基于OLCI的长江口及其邻近海域表层水体颗粒有机碳反演

陈洁南，曹 芳

（华东师范大学 河口海岸国家重点实验室，上海 200241）

作为全球碳循环的重要组成，海洋碳循环在调控地球生态系统及全球气候变化等方面扮演着重要的角色（Jahnke, 1996; 宋金明, 2003; 殷建平等, 2006; Cao et al, 2018）。海洋颗粒有机碳（Particulate Organic Carbon, POC）在海洋碳循环中有着极高的流动性和转化率，参与许多重要的海洋生物地球化学过程，是海洋碳通量和储量变化监测评估研究的重要内容之一（Siegenthaler et al, 1993; 李宁等,2005; Bauer et al, 2013; Kharbush et al, 2020）。

尽管总面积占比不足全球海洋的10%，但边缘海贡献了全球80%以上的海洋有机碳埋藏通量，很大程度上影响着全球碳收支（Walsh, 1991）。中国边缘海是典型的陆架边缘海，每年长江、黄河、珠江等河流会携带大量陆源有机碳物质汇入边缘海，陆源POC、海源POC、海底沉积物再悬浮以及溶解有机碳转化的POC等在河口及其邻近海域交汇混合，此外还叠加地理位置、沉积环境和多种水动力条件等的影响（刘茜等, 2018; Zhao et al, 2021），是海洋碳循环研究的热点区域之一。通过卫星遥感精确刻画河口及其边缘海区域POC时空分布，对于深入理解该区域碳的生物地球化学过程具有重要的科学意义（Brewin et al, 2023）。

自Stramski等（Stramski et al, 1999）首次提出利用水色遥感技术反演表层POC浓度以来，前人已经发展出多种表层POC遥感反演算法，如通过将颗粒物后向散射系数（Particulate Backscattering Coefficient，bbp）或颗粒物光束衰减系数（Particulate Beam Attenuation，cp）等水体固有光学参数（Inherent optical Properties，IOPs）、悬浮颗粒物浓度（Suspended Particulate Matter，SPM）或叶绿素a浓度（Chlorophyll-a，Chla）等参数作为光学代理，关联遥感反射率（Remote Sensing Reflectance，Rrs）和水体表层POC浓度的两步算法（Gardner et al, 2006; Stramski et al, 2008; Werdell et al, 2018）；或直接基于Rrs波段比值或Rrs波段组合的经验算法等（Allison et al, 2010）。然而，不同水体的POC，其来源及成分也不尽相同。大洋水体中，POC主要来源于原生的浮游生物和有机碎屑，蓝绿波段比值算法能很好地适配这些海域；而对于近岸边缘海水体，受陆源输入和多重环境因素的共同影响，POC的来源和组成复杂多变，针对大洋海域开发的算法无法适用（Hung et al, 2013; 刘东, 2017）。Liu等（2015）在珠江口海域比较了表层POC浓度的蓝绿波段比值算法（Stramski et al, 2008）和最大归一化碳指数算法（Maximum Normalized Difference Carbon Index，MNDCI）（Son et al, 2009），算法精度都劣于其基于实测遥感反射率的波段比值组合算法。针对水体光学性质复杂的中国东部边缘海水体（包括渤、黄、东海），魏小岛等（Wei et al, 2019）将其划分为3种水体类型，分别使用了3种光学代理参数针对不同水体类型进行了表层POC浓度反演算法的开发。

长江口及其邻近海域作为连接长江和东海的重要通道，承载巨量陆源POC的输入，在该区域内发生的一系列复杂的物理和生物地球化学过程显著影响着该海域POC的时空分布。为了更加准确地估算该海域表层POC浓度，本研究基于2022年长江口及其邻近海域实地采集的水色光谱数据和表层POC浓度数据，结合新一代海洋水色传感器Sentinel-3 OLCI（Ocean and Land Colour Instrument）的卫星影像，比较了常见的大气校正方法和表层POC浓度反演算法的精度和适用性，遴选出适用于OLCI传感器数据的长江口及其邻近海域水体的大气校正方法和表层POC浓度反演算法，用以简析2022年长江流域汛期极端枯水现象对该海域表层POC浓度时空变化的影响并与往年同期表层POC浓度的时空变化进行比较。

1 数据与方法

1.1 研究区概况

本研究聚焦长江口及其邻近东海海域（121°00′～124°00′E, 29°00′～32°30′N）（图1）。研究区位于亚热带季风区，受东亚季风影响，长江径流呈现显著的季节变化，夏季在东南风或偏南风影响下，长江冲淡水离岸扩展，影响范围最广，冬季则在西北或偏北风主导下，沿闽浙沿岸南下。研究区的物理和生物地球化学过程复杂，除受长江冲淡水及东海潮汐影响外，还受黑潮、台湾暖流、苏北沿岸流等水动力过程的影响，水体的生物光学性质复杂多变（林晶, 2007）。

图1 研究区域位置及各航次调查站位Fig. 1 Location of the study area and sampling stations

1.2 现场实测数据

本研究实测数据依托2022年3次国家自然科学基金委员会“长江口科学考察实验研究”共享航次采集。航次调查时间分别为2022年3月1日至6日（冬季航次），2022年7月25日至29日（夏季航次）和2022年10月30日至11月7日（秋季航次），每个航次涵盖7条调查断面共64个站位（图1）。采集的现场数据包括构建POC遥感反演算法所需的海表遥感反射率Rrs（λ）数据及水体滤膜样品。

1.2.1 实测遥感反射率数据

按照NASA海洋光学测量规范 （Pegau et al, 2003），利用海面高光谱测量系统（HyperSAS，Sea-Bird Scientific公司），采用“水面之上”法获取海表遥感反射率Rrs（唐军武等, 2004; Sokoletsky et al,2014）。该系统由3个高光谱探测器组成，分别同步测量下行辐照度Es、水体上行辐亮度Lt和天空光下行辐亮度Li，2个辐亮度探头与太阳方位角的夹角为90°～135°，辐照度探头指向天空。光谱波段范围为350～856 nm，分辨率为1 nm。遥感反射率Rrs计算式如下：

式中ρsky为水气界面反射率，可通过风向、风速、太阳位置和观测位置等计算得到（Højerslev, 2001）：其中w为风速。太阳位置和观测位置等因素会影响Li和Es，进而改变ρsky。

实测遥感反射率根据Sentinel-3 OLCI的光谱响应函数，通过卷积运算获得OLCI等效波长所测得的遥感反射率（Pahlevan et al, 2017; Zhang et al, 2018）：

式中：Rrs为传感器测量的等效遥感反射率；λ1、λ2分别为波段范围内的上限和下限波长；Sλi为波长为λi时传感器的光谱响应函数；Rrs(λi)为λi时的实测遥感反射率。卷积后得到16个等效波段，考虑到水汽吸收作用以及部分波段大气校正结果缺失或有误，本研究使用10个波段（400、412.5、442.5、490、510、560、620、665、673.75和681.25 nm）进行后续分析。2022年3个航次共采集遥感反射率光谱73条，经过筛选后，保留有效遥感反射率数据共57条。

1.2.2 实测表层POC浓度数据

表层水体POC样品的采集和分析测试遵循全球海洋通量联合研究（Joint Global Ocean Flux Study，JGOFS）的测量标准进行（Knap et al, 1996）。航次执行期间，利用Niskin 卡盖式采水器采集研究区表层水样，用0.7 μm的Whatman GF/F 玻璃纤维滤膜（预先于450 ℃下灼烧5 h）现场低压过滤后，将滤膜样品用铝箔纸包装并置于−20 ℃冰箱中冷冻保存。

于实验室内，将滤膜样品置于65 ℃ 烘箱中充分干燥，再于密闭容器中用浓盐酸蒸汽熏蒸24 h以上，以保证去除颗粒无机碳（Particulate Inorganic Carbon，PIC）（Grob et al, 2007）；熏蒸完毕后，再次干燥滤膜，后使用Vario Macro Cube元素分析仪对滤膜进行高温灼烧来测定碳元素的百分比质量，再乘以样品颗粒物质量，并扣除空白滤膜质量，除以样品过滤体积，即可得到实测POC浓度数据。3个航次中，除4个站位因海况较为恶劣未采集到适量样品，其余站位均采集到足量样品。本研究共采集和测定了表层水体POC样品188份。

POC原位测量数据是评估反演算法性能的重要依据。但POC测量的准确性尚不完全清楚，部分误差无法完全消除且难以准确量化。例如DOC（Dissolved Organic Carbon，DOC）吸附造成的正偏倚；水样中的大颗粒采集不足，过滤时的压力差及能透过0.7 μm滤膜的小体积POC等导致的负偏倚等（Moran et al, 1999）。通常认为在水样过滤过程中尽量减少样品暴露时间，以较小的压差进行水样抽滤，增加水样过滤体积能有助于减小测量误差（Gardner et al, 2003）。

1.3 卫星影像数据

欧洲空间局（European Space Agency，ESA）分别于2016年2月16日和2018年4月25日发射了Sentinel-3A和Sentinel-3B卫星，2颗卫星均搭载了新一代水色传感器OLCI。OLCI是欧空局Envisat-MERIS（Medium Resolution Imaging Spectrometer）的后继卫星传感器，继承了MERIS传感器的波段设置，并在水色遥感探测方面进行了相关优化（Kyryliuk et al, 2019）。OLCI共设有21个波段，波段范围为400～1020 nm。双星组合下，其在长江口区域的重访周期小于2天。OLCI传感器的L1B产品根据空间分辨率可分为300 m（Full Resolution，FR）和1.2 km（Reduced Resolution，RR）（Donlon et al,2012）。本研究使用其300 m分辨率的FR L1B级产品进行后续处理。

1.4 卫星数据的大气校正

大气校正是卫星数据预处理过程中的关键步骤之一，其精度会直接影响水色产品的准确性和可靠性。目前暂时还没有普适于各种浑浊水体的大气校正方法，同时也需要针对Sentinel-3 OLCI卫星数据寻找适用于长江口及其邻近海域等高浊度水体的大气校正方法。因此，本研究选取常用的3种大气校正方法及2种官方大气校正的结果进行对比分析和适用性评估，以遴选出适用于长江口及其邻近海域的OLCI卫星大气校正方法。

ACOLITE方法专为沿海和内陆水域观测所设计，提供EXP（Exponential Extrapolation）和DSF（Dark Spectrum Fitting）两种算法，当前版本推荐使用DSF算法。该算法假设研究区域大气成分存在均一性且区域内至少存在一个波段地表反射率为0，而后根据影像创建一条“暗光谱”，基于“暗光谱”估算气溶胶贡献，进而推算真实的地物反射信息（Vanhellemont et al, 2018）。本研究使用了开源处理器ACOLITE（acolite_py_win_20221114.0）。

C2RCC方法基于大量世界各地光学性质复杂水体的实测数据，利用水体光学传输模型和大气传输模型，模拟不同情况下的下行辐亮度和离水辐亮度数据集，再利用模拟的数据集构建神经网络模型，演算真实的水色数据（Soriano-González et al, 2022）。本研究使用集成于欧空局SNAP（Sentinel Application Platform）软件中的C2RCC v2.1进行数据处理。

Polymer方法利用蓝光波段到近红外光波段的整个光谱范围，将大气和水体光学信号解耦，完成大气校正。该方法放弃通过近红外波段估算大气参数，改用全光谱建立多项式拟合大气贡献；同时使用Chla浓度和颗粒物后向散射系数来模拟离水反射信息（Steinmetz et al, 2018）。本研究基于Polymer v4.16开源算法的源码进行大气校正处理。

BAC方法是欧空局最初基于MERIS（Medium Resolution Imaging Spectrometer）设计的大气校正方法，该法基于多重散射算法估计大气气溶胶的数据，并添加了耀斑校正以获取浑浊水域近红外波段的水体光学信息（Steinmetz et al, 2011）。BAC大气校正数据下载自https://data.eumetsat.int/product/EO:EUM:DAT:0407。

l2gen是美国国家航空航天局（National Aeronautics and Space Administration，NASA）针对L1B级卫星数据所发展的标准大气校正算法，该方法通过测量2个近红外波段并外推到可见光波段来估算气溶胶数据，同时结合了生物光学模型，可应用于浑浊水体（Bailey et al, 2010）。大气校正数据结果源自https://oceancolor.gsfc.nasa.gov/。

1.5 表层POC浓度反演算法的发展和验证

本研究主要考虑基于遥感反射率发展反演算法，尝试了波段比值和波段比值组合两种方法，波段比值及波段组合类型见表1，并与传统蓝绿波段比值算法（式（3））（Stramski et al, 2008）进行对比。

表1 波段比值、波段比值组合类型Table 1 The types of band ratios and their combinations

式中b0和b1为常数系数。

波段比值通过遍历不同遥感反射率波段比值与表层POC浓度之间的相关性，寻找最优波段比值，再将该值与表层POC浓度分别进行线性或非线性的拟合。类似地，波段比值组合则是通过寻找最优波段比组合与表层POC浓度之间多元线性关系构建准确反演POC浓度的方法。

蓝绿波段比算法由Stramski等（2008）基于东南太平洋和东大西洋航次数据所提出，他们发现在研究海域内，随着表层POC浓度的升高，海水遥感反射率光谱峰值会从蓝光波段（443和490 nm）向绿光波段（560 nm）偏移，且蓝绿光波段遥感反射率比值与表层POC浓度之间存在幂指数关系。该算法能准确有效地获取全球许多海域表层POC浓度信息，是全球海洋表层POC浓度的标准算法。

1.6 算法验证及精度评估

为了评估大气校正模型及卫星反演POC算法的精度，将现场数据与卫星数据进行时空匹配。具体标准如下。1）现场实测数据与卫星过境时刻的时间差（时间窗口）限制在±24 h以内（Le et al,2013）；2）卫星影像提取值是以现场采样像素点为中心的3 × 3网格内所有有效像元的平均值，要求有效像素数≥5，并且Rrs（490）和Rrs（555）波段处的变异系数＜0.20（Bailey et al, 2006）。

本研究中大气校正方法和表层POC浓度反演算法的精度采用平均绝对百分比误差（Mean Absolute Percent Error，MAPE）、均方根误差（Root Mean Square Error，RMSE）和偏差（Bias）作为评估指标。各指标计算式如下：

式中：Ei为算法预测值；Mi为实测值；N为实测值与预测值相匹配的数量。

2 结果与讨论

2.1 实测表层POC含量及分布特征

2022年3个航次调查的POC呈现出显著的季节变化（图2）。冬季航次（3月）长江口的实测表层POC浓度范围为0.07～16.97 mg/L，均值为1.09 mg/L；夏季航次（7月）长江口实测表层POC浓度范围为0.21～1.88 mg/L，均值为0.57 mg/L；秋季航次（11月）长江口实测表层POC浓度范围为0.12～2.72 mg/L，均值为0.51 mg/L。

图2 各航次实测表层POC浓度插值结果Fig. 2 The interpolated distribution of surface concentration of POC using in situ point measurements

在以上3个季节，该海域表层POC浓度均呈现由近岸向外海递减的趋势，高值主要集中于长江口门附近和近岸海域，3个航次的最高值均出现于122°～123°E的最大浑浊带海域；而在最大浑浊带以东，表层POC浓度显著下降。基于实测的表层POC浓度分布及变化趋势与前人的研究基本一致（邢建伟等, 2014; Zhao et al, 2019; 李倩等, 2021; 张敬慧等, 2022）。实测表层POC浓度数据的插值结果显示，3月122°E以东的实测表层POC浓度较其他2个季节更低，苏北沿岸和杭州湾口门浓度显著高于其他区域；7月—8月通常为长江口及其邻近海域藻华暴发的中后期（于仁成等, 2017），水体表层有机质充沛，同时恰逢2022年夏季长江流域出现罕见的极枯现象，陆源POC输入大幅减少，或许正是2022年7月该海域123°E以东区域高于3月和10月，表层POC浓度最高值位于长江入海口附近的原因；10月该海域表层POC浓度的分布则逐渐趋于正常（林晶, 2007）。

2.2 大气校正方法精度验证与比较

将Sentinel-3 OLCI L1B卫星数据经过5种大气校正方法处理后得到的遥感反射率与实测遥感反射率进行匹配验证（图3），精度验证结果见表2。5种大气校正方法机理各异，根据各自的算法标准，部分站位、部分波段会被掩膜处理或生成无效值，最终会使得各种大气校正方法的匹配站位数量不完全一致。本研究实测数据量有限，5种大气校正方法同时能匹配的站位数量较少，可能缺乏统计学意义；同时，不同站位实测数据所反映出的结果相互独立，一般不存在相互影响的情况，因此本研究基于5种大气校正方法各自得到的数据结果进行精度验证及比较。C2RCC和Polymer均匹配到54个站位，BAC和ACOLITE、NASA分别匹配到37、34和24个站位。官方大气校正方法中，BAC在5种方法中效果最差（MAPE＞200%）；NASA在412.5 nm、442.5 nm波段精度优于其他4种方法，但从490 nm波段开始精度下降，665 nm波段的精度已然不佳，且在许多波段其大气校正失效。余下的3种方法的精度大体都呈“中间小，两头大”，即绿光波段（490、510和560 nm）的精度高于蓝紫光波段（400、412.5 和442.5 nm）和红橙黄光波段（620、665、673.75和681.25 nm）。5种方法中，BAC的大气校正结果在各波段均高于实测结果，存在明显高估现象，ACOLITE在400 nm也存在一定高估，其他大气校正方法的结果均低于实测值。

表2 5种大气校正算法的精度评估Table 2 Accuracy assessments of five atmospheric correction approaches

图3 实测光谱数据与5 种大气校正算法的结果对比Fig. 3 Comparisons of measures data and five atmospheric correction approaches

5种方法中，ACOLITE结果最优，除412.5 nm波段，MAPE均低于40%，且与实测数据的匹配数量适用于后续的反演算法验证，因此选定ACOLITE作为本研究的最优大气校正方法。

2.3 表层POC浓度反演算法验证

本研究利用实测遥感反射率数据构建表层POC浓度反演算法，将57条实测光谱数据以7∶3的分配比例随机划分为训练集和测试集；基于训练集，依照前文提及的算法形式遍历所有可能的波段比和波段组合，确定反演算法的具体表达式；进而利用测试集对所得到的算法进行精度验证，最后结合与实测数据相匹配的卫星大气校正结果进一步验证算法的适用性，具体结果见表2。

精度评估结果显示，蓝绿波段比值算法中，Rrs（490）/Rrs（560）的精度（MAPE = 46.42%）稍高于Rrs（430）/Rrs（560）（MAPE=49.24%），但2种算法总体精度均较低，可能是由于该海域属于高度浑浊水体，受到水体中大量陆源物质光学信号的干扰；而基于Rrs（490）/Rrs（665）的波段比值算法精度较蓝绿波段比值有明显提高（MAPE=35.66%）；4种算法中基于Rrs（665）/Rrs（510）和Rrs（620）/Rrs（490）的波段比值组合算法精度最高（MAPE=30.02%）（图4、表3）。因此，本研究选取波段比值组合算法作为该海域的表层POC浓度反演算法。

表3 基于训练集和测试集构建的各类最优反演算法及精度评估Table 3 Algorithms developed for surface POC retrievals using training and validation datasets and associated accuracy assessments

图4 反演结果与实测数据对比Fig. 4 Comparisons of retrieved POC derived from different algorithms with in situ measured POC

2.4 POC 遥感反演算法的应用

2.4.1 基于实测数据的反演算法应用与卫星数据验证

根据2.2节和2.3节的评估验证结果，本研究选择ACOLITE方法作为长江口及其邻近海域Sentinel-3 OLCI L1B级数据的大气校正方法，并以本研究中的波段比值组合算法作为该海域的表层POC浓度反演算法。

为了更加直观展示表层POC浓度算法的效果，本研究将算法应用到2022年航次调查时间和Sentinel-3 OLCI卫星过境时间相重叠的少云影像上（图5），并与实测表层POC浓度数据（图2）对比，若航次期间没有合适的卫星数据，则挑选相邻时间在一周以内的数据代替。图像结果与2.1节实测表层POC数据的分布及趋势基本一致，表现出近岸及口门区域由于受陆源影响导致的POC较高（＞−0.6 mg/L），而离岸陆架区域POC含量较低（＜−0.3 mg/L），但由于发展算法的数据集中近岸数据较少，近岸海域的结果存在一定程度的低估。

图5 与航次时间相匹配的算法反演结果Fig. 5 Algorithms retrieval results matching with different cruise time

2.4.2 不同水文条件影响下长江口及其邻近海域POC的时空分布

长江径流变化显著影响了河口及其邻近海域POC的时空分布。2022年夏季，长江流域出现了自1961年有完整气象观测记录以来最为严重的气象干旱（中国人民共和国水利部, 2023），长江流域汛期出现严重枯水现象（大通站径流量 2.25×104m3/s）。而2020年夏季，受上游强降雨影响，长江流域出现特大洪水（大通站径流量 6.30×104m3/s）（张淑坤等, 2022）。本研究将反演算法分别应用于2020—2022年每年8月的OLCI图像（图6）。由于长江口及其邻近海域常年多云，而8月更是降雨频繁且台风出现概率较高，因此难以获取充足的卫星数据进行分析。本研究仅从每年8月筛选出1景少云OLCI影像，来讨论长江口及其邻近海域表层POC对干旱和洪水两种现象的响应。若将2021年8月视为正常径流状况（大通站径流量4.50×104m3/s），可发现2022年8月的长江口门和近岸区域表层POC浓度明显偏低；在123°E以东海域，2021年数据缺失，不作讨论，2022年浓度低于2020年，且2020年这些外海区域的浓度值高于一般情况。基于以上信息，本研究推测2020年长江流域大洪水稀释了长江口门和近岸海域，且短时间内大量汇入的径流将陆源有机质输运至124°E甚至更远的海域；而2022年长江流域干旱，导致较少的陆源POC输送到河口及陆架区域，在图像中显示为122°～123°E表层POC浓度大致为0.20～0.40 mg/L。

图6 2020—2022年长江口8月洪水（2020年8月）、正常径流条件（2021年8月）及流域干旱（2022年8月）下POC算法应用结果Fig. 6 Retrieval results of POC algorithms for flooding, baseline, and drought conditions in August 2020—2022 in the Yangtze River Estuary

2.5 不确定性分析

受限于天气、海况、航次执行时间、科考船及科考人员自身条件等因素，实测数据的采集存在一定不确定性，特别是实测遥感反射率数据。实测遥感反射率数据的数量和质量直接决定了反演算法的准确度。本研究所采用的57条实测遥感反射率数据数量略少，且绝大多数来自于122°30′E以东的海域，其中123°00′E以东的数据超过了总数的60%。虽然在空间分布上大体上覆盖了整个研究区域，但在122°30′E以西的长江入海口，特别是江苏、浙江的近岸海域等局部区域，数据量略显不足。因此，本研究所发展的算法在122°30′E以西海域与实测数据存在较大差距，2022年3月和7月航次的实测与算法结果差异较为显著。此外，本研究缺少春季的相关数据，对于该海域春季表层POC浓度的反演，仍有待进一步验证。

李渊等（2019）基于邻近的杭州湾水域小样本的实测遥感反射率数据，能够对悬浮颗粒物浓度进行较为精准的估算。但杭州湾水域悬浮颗粒物浓度普遍较高，水体性质相对均一；而长江口及其邻近海域以最大浑浊带为界，东西两侧水体性质呈现较大差异。孙璐等（2017）同样在该海域，通过63条实测遥感反射率数据反演CDOM（Colored Dissolved Organic Matter，CDOM），其数据采集时间集中于4月和5月。总体而言，本研究需要进一步保证实测光谱数据在空间上的均匀分布和各季节实测数据的丰富度，以改进当前仍存在一定局限性的反演算法。

3 结论

本研究利用Sentinel-3 OLCI卫星数据，结合实测遥感反射率和实测表层POC浓度数据，就长江口及其邻近海域表层POC浓度遥感反演进行了相关研究。评估了5种大气校正方法在长江口及其邻近海域的OLCI卫星影像上的适用性，并在此基础上遴选出有效的表层POC浓度反演算法，主要研究结论如下。

1）对于Sentinel-3 OLCI数据，5种大气校正方法中，ACOLITE的表现最优，能获得较多的有效值。与实测值相比，该大气校正方法在大多数波段的平均绝对百分比误差MAPE均小于35.00%；基于Rrs（665）/Rrs（510）和Rrs（620）/Rrs（490）的波段比值组合算法在该区域有着较好的反演精度。

2）基于Rrs（665）/Rrs（510）和Rrs（620）/Rrs（490）的波段比值组合算法对于反演该海域表层POC具有较好的精度，应用于卫星影像上也有较好的效果，针对训练集和测试集MAPE分别为30.02%和31.78%，鲁棒性较好。

3）算法的卫星应用结果表明，本研究的算法能较为合理准确地反映洪水、流域干旱和正常径流等不同水文条件下该海域表层POC浓度分布与变化趋势，为进一步将算法推广应用到长时序遥感影像提供了一定的依据。