利用MODIS卫星遥感数据反演中国东海叶绿素浓度及SST年际变化的研究报告.docx

1、利用MODIS卫星遥感数据反演中国东海叶绿素浓度及SST年际变化的研究报告利用MODIS卫星遥感数据反演中国东海叶绿素浓度及SST年际变化的研究10海洋科学王雪摘要：利用MODIS获取的2003年-2006年卫星数据反演中国东海海域的海表温度SST和叶绿素a浓度信息，并对其分布规律进展分析。结果说明：东海海域的SST和叶绿素a浓度的分布具有明显的分区和季节变化特征。在年际间，不同海区的SST和叶绿素a浓度均呈现出周期性变化趋势。在空间上，SST呈现出由近岸向外海递增趋势，南北位差大；叶绿素a浓度那么呈现出由近岸向外海递减的分布趋势。东海叶绿素a浓度的分布与SST、河口径流、季节等因素有关。关键

2、词：东海 MODIS SST 叶绿素a引言卫星遥感数据具有周期短、时空分布率高、数据具有可比性，以及卫星遥感能够实现对地球大面积同步观测、卫星遥感平台具有专业化多样化等特点，这使得遥感数据成为全球海洋监测的一个重要数据源，因此遥感技术成为了全球海洋监测的不可替代的技术手段。在诸多海洋遥感平台所搭载的传感器中，中成像光谱仪MODIS将时间分布率、空间分布率及光谱分辨率很好地予以结合，每12d就能获取分辨率为2501000m、包括36个波段的全球尺度MODIS数据，其中第8到16共9个波段被广泛应用于海洋遥感。利用星载或机载遥感器探测海水中的叶绿素光谱辐射，经大气校正后对海水表层叶绿素浓度进展反演

3、，即根据叶绿素的光学特性求的海水中叶绿素浓度的一种方法，该方法使同一时间对大围海域进展叶绿素监测成为可能，因此遥感技术被越来越广泛地应用于海水叶绿素监测。中国东海是典型的陆架海域,长江等河流入海,使之富集叶绿素、悬移质和黄色物质等影响海洋光学性质的海水组分。卫星水色遥感是唯一可穿透海水一定深度并获取海洋上层光学参数以及海水组分的技术手段。海洋叶绿素aChl-a是了解海洋中地球生物化学循环的根底和估算海洋生产力的根本指标，也是判断水域的肥瘠程度和评价水域渔业潜在生产力的根本依据。富集浮游植物的海域是海洋食植动物大密度存在和水产资源丰富存在的根底。海水叶绿素a浓度的测定不仅与海洋生态系统初级生产力

4、的研究密切相关，而且对于海洋-大气系统中碳循环、环境监测、赤潮灾害监测、海流(上升流、沿岸流)等的研究及渔业管理等都具有重要意义。海表温度Sea Surface Temperature，SST是影响海洋渔业资源的重要因素之一。海表温度不仅对海洋鱼类的繁殖、生长等有影响，而且对鱼类的洄游影响也比拟大，从而直接影响渔期的早晚和长短、中心渔场的位置变动以及鱼类的集群程度。对海表温度的时空分布和变化的研究，是海洋渔业研究的根本容之一。本研究主要利用MODIS遥感数据，反演东海海区长时间序列的SST和叶绿素a浓度信息，分析研究东海海区SST和表层叶绿素a浓度的分布及时空变化特征，旨在为东海的海洋动力学特

5、征、海洋生产力和海洋生态环境研究提供参考。1 数据来源与处理1.1 数据来源数据来自的海洋水色seadas.gsfc.nasa.gov/1)在水色首页点击Data ArchiveMODISTL3SMI,选择下载2003年至2006年分辨率为4km的年叶绿素a浓度和年SST数据；2)在水色首页点击Level 3 BrowserTerra MODIS Chlorophyll concentrationTerra MODIS Sea Surface Temperature 11daytimeSeasonal posite，选择下载分辨率为4km的2003年至2006年季叶绿素a浓度季SST数据；3)

6、在水色首页点击Level 3 BrowserTerra MODIS Chlorophyll concentrationTerra MODIS Sea Surface Temperature 11daytimeMonthly climatology,选择下载分辨率为4km的2003年至2006年月叶绿素a浓度季SST数据。1.2 数据处理1.2.1叶绿素数据处理以2003年为例：clear,clc;LATLIMS=23 36;LONLIMS=117 130;PI=hdfinfo(T365.L3m_YR_CHL_chlor_a_4km);pin=;for k=1:60, nm=PI.Attribu

7、tes(k).Name;nm(nm= )=_;if isstr(PI.Attributes(k).Value), pin=setfield(pin,nm,PI.Attributes(k).Value);else pin=setfield(pin,nm,double(PI.Attributes(k).Value);endend; lon=pin.Westernmost_Longitude:pin.Longitude_Step:pin.Easternmost_Longitude;lat=pin.Northernmost_Latitude:-pin.Latitude_Step:pin.Souther

8、nmost_Latitude;mn,ilt=min(abs(lat-max(LATLIMS);mn,ilg=min(abs(lon-min(LONLIMS);ltlm=fix(diff(LATLIMS)/pin.Latitude_Step);lglm=fix(diff(LONLIMS)/pin.Longitude_Step);P=hdfread(T365.L3m_YR_CHL_chlor_a_4km,l3m_data,Index,ilt ilg,ltlm lglm);P=double(P);P(P=-32767)=NaN;P=(pin.Slope*P+pin.Intercept);p=log1

9、0(P);LT=lat(ilt+0:ltlm-1);LG=lon(ilg+0:lglm-1);Plg,Plt=meshgrid(LG,LT);m_proj(lambert,lon,LONLIMS,lat,LATLIMS);m_pcolor(Plg,Plt,p);shading flat;m_gshhs_i(color,k);m_grid(linewi,2,tickdir,out);h=colorbar;set(get(h,ylabel),String,Chla (mg m-3);set(h,ytick,log10(0.1 0.5 1 3 5 10 20),yticklabel,0.1 0.5

10、1 3 5 10 20,tickdir,out);title(MODIS Chla datestr(datenum(pin.Period_Start_Year,1,0)+pin.Period_Start_Day) - . datestr(datenum(pin.Period_Start_Year,1,0)+pin.Period_End_Day),.fontsize,13,fontweight,bold);print(gcf,-dpng,p03)1.2.1 SST数据处理clear,clc;LATLIMS=23 36;LONLIMS=117 130;PI=hdfinfo(T365.L3m_YR_

11、SST_4);pin=;for k=1:60, nm=PI.Attributes(k).Name;nm(nm= )=_;if isstr(PI.Attributes(k).Value), pin=setfield(pin,nm,PI.Attributes(k).Value);else pin=setfield(pin,nm,double(PI.Attributes(k).Value);endend; lon=pin.Westernmost_Longitude:pin.Longitude_Step:pin.Easternmost_Longitude;lat=pin.Northernmost_La

12、titude:-pin.Latitude_Step:pin.Southernmost_Latitude;mn,ilt=min(abs(lat-max(LATLIMS);mn,ilg=min(abs(lon-min(LONLIMS);ltlm=fix(diff(LATLIMS)/pin.Latitude_Step);lglm=fix(diff(LONLIMS)/pin.Longitude_Step);P=hdfread(T365.L3m_YR_SST_4,l3m_data,Index,ilt ilg,ltlm lglm);P=double(P);P(P=65535)=NaN;P=(pin.Slo

13、pe*P+pin.Intercept);LT=lat(ilt+0:ltlm-1);LG=lon(ilg+0:lglm-1);Plg,Plt=meshgrid(LG,LT);m_proj(lambert,lon,LONLIMS,lat,LATLIMS);m_pcolor(Plg,Plt,P);shading flat;m_gshhs_i(color,k);m_grid(linewi,2,tickdir,out);h=colorbar;set(get(h,ylabel),String,SST (deg-C);set(h,ytick,5 10 15 20 25 30 35,yticklabel,5

14、10 15 20 25 30 35,tickdir,out);title(MODIS SST datestr(datenum(pin.Period_Start_Year,1,0)+pin.Period_Start_Day) - . datestr(datenum(pin.Period_Start_Year,1,0)+pin.Period_End_Day),.fontsize,13,fontweight,bold);print(gcf,-dpng,p4)2 图形绘制图1 东海叶绿素a浓度的季节分布图mg/m3Fig 1 Seasonal variation in chloropgyll - a concentration in East China Sea from 2003 to 2006图2 东海SST季节平均分布图Fig 2 Seasonal SST distributions in East China Sea图3 东海叶绿素a浓度年际变化mg/m3Fig 3 Annual variation in chloropgyll-a concentration in East China Sea from 2003 to 2006图4 东海SST年际变化()Fig 4 Annual variation in SST in East China Sea