概括
准确的光谱关系是改善海洋颜色数据质量的关键. 一种新的神经网络方法 (IDASnn) 有效地减少了卫星遥感反射率 (Rrs) 的残余误差,增强了固有的光学属性检索.
科学领域:
- 海洋学 海洋学 海洋学
- 遥感 遥感 遥感 遥感
- 数据科学数据科学数据科学
背景情况:
- 卫星遥感反射率 (Rrs) 的残余误差会影响海洋色彩数据的质量和应用适用性.
- 现有的固有光学数据处理系统 (IDAS) 算法依赖于不变的光谱关系,这些关系可能无法完全纠正剩余错误.
研究的目的:
- 开发和评估一种基于神经网络的新型IDAS算法 (IDASnn),以更有效地纠正Rrs数据中的残余错误.
- 为了提高检索的固有光学特性 (IOPs) 和海洋色彩产品的精度和时空一致性.
主要方法:
- 用指数加线性函数表示剩余误差谱.
- 开发神经网络模型,从卫星Rrs数据中推导光谱斜率系数.
- 使用合成,现场和COCTS数据,将IDASnn算法的性能与基于不变光谱关系的IDAS算法 (IDAScw) 进行了比较.
主要成果:
- 与IDAScw相比,IDASnn算法在减少IOP检索的剩余错误影响方面表现出更高的有效性.
- IDASnn产生了更准确和更光滑的时空海洋色彩产品,特别是在开放的海洋环境中.
- 该算法能够监测数据质量,识别COCTS图像中的大量剩余错误,其有效覆盖范围较低.
结论:
- 准确的残余误差的光谱关系对于在海洋颜色数据处理中有效纠正错误至关重要.
- IDASnn算法在提高卫星衍生海洋色彩产品的可靠性和可用性方面取得了重大进展.
- 对产品有效覆盖的严格控制或准确的剩余错误纠正对于时间和空间分析COCTS数据至关重要.
