东海叶绿素浓度反演算法Hyper
利用高光谱技术反演作物叶绿素浓度
利用高光谱技术反演作物叶绿素浓度第一篇：利用高光谱技术反演作物叶绿素浓度利用高光谱技术反演作物叶绿素浓度摘要：高光谱技术作为一种新兴光谱技术，被广泛应用于植物的无损检测中，植被叶片叶绿素含量的估测就是其中之一。
利用可见-近红外成像光谱仪采集不同生育期玉米和大豆的冠层“图谱”数据，在逐步提取影像中光照土壤、阴影土壤、光照植被、阴影植被四种组分光谱的基础上，通过选取的敏感波段构建光谱植被指数和叶绿素密度进行波段自相关分析，探讨各个分量对作物叶绿素密度反演的影响。
关键词：高光谱技术；叶绿素；反演0 引言植物通过光合作用获取营养物质，在植物光合作用中，植物细胞中的叶绿体占据了重要的地位，而叶绿体中的色素有叶绿素（叶绿素a，叶绿素b 和叶绿素a+b）与类胡萝卜素（胡萝卜素和叶黄素）。
其中，叶绿素是植物光合作用中最重要的色素，其作为主要吸收光能的物质，直接影响植物光合作用的光能利用率。
叶片单位面积的叶绿素含量是植物总体生长状况的一个重要指标。
叶片叶绿素含量的测定可以用来检测和研究植物突变、压力和营养状态，作物压力和萎黄病的检测对精细农业具有重要的潜在影响[1]。
随着光谱技术的发展，其被应用到各个领域。
而高光谱技术作为光谱技术的一种，由于具有众多优点，在光谱检测方面应用十分广泛，备受人们的青睐。
人类肉眼的视觉范围在380~780 nm 之间，而高光谱的波段非常宽，一些高光谱仪器的波段达350~2 500 nm。
因此，通过高光谱技术可以对绿色植物进行叶绿素的检测和定量分析。
本文对高光谱技术在植物，特别是在经济作物的叶绿素含量检测和定量分析中的应用加以概述[2]。
成像系统简介及数据处理1.1 高光谱成像技术简介高光谱成像技术是在多光谱成像的基础上发展而来的，在较宽的波段范围内，利用成像光谱仪对目标物体进行连续成像，从而获得每个像元的数十或数百条光谱信息。
其成像特点是：光谱范围广（200~2 500nm）、超多波段（上百个波段）、高的高光谱分辨率（几个nm）、波段窄（≤10-2λ）和图谱合一等。
基于Hyperion数据的森林叶绿素含量反演
《2024年岱海叶绿素a遥感反演模型及藻华监测研究》范文
《岱海叶绿素a遥感反演模型及藻华监测研究》篇一一、引言近年来，水体富营养化及其引起的藻华问题在全球范围内广泛出现，成为了生态保护和环境管理领域面临的重要问题。
其中，岱海作为典型的湖泊之一，同样也遭受了这一挑战。
湖泊藻华问题不仅仅关系到生态系统的稳定，也对人们的健康安全产生了重大影响。
为了更有效地监控藻华的扩散情况和防治策略的实施效果，叶绿素a（Chl-a）浓度作为一种衡量藻华的关键参数受到了广大科研人员的关注。
传统的测定方法大多采用实地取样，通过实验测定水样的叶绿素a含量，但由于耗时较长且耗损较大，实时性和精度有限。
因此，运用遥感技术来估算和监测湖泊的叶绿素a浓度及其藻华状况，就显得尤为重要。
本文旨在通过构建岱海叶绿素a的遥感反演模型来分析岱海的藻华情况，以期为后续的监测和管理提供参考依据。
二、岱海背景与遥感数据岱海位于我国某地，是一个典型的内陆湖泊。
近年来，由于气候变暖、人为排放等因素的影响，岱海的富营养化问题日益严重，藻华现象频发。
为了有效监测和评估岱海的藻华状况，本文采用了多种遥感数据。
其中包括高分辨率的卫星影像、不同时相的卫星过境数据等。
这些数据不仅包含了丰富的光谱信息，还有较高的空间分辨率和时间分辨率，对于研究岱海的藻华现象具有重要的价值。
三、叶绿素a遥感反演模型的构建为了构建岱海叶绿素a的遥感反演模型，我们首先对遥感数据进行了预处理，包括辐射定标、大气校正等步骤。
然后，根据湖泊水体的光谱特征和叶绿素a的吸收和反射特性，选取了合适的波段和算法进行建模。
在模型构建过程中，我们采用了多元线性回归、神经网络等多种方法进行尝试和优化。
最终，通过对比模型的估算结果和实地测定的叶绿素a浓度数据，确定了最优的模型参数和算法。
四、模型验证与结果分析为了验证模型的准确性和可靠性，我们采用了独立的数据集对模型进行了验证。
结果表明，该模型能够较好地估算岱海的叶绿素a浓度，具有较高的精度和稳定性。
同时，我们还分析了不同季节、不同气象条件下的叶绿素a浓度变化情况，以及与藻华现象的关系。
基于生物光学模型的水体叶绿素浓度反演算法
第１期光谱学与光谱分析３９就可以得到ＮＰＳＳ浓度为１０ｍｇ·Ｌ１的水体。
本研究中我们共得到了具有１１个ＮＰＳＳ浓度级别的水体样本，其浓度值分别从０ｍｇ·Ｌ叫按步长１０ｍｇ·Ｌ．１增加到１００ｍｇ·Ｉ。
～。
将ＮＰＳＳ水体样本与含有６个不同量浓度浮游植物的样本（叶绿素浓度分别为０，６．４，１８．６，３０．６，６１．２，１２２旭·Ｌ叫）进行混合，从而得到了６６个具有不同ＮＰＳＳ和叶绿素浓度的样本，在暗室内测定其反射光谱。
Ｆｉｇ．１Ｅｘｐｅｒｉｍｅｎｔａｌｄｅｓｉｇｎｆｏｒｔｈｅｃｏｎｔｒｏｌｌｅｄｅｘｐｅｒｉｍｅｎｔｉｎｔｈｅｌａｂｏｒａｔｏｒｙ１．２叶绿秉浓度的反演刚好位于水面上方的遥感反射率凡（Ａ），可以表示为Ⅲ，蹦肛当耥（１）其中，ｒ巧（Ａ）为刚好位于水面下方的遥感反射率，即，，ｋ（Ａ）≈（Ｏ．０９４９＋０．０７９４／１（＾））￡ｚ（Ａ）出培丽辈‰（２）式中口（Ａ）是水体总吸收系数，玩（Ａ）是水体总后向散射系数。
我们只考虑水体中的三种组分（水分子、浮游植物和ＮＰＳＳ），于是吸收和后向散射系数可以写为，口（Ａ）＝‰（Ａ）＋ａ。
（Ａ）＋ａ。
Ｇ１）阮（Ａ）一既．。
（Ａ）＋Ｂｐｂｐ（Ａ）＋Ｂ。
６。
（Ａ）（３）其中ｂ是散射系数，Ｂ是后向散射概率，下角标Ｐ，咒，Ｗ分别表示浮游植物、ＮＰＳＳ和纯水。
此模型没有考虑叶绿素的荧光效应和水体的拉曼散射。
对于纯水有，胁（Ａ）一氖舞‰＝面１（４）既．。
（Ａ）’１对于只含浮游植物的水体，则Ｅｌ－Ｍ㈨］黜一～㈨揣５肛，ｐｕ）＋肛哪ｎ）蕞李笛一１（５）假定有一组只含有浮游植物的水体，其叶绿素浓度分别为ｆｔ，ｃｚ，…，“。
以“作为参考浓度值，利用非负最小二乘法就可以计算出卺鲁等和麦主嘉。
同理利用一组只含ＮＰ＆Ｓ的水体可以计算出篆鲁等和豢揣。
对于叶绿素和ＮＰＳＳ浓度分别为ｚ，Ｙ的目标水体，有ａ［ｃ·一Ｍ㈨，黜一帅㈨怒］＋吨ｃ，一Ｍ㈨，黜一加∞揣］２Ｍ√Ａ）＋Ｍ√Ａ）畿一１（６）于是，叶绿素和ＮＰＳＳ的浓度分别为：ｚ＝口“，ｙ＝压。
基于GOCI的东海叶绿素a浓度3种反演算法的对比及其昼变化分析
基于 ＧＯＣＩ的东海叶绿素 ａ浓度 ３种 反演算法的对比及其昼变化分析
王 芮１，２，伍玉梅２，杨胜龙２，崔雪森２，王 琳３，４，张胜茂２
（１．上海海洋大学，上海 ２０１３０６；２．中国水产科学研究院东海水产研究所，上海 ２０００９０； ３．农业部渔业遥感科学观测实验站，北京 １０００４１；４．中国水产科学研究院，北京 １０００４１）
相比 于 ＭＯＤＩＳ（Ｍｏｄｅｒａｔｅｒｅｓｏｌｕｔｉｏｎｉｍａｇｉｎｇ ｓｐｅｃｔｒｏｍｅｔｅｒ）、ＳｅａＷＩＦＳ（Ｓｅａｖｉｅｗｉｎｇｗｉｄｅｆｉｅｌｄｏｆ ｖｉｅｗｓｅｎｓｏｒ）等遥感传感器，第一颗地球静止水色 卫 星 ＣＯＭＳ （Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｏｃｅａｎ ａｎｄ ｍｅｔｅｏｒｏｌｏｇｉｃａｌｓａｔｅｌｌｉｔｅ）上 搭 载 的 水 色 成 像 仪 ＧＯＣＩ（Ｇｅｏｓｔａｔｉｏｎａｒｙｏｃｅａｎｃｏｌｏｒｉｍａｇｅｒ）拥有更高 的时间分辨率 （１ｈ）和 更 高 的 信 噪 比，而 且 相 对 于 ＳｅａＷＩＦＳ增加了 ６８０ｎｍ波段和 ７４５ｎｍ波段，可 用于水体中叶绿素的反演以及大气的精确校正， 全天提供目标区域 ８个时间的观测数据，对于监 测海洋水体叶绿素 ａ浓度的细节变化、赤潮等突 发性事件，有着极大的应用前景［１０］。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、悬浮物质和黄色物质等影响海洋光学性质 的海水组分 ［１１］，这 也 导 致 海 水 富 营 养 化、赤 潮 等 海洋灾害现象频繁发生，给沿海经济带来巨大损 失。因此，利用 ＧＯＣＩ数据反演东海叶绿素 ａ浓 度，能更高 频 次 地 开 展 东 海 赤 潮、绿 潮 等 突 发 性 海洋灾害事件的观测，研究它们的时空变动特点 和规律，对开展相关的监测和预报具有十分重要 的意义。
基于带模型的叶绿素a浓度反演精度评估
基于带模型的叶绿素a浓度反演精度评估陈军;陆凯;王保军【摘要】为了评估遥感反演叶绿素a浓度的精度,以2004年8月19日太湖38个水质样本数据和同步Hyperion卫星遥感影像数据为基础,借鉴四波段半分析算法,结合空间数据不确定性原理,构建了基于四波段半分析算法的“带模型”.通过研究与探讨可知,当叶绿素a浓度为10～20 μg/L和50～100 μg/L时,叶绿素a浓度的反演误差较小,大约为±20％；当叶绿素a浓度在20～50 μg/L时,叶绿素a浓度的反演误差较大,大约为±40％,局部区段的误差高达±60％左右.与传统的误差表示方法相比较,“带模型”能更详细且能准确地给出太湖水体叶绿素a浓度反演结果的误差信息.%With the spectral experiment and the simultaneous observation results of Hyperion satellite on 19 August, 2004 as the basic dataset, the authors used the uncertainty principle of spatial data to develop a " bands model" for chlorophyll-a concentration retrieval algorithm of the subsection mapping retrieval model. It is thus found that in the ranges of 10 -20 μg/L and 50 - 100 μg/L, the retrieval error of chlorophy ll-a concentration is relatively low, (approximately ±20% ) , whereas in the range of 20 -50 μg/L, the retrieval error of chlorophyll-a concentration is relatively high, ( approximately ± 40% ). A comparison with the traditional methods for error describing shows that the "bands model" could include more detailed and accurate information of data quality for remote sensing products.【期刊名称】《国土资源遥感》【年(卷),期】2011(000)004【总页数】4页(P83-86)【关键词】遥感;带模型;叶绿素a;太湖【作者】陈军;陆凯;王保军【作者单位】国土资源部海洋油气资源与环境地质重点实验室,青岛266071;青岛海洋地质研究所,青岛266071;国土资源部海洋油气资源与环境地质重点实验室,青岛266071;青岛海洋地质研究所,青岛266071;国土资源部海洋油气资源与环境地质重点实验室,青岛266071;青岛海洋地质研究所,青岛266071【正文语种】中文【中图分类】TP79;X832水色遥感产品(主要指叶绿素a浓度、悬浮泥沙浓度和可溶有机物质浓度遥感观测信息)的精度评估及表达是水色遥感研究的难点和热点之一。
叶绿素浓度反演
原理1.SeaDAS大气校正公式2.叶绿素浓度计算公式：IDL编程实现：proautumn;443波段autumnfile=filepath('lw443.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata443au=fltarr(700,1100,1)readu,lun,data443audata443au1=1.2386*data443au+0.0008574help,data443au1,/strfree_lun,lun;490 autumnfile=filepath('lw490.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata490au=fltarr(700,1100,1)readu,lun,data490audata490au1=0.92887*data490au+0.0015606help,data490au1,/strfree_lun,lun;510 autumnfile=filepath('lw510.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata510au=fltarr(700,1100,1)readu,lun,data510audata510au1=1.0118*data510au+0.00039303help,data510au1,/strfree_lun,lun;555 autumnfile=filepath('lw555.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata555au=fltarr(700,1100,1)readu,lun,data555audata555au1=1.0674*data555au+1.2241e-5help,data555au1,/strfree_lun,lunr1=data443au1>data490au1>data510au1/data555au1help,r1r=alog10(r1)chla_au=10^(-2.2402*r^4+1.4345*r^3+0.15474*r^2-0.90456*r+0.025477)help,chla_au;window,1,xsize=700/2,ysize=1100/2;new=rebin(chla_au,700/5,1100/5);print,min(new),max(new);tvscl,new,order=1;;;window,2,xsize=500,ysize=700;打开窗口大于图像大小;map_set,/isotropic,/noborder, /cylindrical,limit=[18,114,40,128],xmargin=[4,4],ymargin=[8,8]$ ;,title='autumn East China Sea chlorophyll inversion!c';设置投影，上下左右留白;images=map_image(new,startx,starty,lonmin=114,lonmax=128,latmin=18,latmax=40,/bilinear,co mpress=1);;device,decomposed = 0;loadct,4;tvscl,images,order=1,startx,starty;map_grid,latdel=2,londel=2,/box,/label;先画图后加网格im = IMAGE(chla_au, RGB_TABLE=4, $POSITION=[0.25,0.05,0.95,0.9], $FONT_COLOR='Green', FONT_SIZE=16, $TITLE='autumn East China Sea chlorophyll inversion',/order)c = COLORBAR(TARGET=im, ORIENTATION=1, $POSITION=[0.3,0.05,0.35,0.5], $TITLE='Chla_au (g/ml)')end2.。
HY-1C卫星海岸带成像仪叶绿素a浓度反演研究
HY-1C卫星海岸带成像仪叶绿素a浓度反演研究滕越;邹斌;叶小敏【期刊名称】《海洋学报》【年(卷),期】2022(44)5【摘要】叶绿素a作为最重要的水质参数之一,是评价水体富营养化和初级生产力状况的主要因素。
我国海洋一号C(HY-1C)卫星海岸带成像仪(CZI)具有高时空分辨率的观测优势。
本文基于东海和南海现场实测数据建立了HY-1C卫星CZI叶绿素a浓度反演模型并在实测水域进行反演,与MODIS叶绿素a浓度反演产品进行了对比验证,应用CZI叶绿素a浓度模型在珠江口、长江口、渤海湾水域进行了叶绿素a浓度反演示例试验。
结果表明,叶绿素a浓度模型估算浓度与实测浓度相关系数为0.7743,平均相对误差为24.58%,利用实测叶绿素a浓度对模型进行精度验证,相关系数达到0.9939,平均相对误差为18.49%。
模型在实测水域反演得到的叶绿素a浓度分布与MODIS叶绿素a浓度产品分布大体一致。
在珠江口水域反演得到叶绿素a浓度空间分布为由西北向东南逐级递减,峰值出现在珠江口西沿岸。
在长江口、渤海湾反演叶绿素a浓度空间分布均符合地理实情。
研究表明HY-1C卫星CZI数据可应用于中国近海水色定量化研究。
【总页数】10页(P25-34)【作者】滕越;邹斌;叶小敏【作者单位】国家海洋环境预报中心;国家卫星海洋应用中心;自然资源部空间海洋遥感与应用研究重点实验室【正文语种】中文【中图分类】X834;P714【相关文献】1.基于穷举法的鄱阳湖叶绿素a浓度高光谱反演模型与应用研究——以GF-5卫星AHSI数据为例2.基于GF-1卫星数据的水库叶绿素a浓度联合反演研究3.长荡湖叶绿素a浓度卫星遥感反演研究4.基于Landsat-8陆地成像仪与Sentinel-2多光谱成像仪传感器的香港近海海域叶绿素a浓度遥感反演5.基于最优特征集的HY-1C卫星海岸带成像仪影像海冰分类方法研究因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（1）全球气候变化 海水叶绿素浓度反映水体浮游生物数量，浮游生物在 阳光照射下发生光合作用，吸收CO2 而放出O2，所以通过 叶绿素的监测，可以了解海洋吸收CO2 的能力，也就是说 海洋在缓解全球气候变暖的作用。目前美国已完成了全球 海洋叶绿素的季节分布图、年分布图和多年平均分布图的 制作，并已公布于众。
二、目前业务化应用叶绿素反演模型
主题：东海叶绿素浓度反演算法研究
二、目前业务化应用叶绿素反演模型
目前卫星海色遥感在中国海存在的问题： 一是标准大气校正算法在中国海失效， 传统的“黑象素”假设不在成立，蓝波段离水辐亮度被明 显的低估； 二是由于中国海属于陆架海又受到三大河流的影响，近岸 区域富含泥沙悬移质、有色可溶有机物CDOM，使得在大洋 水中得到成功应用的传统叶绿素浓度反演算法（如SeaWiFS OC2、OC4ver4 等）在中国海不再有效。
主题：东海叶绿素浓度反演算法研究
三、东海叶绿素浓度反演算法
3.1 实验基础：
归一化的离水辐亮度Lwn光谱曲线(400nm~700nm)
主题：东海叶绿素浓度反演算法研究
三、东海叶绿素浓度反演算法
3.1 实验基础：
遥感反射比Rrs光谱曲线(400nm~700nm)
主题：东海叶绿素浓度反演算法研究
主题：东海叶绿素浓度反演算法研究
三、东海叶绿素浓度反演算法
3.1 实验基础： 海面高光谱辐射计(Hyper-TSRB)直接测量的光学参数有： 一是海面向下的辐照度E-d； 二是向上的辐亮度L-u。 结合海面高光谱辐射计Hyper-TSRB 在水下部分0.65m 深 度算法，利用仪器附带的数据处理软件Prosoft可以间接得到归 一化离水辐亮度Lwn 和遥感反射比Rrs。
三、东海叶绿素浓度反演算法
3.2 东海SeaWiFS 大气校正结果修正 通过把 1998 年7 月JGOFS 航次、2002 年9 月973 航次、 2003 年9 月973航次的Hyper-TSRB 实测数据处理得到的各波 段遥感反射比和时空匹配的SEAWiFS 卫星资料经过标 准大 气校正算法处理得到的对应通道的遥感反射比进行逐 波段 校正。 本论文中尽量选取实测数据与SeaWiFS 卫星资料相匹配 的点，由于SeaWiFS 卫星资料受到云的影响很大，这为我们 进行下面的工作带来了不小的难度，
主题：东海叶绿素浓度反演算法研究
一、叶绿素浓度监测意义
（4）赤潮预报 当水体处于富营养状态时，浮游生物会不断增长，水体液态氧严重不足， 使大批海洋生物（如鱼虾贝类）死亡，导致赤潮灾害发生。赤潮发生除了富营养 的先决条件以外，还与许多因素有关，如水温、水流、光照等，目前关于赤潮发 生的机理尚不十分清楚。 海洋遥感学家相信，通过卫星对赤潮监测的资料积累，终究会提示赤潮发生 的机理。国内外对卫星遥感探测赤潮方法已有众多研究，这些方法从原理上可分 为两类：一是基于赤潮水体光学特性的海洋水色遥感探测（叶绿素浓度增加）， 二是利用赤潮发生过程中水体温度异常的热红外遥感探测。 遥感数据与赤潮信息之间是非线性的，用通常方法是难以建立这种非线性关 系的，但应用人工神经网络方法却可以得到较为满意的映射函数。人工神经网络 方法提取赤潮信息时，既借鉴了先验知识（训练样本），又充分考虑到不同目标 信息在遥感数据中的特征，其结果的表达更为合理和准确。在获得一定代表性赤 潮水体信息的基础上，人工神经网络方法实时处理能力使赤潮的实时监测有望实 现。
主题：东海叶绿素浓度反演算法研究
一、叶绿素浓度监测意义
（2）海洋初级生产力 海洋浮游生物是海洋生物的食物链之源，浮游生物在 光合作用下，吸收的CO2 与水分子结合会转化为葡萄糖 （C6H12O6），再和其他碳氢化合物结合而转化为更高级 的碳氢化合物，如淀粉、纤维素等。海洋初级生产力定义为 海洋浮游生物光合作用的速率。中国各海区的叶绿素和初级 生产力的研究，已取得了较快的发展。总的看来，东海区的 浙江沿岸上升流、台湾浅滩上升流区和台湾海峡中、北部的 初级生产力较高；渤海湾和南海中部以南的海区的初级生产 力较低，这个变化趋势与世界其他同类各海区的情况是一致 的。
主题：东海叶绿素浓度反演算法研究
一、叶绿素浓度监测意义
海洋初级生产力的研究意义： A、了解海洋生命，如鱼、虾、贝类的潜在产量。 B、了解海洋在全球碳循环中的作用。 C、了解海区水体水质，如营养程度及赤潮机理等。
主题：东海叶绿素浓度反演算法研究
一、叶绿素浓度监测意义
（3）海洋富营养和赤潮预报 海洋浮游生物的数量既取决于光照、水温也取决于水 体营养程度。光照、水温与季节地区关系密切；水体营养 程度既取决于水温和低部营养水上升，又取决于陆上江河 入海的营养盐数量。当水体营养度超过限度，也就是说水 体富营养，此时浮游生物会急剧增加，叶绿素浓度也相应 地急增。通过对叶绿素浓度的监测，可以判断该海域是否 处于富营养状态。
主题：东海叶绿素浓度反演算法研究
三、东海叶绿素浓度反演算法
3.1 实验基础： 为了改善 SeaWiFS 标准大气校正算法处理结果，最终发展 适用于东海的叶绿素浓度反演的经验算法，我们在2002 年9 月、2003 年9 月参与两次“973”航次，在东海进行了 Hyper-TSRB 现场试验以及叶绿素浓度的同步测量。
主题：东海叶绿素浓度反演算法研究
三、东海叶绿素浓度反演算法
3.2 东海SeaWiFS 大气校正结果修正 首先从众多的试验数据和SeaWIFS 卫星资料中遴选出的数 据点。然后： (1) SeaWiFS 412nm 通道的遥感反射比Rrs(412)的校正 (2) SeaWiFS 443nm 通道的遥感反射比Rrs(443)的校正 (3)SeaWiFS 490nm 通道的遥感反射比Rrs(490)的校正 (4) SeaWiFS 510nm 通道的遥感反射比Rrs(510)的校正 (5) SeaWiFS 555nm 通道的遥感反射比Rrs(555)的校正 (6) SeaWiFS 670nm 通道的遥感反射比Rrs(670)的校正