中国近海水色遥感研究进展
利用卫星遥感技术进行海洋潮汐监测的研究进展
利用卫星遥感技术进行海洋潮汐监测的研究进展海洋潮汐是海水周期性上升和下降的现象，是地球引力和月亮引力相互作用的结果。
海洋潮汐的监测对海洋环境研究和海洋资源开发具有重要意义。
传统的海洋潮汐监测方法主要依靠潮汐站、浮标、船舶等地面或近海观测设备进行，但受限于时间、空间范围及成本等因素，难以全面准确地获取海洋潮汐信息。
为解决这一问题，利用卫星遥感技术进行海洋潮汐监测成为一种重要的研究手段。
卫星遥感技术是通过发射卫星搭载的遥感仪器，接收、处理卫星辐射的信号，获取地球表面的特征信息。
利用卫星遥感技术进行海洋潮汐监测的研究进展包括对遥感数据的获取、处理和分析三个方面。
首先，获取遥感数据是进行海洋潮汐监测的基础。
卫星遥感技术通过搭载的甚高频（SAR）雷达、多光谱仪、高光谱仪等仪器，能够获取海洋表面的潮汐信息。
其中，SAR雷达可以通过向地面发射微波辐射，通过接收反射而获得图像，能够观测到海面波动的情况，进而获取海洋潮汐的信息。
多光谱仪和高光谱仪可以通过记录不同波段的光谱信息，捕捉到海洋潮汐造成的光学响应，从而获得潮汐变化情况。
此外，卫星高度和轨道参数的选择对遥感数据的获取也具有重要影响。
目前，一些先进的卫星如海洋一号、雷达星等已经在海洋潮汐监测中取得了一定的成果。
其次，对获取的遥感数据进行处理是进行海洋潮汐监测的关键环节。
由于遥感数据的获取过程受到多种干扰因素的影响，包括大气、云层、波动等，因此对数据进行预处理是必不可少的。
预处理包括大气校正、空间滤波、降噪等步骤，以提高数据的质量和可用性。
此外，对于潮汐信号的提取和分析也需要一系列的处理技术。
传统的方法主要基于数学模型和统计方法，如傅里叶分析、小波变换等，进行对遥感数据的谱分析和波形分析，从而获得潮汐信号的周期性和变化规律。
近年来，基于人工智能和机器学习的方法也逐渐应用于海洋潮汐监测中，利用神经网络和深度学习等算法，可以实现对潮汐信号的自动提取和分析。
最后，基于处理后的遥感数据，进行海洋潮汐监测和研究分析。
遥感技术在海洋环境监测中的应用
遥感技术在海洋环境监测中的应用在当今时代，随着人类活动对海洋环境的影响日益加剧，保护和监测海洋环境的重要性愈发凸显。
而遥感技术作为一种强大的工具，为海洋环境监测提供了高效、全面且精确的手段。
遥感技术，简单来说，就是通过非直接接触的方式获取目标物体的信息。
在海洋环境监测中，它能够大范围、快速地收集海洋的各种数据，为我们深入了解海洋的状况提供了有力的支持。
首先，遥感技术在监测海洋水质方面发挥着重要作用。
通过对海洋光谱的分析，我们可以了解到海水的透明度、叶绿素浓度以及悬浮颗粒物的分布等情况。
叶绿素浓度是衡量海洋浮游植物生物量的重要指标，而浮游植物对于海洋生态系统的平衡和物质循环起着关键作用。
遥感技术能够大面积、同步地监测叶绿素浓度的分布，从而帮助我们了解海洋初级生产力的状况，这对于评估海洋生态系统的健康和稳定性具有重要意义。
悬浮颗粒物的监测也是海洋环境研究中的一个重要方面。
这些颗粒物可能来自河流输入、海洋底部的再悬浮或者生物活动等。
它们的浓度和分布会影响海水的光学性质和透明度，进而影响海洋中的光照条件和生态过程。
遥感技术可以有效地监测悬浮颗粒物的浓度和分布，为研究海洋的物理、化学和生物过程提供基础数据。
其次，在海洋温度和海流的监测中，遥感技术同样表现出色。
海洋表面温度是反映海洋热状况的重要参数，它对海洋环流、天气和气候有着重要的影响。
利用红外遥感技术，我们能够快速获取大面积的海洋表面温度分布，这对于研究海洋环流模式、厄尔尼诺和拉尼娜等气候现象以及预测海洋灾害都具有重要的价值。
海流是海洋中水体大规模的流动，对于海洋物质和能量的输运起着关键作用。
通过合成孔径雷达等遥感手段，我们可以监测到海流的流速和流向，从而更好地理解海洋中的物质循环和能量传递过程。
这对于渔业资源的管理、海上航行安全以及海洋工程的规划和设计都具有重要的指导意义。
此外，遥感技术在监测海洋污染方面也具有不可替代的优势。
石油泄漏、污水排放以及垃圾倾倒等海洋污染事件对海洋生态环境造成了严重的破坏。
遥感技术在海洋生态监测中的应用
遥感技术在海洋生态监测中的应用在当今科技飞速发展的时代，遥感技术犹如一双“千里眼”，为我们深入了解海洋生态系统提供了强大的工具。
海洋覆盖了地球表面约70%的面积，其生态系统的健康对于全球的生态平衡、气候调节以及人类的可持续发展都具有至关重要的意义。
而遥感技术的出现，使得对海洋生态的大规模、长时间、高精度监测成为可能。
遥感技术是一种通过非接触式的手段获取目标物体信息的技术。
它利用传感器接收来自目标物体反射或发射的电磁波信号，并对这些信号进行处理和分析，从而获取关于目标物体的各种信息，如形状、大小、位置、温度、物质成分等。
在海洋生态监测中，常用的遥感技术包括光学遥感、微波遥感和红外遥感等。
光学遥感是利用可见光、近红外和短波红外等波段的电磁波进行监测。
它可以获取海洋的水色、透明度、浮游植物分布等信息。
例如，通过对海洋水色的监测，可以了解浮游植物的种类和数量。
浮游植物是海洋生态系统中的初级生产者，其数量和分布的变化直接影响着海洋食物链的基础环节。
此外，光学遥感还能够监测海洋中的悬浮颗粒物、有色溶解有机物等，这些信息对于评估海洋水质和生态环境质量具有重要意义。
微波遥感则利用微波波段的电磁波进行监测，具有穿透云雾、不受光照条件限制等优点。
在海洋生态监测中，微波遥感可以用于测量海面高度、海流速度、海浪方向和波长等。
海面高度的变化可以反映海洋的热容量和环流模式，对于研究海洋的能量平衡和气候变化具有重要价值。
海流速度和方向的信息对于了解海洋中的物质输送和生物迁移过程至关重要。
红外遥感主要用于测量海洋表面的温度。
海洋表面温度是反映海洋生态系统变化的重要指标之一。
温度的变化会影响海洋生物的生长、繁殖和分布，进而影响整个海洋生态系统的结构和功能。
例如，某些海洋生物对温度的适应范围较窄，温度的升高或降低可能导致其生存区域的改变甚至灭绝。
遥感技术在海洋生态监测中的应用领域十分广泛。
首先，在海洋污染监测方面，它可以及时发现石油泄漏、化学污染等突发事件，并对污染的范围和程度进行评估。
测量水质与生态参数的遥感技术在海洋环境监测中的应用
测量水质与生态参数的遥感技术在海洋环境监测中的应用简介：海洋是地球生态系统的重要组成部分，对维护地球生态平衡起着至关重要的作用。
然而，随着人类活动的增加，海洋环境面临着日益严峻的挑战。
为了有效监测海洋环境并及时采取相应措施，遥感技术逐渐成为海洋环境监测的重要工具。
本文将重点探讨测量水质与生态参数的遥感技术在海洋环境监测中的应用，并介绍其优势和挑战。
一、遥感技术在水质监测中的应用1. 水体透明度与浊度监测透明度和浊度是水质监测的重要指标之一。
遥感技术通过测量水体反射和散射的光谱特征，可以提供准确的透明度和浊度信息。
利用遥感技术获取的数据可以实时监测水质的变化，并为水环境保护提供决策支持。
2. 水体叶绿素浓度监测叶绿素是水中藻类和植物的重要生化成分，是评估水生态系统健康状况的重要指标之一。
传统的叶绿素浓度监测需要采集水样进行实验室分析，耗时耗力且无法实现实时监测。
而利用遥感技术，可以通过测量水体中的叶绿素吸收和反射光谱特征，实现对叶绿素浓度的快速监测和预测。
3. 水体溶解有机物浓度监测溶解有机物是水质监测的重要参数之一，能够反映水体的污染程度。
传统的监测方法需要采集水样进行实验室分析，操作复杂且耗时。
借助遥感技术，可以通过测量水体的反射光谱特征，定量分析水体中溶解有机物的浓度，提供及时的水环境污染监测和预警。
二、遥感技术在生态参数监测中的应用1. 海洋植物叶绿素指数监测叶绿素指数是反映海洋植物生长情况的重要指标之一。
利用遥感技术，可以测量海洋表面的叶绿素反射光谱特征，进而推测植物生长状况。
这种方法可以覆盖大范围的海洋区域，并实现对生态系统动态变化的监测。
2. 海洋表面温度监测海洋表面温度对生物生态环境有重要影响，能够反映海洋环境的变化。
利用遥感技术，可以获取大范围、高分辨率的海洋表面温度数据。
这些数据可以帮助科学家们研究气候变化、海洋环流以及生物生态系统动态变化，为海洋保护和资源管理提供决策支持。
三、遥感技术在海洋环境监测中的优势和挑战1. 优势遥感技术具有覆盖范围广、高时空分辨率、实时监测等优势，能够获取大范围海洋环境数据，并实现对环境的连续监测，为科学家们提供多维度的数据支持。
卫星遥感图像处理技术判断海洋水质状态详解
卫星遥感图像处理技术判断海洋水质状态详解简介随着人类对海洋环境保护的重视和海洋资源开发的需求，对海洋水质的准确判断变得越来越重要。
而卫星遥感图像处理技术以其高效、快速的特点成为了海洋水质监测的一种重要方法。
本文将详细介绍卫星遥感图像处理技术在判断海洋水质状态方面的应用。
一、卫星遥感技术在海洋水质监测中的作用卫星遥感技术通过获取、记录和解译对地球表面的电磁辐射，实现了对海洋水质状态的全球定量监测。
其重要作用主要体现在以下几个方面：1. 数据的全球覆盖：卫星遥感技术可以获取大范围、连续的海洋数据，实现了对整个海洋水域的监测和评估。
2. 高时空分辨率：卫星遥感图像数据具有较高的时空分辨率，可以提供更为精细的海洋水质信息。
3. 长期监测：卫星可以长期观测同一个区域，监测变化的趋势和周期，为海洋生态环境保护提供可靠的数据支撑。
4. 成本效益高：相比于传统的船载观测和实地采样，卫星遥感技术具有成本效益高的优势，可以大幅降低监测和评估的成本。
二、卫星遥感图像处理技术的基本原理卫星遥感图像处理技术的基本原理是利用卫星获取的电磁辐射数据，通过一系列数字图像处理方法进行数据解译和分析，实现对海洋水质状态进行判断。
其主要过程包括：1. 数据获取和预处理：从卫星获取的原始数据中，首先进行辐射校正、大气校正等预处理，以提高数据质量。
2. 水质参数反演：根据不同的水质参数（如浊度、叶绿素浓度、溶解有机物浓度等），采用适当的算法和模型，将遥感数据转化为水质参数值。
3. 统计分析和时空变化检测：通过对水质参数的统计分析，可以得出不同海域的水质状态，并通过对不同时期的遥感图像进行对比，判断海洋水质的时空变化趋势。
4. 数据可视化和结果呈现：将处理后的遥感图像进行可视化处理，通过不同的颜色和符号来表示不同的水质状态，以直观展示海洋水质数据。
三、卫星遥感图像处理技术在判断海洋水质状态中的应用卫星遥感图像处理技术在判断海洋水质状态方面具有广泛的应用。
基于遥感技术的海洋污染监测与预警研究
基于遥感技术的海洋污染监测与预警研究海洋是地球上最大的生态系统之一，扮演着调节气候、提供食物、维持生物多样性等重要角色。
然而，随着人类活动的不断增加，海洋污染成为了一个全球性的问题。
为了有效地监测和预警海洋污染，遥感技术日益成为研究的重点。
本文将讨论基于遥感技术的海洋污染监测与预警的研究进展。
遥感技术是通过从卫星、飞机或其他载体上获取的传感器所提供的图像和数据来获取地球表面信息的一种技术。
这种技术可以监测海洋表面和底层的各种参数，包括悬浮物、水质、海洋生物等。
利用遥感技术进行海洋污染监测可以提供大范围、高分辨率和及时的数据，为科学家和政策制定者提供决策支持。
首先，基于遥感技术的海洋污染监测主要关注悬浮物的监测。
悬浮物是海洋污染的重要指标之一，它可以来自河流、城市污水、岸边工业等。
利用遥感技术，可以测量海洋表面悬浮物的浓度和分布。
通过分析遥感图像，可以确定污染源的位置和规模，并监测悬浮物的扩散和演变。
这些信息可以用于评估污染的严重程度，并及时采取措施加以控制。
其次，基于遥感技术的海洋污染监测还包括对海洋水质的监测。
海洋水质是生态系统健康和海洋生物多样性的重要指标。
通过遥感技术，可以检测水中溶解有机物、悬浮物、营养盐等物质的浓度。
这些数据可以提供给科学家们研究海洋生态系统的变化和营养盐的来源，以及评估污染对海洋生物的影响。
此外，利用遥感技术进行海洋污染监测还可以评估海洋生态环境的状况。
根据遥感图像，可以监测海洋表面温度、叶绿素浓度等参数。
这些信息可以揭示海洋生态系统的变化和海洋污染的影响。
例如，海洋表面温度的升高可能是海洋生态系统中污染物的影响下的结果，这可以用来预警海洋污染的发生。
在海洋污染监测和预警的研究中，遥感技术不仅可以提供大范围和高分辨率的数据，还可以进行多时相和多波段的分析。
这使得研究人员可以更好地了解海洋污染的时空特征，并为相关政策制定者提供科学依据。
此外，遥感技术还可以结合地理信息系统（GIS）进行空间分析和模型模拟，提供更全面、准确的数据。
海洋遥感在渔场分析中的研究进展
中国水产科学 2012年11月, 19(6): 1078−1087 Journal of Fishery Sciences of China综 述收稿日期: 2012−02−23; 修订日期: 2012−04−12.基金项目: 国家“863”计划项目(2012AA092302); 国家自然科学基金项目(41006106); 教育部高等学校博士学科点专项科研基金新教师基金项目(20093104120005);上海市青年科技启明星计划项目(11QA1403000); 上海市重点学科建设项目(S30702); 上海市教委创新项目(09YZ275).作者简介: 胡奎伟(1988−), 男, 硕士研究生, 主要从事渔业资源与渔场学研究．E-mail: hukuiweinuist@ 通信作者: 许柳雄, 教授. E-mail: lxxu@DOI: 10.3724/SP.J.1118.2012.01078海洋遥感在渔场分析中的研究进展胡奎伟1, 许柳雄1,2,3,4, 陈新军1,2,3,4, 朱国平1,2,3, 王学昉11. 上海海洋大学 海洋科学学院, 上海 201306;2. 大洋渔业资源可持续开发省部共建教育部重点实验室, 上海 201306;3. 国家远洋渔业工程技术研究中心, 上海海洋大学, 上海 2013064. 农业部大洋渔业资源环境科学观测实验站, 上海海洋大学, 上海 201306摘要: 渔场的形成机制和分布规律受到鱼类自身生物特性和外界环境条件的影响, 海洋遥感能够获取的大范围同步的海洋热力、海洋水色和海洋动力地形等海洋环境要素, 为人类理解海洋鱼类种群动力机制提供了丰富的信息。
运用渔场分析和预报模型, 结合地理信息系统技术对多元数据的集成为渔业的即时管理提供了发展方向。
目前运用海洋遥感进行渔场研究存在的问题有: 1. 海洋遥感手段仅能获得渔场表层的信息, 必须结合浮标海洋剖面信息才能更好地解释鱼类栖息环境; 2. 运用海洋遥感技术获取渔场水色信息的精度不高, 给渔场资源的研究带来了困难; 3. 利用遥感技术进行渔场的实时预报容易受到天气条件的影响; 4.如何建立科学的渔场预报模型的评价体系是渔场预报亟待解决的问题; 5. 渔场分析和预报走向智能化、自动化的关键技术还有待深入研究。
基于北京二号卫星影像与同步实测数据的椒江入海口水质遥感反演
基于北京二号卫星影像与同步实测数据的椒江入海口水质遥感反演基于北京二号卫星影像与同步实测数据的椒江入海口水质遥感反演近年来，随着空间技术的不断发展和遥感技术的应用，遥感反演已成为水污染监测与评估的重要手段。
本文将介绍基于北京二号卫星影像与同步实测数据的椒江入海口水质遥感反演方法及其应用。
1. 研究区域概况椒江入海口位于中国东海沿海，是椒江的出海口，同时也是一个重要的渔业生产基地。
然而，由于人类活动和自然因素的影响，该地区的水质问题备受关注。
因此，对椒江入海口水质进行遥感反演，可以提供重要的参考信息，帮助监测和评估水环境的综合状况。
2. 数据来源与处理为了进行椒江入海口的水质遥感反演，我们使用了北京二号卫星的高分辨率影像数据，并结合同步实测数据。
首先，我们获取了多幅不同日期的卫星影像，并进行预处理，包括大气校正、几何校正等，以消除影像中的噪声或干扰。
同时，我们还收集了同期的水质实测数据，包括水样采集和实验室分析。
这些实测数据可以作为遥感反演的参考标准，帮助验证遥感结果的准确性。
3. 椒江入海口水质指标选取在进行遥感反演时，我们需要选择合适的水质指标来代表水体的水质状况。
一般常用的水质指标包括叶绿素浓度、透明度、溶解氧等。
在本研究中，我们选择了叶绿素浓度作为遥感反演的主要指标，因为叶绿素是一种常见的水质指示剂，可以反映水体中藻类的分布和生长情况。
4. 椒江入海口水质遥感反演方法基于北京二号卫星影像和同步实测数据，我们采用经验模型理论进行水质遥感反演。
在反演过程中，我们将多光谱卫星影像转换为反射率数据，并与同期的实测数据进行对比，建立相应的经验模型方程。
通过该方程，我们可以根据北京二号卫星影像的光谱特征，推算出椒江入海口不同地点的叶绿素浓度分布情况。
5. 结果与应用通过对椒江入海口不同日期的高分辨率卫星影像进行遥感反演，我们可以获得反演后的叶绿素浓度分布图。
这些图像可以直观地展示椒江入海口不同地区的水质状况，并帮助分析水体污染的程度和影响范围。
- 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)。
International Journal of Ecology 世界生态学, 2017, 6(2), 82-92 Published Online May 2017 in Hans. /journal/ije https:///10.12677/ije.2017.62010文章引用: 高慧, 赵辉, 沈春燕. 中国近海水色遥感研究进展[J]. 世界生态学, 2017, 6(2): 82-92.Progress in Ocean Color Remote Sensing of Chinese Marginal SeasHui Gao 1, Hui Zhao 1, Chunyan Shen 21College of Oceanography and Meteorology, Guangdong Ocean University, Zhanjiang Guangdong 2Fisheries College, Guangdong Ocean University, Zhanjiang Guangdong Received: May 6th , 2017; accepted: May 23rd , 2017; published: May 27th , 2017AbstractOcean color remote sensing is an important means of monitoring the marine environment; it has the advantages of high observation frequency, wide spatial coverage and small influence by sea condition. In recent years, marine scientific researchers and marine monitoring branches havebeen paid more and more attention. This paper reviews the development process of ocean color sensor, summarizes and classifies the ocean color inversion algorithms, and further takes remote sensing of ocean color in Chinese coastal regions as an example, to show the present status, progress and application prospect of ocean color in recent years. KeywordsChinese Marginal Seas, Ocean Color Remote Sensing Algorithm, Chlorophyll-A中国近海水色遥感研究进展高 慧1，赵 辉1，沈春燕21广东海洋大学，海洋与气象学院，广东 湛江 2广东海洋大学，水产学院，广东 湛江收稿日期：2017年5月6日；录用日期：2017年5月23日；发布日期：2017年5月27日摘 要海洋水色遥感是海洋环境监测的重要手段，具有观测频率高、空间覆盖广以及受海况影响小的优点，近年来逐渐受到海洋科研工作者和海洋监测部门的重视。
本文概述了水色传感器的发展历程，对水色反演高慧等算法进行了总结分类，并以中国近海为研究区域综述了中国近海遥感研究成果，展示近年来海洋水色研究的现状、取得的进展以及应用前景。
关键词中国近海，水色遥感算法，叶绿素Copyright © 2017 by authors and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY)./licenses/by/4.0/1. 引言海洋水色遥感是卫星对地观测系统中的一个重要组成部分[1]。
水色三要素是指水体叶绿素、悬浮无机物和黄色有机物质。
通过卫星传感器接收的电磁波谱信息来反演得到水体中影响海水光学性质的组分浓度，进而探测到海洋上层物质组成成分和浓度是海洋水色遥感技术的原理[2]。
水色遥感在针对海洋初级生产力的估算、海洋碳循环研究、海洋生态环境监测、海洋动力学研究、海洋渔业开发管理服务等方面都具有广泛的应用前景与深远的研究意义。
海水叶绿素浓度的测定对海洋初级生产力的研究至关重要。
水体叶绿素的常规测量方法需要在现场逐点采集水样，不仅成本高、速度慢、采样点稀疏，而且难以实现长时间大范围水域的同步采样测量，因此实测数据相对匮乏。
而水色卫星遥感可以弥补常规监测的缺陷，提供海洋大面积、实时、连续、密集、同步、高重复频率的叶绿素浓度的数据，这对于研究海洋生态环境演变、生物地球化学循环、气候变化、海洋-大气系统中碳循环、赤潮灾害监测、环境监测、海流(上升流、沿岸流等)及海洋渔业等方面具有重要的意义[3]。
2. 水色卫星传感器的发展1978年8月，美国国家宇航局(NASA)发射了世界上第一颗携带海洋水色传感器海岸带水色扫描仪CZCS (Coastal Zone Color Scanner)的卫星“雨云-7”(Nimbus-7)，它一直工作到1986年。
CZCS的8年成功运行验证了从卫星获取海洋水色要素浓度的可行性及其潜在的庞大价值，加快推进新型水色传感器的研究。
在CZCS停止运行10年之后，新型水色传感器纷纷投入业务化运行阶段，第二代水色卫星传感器主要有美国的SeaWiFS，日本的OCTS，法国的POLDER等。
第二代水色传感器与第一代水色传感器CZCS 相比具有优良的灵敏度、更多的光谱波段和更高的光谱分辨率。
第三代传感器又以美国的MODIS，日本的GLI，欧空局的MERIS等为代表。
目前使用较为广泛的水色卫星传感器数据主要来源于SeaWiFS、MODIS、MERIS以及多卫星传感器的融合数据(图1)。
20世纪80年代，中国开始了对海洋水色遥感进行研究，2002年5月15日，中国国内首颗海洋水色卫星——“海洋一号”A星(HY-1A)的成功发射，不仅结束了我国没有海洋卫星的历史，还成为了世界上第七个拥有海洋水色卫星自主权的国家[5]。
“海洋一号”卫星上装载有两个水色传感器，分别是10通道的海洋水色扫描仪COCTS和4通道海岸带成像仪CZI (CCD相机)，它们都十分适合于海岸带水体环境的监测和管理。
近几年及未来计划新增加的海洋水色传感器主要有地球静止海洋水色成像仪(GOCI)、可见光红外成高慧 等图片来源于Lee 等人(2007)的图1 [4] Figure 1. Spectral bands (location and width) of CZCS, SeaWiFS, MODIS, andMERIS图1. CZCS 、SeaWiFS 、MODIS 和MERIS 覆盖的光谱波段(位置和宽度)像辐射仪(VIIRS)、海洋和陆地颜色仪(OLCI)、第二代全球成像仪(SGLI)、超光谱成像仪(HSI)、以及改进型COCTS 及CZI 等[6] (表1)。
GOCI 是全球首个搭载在地球静止轨道卫星上的海洋水色传感器，它能对以130˚E 、36˚N 为中心的一定范围的海域进行观测，具有高光谱、高空间和高时间分辨率的特点。
由于它能在同一天内对同一区域进行多次观测，使得数据更新时间间隔短，因此它不仅能进行高频率的监测，而且对突发事件的处理也非常有利。
VIIRS 是MODIS 在未来的替代传感器，它可以收集陆地、大气、冰层和海洋在可见光和红外波段的辐射图像，其水色遥感功能和MODIS 相仿，辐射特征也差不多。
OLCI 是在MERIS 的基础上发展起来的，OLCI 针对海洋水色遥感的共有16个波段，它与之前的水色遥感器如MODIS 、SeaWiFS 等相比水色遥感的功能大大增强。
3. 海洋水色遥感算法海洋水色要素的反演算法通常可分为经验公式法和基于模型的解析算法两种类别[7]。
海水根据其光学性质的不同可划分为一类水体和二类水体[8]，一类水体指那些光学性质主要受浮游植物叶绿素影响的水体，通常一类水体为水深较深的开阔大洋；二类水体则受到的干扰因素较多，它不仅受水中浮游植物的影响，还受到其它悬浮无机物中和黄色有机物质的影响，对于水深比较浅的水域，还需要考虑水底物质对水体光学性质的影响，通常近岸水水体属于二类水体。
3.1. 经验公式算法经验公式算法是基于实验数据，通过测量获取水体表面的光谱辐射特征和水体中各要素的浓度，建立了以水体光学性质和水色要素浓度之间的定量关系为研究对象的算法。
3.1.1. 波段比值算法波段比值算法是最为典型的经验算法。
蓝绿波段比值法是海洋水色算法中反演叶绿素最常用的算法，因为大多数浮游植物吸收的可见光位于蓝绿光谱内(440~550 nm)。
蓝绿波段比值法最初是由Clark [9]提出用来方便处理和解释CZCS 图像。
Gordon [10] [11]等人进一步详细的讨论了基于CZCS 数据的叶绿素浓度的统计算法，研究了叶绿素浓度在开阔大洋的近表面分布并探讨它们与其他海洋要素之间的关系。
对 400 450 500 550 600 650 700 750 800Wavelength [nm]MERISMODIS SeaWiFSCZCSR r s [s r -1]0.0150.0120.0090.0060.0030.000高慧等Table 1. Basic situation of the main ocean color satellite sensors表1. 主要水色卫星传感器基本情况(参阅IOCCG) (/resources/missions-instruments/) 传感器卫星国家开始工作时间结束工作时间用于水色遥感波段数CZCS Nimbus－7 美国1978年8月1986年6月 6MOS IRS-P3 印度1996年3月2001年3月18OCTS ADEOS-1 日本1996年8月1997年6月12POLDER ADEOS-1 法国1996年8月1997年6月9SeaWiFS SeaSTAR 美国1997年8月2010年12月8OCI 福卫一号中国台湾1999年1月2003年4月 6OCM IRS-P4 印度1999年5月2003年11月8OSMI Kompast 韩国1999年8月2002年7月 6MODIS Terra/Aqua 美国1999.12/2002.5 至今8MERIS Envisat-1 欧洲2002年1月至今15GLI ADEOS-2 日本2002年12月2005年6月36COCTS HY-1A/ HY-1B 中国2002.5/2007.4 2004.3/至今10CZI HY-1A/ HY-1B 中国2002.5/2007.4 2004.3/至今 4 POLDER2 ADEOS-2 法国2002年12月2003年10月9POLDER3 PARASOL 法国2005年3月至今9GOCI COMS 韩国2010年6月至今8VIIRS NPP 美国2011年10月至今7OLCI Sentinel-3 欧洲2016年2月至今16于光学性质复杂的二类水体来说，蓝绿波段比值法对于叶绿素浓度变化的敏感度较低，所以反演精度较低。