中国海洋水色卫星传感器COCTS HY-1D产品初步评价

史鑫皓， 陈树果，2，3，， 林明森， 刘建强， 马超飞，宋庆君， 薛程， 胡连波，2

1. 中国海洋大学 海洋技术学院, 青岛 266100;2. 青岛海洋科学与技术国家实验室, 青岛 266237;3. 中国海洋大学 三亚海洋研究院, 三亚 572024;4. 国家卫星海洋应用中心, 北京 100081

1 引 言

自1978年第一颗水色卫星传感器CZCS由美国发射正式开启了海洋水色遥感的新纪元（Clark，1981），接下来的美国SeaWiFS、MODIS和VIIRS以及欧洲的MERIS 和OLCI 等水色卫星传感器的相继发射（Cao 等，2013；Goyens 等，2013；Jamet 等，2011），水色卫星传感器所获取的数据被广泛应用于物理海洋、海洋化学、海洋生物以及海洋地质等研究领域，甚至在内陆湖泊水体的监测上也起着重要的作用（Dutkiewicz 等，2019；Qi 等，2017；Signorini 等，2015；Zhang 等，2019；Behrenfeld 等，2019；Laber 等，2018；Wang 等，2019）。在当前和未来的海洋—地球观测与预测系统中，水色卫星数据已经是不可或缺的重要组成部分。如海洋水色遥感的基础产品遥感反射率和叶绿素a浓度已经被列为气候数据记录CDR （Climate Data Record）中的有效气候变量ECVs（Essential Climate Variables）（Mason 等，2003；Bojinski 等，2014）。

为了保持海洋水色卫星遥感数据的延续性和增加数据在时间与空间上的覆盖率，海洋水色卫星不断得到发射。自2002 年以来，中国陆续发射了多颗自主设计研制的海洋水色遥感卫星。从神舟三号飞船搭载的中分辨率成像光谱仪CMODIS，到海洋一号水色试验卫星HY-1A 和HY-1B（蒋兴伟 等，2016），直至2018年9月7日，中国第一颗业务化海洋水色卫星HY-1C成功发射。经过AERONET-OC 的真实性检验以及与MODIS、VIIRS、OLCI等水色传感器在全球范围内的数据对比，HY-1C 遥感反射率产品质量得到深入的评价（Song 等，2019；Chen 等，2021；Xu 等，2021）。中国自主海洋水色卫星遥感技术与应用取得了跨越式发展。2020 年6 月11 日，伴随着HY-1D 卫星成功的发射，中国自主海洋水色卫星形成对地组网观测能力，两颗在轨的业务化海洋水色卫星不仅有效的提高全球有效观测数据的覆盖率，同时形成对全球海洋的上下午观测。

然而，海洋水色卫星产品真正的广泛应用取决于产品质量，当前针对COCTS HY-1D 的产品评价尚未见报道，本文主要以全球典型的长期固定平台现场观测数据和国际主流海洋水色卫星传感器对COCTS HY-1D 在全球范围内遥感反射率产品的初步性能进行综合评价。

2 数据和方法

2.1 现场数据

本研究首先综合AERONET-OC 站点的位置和公开数据的时间跨度，在全球范围内选取了4 个AERONET-OC 站点，代表全球主要近岸水体。AEONET-OC 站点的数据均来自AERONET 网站（https：//aeronet.gsfc.nasa.gov［2021-10-21］）经过质控后的公开数据。所选AERONET-OC 站点位置分布如图1中蓝色点所示。

图1 4个AERONET-OC站点（红色点）和2个中国观测站点（蓝色点）位置示意图（审图号：GS（2022）506号）Fig. 1 Locations of four AERONET-OC sites （red dots） and two Chinese long-term platforms （blue dots）

同时，从国家卫星海洋应用中心NSOAS 获得其建成的黄/东海光学遥感海上真实性检验场两个观测站点（即牟平和东瓯）的现场观测数据，牟平和东瓯站点的现场观测数据处理与质量控制方法遵从AERONET-OC 数据处理规范（Giles 等，2019；Goyens 等，2013；Zibordi 等，2009）。牟平和东瓯站点位置分布如图1中红色点所示。所有站点具体经纬度如表1所示。

表1 现场观测站点经纬度Table 1 Longitude and latitude of AERONET-OC sites and two Chinese long-term platforms

2.2 卫星数据

本研究所使用的COCTS HY-1D观测数据包含：2020年8月1日至2021年1月31期间覆盖所有现场观测站点的COCTS HY-1D Level 2Rrs和Chl-a数据；2020年12月7日至14日之间的COCTS HY-1D Level 1B 每日全球数据。所有数据来自NSOAS（https：//osdds.nsoas.org.cn［2021-10-21］）。COCTS HY-1D Level 1B 数据，包括辐射校正后的各波段大气层顶辐亮度和地理定位后的经纬度，经过大气校正数据处理后（见2.3节）得到遥感反射率产品。

在利用现场测量数据评价COCTS HY-1D 时，覆盖相同位置和时间周期的MODIS Aqua Level 2Rrs数据来自NASA Godard Space Flight Center （GSFC）（https：//oceancolor.gsfc.nasa.gov/［2021-10-21］）。

通过国际主流海洋水色卫星传感器MODIS Aqua 和VIIRS-SNPP 对COCTS HY-1D 进 行 性 能 评估时，所使用的是2020 年12 月7 日至14 日间的MODIS Aqua和VIIRS-SNPP Level 3全球Chl-a浓度数据和8 天平均Rrs和Chl-a 浓度数据（9 km 分辨率）来自NASA GSFC（https：//oceancolor.gsfc.nasa.gov/［2021-10-21］）。

2.3 COCTS HY-1D数据处理方法

针对COCTS HY-1D 的数据处理使用SeaDASC 软件包来完成。SeaDAS-C 是基于NASA 发布的开源海洋水色卫星数据处理软件SeaDAS（https：//seadas.gsfc.nasa.gov［2021-10-21］）所开发的针对HY-1C 和HY-1D 所搭载的COCTS 的数据处理软件（Chen 等，2021），其数据处理流程如下：

（1）基于矢量海洋和大气耦合辐射传输模拟软件（Chami 等，2015）和HITRAN（Gordon 等，2017）高光谱气体吸收数据库，计算针对COCTS波段配置及其光谱响应下的瑞利、气溶胶和气体透过率查找表。

（2）以MOBY 数据为基础进行系统替代定标增益计算，具体计算方法请参见Song等（2019）。

（3）基于近红外迭代大气校正算法（（Bailey等，2010），即NASA的业务化大气校正方法）通过SeaDAS-C得到COCTS Level 2级遥感产品数据。在Chla浓度反演算法上，使用OCI算法（Hu等，2012；O’Reilly和Werdell，2019）获得Chl-a浓度产品。

2.4 卫星观测和现场测量的匹配

本研究采用以下规则实现现场测量和卫星观测之间的时空匹配：时间和空间窗口分别为±15 min和3 像素×3 像素（Bailey 和Werdell，2006）。具体来说，根据每景卫星数据的观测时间，通过±15 min的窗口来筛选现场观测数据，而采用严格的15 min窗口是为了避免近岸水体与大气光学特性的快速变化对现场观测数据造成的影响。通过时间窗口筛选后，根据每个现场观测站点的位置，在每景卫星数据上识别出相应的像素和以该像素为中心的3×3 窗口。3×3 窗口内的数据满足以下两个条件才作为有效匹配：（1）窗口内一半以上的像素点都为有效像素点（非陆地、非云、非耀斑、太阳高度角小于60°且卫星高度角小于50°）；（2）490 nm和520 nm 各自窗口内有效像素点的标准差除以平均值小于0.15。当所选窗口不满足任意一条条件时，该次匹配作为无效匹配进行剔除。最终经过筛选的所有像素点的平均值作为卫星在该现场的观测值（Bailey和Werdell，2006）。

2.5 统计参数

本研究使用的统计参数包括相关系数（r），均方根误差（RMSE），平均绝对百分比误差（MAPE）和平均偏差（mBias）。这些统计参数的具体计算公式如下：

式中，x和y分别表示现场测量结果和卫星观测结果。

3 结 果

3.1 COCTS HY-1D Rrs产品与现场测量对比

本文使用了4 个AERONET-OC 站点和2 个中国观测站点的Rrs数据对COCTS HY-1D 进行评价。所有站点的匹配数量如表2 所示。由于东瓯站点现场观测仪器在2020 年8 月至9 月期间出现故障，所以该站点与卫星观测的匹配数量低于其他站点。COCTS HY-1D 共8 个通道（412 nm、443 nm、490 nm、520 nm、565 nm、670 nm、750 nm 和865 nm），由于现场观测站点所在位置都属于近岸水体，在使用近红外迭代大气校正算法时，海洋水色卫星传感器位于最短波长的蓝光波段由于距离大气校正所采用的近红外通道较远，与现场测量相比较，其精度普遍存在较大误差（Wang 和Jiang，2018；Barnes 等，2021）；而670 nm 处的Rrs产品数值量级较小，其统计结果不具代表性。所以在与现测量结果进行对比分析时，本文仅选用4 个波长进行对比分析（443 nm、490 nm、520 nm和565 nm）。

表2 现场观测站点测量结果和卫星观测结果的匹配数量Table 2 The number of matchups between in situ measurements and satellite observations made by COCTS HY-1D and MODIS Aqua

匹配成功的现场测量与COCTS HY-1D 观测值Rrs比较结果如图2 所示。可以看出，COCTS HY-1DRrs产品和现场测量的Rrs结果光谱分布较为一致。同时，所有波长的散点对比图如图3所示，对应的统计参数如表3所示。COCTS HY-1D 443 nm、490 nm、520 nm 和565 nm 的Rrs与现场测量结果一致，r高于0.91 并且MAPE 小于34%，在565 nmr最高为0.98，RMSE最高仅为0.0012 sr-1。

图2 COCTS HY-1D 观测结果和现场测量的Rrs光谱结果对比Fig.2 The comparison of mean remote sensing reflectance （Rrs） between COCTS HY-1D derived and in situ measured at sites

图3 COCTS HY-1D观测结果和现场测量结果散点对比图Fig. 3 Scatter plot of mean and standard deviation of remote sensing reflectance （Rrs） between COCTS HY-1D derived and in situ measured

由于MODIS Aqua有着较高的产品性能（Barnes等，2019），所以其在近岸水体的产品质量可以作为COCTS HY-1D 的参考。MODIS Aqua 各个波长（443 nm、488 nm、531 nm、555 nm）的反演产品与现场测量的Rrs的散点对比图如图4 所示，对应的统计参数如表3 所示。MODIS Aqua 反演的Rrs与现场测量的结果RMSE 小于0.0016 sr-1且MAPE小于26%。r的范围为0.87—0.91，在443 nm 处最高为0.91，各波段r的平均值为0.89。在443 nm，COCTS HY-1D 和MODIS Aqua 与现场测量对比结果的r相同为0.91，RMSE 分别为0.0011 sr-1和0.0010 sr-1；在490 nm、520 nm 和565 nm，COCTS HY-1D 与现场测量对比结果的r均大于MODIS Aqua 在临近波长（488 nm、531 nm 和555 nm）的结果且MAPE误差均在2.5%以内。

图4 MODIS Aqua观测结果和现场测量结果散点对比图Fig.4 Scatter plot of mean and standard deviation of remote sensing reflectance （Rrs） between MODIS Aqua derived and in situ measured

表3 COCTS HY-1D、MODIS Aqua观测和现场测量Rrs结果在每个波长的统计参数（相关系数r，平均偏差mBias，均方根误差RMSE，平均绝对百分比误差MAPE）Table 3 Statistical parameters of remote sensing reflectance （Rrs） at each wavelength （λ， nm） between in situ measurements and COCTS HY-1D or MODIS Aqua observation. Parameters include correlation coefficient （r）， mean bias （mBias）， root mean square error （RMSE）， and mean absolute percentage error （MAPE）

根据表3 中的统计，可以表明COCTS HY-1D在近岸水体的产品质量与MODIS Aqua 相当。对于COCTS HY-1D 670 nm 的Rrs，几乎所有的数据小于0.002，现场观测数据中值为0.0004，卫星观测数据中值为0.0003。将其与所选4 个波长（443、490、520 和565 nm）一起统计，r为0.95，MAPE为33.9%。无论670 nm 的数据是否参与统计，现场数据与卫星数据所拟合的直线斜率皆为0.868，截距为0.00018。说明670 nm 的Rrs数值在合理范围内，且不会对统计结果产生影响。

图3 和图4 和横向和纵向的误差棒分别代表现场观测数据在时间窗口内的标准差以及卫星数据在空间窗口内的标准差。横、纵向的误差棒数值都很小，表明现场数据的时间变化以及卫星数据的空间变化在匹配窗口内是有限的，说明Rrs的真实性检验结果主要源于卫星产品和现场数据之间的差异而不是其自身的变化。

3.2 COCTS HY-1D 与国际主流海洋水色卫星传感器对比

与现场测量的Rrs比较结果表明，COCTS HY-1D的性能与MODIS Aqua在近岸水体精度相当。为了进一步评估其在全球尺度上的产品精度，本文将COCTS HY-1D 与两个具有较高产品质量的国际主流海洋水色卫星传感器（MODIS Aqua 和VIIRSSNPP）（Barnes 等，2019）之间进行了Rrs和Chl-a浓度的比较，比较结果点密度图如图5所示，对应统计参数如表4 所示。总体而言，图5 中密度较高的数据点集中分布在1∶1 线附近，说明3 个卫星传感器之间邻近波长的Rrs（例如COCTS HY-1D 的490 nm 与MODIS Aqua 的488 nm）和Chl-a 浓度是一致的。从表4中可以看出，除了670 nm，COCTS HY-1D 和MODIS Aqua 的比较结果与MODIS Aqua和VIIRS-SNPP 的比较结果统计参数基本保持一致，说明3 个传感器相互之间保持一致。而在670 nm，由于Rrs数值量级较小，所以在比较COCTS HY-1D 与MODIS Aqua 过程中出现较大的MAPE结果。

表4 3种传感器在全球范围内Rrs和Chl-a浓度比较统计参数Table 4 Statistical parameters of remote sensing reflectance （Rrs） at each wavelength （λ， nm） and Chl-a between COCTS HY-1D vs. MODIS Aqua and COCTS HY-1D vs. VIIRS/SNPP at the global scale collected from December 7 to 14， 2020

尽管图5中COCTS HY-1D和MODIS Aqua的对比在点密度较低的区域相对离散，但是在点密度较高的区域，离散性与MODIS Aqua 和VIIRSSNPP 的对比相当。如443 nm，COCTS HY-1D 和MODIS Aqua 对 比 的MPAE 小 于MODIS Aqua 和VIIRS-SNPP 对比结果。点密度较低区域的相对离散可能是由于传感器的条带噪声等原因导致的，会在未来的研究工作中做进一步的分析。

图5 2020年12月7日至14日Rrs和Chl-a浓度点密度图Fig. 5 Density plots of Rrs and Chl-a from December 7 to 14， 2020

COCTS HY-1D，MODIS Aqua 和VIIRS-SNPP分别生成的8 天（2020 年12 月7—14 日）合成的平均Chl-a 浓度全球分布如图6 所示。3 个传感器得到的全球Chl-a 浓度分布趋势彼此一致，这进一步说明COCTS HY-1D 在全球范围内的精度。例如，在南太平洋环流区观测到的极低的Chl-a浓度均达到0.02 mg/m3；在全球具有代表性的近岸水体，如阿根廷东海岸、黑海、里海和渤海等，3 个传感器同时观测到中等Chl-a 浓度分布（1.0 mg/m3）。

图6 全球范围内8天累积Chl-a浓度分布图（审图号：GS（2022）506号）Fig. 6 Global distribution of 8-day binned Chl-a concentration from December 7 to 14， 2020

4 结 论

为了对COCTS HY-1D 在全球海洋应用的性能进行初步评估，首先使用高质量的现场数据对COCTS HY-1D 在近岸水体的产品进行检验。检验结果表明，COCTS HY-1D 反演的Rrs与现场测量数据吻合良好，具有较高的一致性，COCTS HY-1D在近岸水体有稳定的性能表现。同时，使用国际主流的两个海洋水色卫星传感器（MODIS Aqua 和VIIRS-SNPP）的全球数据，通过不同传感器之间的相互比较，以评估COCTS HY-1D 在全球范围的产品性能。比较结果表明，COCTS HY-1D 在全球范围内获得了较好的Rrs。甚至在412 nm 和443 nm COCTS HY-1D 反演的Rrs与MODIS Aqua 具有良好的一致性，明显优于VIIRS-SNPP 和MODIS Aqua之间的比较结果。以上两个方面的结果表明，COCTS HY-1D 目前能提供精度较高的海洋水色产品，其产品精度与国际主流海洋水色卫星传感器MODIS Aqua或VIIRS-SNPP产品精度相当。