珠江口海域主导光学因子的遥感分类及其变化特征
2016-09-28姜广甲段国钦黄志雄蔡伟叙卢楚谦苏文阳杰张纯超
姜广甲，段国钦，黄志雄，蔡伟叙，卢楚谦，苏文，阳杰，张纯超
(1.国家海洋局南海环境监测中心，广东 广州 510300；2.港珠澳大桥管理局，广东 珠海 5190152; 3.国家海洋局南海规划与环境研究院，广东 广州 510310)
珠江口海域主导光学因子的遥感分类及其变化特征
姜广甲1，段国钦2，黄志雄2，蔡伟叙1，卢楚谦1，苏文3，阳杰1，张纯超1
(1.国家海洋局南海环境监测中心，广东 广州 510300；2.港珠澳大桥管理局，广东 珠海 5190152; 3.国家海洋局南海规划与环境研究院，广东 广州 510310)
基于2014年5月和8月珠江口海域的现场和实验测量数据，分析了光学因子和生态参数的动态变化特征，并找出该海域的主导光学因子；基于模拟的MODIS数据，构建了水体组分特征波长处吸收系数的遥感反演模型，并结合MODIS卫星遥感影像，依据IOCCG规则对主导光学因子进行遥感分类，揭示了珠江口海域2014年逐月水体主导光学因子的动态变化特征。结果表明，珠江口海域水体以ad、ag以及两种共同主导类型为主，并且ag、ad两种光学因子主导类型所占比例最大，其次是ag主导类型，ad主导类型所占比例最小。同时发现ad(442)、adg(442)均与无机悬浮物浓度有较好的正相关关系，说明CDOM和悬浮泥沙具有相似的来源和动力变化过程。
遥感；固有光学特性；河口；Ⅱ类水体
1 引言
从水体光学角度分类，影响水下光场分布的物质有4种，即水体本身、浮游植物、悬浮泥沙以及有色溶解有机物(colored dissolved organic matter， CDOM)[1]。其中，浮游植物和悬浮泥沙统称为颗粒物，对水体中的光辐射具有吸收和散射作用，而CDOM一般认为只有吸收作用[2]。
不同光活性物质具有显著的光谱特征和光学特性[3]，例如，悬浮泥沙和CDOM的吸光特性表现为指数衰减模式，即随着波长的增加吸收系数逐渐降低，到700 nm处吸收接近于0。两者不同的是，CDOM只有吸收作用，而悬浮颗粒物具有较强的散射特性，且其后向散射系数随波长增加而降低，但后向散射系数的大小、形状与颗粒物属性(如组成、形状、尺寸以及折射系数等)密切相关[4]。浮游植物色素的吸收具有两个诊断特征：在430～500 nm的蓝光波段和650～700 nm的红光波段具有明显的吸收峰。在蓝光波段，除叶绿素a外，还包括其他辅助色素成分的贡献，而在红光波段主要是叶绿素a的贡献[5—6]。
不同类型的水体以及同一水体不同季节，其光学主导因子明显不同。如对于贫营养且高悬浮泥沙的水体，以颗粒物吸收为主导，并且非藻类颗粒物吸收占优势，颗粒物吸收光谱与非藻类颗粒物吸收光谱相似，在蓝绿光波段颗粒物吸收随波长增大而降低，而在675 nm处表现为微弱吸收峰[7]。对于富营养化水体来说，浮游植物色素占主导地位，颗粒物吸收光谱与藻类颗粒物吸收光谱相似，如太湖[5]。而CDOM占主导地位时，水体的遥感反射率明显降低，水体颜色呈黑色[8]。
河口是河流物质向海洋生态系统运送的必由之路，充分认识河口区水体光学因子的特征行为，对于揭示陆源物质在河流和海洋水生生态系统中的迁移循环过程具有重要意义。在咸淡水交汇区域，河口水体光学活性物质的生物地球化学循环更为复杂，受人类活动的影响较大。以珠江口为研究区，找出该海域水体的主导光学因子，利用遥感技术进行分类并揭示其时空变化特征，有助于分析不同水体的生态特征，并将为构建统一的水色因子遥感反演模型提供数据和技术支撑。
2 材料与方法
2.1样点布设
分别于2014年5月11-13日和8月11-15日在珠江口海域布设样点采集表层水样，测量水体的遥感反射光谱、水体透明度、风速、风向、水深等现场数据，同时记录水环境状况，共获取45个有效样点(图1)。分别于2014年8月和10月在珠江口和大亚湾及其附近海域卫星准同步采集样点，用于卫星遥感影像预处理结果的验证。
图1 研究区及样点分布Fig.1 Location of study area and distribution of sampling sites
2.2野外光谱测量
测量水体的遥感反射光谱采用水面之上法[9]，所用的野外光谱仪是美国ASD公司生产的FieldSpec Pro Dual VNIR野外双通道光谱仪，可在350～1 050 nm波段范围内连续测量，每次同时测定水体、灰板以及天空光光谱各10组数据，根据水体反射率较低的原则选择水体反射值最低的一组光谱计算得到水体的遥感反射率。根据EOS MODIS卫星遥感的波段响应，将实测反射光谱重采样为模拟的MODIS数据，重采样规则与参考文献[10]保持一致。
2.3生态参数浓度测量
采用质量差法测定总悬浮物浓度，使用的滤膜为预处理后的Whatman GF/F滤膜(孔径为0.45 μm)，用精度为0.000 1 g的天平称重，计算得到各水样总悬浮物浓度(cTSS， 单位：mg/L)。将称重后干燥的滤膜在450°C的条件下烧4～6 h后称重，与悬浮物浓度的滤膜质量之差得到无机悬浮物质量，进一步得到有机悬浮物的质量，与过滤的水样体积相比即可得各参数的浓度。无机悬浮物浓度表示为：cISS， 单位：mg/L，有机悬浮物浓度表示为：cOSS， 单位：mg/L。用孔径为0.45 μm的Whatman聚碳酸酯滤膜过滤水样，将滤膜放入90%的热乙醇萃取，用分光光度计法测定并计算叶绿素a浓度(cChla，单位：μg/L)。孔径为0.45 μm的Whatman GF/F滤膜在马弗炉中450°C灼烧4 h后过滤水样，将滤液转入棕色玻璃瓶中，利用总有机碳分析仪(Shimadzu TOC-V CPN， 岛津)测定溶解有机碳(dissolved organic carbon， DOC)浓度(cDOC， 单位：mg/L)。
2.4水体组分吸收系数测量
实验室内利用分光光度计法测定水体中颗粒物和CDOM的吸收系数。颗粒物的吸收采用定量滤膜技术(QFT)测定[11]。实验滤膜选定直径为47 mm、孔径为0.45 μm的Whatman GF/F玻璃纤维滤纸。利用型号为UV-2401的分光光度计(日本岛津)在350～800 nm波段范围内扫描测定总颗粒物的吸光度，经校正后计算得到总颗粒物的吸收系数(ap(λ)， m-1)。经甲醇浸泡去除总颗粒物中的色素成分，并利用总颗粒物吸收系数的测定和计算方法测定非色素颗粒物的吸收系数(ad(λ)， m-1)，两者之差即可得到色素颗粒物的吸收系数(aph(λ)， m-1)。CDOM吸收系数的测量步骤为：利用10%的盐酸浸泡后的Whatman Nuclepore滤膜(孔径为0.22 μm)过滤水样，得到各样点滤液。以Milli-Q水为参比，利用UV-2401分光光度计在200～800 nm波段范围内扫描测定滤液的吸光度，通过计算得到CDOM的吸收系数，并对CDOM吸收系数进行散射校正，从而得到校正后的CDOM吸收光谱(ag(λ)， m-1)。
2.5数据分析方法
根据IOCCG方法[12]，以1/6和2/3为界限，对水体各组分吸收系数所占水体总吸收(纯水除外)的比例进行划分，得到各样点水体的主导因子(表1)，进而对水体的光学主导类型进行分类(图2)。
表1 主导光学因子划分规则
图2 水体主导光学因子分类方法Fig.2 Methodology for classification of dominant optically active components of water
3 结果与分析
3.1珠江口海域生态参数和水色因子的变化特征
珠江口海域cChla最大值和最小值出现在5月，分别为5.07 μg/L和0.21 μg/L；8月与5月叶绿素a浓度均值相差不大，但5月高于8月。对于悬浮物浓度来说，8月cTSS、cOSS、cISS均值均为5月的2倍左右，且cTSS最大值出现在8月(191.20 mg/L)，是最小值的26倍。5月和8月的cDOC均值相差不大(表2)。
5月，珠江口海域水体组分特征波长处吸收系数均值ad(442)最大，aph(442)最小，而8月份ag(442)大于ad(442)，aph(442)最小。其中，ag(442)差别较大，8月的ag(442)均值是5月的3倍，而5月和8月的aph(442)均值和ad(442)均值相差很小(表2)。
表2 珠江口海域5月和8月叶绿素a浓度、总悬浮物浓度、有机悬浮物浓度、无机悬浮物浓度、DOC浓度和442 nm处水体组分吸收系数的描述性统计
3.2珠江口海域水色因子吸收系数的遥感反演
水体总吸收系数(at(λ))为各物质组分吸收系数的线性和，即：at(λ)=aw(λ)+ad(λ)+aph(λ)+ag(λ)，其中aw(λ)为纯水的吸收系数[13]。珠江口海域水体的遥感反射光谱呈现典型的二类水体特征，受水体组分固有光学特性和含量的影响，在不同波长处表现不同的反射特征(图3)。CDOM在紫外和可见光波段吸收强烈，其散射效应可忽略不计[14]。悬浮泥沙吸收特性与CDOM相似，但在550 nm附近散射较强，且在近红外波段有明显的反射峰。浮游植物色素在490 nm处吸收强烈，并且在665 nm处具有显著的吸收峰。基于水体组分吸收特性和珠江口海域特点，利用模拟的MODIS数据，构建ad(442)、aph(442)和ag(442)的遥感反演模型。结果表明，ad(442)的反演结果最好，相关系数在0.90以上，RMSE为0.38 m-1，除个别点外，其余点位紧密分布在拟合曲线周围(图4c)。aph(442)和ag(442)与模拟MODIS数据波段组合的相关关系差别不大，相关系数分别为0.64和0.70(图4a，b)。
图3 珠江口海域水体遥感反射光谱Fig.3 Remote sensing reflectance of water in the Pearl River Estuary
图4 珠江口海域水体组分吸收系数与MODIS波段遥感反射率之间的相关关系(a. aph(442)，b. ag(442)， c. ad(442))Fig.4 Relationship between remote sensing reflectance of MODIS and absorption coefficients of water components in the Pearl River Estuary(a. aph(442)，b. ag(442)， c. ad(442))
3.3珠江口海域的主导光学因子
根据IOCCG主导光学因子分类规则，将珠江口海域5月和8月的样点进行分类，确定该海域的主导光学因子。不同月份珠江口海域水体主导光学因子的分类结果显示(图5)：5月，该海域以ad、ag两种光学因子主导类型为主，其次是ad主导类型，而仅有1个点属于aph、ad、ag三种光学因子共同主导类型以及1个点属于ag主导类型；8月，大部分样点属于ag主导类型，其次是ad、ag两种光学因子主导类型，其他属于ad主导。综上，珠江口海域水体主要以ad、ag以及两种共同主导类型为主，而基本上不存在与aph相关的光学主导类型。
图5 珠江口海域5月和8月的主导光学因子分类结果Fig.5 Results of the dominant optically active components of water in May and August in the Pearl River Estuary
4 讨论
4.1珠江口海域主导光学因子的时空分布
利用模拟的MODIS数据构建了悬浮泥沙、浮游植物色素和CDOM特征波长处(442 nm)的遥感反演模型(图4)，下载获取天气晴朗状况下的EOS MODIS卫星遥感影像资料(空间分辨率为1 km)，2014年全年共77幅，将模型应用于预处理后的影像数据，并进行分类，以展示珠江口海域水体主导光学因子的时空分布特征，具体操作流程见图6。
在ENVI 4.8中处理下载的MODIS L1B产品，利用Georeference MODIS工具对产品中的Radiance数据进行经纬度投影，并用748 nm和869 nm两波段法进行大气校正[15]，然后计算得到水体的遥感反射率。太阳光经水体和大气作用后进入水色卫星传感器的总辐射能量可表示为[16]：
(1)
(2)
(3)
式中，Lt(λ)为水色传感器接收到的总辐射能量，Lr(λ)为大气分子的瑞利散射，La(λ)为大气气溶胶散射，Lra(λ)是瑞利和气溶胶之间的多次散射，Lf(λ)为太阳光镜面反射，t(λ)为大气透射率，Lw(λ)为离水辐亮度，LwN(λ)为归一化离水辐亮度，θ0是太阳天顶角，F0是平均日地距离大气层外的太阳辐照度。
为了避开太阳反射的影响，利用MODIS L1B产品的Reflectance产品提取水体，因此可以不考虑水体镜面反射的影响。忽略大气多次散射作用和临近像元的漫反射，式(1)可改写为：
(4)
因此，在大气校正时根据文献[15]的操作步骤对大气瑞利散射和大气气溶胶进行了校正，并根据式(2)和式(3)计算得到水体的遥感反射率。
图6 珠江口海域主导光学因子遥感分类操作流程Fig.6 The operation procedure of remote sensing classification of dominant optically active components of water in the Pearl River Estuary
设定时间窗口(小于3 h)和空间窗口(3 pixcel×3 pixcel)[17]，对比实测与MODIS卫星遥感影像获得的遥感反射率(图7)，以评价和验证MODIS卫星遥感影像的大气校正效果。根据水色因子吸收系数反演模型，选取442 nm、488 nm、555 nm和645 nm波段进行对比分析(图8)，发现实测遥感反射率与大气校正后MODIS的遥感反射率在1∶1线周围均匀分布，两者具有较高的相关性(r=0.64，P<0.01)，并且对比模型中的波段组合，精度大幅度提高(r=0.84，P<0.01)，说明MODIS卫星遥感影像的大气校正效果较好，可用于水色因子吸收系数的遥感反演。
珠江口海域主导因子时空差异显著(图9)，但其主导因子类型相对稳定，包括ad主导，ag主导以及ag、ad主导3种类型。其中，ag、ad共同主导类型所占比例最大，年均值为76.9%，其次是ag主导类型，ad主导类型所占比例最小(4.1%)(表3)。
从不同月份分析，1月、3月、4月、10月、12月主导类型为ag、ad两种光学因子主导，空间差异不大。2月和6月珠江口海域东南部主要以ad主导类型为主，其他海域以ag、ad两种光学因子主导。5月、7月、8月和9月中部海域和西南部海域以ag类型为主导。珠江口中部至西南部海域ag类型占主导地位，特别是降雨量较大的夏季，地表径流携带大量腐殖质进入河口海域，在水动力条件下由中部向西南部海域扩散，形成了“半月湾”的形状。ad类型主要在珠江口海域东南部占优势，可能受潮流的影响，将河口内的悬浮泥沙搬运至东南部海域。整体上，ag、ad共同主导类型控制了珠江口海域水体的光学特性，陆源物质(腐殖质和悬浮泥沙)对其贡献较大。
表3 珠江口海域不同主导类型所占的比例
图7 实测与MODIS卫星遥感影像对应的样点Fig.7 Comparison of the coincident MODIS imagery data with sampling sites
图8 实测和MODIS卫星遥感影像获得的遥感反射率及波段比值的比较Fig.8 Comparisons between field and MODIS-derived remote sensing reflectance and their band ratios
图9 珠江口海域水体主导光学因子的时空分布Fig.9 Spatial and temporal distributions of dominant optically active components of water in the Pearl River Estuary
河口生态系统位于海洋和河流生态系统的交汇地带，其水体受地形、潮流和陆架上升流的作用和影响，具有地表淡水径流、海洋水体和海岸带水体相互混合的特征[18—19]，其水体的光学特性极为复杂[20—21]。珠江年平均入海径流量在我国仅次于长江，携带大量陆源溶解和颗粒物质进入珠江口海域[21]，而远离河口的珠江口东南部海域，内源生产是影响水体光学特性的主要因素[22—23]。珠江口海域水体光学特性主要受CDOM和悬浮泥沙的影响，而浮游植物对其贡献较小，并且ag、ad主导类型占优势(表3，图9)。相关研究表明[23—24]，珠江口海域水体物质含量和种类受陆地地表径流和海水动力影响较大。珠江径流量大，大量泥沙携带溶解有机质输入河口海域，而受海洋动力的影响，海洋高盐水体从东南海域入侵河口，将内源物质输入河口海域，并对陆源物质浓度有一定的稀释作用[25]。高浓度的CDOM和悬浮泥沙影响了水体透明度，阻碍了浮游植物的光合作用，导致叶绿素a含量偏低(表2)。而在叶绿素a含量较高的东南部海域，受光降解作用的影响，浮游植物逐渐转化为碎屑和溶解有机物质；虽然高盐海水稀释了径流带来的悬浮泥沙，但其吸收系数(ad)仍然远高于aph[26]。因此，珠江口海域以ag、ad两种光学因子主导。不同季节ag、ad两种光学因子的主导地位也有较大差别(图9)，这主要由于春末、夏季和秋季(5-9月)海表温度较高，腐殖质含量增加，ag主导类型比例增加。
4.2珠江口海域光学因子与水色参数之间的相关关系
水色遥感的最终目的是在精确获取水体离水辐亮度或遥感反射率的情况下，构建定量遥感算法获取水体组分的含量或浓度，水色参数包括：叶绿素a、CDOM和悬浮泥沙[3，27]。水体光学特性包括固有光学特性和表观光学特性，其中固有光学特性是指只与水体成分有关而不随光照条件变化而变化的光学特性。水体组分的吸收系数属于水体的固有光学特性的一种。水体组分吸收系数与水体组分浓度密切相关，即水体组分吸收系数可认为是水体组分浓度与比吸收系数的乘积[3]。因此，弄清研究海域光学因子与水色参数之间的关系有助于提高水色参数的估算精度以及为水体生物光学模型的深入研究提供案例。
水体中的溶解有机物(dissolved organic matter， DOM)包括有色溶解有机物(CDOM)和无色溶解有机物(uncolored dissolved organic matter， UDOM)两部分，其中，CDOM经光化学降解转化为UDOM和DIM(dissolved inorganic matter， 溶解无机物)[28]。只有CDOM和UDOM两者呈比例关系时，CDOM吸收系数和DOC浓度才有较好的相关关系。珠江口海域ag(442)和cDOC的相关性较差(r<0.3)(图10a)，可能与该水域两者的源和汇不一致以及海洋动力过程有关[29]。一般认为，水体中的DOM主要有两个来源，即陆源和内源，但受陆架上升流和风力等外力的作用，底泥的再悬浮过程也是表层DOM的重要来源[30]。表层DOM在光照条件下发生一系列的光化学降解，并受细菌降解过程的影响，因此，CDOM和DOC的相关关系较差。
不同海域不同季节浮游植物种类组成、优势种以及个体数量等指标具有不同的特征，例如，珠江口共有160多种浮游植物种类，其中，82种属于硅藻门，39种淡水种类和淡咸混合种类以及41种赤潮藻类[31]。珠江口海域浮游植物色素吸收系数(aph(442))与叶绿素a浓度(cChla)相关性较差，但5月(r=0.49)优于8月(r=0.06)(图10b)，可能与浮游植物群落结构有关。所有浮游植物种类包含同一种色素，即叶绿素a，但不同的浮游藻类所含叶绿素a浓度有较大差异，并且不同种类具有特定指示性色素，如绿藻的指示性色素是叶绿素b，而硅藻的指示性色素岩藻黄素和叶绿素c[32]。浮游植物色素在442 nm处的吸收系数不仅受叶绿素a的影响，还受其他辅助色素的影响，例如类胡萝卜素。因此，aph(442)和cChla的相关性较差，但在叶绿素a吸收强烈的波段(650～700 nm)，浮游植物色素吸收系数(aph(667))与叶绿素a浓度具有较好的相关性(r=0.81，P<0.01)。
珠江口海域的主导光学因子是ag或ad以及两种因子共同主导(表3，图8)，但两者基本没有相关性(0
5 结论
利用2014年5月、8月珠江口海域现场光学、生物数据，以水体组分吸收系数(ag、ad和aph)为基础，分析了研究海域主导光学因子，发现珠江口海域水体以ad、ag以及两种共同主导类型为主，而基本上不存在与aph相关的光学主导类型。基于模拟的MODIS数据，构建了ag(442)、ad(442)和aph(442)的遥感反演模型，并将模型应用于预处理后的MODIS卫星遥感影像，根据IOCCG规则对反演结果进行计算和分类，揭示了珠江口海域2014年每月水体主导光学因子的时空变化特征，结果表明，ag、ad主导类型所占比例最大，其次是ag主导类型，ad主导类型所占比例最小。
图10 珠江口海域5月和8月光学因子与水色参数之间的相关关系Fig.9 Relationship between the optically active components and water color variables in the Pearl River Estuary in May and August a.ag(442)和cDOC；b.aph(442)和cChl a；c.ad(442)和cISS；d.adg(442)和cISS，其中adg(442)是ad(442)、ag(442)之和a.ag(442) vs. cDOC; b.aph(442) vs. cChl a; c. ad(442) vs. cISS; d. adg(442) vs. cISS， where adg(442) is the sum of the ad(442) and ag(442)
珠江口海域CDOM吸收系数和DOC浓度以及浮游植物色素吸收系数和叶绿素a浓度的相关性较小，而非色素颗粒物吸收系数与无机悬浮物浓度具有较好的正相关关系(r>0.80，P<0.01)，并且CDOM和悬浮泥沙具有相似的来源和动力变化特征。
本文提供了一种研究水体光学特性动态变化的方法，该方法具有较好的通用性，可根据不同水体的生物光学特点研究该水域的主导光学因子，以进一步分析水体遥感反射光谱的影响因素。
致谢：感谢刘智君、李冠杰在实验采样和遥感数据处理方面给予的帮助。
[1]Morel A， Prieur L. Analysis of variations in ocean color[J]. Limnology and Oceanography， 1977， 22(4): 709-722．
[2]Krik J T O. Light and photosynthesis in aquatic ecosystem[M]. Cambridge: Cambridge University Press， 1994．
[3]马荣华， 唐军武， 段洪涛， 等. 湖泊水色遥感研究进展[J]. 湖泊科学， 2009， 21(2): 143-158．
Ma Ronghua， Tang Junwu， Duan Hongtao， et al. Progress in lake water color remote sensing[J]. Journal of Lake Sciences， 2009， 21(2): 143-158．
[4]Whitlock C H， Pool L R， Usry J W， et al. Comparison of reflectance with backscatter and absorption parameters for turbid waters[J]. Applied Optics， 1981， 20(3): 517-522．
[5]Ma R H， Tang J W， Dai J F， et al. Absorption and scattering properties of water body in Taihu Lake， China: Absorption[J]. International Journal of Remote Sensing， 2006， 27(19): 4277-4304．
[6]王桂芬， 曹文熙， 许大志， 等. 南海北部水体浮游植无比吸收系数的变化[J]. 热带海洋学报， 2005， 24(5): 1-10．
Wang Guifen， Cao Wenxi， Xu Dazhi， et al. Variations in specific absorption coefficients of phytoplankton in northern South China Sea[J]. Journal of Tropical Oceanography， 2005， 24(5): 1-10．
[7]Zhang Y L， Liu M L， Van Dijk M A， et al. Measured and numerically partitioned phytoplankton spectral absorption coefficient in inland waters[J]. Journal of Plankton Research， 2009， 31(3): 311-323．
[8]Duan H T， Ma R H， Loiselle S A， et al. Optical characterization of black water blooms in eutrophic waters[J]. Science of the Total Environment， 2014(482/483): 174-183．
[9]唐军武， 田国良， 汪小勇， 等. 水体光谱测量与分析Ⅰ：水面以上测量法[J]. 遥感学报， 2004， 8(1): 37-44．
Tang Junwu， Tian Guoliang， Wang Xiaoyong， et al. The methords of water spectra measurement and analysis Ⅰ: Above water method[J]. Journal of Remote Sensing， 2004， 8(1): 37-44．
[10]杨贵军， 柳钦火， 黄华国， 等. 基于场景模型的热红外遥感成像模拟方法[J]. 红外与毫米波学报， 2007， 26(1): 15-21．
Yang Guijun， Liu Qinhuo， Huang Huaguo， et al. Methods for simulating infrared remote sensing images based on scene models[J]. Journal of Infrared and Millimeter Waves， 2007， 26(1): 15-21．
[11]Mueller J L， Fargion G S， Mcclain C R， et al. Ocean Optics Protocols for Satellite Ocean Color Sensor Validation， Revision 4， Volume IV: Inherent optical properties: Instruments， Characterization， Field measurements and data analysis protocols[R]. Report Number: NASA/TM-2003-211621/REV7-VOL-IV， NAS 1.15：211621-REV7-VOL-IV．2003.
[12]IOCCG. Remote sensing of ocean colour in coastal， and other optically-complex waters[R]. Reports of the International Ocean-Colour Coordinating Group， No. 3， Dartmouth， NS: IOCCG， 2000．
[13]Smith R C， Baker K S. Optical properties of the clearest natural waters (200-800 nm)[J]. Applied Optics， 1981， 20(2): 177-184．
[14]张运林， 黄群芳， 马荣华， 等. 基于反射率的太湖典型湖区溶解性有机碳的反演[J]. 地球科学进展， 2005， 20(7): 772-777．
Zhang Yunlin， Huang Qunfang， Ma Ronghua， et al. Retrieving of dissolved organic carbon based on irradiance reflectance in typical lake zones of Lake Taihu[J]. Advances in Earth Science， 2005， 20(7): 772-777．
[15]刘大召. 珠江口二类水体MODIS 数据大气校正[J]. 海洋科学， 2010， 34(8): 86-91．
Liu Dazhao. Atmospheric correction of MODIS data over case Π waters at the Pearl River Estuary[J]. Marine Sciences， 2010， 34(8): 86-91．
[16]Gordon H， Wang M. Retrieval of water-leaving radiance and aerosol optical thickness over the oceans with SeaWiFS: A preliminary algorithm[J]. Applied Optics， 1994， 33(3): 443-452．
[17]Bailey S， Werdell P. A multi-sensor approach for the on-orbit validation of ocean color satellite data products[J]. Remote Sensing of Environment， 2006， 102(1): 12-23．
[18]Mao Q， Shi P， Yin K， et al. Tides and tidal currents in the Pearl River Estuary[J]. Continental Shelf Research， 2004， 24(16): 1797-1808．
[19]Zhao H， Tang D L， Wang X D. Phytoplankton blooms near the Pearl River Estuary induced by Typhoon Nuri[J]. Journal of Geophysical Research， 2009， 114: C12027．
[20]Wang G F， Cao W X， Yang Y Z， et al. Variations in light absorption properties during a phytoplankton bloom in the Pearl River Estuary[J]. Continental Shelf Research， 2010， 30(9): 1085-1094．
[21]邢前国. 珠江口水质高光谱反演[D]. 北京: 中国科学院南海海洋研究所， 2006．
Xing Qianguo. Retrieval of water quality in the Pearl River Estuary using hyperspetral technique[D]. Beijing: South China Sea Institute of Oceanology，Chinese Academy of Sciences， 2006．
[22]Hong H S， Wu J Y， Shang S L， et al. Absorption and fluorescence of chromphoric dissolved organic matter in the Pearl River Estuary， South China[J]. Marine Chemistry， 2005， 97(1/2): 78-89．
[23]刘庆霞， 黄小平， 张霞， 等. 2010年夏季珠江口海域颗粒有机碳的分布特征及其来源[J]. 生态学报， 2012， 32(14): 4403-4412．
Liu Qingxia， Huang Xiaoping， Zhang Xia， et al. Distribution and sources of particulate organic carbon in the Pearl River Estuary in summer 2010[J]. Acta Ecologica Sinica， 2012， 32(14): 4403-4412．
[24]Callahan J， Dai M， Chen R， et al. Distribution of dissolved organic matter in the Pearl River Estuary， China[J]. Marine Chemistry， 2004， 89(1): 211-224．
[25]赵焕庭. 珠江河口演变[M]. 北京: 海洋出版社， 1990．
Zhao Huanting. Evolution of the Pearl River Estuary[M]. Beijing: China Ocean Press， 1990．
[26]Zhang J， Liu S M， Xu H， et al. Riverine sources and estuarine fates of particulate organic carbon from North China in late summer[J]. Estuarine， Coastal and Shelf Science， 1998， 46(3): 439-448．
[27]Wozniak B， Wozniak S， Tyszkal K， et al. Modelling the light absorption properties of particulate matter forming organic particles suspended in sea water[J]. Oceanologia et Limnologia Sinica， 2005， 47(2): 129-164．
[28]Vodacek A， Blough N V， DeGrandpre M D， et al. Seasonal variation of CDOM and DOC in the Middle Atlantic Bight: terrestrial inputs and photooxidation[J]. Limnology and Oceanography， 1997， 42(4): 674-686．
[29]姜广甲， 马荣华， 段洪涛. 利用CDOM吸收系数估算太湖水体表层DOC浓度[J]. 环境科学， 2012， 33(7): 91-99．
Jiang Guangjia， Ma Ronghua， Duan Hongtao. Estimation of DOC concentrations Using CDOM Absorption Coefficients: A Case Study in Taihu Lake[J]. Chinese Journal of Environmental Science， 2012， 33(7): 91-99．
[30]Boss E， Pegau W S， Zaneveld J R V， et al. Spatial and temporal variability of absorption by dissolved material at a continental shelf[J]. Journal of Geophysical Research， 2001， 106(C5): 9499-9507．
[31]Huang L， Jian W， Song X， et al. Species diversity and distribution for phytoplankton of the Pearl River estuary during rainy and dry seasons[J]. Marine Pollution Bulletin， 2004， 49(7): 588-596．
[32]Descy J， Métens A. Biomass-pigment relationships in potamoplankton[J]. Journal of Plankton Research， 1996， 18(9): 1557．
周勐佳，吴自银，马胜中，等. 台湾海峡晚更新世以来的高分辨率地震地层学研究[J]. 海洋学报， 2016， 38(9): 76-88， doi:10.3969/j.issn.0253-4193.2016.09.008
Zhou Mengjia， Wu Ziyin， Ma Shengzhong， et al. High resolution seismic stratigraphy research in the Taiwan Strait since late Pleistocene[J]. Haiyang Xuebao， 2016， 38(9): 76-88， doi：10.3969/j.issn.0253-4193.2016.09.008
Remote sensing classification of the dominant optically active components and its variations in the Pearl River Estuary
Jiang Guangjia1， Duan Guoqin2， Huang Zhixiong2， Cai Weixu1， Lu Chuqian1， Su Wen3， Yang Jie1， Zhang Chunchao1
(1.SouthChinaSeaEnvironmentMonitoringCenter，StateOceanicAdministration，Guangzhou510300，China; 2.Hongkong-Zhuhai-MacaoBridgeAuthority，Zhuhai519015，China; 3.SouthChinaSeaInstituteofPlanningandEnvironmentalResearch，StateOceanicAdministration，Guangzhou510310，China)
Based on the field and laboratory bio-optical datasets from the May and August cruises in the Pearl River Estuary in 2014， the variability of bio-optical parameters was analyzed to examine the dominant optically active components in a highly turbid water. Using the simulated and field MODIS data， the retrieval algorithms for estimation of the absorption coefficients at a specific wavelength of water components were developed and classified following the IOCCG reports， to assess the spatial and temporal variability of dominant optically active components in the Pearl River Estuary. The results demonstrated thatad，agor both of them (adg) dominated the optical properties of water in this estuary， withadgaccounting for an average of 76.9% in 2011， followed byagandad. Furthermore，ad(442) andadg(442) were both well positively correlated withcISS， which were shown to provide comparable information on CDOM and detritus present．
remote sensing; inherent optical properties; estuary; case Ⅱ waters
2015-11-16；
2016-02-29。
国家自然科学基金项目(41501411);国家海洋局南海分局局长基金(1432);海岸带地理环境监测国家测绘地理信息局重点实验基金(CZ15010)；广东省科技计划项目(2011B031100003);港珠澳大桥环境监测项目(hjpr1102)。
姜广甲(1984—)，男，山东省东平县人，博士，主要从事海洋生态遥感研究。E-mail:gjjiang2011@gmail.com
TP79
A
0253-4193(2016)09-0064-12
