分析表明，枯季大风天气引起的风浪作用增强，是导致表层悬沙浓度增高的主要原因；洪季虽然悬沙浓度较低，但流域洪水期间的悬沙浓度显著增加。此外，作为典型的中小型源-汇传输体系，沉积物从鸭绿江到辽东半岛东岸近海泥区总体上仍遵循"夏储冬输"的输运机制。 相似文献
18.
东海大陆架常受台风侵扰, 强风浪在破坏水体结构的同时引起大量泥沙再悬浮。台风是影响东海表层悬沙浓度(suspended sediment concentration, SSC)的主要动力之一。本文将台风类型分为登陆和非登陆两大类共八种。基于GOCI (geostationary ocean color imager)遥感数据统计分析了2017~2020年9个不同类型台风事件对表层悬沙浓度时空分布的影响。结果表明, 近海活动型和远海活动型台风使SSC显著增高了150%~200%; 随着风速减小, SSC逐渐下降, 但需要3~4 d才能恢复至台风之前的SSC。风速变化与SSC变化率的相关性高达0.86。近海及远海活动型台风影响研究区域的风向为偏北风, 该类型台风使秋季SSC等值线向外海延伸, 出现舌状分布特点; 而登陆型台风影响研究区域的风向前期为偏北风, 后期为偏南风, 该类型台风使SSC等值线呈基本平行向外海移动较短距离, 但不出现向外海延伸的舌状分布。近海及远海活动型台风事件使SSC分布迅速向气候态平均天气下的冬季输运类型转变, 其中近海活动型台风对SSC分布的影响比远海活动型更显著。登陆型台风对研究区域SSC跨陆架方向分布的影响比远海活动型台风更小。 相似文献
19.
Field measurements of dissolved organic carbon (DOC) concentration and remote-sensing reflectance were conducted to develop a regional, empirical red-blue algorithm to retrieve surface DOC from Geostationary Ocean Color Imager (GOCI) data for Lake Taihu, China. The auxiliary data (in-situ observations of the optical properties and water quality, buoy measurements of hydrodynamic data and water chemical parameters) were used to investigate the spatial and temporal variations in DOC. GOCI was shown to be capable of successfully obtaining hourly variations in DOC, with a root mean square error percentage (RMSP) of 17.29% (RMSE = 0.69 mg/L) for the match-up data. The GOCI-derived DOC in Lake Taihu confirms that the highest DOC concentration is in northwest Lake Taihu, followed by Meiliang Bay, Gonghu Bay and northeast Lake Taihu. Hourly DOC variation is significant and presents a different trend for each lake segment due to the variety of influencing factors. Discharge of DOC from surrounding rivers is an important factor to the variation of DOC in northeast Lake Taihu. However, organic products of algae will be the primary contributor to DOC when algal bloom occurred. During the period of algal bloom, high DOC levels in Lake Taihu can lead to hypoxia when coupled with high temperatures and low disturbance. 相似文献
20.
基于GOCI影像的长江口及其邻近海域CDOM遥感反演及其日内变化研究 总被引：1，自引：1，他引：0
采用静止轨道海洋水色卫星（GOCI）数据对长江口及其邻近海域有色溶解有机物（CDOM）反演。以QAA-CDOM算法为基础,根据实测数据,利用BP神经网络模型来拟合QAA-CDOM算法中需要针对长江口水体进行优化的悬浮颗粒后向散射系数bbp与吸收系数ap的关系,从而准确估算CDOM的浓度。结果表明,反演结果准确度较高,平均相对误差为0.35。基于GOCI日内连续成像的优势,选取2014年3月15日8景GOCI影像,利用优化后的QAA-CDOM-BP算法,对长江口及其邻近海域CDOM的日内变化进行反演和分析,得到的变化规律如下:长江口及其邻近海域的CDOM日变化主要受潮流、长江径流等共同影响。长江口内CDOM浓度在涨潮期高于退潮期,由于受长江冲淡水的作用,CDOM从口外往外海区呈现逐渐递减趋势。 相似文献