南海北部海域叶绿素 a浓度时空特征遥感分析
叶绿素含量遥感监测实例
3. 叶绿素含量遥感监测实例
根据表中不同浓度水体的fhigh值与浓度的对应关系，得到方程:
将SeaWiFS影像数据用光谱混合分析计算出每个像元的fhigh值， 用上式计算出每个像元的叶绿素浓度，得到台湾海峡叶绿素浓度分 布图，最大浓度为10.66μg/L，分布于台湾海峡南部大陆附近，最 小浓度为小于0.05μg/L，位于台湾岛东侧。由光谱混合分析得到的 叶绿素浓度分布与经验模型的计算结果类似，都是大陆沿岸叶绿素 浓度最大，离大陆越远，叶绿素浓度越小，台湾岛东侧叶绿素浓度 最小，只是浓度范围有所不同，由光谱混合分析所得结果的最小值 更小，最大值更大，但只是少数像元是极值，而绝大部分区域浓度 相差不大，都在1～5μg/L之间。
由于各水系消长的影响较复杂，海区叶绿素a分布很不均匀。受沿岸 水影响的海区北部叶绿素a含量高于受暖流水控制的南部海区，上层和表 层水中叶绿素a含量高于下层和低层，形成上高下低、西北部高东南部低 的分布趋势。
10月海区叶绿素a含量普遍较高，平均达2.16μg/L，为全年最高， 这与浮游植物的秋季生长高峰一致，但分布不均匀，呈明显的斑块状。
叶绿素含量遥感监测实例
3. 叶绿素含量遥感监测实例
用神经网络模型计算叶绿素浓度 神经网络模型结构——网络为多重前馈网络。为减少计算量，
确定模型为3层网络，下图表示的是本例所用的神经网结构，每一 个输人结点对应于一个SeaWiFS的一个波段的反射率。
从计算结果来看，海峡叶绿素浓度的范围总体为0～12μg/L， 其中海峡中间大部分区域的叶绿素浓度在1～2μg/L之间，叶绿素浓 度小于1的区域只分布在大陆沿岸附近。
叶绿素含量遥感监测实例
历史统计资料
据历史统计资料，台湾海峡中北部叶绿素a含量周年变化峰期在秋春 季，低值在夏冬季，各层次浓度均在10月和4月出现高峰。
南大洋扇区夏季表层海水叶绿素a分布特征及其原因分析
南大洋扇区夏季表层海水叶绿素a分布特征及其原因分析廖静思;陆志波;王娟;李慧蓉;张洁;王硕仁【摘要】研究利用第30次(2013 ～2014年)南极科学考察所获得的南大洋表层海水叶绿素a、温度以及盐度数据进行分析.结果显示,某些特殊海域如大陆架、岛屿附近海域,或当某一海域存在一些特殊的变化,如海冰融化,海洋锋,底部上升流时,会为浮游植物的生长提供有利条件,进而能够引发浮游植物叶绿素爆发.而在南大洋的5大海域中,罗斯海的叶绿素水平最高,其平均浓度能够达到1.735 mg/m3.通过一些数据分析我们也发现在南半球夏季,对于浮游植物生长来说,温度水平和光照水平都是很充足的,而限制因素主要是营养物质的缺乏.而高纬度海区浮游植物生长速率对全球气候变暖非常敏感,因此对于浮游植物叶绿素爆发的原因探究也对全球碳循环以及气候变化起着重要作用,同时为后续研究提供数据资源.【期刊名称】《四川环境》【年(卷),期】2019(038)001【总页数】11页(P105-115)【关键词】南大洋;叶绿素a;浮游植物爆发;全球变暖【作者】廖静思;陆志波;王娟;李慧蓉;张洁;王硕仁【作者单位】同济大学环境科学与工程学院,上海200092;职合国环境署-同济大学环境与可持续发展学院,上海200092;同济大学环境科学与工程学院,上海200092;同济大学污染控制与资源化国家重点实验室,上海200092;职合国环境署-同济大学环境与可持续发展学院,上海200092;同济大学环境科学与工程学院,上海200092;同济大学环境科学与工程学院,上海200092;中国极地研究中心,上海200136;中国极地研究中心,上海200136【正文语种】中文【中图分类】X551 引言目前，对于南大洋生态系统的研究已经成为南大洋领域研究的重点和热点，浮游植物是海洋生态系统的基础，担负着海洋中90%以上的有机物质的生产[1-2]。
同时，南大洋是重要的大气CO2沉降区[3-4]，对于全球气候变化起到了至关重要的作用[5]。
《基于Landsat8OLI卫星影像的乌梁素海悬浮物和叶绿素a浓度遥感反演研究》范文
《基于Landsat 8 OLI卫星影像的乌梁素海悬浮物和叶绿素a浓度遥感反演研究》篇一一、引言随着遥感技术的飞速发展，利用卫星影像对地表环境和生态系统的监测变得愈加准确和便捷。
其中，基于Landsat 8 OLI卫星影像的数据资源在湖泊环境研究中发挥了重要作用。
乌梁素海作为我国北方的一个典型内陆湖泊，其水质变化和生态环境状况受到了广泛关注。
因此，本文以乌梁素海为研究对象，利用Landsat 8 OLI卫星影像数据，探讨其悬浮物和叶绿素a浓度的遥感反演方法。
二、研究区域与方法（一）研究区域乌梁素海位于我国北方某省，是典型的内陆湖泊。
该湖泊的生态环境和水质状况对周边地区具有重要影响。
（二）研究方法本研究主要利用Landsat 8 OLI卫星影像进行反演研究。
首先，收集乌梁素海区域的多时相Landsat 8 OLI卫星影像数据；其次，对卫星影像进行预处理，包括辐射定标、大气校正等；然后，通过分析水体光谱特征，建立悬浮物和叶绿素a浓度与卫星影像特征参数之间的数学模型；最后，利用模型对乌梁素海进行遥感反演，获取悬浮物和叶绿素a浓度的空间分布情况。
三、数据处理与分析（一）数据预处理对收集到的Landsat 8 OLI卫星影像进行辐射定标和大气校正等预处理操作，以提高数据质量。
（二）光谱特征分析通过分析乌梁素海水体的光谱特征，发现水体中的悬浮物和叶绿素a对不同波段的光具有不同的反射和吸收特性。
其中，蓝色波段对叶绿素a的吸收较强，而红色和近红外波段对悬浮物的反射较为敏感。
（三）数学模型建立根据水体光谱特征分析结果，建立悬浮物和叶绿素a浓度与卫星影像特征参数之间的数学模型。
本研究采用多元线性回归方法建立模型，通过分析不同波段的光谱信息与悬浮物和叶绿素a 浓度的关系，确定模型的参数。
（四）遥感反演与结果分析利用建立的数学模型对乌梁素海进行遥感反演，获取悬浮物和叶绿素a浓度的空间分布情况。
通过对反演结果的分析，发现乌梁素海不同区域的悬浮物和叶绿素a浓度存在较大差异，这与该地区的气候、植被和水质等因素密切相关。
基于现场光谱的潮滩表层沉积物叶绿素-a含量遥感模式
收稿 日期 ： ２ ０ １ ２ — １ ２ — ０ ５ 。修订 日期 ： ２ ０ １ ３ — ０ ２ — ２ ５
域为养殖 区域 ； 该地 为规则半 日潮 ， 潮位变化 幅度为 ２ ｍ左
基 于现 场光 谱 的潮 滩表 层 沉 积物 叶绿 素一 ａ含量 遥 感模 式
邢前 国，禹定峰 ， 娄 明静 ，吕迎春 ， 李少 朋 ， 韩秋 影
中国科学 院烟 台海岸带研究所 ，山东 烟台 ２ ６ ４ ０ ０ ３
摘
要 提 出了一种可实现潮滩表层叶绿素的现场快 速 、 无 损 的光 学检测方 法。利用 反射率 光谱对我 国潮 滩表层沉积物叶绿素一 ａ 浓度进行 了观测试验 。 基 于高光谱 ６ ５ ０ ， ６ ７ ５ 及７ ０ ０ ｎ ｌ Ｔ Ｉ 各波段的反射率 ， 提 出了用于 叶绿素浓度反演 的归一化底栖微藻差异指数（ ＮＤ Ｉ － ＭＰ Ｂ ） 、及可消 除呈直线或 近似 直线变化 的背景 噪声光谱 的反射谷深度 （ Ｔ － ｄ ｅ ｐ ｔ ｈ ） 模型 。 研究结果表 明，Ｎ ＤＩ ． ＭＰ Ｂ指数与表层沉积物（ ３ ｍｍ） 中的叶绿素一 ａ 浓度 （ ２ ． ２ ２
广、 采样数量要大 、采样 时间与深度要一致 等。 因潮汐 、 海浪作用 ，潮滩是海 陆相 互交用 最强烈 、变 化
研究观测点位 于山东半 岛北部 四十里湾潮滩 （ ３ ７ 。 ２ ９ Ｎ，
１ ２ １ 。 ２ ７ Ｅ ） ， 该 区域岸上为烟台市民居 、 观光旅游区 ， 外侧海
最迅速的区域 ，车、船通 常难 于进入 ，基于 传统破坏 式 的现 场采样调查方 式 ， 难 于有效开展其 资源普查 与科学研 究 。 遥 感技术具有大尺度 、快 速、不 改变 原观 测地 表对 象 的特点 ， 可弥补现有采样调查方法的不足 。 底栖微 藻因其色素等 光学 活性成分及在沉积物表层发生光合作用的特点而适合用遥感
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演湖泊是重要的淡水资源和生态环境，叶绿素a是湖泊水体中重要的生物地球化学指标之一，对湖泊水质和生态环境拥有重要的指示作用。
监测湖泊叶绿素a浓度可以有效评估湖泊的营养状态和生态环境，为湖泊管理和保护提供重要的科学依据。
遥感技术已经成为湖泊水质监测的重要手段，可以在较大范围内快速获取湖泊的叶绿素a浓度分布信息。
本文旨在利用HJ-1A/B卫星CCD数据反演湖泊叶绿素a浓度，并分析其时空变化规律，为湖泊水质监测和管理提供科学依据。
一、HJ-1A/B卫星CCD数据HJ-1A/B是我国自主研制的一对环境监测卫星，搭载有CCD等多种传感器，能够获取高分辨率的遥感影像数据。
CCD传感器具有高空间分辨率和较高的动态范围，适用于湖泊水质参数反演。
本文选取HJ-1A/B卫星CCD数据作为研究数据源，利用其多光谱信息反演湖泊叶绿素a浓度。
二、叶绿素a浓度反演方法1. 反演模型本文采用经验模型和统计模型相结合的方法进行叶绿素a浓度反演。
首先利用地面采样数据和遥感影像数据建立经验模型，然后利用统计模型对经验模型进行优化，得到湖泊叶绿素a浓度的空间分布图。
2. 数据预处理对HJ-1A/B卫星CCD数据进行预处理，包括大气校正、辐射定标、噪声去除等步骤，以提高数据的质量和可用性。
3. 特征参数提取从HJ-1A/B卫星CCD数据中提取反演叶绿素a浓度所需的特征参数，包括叶绿素吸收峰位置、叶绿素荧光峰位置、水体颜色指数等。
4. 建立经验模型利用地面采样数据和遥感影像数据建立叶绿素a浓度与特征参数之间的经验关系模型，包括线性模型、非线性模型等。
5. 统计模型优化利用统计方法对经验模型进行优化，修正模型参数，提高模型的适用性和精度。
6. 反演叶绿素a浓度利用经过优化的模型对湖泊遥感影像数据进行反演，得到叶绿素a浓度的空间分布图。
三、叶绿素a浓度反演结果分析利用上述方法对某湖泊的HJ-1A/B卫星CCD数据进行处理和分析，得到湖泊叶绿素a浓度的空间分布图。
南海叶绿素a浓度垂直分布的统计估算
第 ４期
海
Байду номын сангаас
洋
学
报
Ｖ Ｏ１３ ． ２。Ｎ ｏ ４ ．
２１ ０ ０年 ７月
Ａ ＣＴＡ ＯＣＥＡ Ｎ Ｏ Ｌ０Ｇ Ｉ ＣＡ Ｉ Ｉ Ｓ Ｎ ＣＡ
Ｊ ｌ ０ ０ ｕｙ２ １
南 海 叶绿素 ａ浓 度垂 直 分布 的统计 估算
高姗 ， 王辉 刘桂 梅 黄 良民。 ， ，
４期 高 姗 等 ： 南海 叶 绿 素 ａ 度 垂 直 分 布 的 统 计 估 算 浓
ａ浓度做 了 比较 分 析 和 验 证 ， 现 真 光层 水 柱 叶 绿 发 素 ａ总量 和表 层叶绿 素 ａ浓度 具 有很 高 的非 线性 相 关性 ， 而且大 多数 海 域 叶绿 素 ａ浓 度 的 垂 直分 布 是 不 均匀 的 ， 次 表层 内存 在 叶绿 素 ａ 度 的极 大 值 在 浓 分 布 。Ｔ ｋ ｈ ｓ ｉ １ 指 出西北 太平 洋 和南 海 的 叶 ａ ａ ａ ｈ 等ｃ］ 。
直分布 ， 即浮游 植物 生物量 的垂 直分 布 ， 能对海洋 就 初级生产 力 的分 布得 到更准 确的认 识 。 早期 Ｍｏｅ 等 Ｌ］ 为 海 水 表层 叶绿 素 ａ浓 度 ｒｌ １ 认 １
域得到 了广泛 的应 用 。对 于大 洋水 体 （ 称 为一 类 又
水 体） 利 用水色传 感器 的光谱信 息可 以比较有效 地 ，
的代表 ， 高值 多集 中在表 层海 水 ， 拟合误 差偏 大。该统 计估 算模 式对 于揭 示南海 叶绿素 ａ浓度 垂 直
分布结 构进行 了有益 的尝试 ， 为发展适 合不 同海 区特 点 的模 式 以及 校 正参 数奠 定 了基 础 。利 用该 模 式 与海洋水 色卫星遥 感数据 有效结合 ， 将对 南海 叶绿 素 ａ浓度 时 空分布 格 局 的研 究具 有 重要 的
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;伍玉梅;杨胜龙;崔雪森;王琳;张胜茂【摘要】叶绿素a浓度是一种表征水体富营养化程度的重要参数,其已经成为水体水质评价的重要指标,它的研究对赤潮、绿潮等的监测预报具有重要意义.基于GOCI卫星获取的水色遥感资料,先对LIB数据进行了大气校正等影像预处理,然后利用OC2、OC3G和YOC 3种叶绿素反演算法反演了东海叶绿素a浓度,并用实测资料对3种反演算法结果进行验证分析,通过反演值与实测值之间的平均绝对误差、平均相对误差和相关系数对3种算法反演精度进行了比较,其中YOC算法的平均绝对误差为0.39 mg·m-3,平均相对误差为42.47％,相关系数为0.88,是3种算法中平均绝对误差和平均相对误差最小、相关系数最高的,因此确定YOC算法反演东海叶绿素a浓度是最优的.进而,利用YOC算法从GOCI卫星获取的高时间分辨率水色遥感信息反演了2011-2017年的东海叶绿素a浓度,并分析叶绿素a浓度的昼变化特征,基本上表现为:一日内从08:30到15:30,叶绿素a浓度先升高再降低,在10:30左右达到峰值,此结果与藻类气泡调节浮力机制理论基本吻合.【期刊名称】《海洋渔业》【年(卷),期】2018(040)003【总页数】10页(P287-296)【关键词】GOCI;叶绿素a浓度;YOC算法;昼变化;东海【作者】王芮;伍玉梅;杨胜龙;崔雪森;王琳;张胜茂【作者单位】上海海洋大学,上海201306;中国水产科学研究院东海水产研究所,上海200090;中国水产科学研究院东海水产研究所,上海200090;中国水产科学研究院东海水产研究所,上海200090;中国水产科学研究院东海水产研究所,上海200090;农业部渔业遥感科学观测实验站,北京100041;中国水产科学研究院,北京100041;中国水产科学研究院东海水产研究所,上海200090【正文语种】中文【中图分类】S91近年来，随着东海沿海工农业的发展和人口的增加，工农业废水和生活污水向沿岸海域的排放量剧增，东海海洋环境及气候发生急剧变化，富营养化程度日趋严重，赤潮、绿潮等海洋生态问题发生频率、范围及其造成的危害大为增加。
遥感技术监测水体叶绿素a含量的研究进展
遥感技术监测水体叶绿素a含量的研究进展杨玉敏;赵俊;王晓珂;张少丹【摘要】随着环境水体污染和富营养化问题日显突兀,有效开展水体的水质监测是水体污染综合治理的基础,因此必须加强对水体水质的监测,其中叶绿素a是水体污染和富营养化程度高低的重要标志.遥感监测方法高效、快速地探测水体的污染物迁移,实现了水体的大范围实时监测,因此遥感技术的应用及研究对完善和提高水体水质监测能力具有十分重要的研究意义.针对遥感技术监测水体叶绿素a (Chl-a)含量的相关课题,从选题背景、研究意义、水质遥感技术监测Chl-a含量的原理、监测方法、所面临的问题等方面,阐述了遥感技术在监测水体Chl-a含量的研究进展,提出了目前所面临的问题,并进一步对遥感技术监测水体Chl-a含量的研究进展进行了展望.%With the increasing environmental pollution, water pollution and eutrophication problems are become more and more obvious, so it is necessary to strengthen water monitoring and water pollution control. Effective water quality monitoring is the basis of eutrophied water treatment. Chlorophyll-a is an important indicator of the level of water pollution and eutrophication. Remote sensing monitor can inspect pollutants migration, and a wide range of real-time monitoring of water can be achieved by remote sening. The application and research of remote sensing technology are of a great significance to the water quality monitoring. In this paper, we investigate the background, the principle and progress of remote sening monitoring technology. Meanwhile, the research progress of remote sensing technology is expounded, and theproblems are put forward, and the developments of monitoring the content of Chl-a in water by remote sensing technology are discussed.【期刊名称】《安徽化工》【年(卷),期】2018(044)003【总页数】3页(P1-3)【关键词】遥感;叶绿素a;监测;水体【作者】杨玉敏;赵俊;王晓珂;张少丹【作者单位】邢台学院,河北邢台054001;邢台学院,河北邢台054001;邢台学院,河北邢台054001;邢台学院,河北邢台054001【正文语种】中文【中图分类】X87水是生命之源，是人类赖以生存和发展的基础。
- 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)。
南海北部海域叶绿素 a浓度时空特征遥感分析马翱慧;刘湘南;李婷;刘美玲【摘要】利用2007－2010年MODIS的L2级叶绿素a浓度产品作为数据基础，对叶绿素a浓度年平均和月平均数据进行分级分区处理，研究南海北部海域叶绿素a浓度时空分布特征及其与海洋环境因素的关系。
初步研究结果表明：2007－2010年在南海北部海域叶绿素a浓度的高值区（＞5.0 mg/m3）主要分布在广东省沿岸河流的入海口，分布范围在夏季最大，在春秋次之，在冬季最小；叶绿素a 浓度的次高值区（1.0～5.0 mg/m3）主要分布在海岸线到50 m等深线之间的海域，分布范围夏冬较大，能扩展到50 m等深线附近，而春秋较小，会退缩到50 m等深线以内；叶绿素a浓度的中值区（0.3～1.0 mg/m 3）主要分布在100 m等深线以外的海域，其区域平均值夏季最低，春秋次之，冬季最高，同时该区域叶绿素a浓度在春夏秋三季空间分布较均匀，而冬季受季风和黑潮入侵影响空间分布较为复杂。
南海北部海域海表叶绿素a浓度的时空变化特征与季风、沿岸河流、海流、海表温度等海洋环境因素的变化有关。
3）主要分布在50 m到100 m等深线之间的海域，时空变化复杂；叶绿素a浓度的低值区（＜0.3 mg/m%The temporal and spatial distribution of a chlorophyll a (Chl-a) concentration in the northern South China Sea (NSCS) and its relationship with marine environmental factors were studied based on the annually and monthly mean images (January 2007 to December 2010) of the Chl-a concentration ,which were obtained from the MODIS chlorophyll a concentration Level 2 products ,then classified into seven re-gions basedon the isobaths and divided into six grades .The preliminary results showed that during 2007-2010 in the NSCS ,the highest value area (>5mg/m3 ) of Chl-a concentration was mainly distributed in Guangdong coastal estuaries ,and the biggest in summer ,followed in spring and autumn ,the smallest in winter ;The second highest value area(1.0~5.0mg/m 3 ) of the Chl-a concentration was mainly in the wa-ters between coastline and 50m isobaths .The distribution range of Chl-a concentration in summer and win-ter was larger ,extending to the vicinity the 50 m isobath ,smaller in spring and autumn ,keeping within 50 m isobath ;the mid-value area(0.3~1.0 mg/m 3 ) of the Chl-a concentration mainly distrubuted between 50 and 100 m isobath with complex temporal and spatial variation ;the low value area(<0.3 mg/m3 ) of the Chl-a concentration distributed basically in the waters beyond the 100 m isobath ,where the regional aver-age of monthly mean Chl-a concentration was the lowest in summer ,followed by spring and autumn ,the highest in winter ,and where the spatial distributions of the Chl-a concentration were homogeneous in spring ,summer and autumn ,but due to the monsoon and the intrusion of Kuroshio ,became more complex in winter .The temporal and spatial features of the Chl-a concentration in the NSCS were affected by the variations of the marine environmental factors ,such as monsoon ,coastal rivers ,ocean currents ,sea sur-face temperature ,etc .【期刊名称】《海洋学报（中文版）》【年(卷),期】2013(000)004【总页数】8页(P98-105)【关键词】南海北部海域;MODIS;叶绿素a浓度;时空变化【作者】马翱慧;刘湘南;李婷;刘美玲【作者单位】中国地质大学北京信息工程学院，北京100083;中国地质大学北京信息工程学院，北京100083;中国地质大学北京信息工程学院，北京100083;中国地质大学北京信息工程学院，北京100083【正文语种】中文【中图分类】P722.7海洋浮游植物作为海洋有机物的初级生产者，在海洋生态系统的物质循环和能量转化过程中起着重要作用［1］。
海水叶绿素a浓度值是海洋浮游植物数量的一个重要指标，其时空变化反映了海洋初级生产力的变化。
海洋叶绿素a浓度也是评价海洋水质、有机污染程度和探测海洋渔场的重要参数，其时空特征包含海区基本的生态信息，与光照、温度、盐度以及风潮流等各种海洋环境因素密切相关，因此海洋叶绿素a浓度的观测对海域的各种科学研究具有重要的意义［2］。
随着遥感技术的发展，利用卫星遥感技术探测海水叶绿素a浓度较常规方法有着探测速度快、成本低、可实现大范围同步测量等优势［3－5］。
近几年美国的MODIS （moderate-resolution imaging spectroradiometer）为海洋叶绿素a浓度的遥感探测提供了丰富的数据源。
随着水色遥感技术的不断发展，不少研究者开始利用水色遥感资料来研究南海整个海域或部分典型海域的叶绿素a浓度分布特征及其与海域环境因素的关系。
商少凌等［6］利用Sea WiFS水色数据与现场观测叶绿素a浓度数据，研究了1998年冬季台湾海峡叶绿素a浓度分布特征；Tang等［5］利用Sea WiFS和AV HR R水色数据对南海北部湾叶绿素a浓度时空特征进行了探讨；陈楚群等［7］对南海海域叶绿素浓度的空间分布特征进行了分析，发现叶绿素浓度分布的基本格局受南海环流结构的控制；赵辉等［8］利用1997—2002年的水色遥感数据，探讨了南海多年平均叶绿素浓度时空变化以及与环境要素的关系。
随着MODIS数据资料逐年增加，不少研究者开始利用MODIS水色遥感数据对水体叶绿素进行研究，Zhang等［9］利用MODIS数据对太湖叶绿素浓度时空变化进行了研究；Kuo等［10］利用2002—2006年的MODIS数据讨论了南海叶绿素浓度的时空变化。
其他许多学者也利用MODIS数据对海洋叶绿素浓度进行了相关研究［11－15］。
为了获得南海北部海域海表叶绿素a浓度得时空分布特征，本文以2007—2010年MODIS L2级叶绿素a浓度遥感数据产品作为数据源，对其进行分级处理，并结合等深线分区研究南海北部海域海表叶绿素a浓度的时空分布特征，同时初步分析海表叶绿素a浓度的时空变化与海洋环境因素之间的关系。
2.1 数据本文的南海北部海域海表叶绿素a浓度数据是从美国国家航空与航天局戈达德飞行中心（N ASAGoddard Space Fl ight Center）的MODIS Aqua Chl-a Level2叶绿素a浓度产品中获得（http：／／／）。
资料所覆盖的时段为2007年1月到2010年12月，共48个月，空间分辨率为1 k m。
研究区域为18°～24°N，109°～121°E之间的南海北部海域（如图1所示）。
2.2 数据处理首先，对MODIS－L2级海洋叶绿素a浓度产品进行坐标投影转换、区域裁剪、多时相合成等处理，分别获得研究区域内的月平均和年平均叶绿素a浓度数据。
其次，依据南海北部等深线将研究海域分为A，B，C，D，E，F，G七个区域。
如图1所示，A区为海岸线到50 m等深线区域；B区为50～100 m等深线区域；C区为100～200 m等深线区域；D区为200～1000 m等深线区域；E区为1000～2000 m等深线区域；F区为2000～3000 m等深线区域；G区为大于3000 m等深线区域。
为了便于研究，依据研究区年平均叶绿素a浓度分布情况以及与等深线的空间关系对其进行了分级处理，将广东省沿岸和河流入海口处叶绿素a浓度划为S6级，A区1.00～5.00 mg／m3叶绿素a浓度划分为高值区（S5级），B区0.3～1 mg／m3叶绿素a浓度被划分为中值区（S4和S3级），100 m等深线以外海域0～0.30 mg／m3叶绿素a浓度被划分为低值区（S2和S1级）（表1）。
3.1 空间分布特征分析将A到G区2007—2010年年平均叶绿素a浓度的区域平均值进行对比分析（图2）发现A到G区的叶绿素a浓度平均值随着区域深度增加呈现递减趋势。
在A区4 a叶绿素a浓度的平均值基本保持在1.80～2.40 mg／m3，B到G区4 a叶绿素a浓度的年平均值基本保持在0.50 mg／m3以下。