一种用于海洋水色卫星伪不变交叉传递场地甄选方法

1.本发明属于海洋光学遥感技术领域，具体涉及一种用于海洋水色卫星伪不变交叉传递场地甄选方法。


背景技术：

2.海洋光学遥感技术是新兴的探测技术，能够通过遥感平台上搭载的探测器对海表水色信息进行探测进而获取海洋信息，并在海洋生态环境监测、海洋灾害影响监测与评估等方面得到广泛应用，大大地提高人类应对自然灾害和全球气候变化的能力。
3.遥感反射率数据r
rs
是海洋光学研究的重要基础，与水色卫星观测的海洋生物化学变化密切相关。为了得到可靠的r
rs
数据，以及与之相关的水体固有光学特性(iops)和叶绿素浓度
ꢀ‑
a，需要先对卫星进行辐射定标。然而，在开阔大洋的蓝光波段，大约1％的辐射定标不确定度就会导致约5％的大气校正不确定度，进而导致水色数据缺乏可信度，这是由于离水辐射率在大气顶(toa)辐射率中的占比较低。事实上，卫星的性能表现受到发射后性能降低和太空恶劣环境的影响，因此，可靠且连续的辐射定标方法至关重要。
4.通常情况下，星载定标设备能够提供极佳的高精度时空取样，提供趋势化系统响应，为辐射定标提供支持，但只有少数水色卫星携带了这种设备。对比辐射定标方法，例如星载定标、替代定标(gao et al.2012；werdell et al.2007)，以及月球定标(kouyama et al.2016)，交叉定标法简单易行。此外，交叉定标能够矫正卫星设备间的谱带差(chen,j.,he,x.q.,liu, z.l.,xu,n.,xing,q.g.,hu,x.q.,&pan,d.l.(2020).an approach to cross-calibratingmulti-mission satellite data for open ocean.remote sensing ofenvironment,246,111895.)，使得多任务数据处理变得更容易，因为许多现有的成熟工具能够直接用于新的卫星，包括大气校正算法(gordon andvoss 1999)，数据质量提升(如遥感反射率r
rs
残差校正等)，以及iops 反演(lee et al.2002)。
5.对于海洋水卫星来说，不同卫星在获取海洋水色数据时存在任务间差异，稳定而合理的任务间变化差异对于交叉定标分析至关重要。然而，有许多因素影响着卫星获取的toa反射率(ρ
t
)不同的任务间差异，包括海洋光学特性、气象要素、光照-观测角、海表面粗糙度、过境时间间隔、谱响应特性、方向均质性等等(chen et al.2020；gordon andvoss 1999；he et al. 2018；sathyendranath et al.2017)，进而直接影响交叉定标的准确性。为了获得稳定、代表性的、同步的交叉定标像素对(即不同卫星观测同一目标时，获取图像中的对应像素)，消除或避免可能的环境和观测条件导致的任务间差异是至关重要的。
6.目前，有许多系统性数据质量控制标准，可以用于严格的同步观测交叉定标分析约束(chen,j.,he,x.q.,liu,z.l.,xu,n.,xing,q.g.,hu,x.q.,&pan,d.l.(2020).an approach tocross-calibrating multi-mission satellite data for open ocean.remote sensing of environment,246, 111895.)。最近，barnes等人指出这些标准对于水色应用的近红外波段有效校准具有显著的指导意义。然而，除了光照-观测、气象、以及同步观测这些因素之外，使用图像对伪不变定标场(pics)进行交叉定标分析具有加倍效
应(mei et al.2016；vries et al.2007)。对于交叉定标的pics识别，已经发展出许多标准，但大多数标准都被设计用于陆地或气象遥感(chi et al. 2015；clark et al.2011；khakurel et al.2021；vries et al.2007)。
7.然而，海洋水色遥感具有独特特性，与陆地或大气遥感不同；比如，离水反射率在很窄的区间变动，且比大气和陆地反射率小得多(siegel et al.2000)。而卫星探测的反射率对于光照
ꢀ‑
观测条件很敏感(gordon and voss 1999)。相应的，明亮目标比如沙漠、冰河的高辐照度很容易使得海色设备探测信号饱和，因此，本发明针对海色遥感，建立海洋pics的交叉定标分析新思路，甄选全球大洋最优pics，作为海洋水色卫星交叉定标图像对场地，并据此分析海洋水色卫星的数据质量表现。


技术实现要素：

8.本发明提出一种用于海洋水色卫星伪不变交叉传递场地甄选方法，建立基于伪不变定标场(pics)的全球大洋交叉定标评估量化指标csm，并借此评估pics在全球大洋的交叉定标表现，以更好的服务于水色卫星交叉定标。
9.本发明是采用以下的技术方案实现的：一种用于海洋水色卫星伪不变交叉传递场地甄选方法，包括以下步骤：
10.步骤a、构建用于伪不变交叉传递场地甄选的评价体系，利用辐射传输模拟确定大气不稳定性对大气层顶卫星信号的影响；然后分析海洋光学特性时空不稳定性对大气层顶卫星信号的影响，并据此建立场地甄别体系的评估量化指标csm；
11.所述评估量化指标csm包括气象指标、光学指标和其他指标；其中气象指标包括气象空间稳定性和气象时间稳定性；光学指标包括光学时间稳定性和光学空间稳定性；其他指标包括海洋水色卫星的数据质量、数据覆盖、光谱适应度和brdf(双向反射分布函数)特性；
12.步骤b、构建气象指标、光学指标和其他指标评价方式；
13.基于步骤a所述的评估量化指标csm，以气象空间稳定性、气象时间稳定性的值为基础计算气象指标；以光学空间稳定性、光学时间稳定性的值为基础计算光学指标；以海洋水色卫星的数据质量、数据覆盖、光谱适应度和brdf特性为基础计算其他指标；每项指标以得分为量化依据，其得分表述如下：
[0014][0015]
其中，x是反映气象、海洋或角度参数与toa反射率稳定性的共变性，包括日标准差 dstd，无偏平均相对误差umre，变异系数cv，下标l和u是x的上下界；
[0016]
步骤c、对步骤b所得到的各项指标得分进行平均，得出最终评价标准csm：
[0017][0018]
其中，n代表指标数量，i表示第i项指标，score为步骤b中得分情况；
[0019]
步骤d、以步骤c所确定的最终评价标准csm作为评价指标，进行伪不变交叉传递场地甄别。
[0020]
进一步的，其特征在于，所述步骤b具体包括以下步骤：
[0021]
步骤b1、收集评估指标影响因素数据，计算气象指标、光学指标和其他指标表现；
[0022]
步骤b11、收集评估指标影响因素数据并进行预处理，具体包括：
[0023]
(1)收集水色卫星数据，获取气溶胶光学厚度、波长指数、r
rs
数据，以及数据覆盖程度；
[0024]
(2)计算卫星r
rs
数据残差，进行数据质量提升；
[0025]
(3)获取气象数据，得到包括海表风速、海平面气压、相对湿度的数据；
[0026]
步骤b12、计算气象指标表现：气象指标中包括气象时间稳定性和气象空间稳定性，气象时间稳定性中，分别计算海表风速u10、大气压slp和相对湿度srh的dstd值，在气象空间稳定性中，计算气溶胶厚度的cv值以及气溶胶指数的rmse的值；
[0027]
步骤b13、计算光学指标表现：以步骤a1中的进行数据质量提升后的数据为基础，获取不同波段的精确r
rs
数据，并将其分为光学时间稳定性和光学空间稳定性两个评价标准；在光学空间稳定性中计算不同波段r
rs
的cv值；在光学时间稳定性中计算不同波段r
rs
的umre值；
[0028]
步骤b14、计算其他指标表现，所述其他指标包括数据质量、数据覆盖、光谱适应度和 brdf特性；
[0029]
(1)设计谱形状指标ssi，对卫星谱响应特性进行评估，作为光谱适应度评价标准；
[0030][0031]
其中，y表示toa反射率或遥感反射率，ym是谱y的平均值，w是y谱的波长数；
[0032]
(2)对卫星方向均质性指标进行评估，作为brdf特性评价标准；
[0033]
设计方向均质性指标dhi：
[0034][0035]
其中，ρ
t,m
是toa反射率在s
×
s窗口区域的平均值，ψ表示光照-观测角度，s是窗口区域尺寸；
[0036]
(3)以步骤b1数据质量提升后的数据为基础，获取不同波段的精确r
rs
数据，计算r
rs
数据的mapd值，作为数据质量评估标准，所述mapd值描述如下：
[0037][0038]
其中，xi是i
th
元素大气或海洋参数，xr是大气无误差成分等效时间平均值或辐射传输模型 osoaa代码预测的反射率；n是元素个数；
[0039]
(4)对卫星数据覆盖进行评估；
[0040]
获取不同波段的精确r
rs
数据，对r
rs
数据覆盖情况进行统计，作为数据覆盖评估标准；
[0041]
步骤b2、根据步骤b1计算的气象指标、光学指标和其他指标表现，统计评估计算结果与各评价指标的对应关系，计算气象指标、光学指标和其他指标表现的得分。
[0042]
进一步的，所述步骤b12中，所述cv值和rmse值描述如下：
[0043][0044][0045]
其中，xi是i
th
元素大气或海洋参数，xr是大气无误差成分等效时间平均值或辐射传输模型osoaa代码预测的反射率；xe是窗口区域xi的空间平均值，n是元素个数。
[0046]
进一步的，所述步骤b13中，所述umre值描述如下：
[0047][0048]
其中，xi是i
th
元素大气或海洋参数，xr是大气无误差成分等效时间平均值或osoaa代码预测的反射率；n是元素个数。
[0049]
与现有技术相比，本发明的优点和积极效果在于：
[0050]
针对卫星数据交叉定标方案中，伪不变交叉传递场地(pics)在海洋领域甄别方法缺失的问题，本方案建立基于甄选pics的评估量化指标csm，此评估量化指标包含3类次级指标，综合考虑气象时空稳定性指标、光学时空稳定性指标和其他指标作为评价依据，通过全面评估全球大洋交叉定标pics的质量情况，以甄选全球大洋最佳pics，并据此评估海洋水色卫星数据质量表现，保证海洋水色卫星数据准确性，对于海洋生态环境监测、海洋灾害影响监测与评估等方面研究具有广泛、深远的影响。
附图说明
[0051]
图1为本发明实施例所述伪不变交叉传递场地甄选方法原理流程示意图；
[0052]
图2为本发明实施例slp变动对于443nm海上气溶胶模型toa反射率的影响示意图；
[0053]
图3为本发明实施例不同rh值的海面气溶胶模型在443nm处的toa反射率rh变动效应示意图；
[0054]
图4为本发明实施例海洋气溶胶模型在443nmtoa反射率的u10变化效应示意图；
[0055]
图5为本发明实施例全球海洋时间气象得分示意图；
[0056]
图6为本发明实施例2018年modis 3级gac产品推导的全球海洋空间气溶胶得分示意图；
[0057]
图7为本发明实施例使用idas算法，经过任务间一致性校正后，由2018年modisa 和modist 3级数据gac图像推导的全球大洋时间光学得分示意图；
[0058]
图8为本发明实施例使用idas算法残差校正后，用2018年modis 3级gac图像推导的全球大洋空间光学得分示意图；
[0059]
图9为本发明实施例2018年modis 3级gac图像推导的全球大洋数据质量得分示意图；
[0060]
图10为本发明实施例全球大洋的谱形状得分示意图；
[0061]
图11为本发明实施例全球大洋各项均质性得分示意图；
[0062]
图12为本发明实施例2018年卫星数据推导的全球大洋csm值。
具体实施方式
[0063]
为了能够更加清楚地理解本发明的上述目的、特征和优点，下面结合附图及实施例对本发明做进一步说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开的具体实施例。
[0064]
为实现上述目的，本发明提出一种用于海洋水色卫星伪不变交叉传递场地(pics)甄选方法，如图1所示，首先建立一套场地甄别的指标体系；利用辐射传输模拟理清大气不稳定性对大气层顶卫星信号的影响；然后分析海洋光学特性时空稳定性对大气层顶卫星信号的影响。据此建立场地甄别体系的评价标准csm，包括气象指标、光学指标和其他指标，气象指标包括气溶胶厚度、波长指数、海平面气压、海表面风速和相对湿度；光学指标包括海洋水色卫星遥感反射率r
rs
数据的时空稳定性；其他指标包括海洋水色卫星数据质量、数据覆盖、光谱适应度和brdf(双向反射分布函数)特性；通过收集评估指标影响因素数据，计算气象指标、光学指标和其他指标表现，最后根据各项指标表现进行平均，得到最终评价标准csm，并以此为基础实现伪不变交叉传递场地甄别。
[0065]
具体地，本发明实施例包括以下步骤：
[0066]
步骤a、构建用于伪不变交叉传递场地甄选的评价体系，利用辐射传输模拟确定大气不稳定性对大气层顶卫星信号的影响；然后分析海洋光学特性时空不稳定性对大气层顶卫星信号的影响，并据此建立场地甄别体系的评估量化指标csm；
[0067]
所述评估量化指标csm包括气象指标、光学指标和其他指标；其中气象指标包括气象空间稳定性和气象时间稳定性；光学指标包括光学时间稳定性和光学空间稳定性；其他指标包括海洋水色卫星的数据质量、数据覆盖、光谱适应度和brdf(双向反射分布函数)特性；
[0068]
步骤b、构建气象指标、光学指标和其他指标评价方式；
[0069]
基于步骤a所述的评估量化指标csm，以气象空间稳定性、气象时间稳定性的值为基础计算气象指标；以光学空间稳定性、光学时间稳定性的值为基础计算光学指标；以海洋水色卫星的数据质量、数据覆盖、光谱适应度和brdf特性为基础计算其他指标；每项指标以得分score为量化依据，其得分表述如下：
[0070][0071]
其中，x是反映气象、海洋或角度参数与toa反射率稳定性的共变性，包括但不限于
dstd，无偏平均相对误差(umre)，变动系数(cv)。下标l和u是x的上下界，表示“好”或“差”标准。
[0072]
步骤c、对步骤b所得到的各项指标得分进行平均，得出最终评价标准csm：
[0073][0074]
其中n代表指标数量，i表示第i个指标，score为步骤b中得分情况；
[0075]
步骤d、以步骤c所确定的最终评价标准csm作为评价指标，进行伪不变交叉传递场地甄别。
[0076]
具体的，所述步骤b具体通过以下方式实现：
[0077]
步骤b1、构建用于交叉定标伪不变定标场pics的评估量化指标csm，评估量化指标csm 包括气象指标、光学指标和其他指标；
[0078]
步骤b2、收集评估指标影响因素数据，计算气象指标、光学指标和其他指标表现；
[0079]
步骤b21、收集评估指标影响因素数据并进行预处理，具体包括：
[0080]
(1)收集水色卫星数据，获取气溶胶光学厚度、气溶胶指数、r
rs
数据，以及数据覆盖程度；
[0081]
(2)计算卫星r
rs
数据残差，进行数据质量提升；
[0082]
(3)获取气象数据，得到包括海表风速、海平面气压(slp)、相对湿度(rh)等数据；
[0083]
步骤b22、计算气象指标表现；
[0084]
首先需要说明的是，为了综合分析大气条件(u10、slp、srh)对大气顶反射率的影响，本实施例基于海洋逐次散射大气模型(osoaa)，利用步骤b1获取的气象数据和水色卫星数据，结合公式(3)计算大气顶(toa)反射率值，来评估气象指标数据因素对pics交叉定标系统csm的影响：
[0085]
ρ
t
(λ)＝ρr(λ)+ρa(λ)+ρ
ra
(λ)+t(λ)ρg(λ)+t(λ)ρ
wc
(λ)+t(λ)ρw(λ)
ꢀꢀꢀꢀꢀꢀ
(3)
[0086]
其中，ρr和ρa是瑞利和气溶胶反射，ρ
wc
和ρw是由于海面白帽和海面镜面反射耀光引起的反射率；ρ
ra
是分子和气溶胶相互作用的散射，ρg是太阳耀光反射率；t和t分别是大气的直接透过率和漫射透过率。把不同istd(一天四次观测的标准差)不确定度分别加入u10、slp和 rh的osoaa模拟中，探究相关因素对大气顶(toa)反射率的影响，确定这几个要素对于 pics选择的影响。
[0087]
具体的，在气象指标中，将其分为气象时间稳定性和气象空间稳定性两个评价标准；在气象时间稳定性中，分别计算u10、slp和srh的dstd值，在气象空间稳定性中，计算气溶胶厚度的cv(变动系数)值以及气溶胶指数的rmse的值；
[0088]
所述cv值和rmse值描述如下：
[0089][0090][0091]
其中，xi是i
th
元素大气或海洋参数，xr是大气无误差成分等效时间平均值或osoaa
代码预测的反射率；xe是3
×
3窗口区域xi的空间平均值，n是元素个数。
[0092]
osoaa(the ocean successive orders with atmosphere advanced)代码，osoaa是由 sorbonne大学开发的辐射传输代码。该编码基于级次顺序的散射方法，其中包括海洋-大气系统的辐射度和极化度的计算。
[0093]
如图2-4所示，通过相关因素的评估进一步说明，开阔大洋的pics交叉定标系统不同于陆地或气象遥感，由于其toa反射率数据的复杂性(toa反射率信号弱、对观测-光照条件敏感、变化区间窄等)，不能用已有技术进行pics交叉定标，同时为本发明选择相应指标提供了理论依据，因而根据本发明研究成果选择相应的评估因素。
[0094]
步骤b23、计算光学指标表现；
[0095]
以步骤b21(2)为基础，获取不同波段的精确r
rs
数据，并将其分为光学时间稳定性和光学空间稳定性两个评价标准；在光学空间稳定性中计算不同波段r
rs
的cv值；在时间稳定性中计算不同波段r
rs
的umre值，所述umre值描述如下：
[0096][0097]
步骤b24、计算其他指标表现；
[0098]
(1)设计谱形状指标ssi，对卫星谱响应特性进行评估，作为光谱适应度评价标准；
[0099]
由于卫星数据谱响应特征会引起卫星任务间差异，本实施例根据发明人陈等人(chen,j., he,x.q.,liu,z.l.,xu,n.,xing,q.g.,hu,x.q.,&pan,d.l.(2020).an approach to cross-calibrating multi-mission satellite data for open ocean.remote sensing of environment,246, 111895.)提出的谱相似指标，设计并提出了一个谱形状指标(ssi)来评估toa反射率和遥感反射率的光谱适应度，评估如图1所示的其他指标中“光谱适应度”因素部分：
[0100][0101]
其中，y表示toa反射率或遥感反射率，ym是谱y的平均值。w是y谱的波长数，根据公式 (7)，可以知道无论对于toa反射率还是遥感反射率，ssi的值随着谱形状的适应度增加而降低。
[0102]
(2)对卫星方向均质性指标进行评估，作为brdf特性评价标准；
[0103]
由于toa反射率依赖于太阳照射角度和观测角度(光照-观测角度)，将信号方向均质性作为稳定pics区域选择的一个标准(如图1所示brdf特性)。在本发明中，设计并提出了方向均质性指标(dhi)：
[0104][0105]
这里，ρ
t,m
是toa反射率在s
×
s窗口区域的平均值，ψ表示光照-观测角度，例如太阳天顶角、传感器天顶角，以及相对方位角；s是窗口区域尺寸。
[0106]
(3)对卫星数据质量进行评估；
[0107]
以步骤b21(2)为基础，获取不同波段的精确r
rs
数据，计算r
rs
数据的mapd值，作为数据质量评估标准，所述mapd值描述如下：
[0108][0109]
(4)对卫星数据覆盖进行评估
[0110]
以步骤b21(2)为基础，获取不同波段的精确r
rs
数据，对r
rs
数据覆盖进行统计，作为数据覆盖评估标准。
[0111]
步骤b3、基于mapd(平均绝对百分比差)，umre(无偏平均相对误差)，rmse(均方根误差)，cv(变动系数)、dstd(日标准差)、dhi(方向均质性指标)以及ssi(谱形状指标)统计标准对相关要素(气溶胶厚度、气溶胶指数、海表风速、相对湿度、海平面气压、r
rs
)进行综合分析，具体包括：
[0112]
(1)在较小窗口区域(box)或时间窗口中，计算如表1所示的对应指标；公式(4)—公式(7)中的计算结果与图1中的对应指标总结在表1中：
[0113]
表1评估计算结果与评价指标的对应关系
[0114][0115]
(2)计算气象指标、光学指标与其他指标的最终得分；
[0116]
具体地，以所述步骤b22计算的空间稳定性、时间稳定性的值为基础计算气象指标得分；以所述步骤b23计算的空间稳定性、时间稳定性的值为基础计算光学指标得分；以所述步骤 b24(1)-(4)计算的数据质量、数据覆盖、光谱适应度和brdf为基础计算其他指标得分；所述最终得分如公式(1)所示。
[0117]
通过本发明技术提出的方法，能够全面评估全球大洋交叉定标pics的质量情况，以便选择最佳pics进行交叉定标；经分析得到全球大洋pics，在低纬度开阔大洋，除了赤道附近，具有较好表现。此外，应用甄选后的pics进行海洋水色卫星交叉定标，能够分析卫星探测数据劣化情况，评估海洋水色卫星时间序列的数据质量表现，具有较高的实际应用价值。
[0118]
下面结合具体案例对本发明方案做详细说明，量化指标评估细则如图1所示，具体的：
[0119]
在步骤b中，收集2018年中分辨率成像光谱仪aqua(modisa)和terra(modist)全球区域范围(gac)三级数据，包括869nm气溶胶光学厚度(τ(869))，气溶胶指数，以及r
rs
数据4km 空间分辨率。
[0120]
步骤b21中，使用本发明人2016年提出的的iops数据处理系统(idas)(chen,j.,lee,z.p., hu,c.m.,&wei,j.w.(2016).improving satellite data products for open oceans with a scheme tocorrect the residual errors in remote sensing reflectance.journal of geophysical research-ocean, 121,3866-3886.)计算卫星r
rs
数据残差进行数据质量提升。进一步的，为了找出交叉定标分析中谱形状(光谱适应度)和定向均质性(brdf特性)，从全球2018年随机获取了12226个 fy-3d一级大洋图像，用于评价标准中光学指标部分和其他指标部分分析计算(如图1所示)；。
[0121]
使用国家环境预测中心(ncep)2018年气象数据，优化数据处理技术、以及合适的呈现方法用于气候、水温、气象、天气以及海洋信息的预测和分布。necp辅助数据包括10m风 (u10)，海平面气压(slp)、以及相对湿度(rh)，是ncep全球数据同化系统的同化数据产品，具有6小时时间分辨率和1
°×1°
经纬度分辨率，用于评价标准中气象指标部分分析计算。
[0122]
具体分析处理结果如图2-12所示；
[0123]
图2是slp变动对于443nm海上气溶胶模型toa反射率的影响，slp从(a)-(d)99kpa,(e)-(h) 100kpa,(i)-(l)101kpa,以及(m)-(p)102kpa。由osoaa计算，u10＝3.8m/s,rh＝80％,τ(555)＝0.2, chla＝0.1mg
·
m-3,以及θs＝30
°
。4种统一的均值为0的随机噪声以及全球年平均slp的dstd 分别为50％，100％,150％,和200％的std加入到slp的从左到右4张图中。黑线代表由于slp 变动导致的apt反射率的相对偏差轮廓线。
[0124]
图3是使用osoaa计算，u10＝3.8m
·
s-1,slp＝101.13kpa,τ(555)＝0.2,chla＝0.1mg
·
m-3, andθs＝30
°
的时候，不同rh值的海面气溶胶模型在443nm处的toa反射率rh变动效应： (a)-(d)60％,(e)-(h)70％,(i)-(l)80％,and(m)-(p)90％。4种统一的随机噪声：均值为0且std为 50％、100％、150％和200％全球年平均湿度的dstd分别加入到从左到右的4个湿度图中。黑线代表由rh变动导致的toa反射率的相对差轮廓线。
[0125]
图4是使用osoaa，rh＝60％,slp＝101.13kpa,τ(555)＝0.2,chla＝0.1mg
·
m-3,andθs＝30
°
，海洋气溶胶模型在443nmtoa反射率的u10变化效应：(a)-(d)3m
·
s-1,(e)-(h)5m
·
s-1,(i)-(l)7 m
·
s-1,and(m)-(p)9m
·
s-1 4种统一的随机噪声：均值为0且std为50％、100％、150％和200％全球年平均湿度的dstd分别加入到从左到右的4个风速图中。黑线代表由u10变动导致的 toa反射率的相对差轮廓线。
[0126]
图5是全球海洋时间气象得分。(a)，(d)和(g)分别是年平均slp、u10和srh。而 (b)、(e)和(h)是相对应的年平均dstd。(c)，(f)和(i)分别是slp、u10和srh 的气象得分，由公式3年平均sdtd计算而来。dstd由2018每日ncep气象数据推导得来，具有6小时时间分辨率和1
°×1°
经纬度分辨率.白色代表陆地。
[0127]
图62018年modis 3级gac产品推导的全球海洋空间气溶胶得分。(a)和(d)分别是年平均τ(869)和散射系数。(b)和(e)分别是τ(869)的年平均cv和std值以及散射指数， (c)和(f)是对应的空间气溶胶得分，由公式1，用年平均cv和std值计算得来。白色代表陆地。
[0128]
图7是使用idas算法，经过任务间一致性校正后，由2018年modisa和modist 3级数据 gac图像推导的全球大洋时间光学得分。(a),(c)和(e)分别是443nm,488nm,555nm modisa 和modist设备任务间差异计算的年平均umre，而(b)，(d)和(f)是使用公式1，从年平均umre中的相对应的时间光学得分。白色代表陆地。
[0129]
图8是使用idas算法残差校正后，用2018年modis 3级gac图像推导的全球大洋空
间光学得分。(a)，(d)和(g)分别是年平均idas r
rs
(443),r
rs
(488),和r
rs
(555),(b)，(e) 和(h)分别是r
rs
(443),r
rs
(488),和r
rs
(555),的年平均cv值，而(c)，(f)和(i)是使用公式1，由年平均cv值计算的相对应的空间光学得分。白色代表陆地。
[0130]
图9是2018年modis 3级gac图像推导的全球大洋数据质量得分。(a)和(c)是2018 年modis 3级gac图像推导的年平均mapd值和r
rs
(555)的年覆盖；(b)和(d)是使用公式 1，由年平均mapd的值和年覆盖计算的对应的数据质量得分。白色代表陆地。
[0131]
图10是全球大洋的谱形状得分。(a)和(c)分别是toa反射率和年r
rs
的平均谱形状，由2018年每日modisa 3级gac r
rs
数据和fy3d/mersi 1级toa反射率数据得来。(b)和(d) 是使用公式1，由对应的谱形状指数计算的谱得分。白色代表陆地。
[0132]
图11是全球大洋各项均质性得分。(a),(c)和(e)传感器天顶角、太阳天顶角和相对方位角的年平均各项均质性指数，由2018年fy3d/mersi1级toa反射率推导得来。(b)， (d)和(f)是使用公式1由对应的各项均质指数推导的相应得分。白色代表陆地。
[0133]
图12是2018年卫星数据推导的全球大洋csm值。对每一项得分类型，包括气象要素、光学特性、数据质量、谱形状和各项均质性，使用平均值估算csm值，尽管在相同类别下有几项不同要素。白色代表陆地。
[0134]
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。