基于水色遥感研究南海浮游植物群落结构季节变化

《基于水色遥感研究南海浮游植物群落结构季节变化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据天津科技大学硕士学位论文夏季，南海浮游植物群落结构从硅藻向甲藻和蓝藻进行演替，叶绿素最大层的Chla浓度高值主要是由Pico级份浮游植物贡献，南海夏季低生物量和生产力主要是P限制。Liu[29】通过流式细胞仪，分析了SEATS站的数据发现，南海最主要的Pico级浮游植物是原绿球藻，其在夏季的丰度更高，约为80％；而聚球藻和Pico级自养真核生物在冬春季的丰度更高。Chen【30】通过比较冬、夏季南海北部Pico级浮游植物细胞丰度及细胞大小，结果表明，冬季聚球藻的丰度约为夏季的2．6倍，Pico级自养真核生物的丰度约为夏季的2．4倍，夏季原绿球藻的丰度约为冬季的lO倍左右；Pico级自养

2、真核生物细胞丰度夏季垂直分布上存在次表层最大值，冬季垂直分布比较一致；聚球藻和原绿球藻的细胞大小夏季随深度增加而增大，而Pico级自养真核生物在最大丰度处细胞大小最小。1．2．1浮游植物群落结构水色遥感反演算法研究进展传统的显微镜技术【31-361、流式细胞仪[37，381、色素和DNA分析【39'401都可以在实测数据中用来区分浮游植物类群结构。由于原位观测和海洋的辽阔在尺度上是不匹配的，所以采用传统的方法时空覆盖是受限制的。卫星能够提供海洋表面多光谱光学观测的连续记录。水色遥感用来观测全球尺度的叶绿素a浓度。1978年发射了第一个水色传感器海岸带扫描仪(CZCS)，补充了原位观测数据集，提

3、供了新的信息。第一个传感器的主要目的是获取海洋表面叶绿素a浓度的信息。后面的传感器技术有所进步，又发射了宽视场海洋观测传感器(SeaWiFS)、中等分辨率成像光谱仪(MODIS)。随着计算能力的增强，生物光学模型得到了更深入的发展。除了对叶绿素a浓度更准确的估计，从水色遥感数据中还能获取其他重要的生物地球化学参数。从卫星得到的叶绿素a的浓度，可以用于研究海洋浮游植物类群的变化和全球海洋初级生产力。很多科研人员致力于发展生物光学模型，从空间中识别PFTs。模型是唯一的方法可以在大的尺度上分析PFTs的时空分布。这是研究这些类群的生态和监测人类活动引起在全球海洋生态环境的变化对气候的影响的基础。引

4、用遥感的一些重要的应用，监测沿岸区域有毒藻类的水华和全球变暖对极地和高纬度区域群落结构的影响。遥感传感器和模型的提高，与理解PFTS的生态和分布的重要性结合，是从空间中获得PFTs的特征的新的研究领域的动机。利用水色遥感反演浮游植物类群算法按照大的类别可以分为经验算法、半分析算法和分析算法。经验模型建立在遥感数据和生物物理化学参数的统计关系上。需要收集大量同步的实地测量和遥感观测的数据集。这类模型可以描述用分析方程难以模拟的复杂关系，但取决于数据的可靠性，从方程中的数据来外推预测还是有一定限制的。Alvain[41]在2005年提出PHYSAT算法，后对其进行了改进【42】，是适用于l类水体的

5、全球模型，使用SeaWiFS波段的归一化离水辐亮度的二阶光谱变化对五个主要的浮游植物类群分类：鞭毛藻、硅藻、聚球藻、原绿球藻和棕囊藻。模型应用在月平均数据图像上，经万方数据1引言过实测数据的验证有很好的准确性：微型浮游植物87％，硅藻57％，聚球藻和原绿球藻为50％。Uitzt43】在2006年提出一种模型估计三种不同粒级PFTs优势性比例和叶绿素a的贡献，积分了1：5倍真光层深度。模型根据海表面叶绿素a浓度、营养状态、群落结构和浮游植物生物量的垂直剖面的关系建立查找表。总的来说，这个模型建立了这样的关系，富营养状态下的高叶绿素a浓度是由Micro．级浮游植物和同类物质的剖面组成，反之则是Na

6、no．和Pico一级浮游植物。关系建立在大量全球HPLC和垂直剖面参数实测数据集上。模型应用在全球的月平均SeaWiFS数据上，与实测数据相比表现不错，微型浮游植物的错分率最高为36％。Oyama[删在2010年提出光谱分解算法(SDA)，能够量化五种浮游植物类群的叶绿素a浓度：三种蓝藻菌，一种绿藻和一种硅藻，模型适用于沿岸和内陆的2类水体。模型根据线性光谱混合分析，认为每一个像素都可以认为是各自起作用的光学部分贡献量的线型混合，浮游植物、非藻类粒子和水标准反射光谱主要决定了光谱反射。模型对时间和地点的依赖性小，采用标准实验室测量的光谱作为端元而不是实地测量，而且不需要实测或者卫星数据集来建立

7、模型。Raitsos[45】在2008年提出了一个生态模型，识别水体的优势种：-硅藻、甲藻、硅鞭毛藻和颗石藻。模型使用概念神经网络将物质的生物光学数据和时空信息结合起来。使用北大西洋的实测和卫星数据作为模型的训练数据。概念神经网络是人工神经网络的一种，使用概率函数和非线性结合来预测给定参数发生的概率。在训练期间，每一个输入参数根据其对输出参数的相对重要性来调整权重。输入参数包括：生物光学，海表面叶