利用卫星数据简单分析影响叶绿素浓度的因素卫星海洋学.docVIP

利用卫星数据简单分析影响叶绿素浓度的因素 李兆钦，廖显春 摘要：本文将以2010年12个月的叶绿素浓度的AQUA/MODIS卫星数据以及Remote Sensing Systems数据为基础，对全球叶绿素浓度的时空分布与其他三者的大致相关关系进行简单的分析，得出一些影响叶绿素浓度的不同因素的结论。 关键词：卫星遥感 叶绿素浓度 AQUA/MODIS 引言 海洋叶绿素浓度的测定与海洋生态系统的初级生产力有密切的关系，而且与海洋环流有着很大的联系，同时对于海洋污染（赤潮等）的监测也有很大的帮助。但是以往对于叶绿素浓度的测定的方法需要进行实地采集水样，不仅成本高、速度慢、采样点稀疏，而且资料时间空间同步性都比较差，所以这一项的工作做的一直不是很好，但是随着近几年来水色遥感卫星的发展，现在基本上可以实现大范围水域准时时地进行叶绿素浓度的探测，而且这种方法具有速度快、成本低、资料完整性同步性比较好，因此卫星遥感技术的应用为人们提供了丰富的数据以供研究。 最近几年有关于叶绿素浓度的研究日益增多，而且多趋于研究部分海域，本文将通过对全球海洋叶绿素浓度的研究，获得影响叶绿素浓度的相关性因素，并简要给出其关系。数据来源 本文所用的(1叶绿素数据为modis的L3（L2～L4：是对LlB数据进行各种应用处理之后所生成的特定应用数据产品。）数据产品，数据的空间分辨率为9km,选择的时间段是2010年12个月平均的数据。MODIS是当前世界上新一代“图谱合一”的光学遥感仪器，有36个离散光谱波段，光谱范围宽，从0.4微米（可见光）到14.4微米（热红外）全光谱覆盖。MODIS的多波段数据可以同时提供反映陆地表面状况、云边界、云特性、海洋水色、浮游植物、生物地理、化学、大气中水汽、气溶胶、地表温度、云顶温度、大气温度、臭氧和云顶高度等特征的信息。可用于对地表、生物圈、固态地球、大气和海洋进行长期全球观测。、vapor、wspdlf数据为Remote Sensing Systems（遥感系统）里面的AMSRE2010年12个月平均数据。（遥感系统(RSS)是世界领先的处理和分析微波卫星微波传感器收集的数据。他的使命是提供全球科学界可研究质量的球物理数据。）（1）/ (2) /missions/amsre 数据处理 首先对于叶绿素的数据，本文根据平时第一次小作业的算法，首先将陆地上的点进行NaN处理，然后通过分析数据里面的各种参数，得知，处理数据需要对其进行取对数处理，所以直接对数据进行了取以10为底的对数，以便画图分析。其次对于AMSRE的数据处理，前期研究了一下data里面的support文件，了解到了如何将数据有效地进行了读取，然后选取了其中的三个变量（sst、vapor、wspdlf）用Matlab中的_map工具包进行作图，过程中将数据进行了平移处理，将0度经度放到了图片的中间。然后为了便于看到各项的变化趋势，又对其用Matlab作了gif图像的合成。同时本文还选取了南、北纬各一点【（15°N，45°W）（15°S，45°W）】进行特征性分析，通过插值方法弥补月份之间的数据，然后做出来二维的图像进行比对。南北纬在图例以s，n区分。选点的时候注意到叶绿素的数据和sst等的数据分辨率不一，同一点的位置坐标也就作了相应的处理。 数据的分析讨论 首先对叶绿素的时间分布进行一个简要的分析，通过叶绿素变化动态图像，可以很明显的看出来，冬季全球的叶绿素浓度普遍较高，叶绿素浓度从1月高，2月降低了一些，3月又升高，4-9月基本处于下降阶段，9-12月又是上升的趋势。而且中低纬度的叶绿素浓度达到了全年的最小值，南北纬高纬度地区的叶绿素浓度相对较大。12月份的叶绿素浓度达到了全年的最大值。而且大洋中心的低叶绿素浓度区域也在6月份达到了全年的最大值，12月份达到了最小值。然后对其空间分布进行分析，通过叶绿素变化动态图像，可以很明显地看出来，叶绿素的空间分布大体上以赤道为界，南北纬基本呈对称分布。而且变化趋势大抵相同。从图片中依稀可见的是大洋的中部叶绿素浓度较陆地边缘低许多，太平洋的亚热带地区尤其明显。而且叶绿素浓度最大值出现在大陆附近，这可能与近岸有来自陆地的径流有段关。特别是大陆的内陆湖以及陆间海的叶绿素浓度相当高。赤道附近的叶绿素浓度有一条特别明显的较高浓度带。出现这些现象的原因是多方面的，影响叶绿素的浓度的因素有诸如海表温度，风速，海流等等，本文仅根据卫星的数据分析一下sst以及风速大小的影响。接下来本文就分析一下其相关关系。通过找出的那两个点画出的图片可以看出，全球海表面温度与蒸发量是比较严格的正相关关系，可以猜测，温度以及蒸发对于叶绿素浓度的影响应该是一致的。海面温度的变化基本与叶绿素浓度的变化呈负相关关系。再结合上对海表面风速的分析，海面风速的变化与叶绿