《复杂环境下海洋遥感辐射传输与大气校正方法》主要阐述了海洋遥感研究中部分典型复杂环境条件（晨昏条件、近岸复杂水体、强吸收性气溶胶、高海况条件等）下的辐射传输计算、大气校正及其应用方法。《复杂环境下海洋遥感辐射传输与大气校正方法》共分为六章，第1章绪论主要阐述研究的背景、目的、国内外研究现状等。第2章阐述了基于蒙特卡罗方法的三维球面辐射传输模型的构建以及大天顶角条件下的辐射传输计算方法；第3章阐述了适用于静止水色卫星晨昏观测（大太阳天顶角）条件下大气校正模型及算法的构建方法；第4章阐述了紫外大气校正算法以及紫外波段水体光谱模拟数据集的构建方法；第5章阐述了强吸收性气溶胶条件下的大气校正算法的构建方法；第6章阐述了高海况（高风速、强降雨）条件下的被动微波遥感辐射模型及卫星观测校正算法的构建方法。

第1章 绪论
　　1.1 海洋遥感辐射传输模型
　　辐射传输理论的起源可以追溯到19世纪末和20世纪初。它*初是为了研究恒星大气中的辐射传输而发展起来的。该理论的创立得益于Boltzmann、Schwarzschild、Schuster等科学家的开创性工作，并在20世纪中叶由Chandrasekhar（1950）进行系统性的研究，出版了**著作RadiativeTransfer，极大地推动了这一领域的发展[1]。
　　20世纪70年代，随着人造卫星技术的发展，科学家开始探索利用遥感技术研究海洋。Gordon[2]与Morel和Gentili[3-4]系统地将该理论应用于海洋水色遥感，建立了水体反射率与固有光学特性的关系模型。20世纪80年代，Kirk[5]和Mobley[6]等进一步完善了水体辐射传输模型。20世纪90年代，受益于计算机技术的发展，Mobley[7]开发了更复杂的水体辐射数值模型，如Hydrolight，大大促进了海洋水色遥感的发展。进入21世纪，辐射传输理论在海洋水色遥感中的应用持续深化和拓展，如Zhai等[8]、He等[9]将其用于研究海水–大气耦合系统，提高了大气校正的精度和偏振水色遥感研究能力。
　　在海洋微波遥感领域，辐射传输理论同样发挥了重要作用。20 世纪80年代至90年代，多个重要的微波辐射传输模型相继出现，为精确的辐射传输计算奠定了基础：Clough等[10，11]提出了LBLRTM（line-by-line radiative transfer model）和AER（atmosphericand environmental research）模型，基于HITRAN（high-resolution transmission molecularabsorption database）数据库[12]进行逐线计算，成为*准确的辐射传输模型之一；Liebe等开发的MPM93（Millimeter-wave Propagation Model）专门用于毫米波段的大气辐射传输计算[13]。进入20世纪90年代末，Rosenkranz对MPM93模型进行了改进，提出了Rosenkranz98模型，特别优化了水汽吸收和氧气吸收的计算[14]。这些模型的发展极大地提高了海洋微波遥感的精度。进入21世纪，随着粗糙海面发射–散射模型的完善成熟，辐射传输理论进一步得到发展，如Liu等[15]、Saunders等[16]发展了考虑了海–气耦合过程的辐射传输模型，进一步提高了辐射传输模型精度。
　　到目前为止，国际上发展的海洋、大气辐射传输数值计算方法主要有矩阵算法[17]、离散纵标法[18]、球谐函数法[19]、蒙特卡罗模拟法[20]、不变嵌入法[21]、X-Y函数法[1]、逐次散射法[22]、吸收线法[10]、有限元法[23]等。利用辐射传输理论和数值计算方法，已开发了几十种适用于大气、海洋辐射传输数值计算的模型和软件包，根据工作波段不同主要分为光学辐射传输模型和微波辐射传输模型。
　　1.光学辐射传输模型
　　如表1.1所示，其中较著名的有DISORT[24]和Hydrolight[25]等。但其中适用于海洋–大气耦合介质系统辐射传输数值计算的模型较少，较典型的是COART[26]和MOMO[27]，但它们均只考虑了标量辐射传输问题，而没有开发海洋–大气耦合矢量辐射传输数值计算模型。Chami等[28]以及He等[9]开发了考虑了海洋–大气耦合辐射传输计算、粗糙海面影响及偏振的辐射传输模型。
　　表1.1 适用于大气和海洋的典型光学辐射传输数值计算模型
　　2. 微波辐射传输模型
　　如表1.2所示，其中比较著名的有CRTM[29]、RTTOV[16]等。但其中大部分是大气吸收线模型，没有考虑粗糙海洋下垫面，适用于海洋–大气耦合介质系统辐射传输数值计算的模型较少。
　　表1.2 适用于大气和海洋的典型微波辐射传输数值计算模型
　　1.2 海洋水色遥感大气校正
　　海洋水色遥感大气校正算法的研究和应用经历了三个主要阶段：一类水体近似大气 校正算法、一类水体精确大气校正算法和浑浊二类水体大气校正算法。
　　**阶段主要针对NASA1978年发射的**颗海洋水色卫星遥感器——海岸带水色扫描仪CZCS而开发。Gordon教授及其团队在这一阶段做出了奠基性工作。1976年，Gordon利用蒙特卡罗方法研究了气溶胶垂直分布和水次表面反照比对大气顶上行总辐亮度的影响[30]。1978年，Gordon提出了假设750nm波段水体完全吸收的CZCS清洁水体大气校正算法[31]。1981年，Gordon和Clark提出了实用的CZCS大气校正算法，该算法基于大量实测数据，发现在低叶绿素浓度时，某些波段的归一化离水辐亮度变化很小[32]。随后的研究进一步完善了这一算法。1987年，Gordon和Casta o研究了大气多次散射对CZCS大气校正算法精度的影响[33]。1989年，他们提出了一种计算气溶胶多次散射的简单方法[34]。1992年，Gordon和Wang研究了粗糙海面对CZCS大气校正算法的影响[35]。
　　第二阶段主要针对SeaWiFS、MODIS和MERIS等第二代高性能海洋水色卫星遥感器开发精确的一类水体大气校正算法。1994年，Gordon和Wang针对SeaWiFS提出了一类水体精确大气校正算法，这成了SeaWiFS和MODIS业务化大气校正的标准算法[36]。此后，研究人员对该算法中的各项影响因子进行了深入研究和改进。这些研究包括：海面白沫、地球*率、波段带外响应、O2-A带吸收、离水辐射二向性、强吸收性气溶胶、平流层气溶胶、薄卷云、卫星遥感器偏振响应等因素对大气校正算法的影响。研究人员还提出了一些改进方法，如利用变化复折射指数和Junge粒径谱分布来处理强吸收性气溶胶问题，以及更精确的气溶胶光学特性计算方法。除了Gordon和Wang的标准算法，Antoine和Morel针对MERIS提出了一种类似的大气校正算法，将大气分子散射和气溶胶散射合为一个整体进行校正[37]。Chomko和Gordon还提出了一种光谱优化的大气校正算法，在中高气溶胶浓度下表现较好[38]。
　　第三阶段主要针对浑浊二类水体开发大气校正算法。随着SeaWiFS、MODIS、MERIS等遥感资料的业务化应用，大洋清洁一类水体大气校正算法日趋成熟，但在近海浑浊二类水体中仍存在问题。为解决这些问题，国际上提出了多种实用的浑浊二类水体大气校正算法。Land和Haigh提出了基于光谱匹配的二类水体大气校正算法[39]；Schilier和Doerffer针对MERIS提出了基于神经网络模型的二类水体大气校正算法[40]；Siegel和Wang提出了利用叶绿素浓度进行近红外波段离水辐亮度迭代的二类水体大气校正算法[41]；Hu等提出了一种借用邻近清洁水体气溶胶参数的实用浑浊水体大气校正算法[42]；Ruddick等提出了一种设定近红外两波段气溶胶散射反射率比值和离水反射率比值的大气校正算法[43]。
　　近年来，中国科研学者也在水色遥感大气校正算法研究方面取得了显著进展，主要集中在二类水体大气校正算法的改进上。He等开发了海–气耦合矢量辐射传输模型（PCOART），建立了HY-1B卫星业务化大气校正模型[9]。Tian等利用CALIPSO观测的气溶胶信息辅助MODIS传感器进行高浑浊二类水体的大气校正，并将MODIS气溶胶信息用于HJ-1A/B卫星数据的大气校正[44]；Chen等针对MODIS传感器1640nm波段的条带问题，提出了一种线性插值重构模型[45]；Mao等将气溶胶光谱指数和实测水体光谱数据集进行优化，实现了长江口浑浊水体的大气校正[46]；He等还提出了一种基于紫外波段的高浑浊水体大气校正算法，以及国产水色传感器偏振响应的在轨估算与校正方法[47]；Pan和Shen改进了光谱匹配优化算法，扩大了其在高浑浊水体中的适用范围[48]；He等构建了考虑地球*率、偏振特性的海–气耦合矢量辐射传输模型（PCOART-SA），生成了考虑地球*率影响的大气分子瑞利散射查找表，并应用在业务化大气校正中[49]。
　　另一方面，机器学习技术在大气校正算法中的应用也日益广泛。Schilier和Doerffer早在1999年就提出了一种结合辐射传输模型模拟和神经网络训练的二类水体大气校正算法[40]；Schroeder等在此基础上进行了改进，直接将大气顶部的光谱辐射反演为大气底部的光谱遥感反射率[50]；Fan等基于海-气耦合精确辐射传输模型（ACCURT）的大量模拟，结合多层神经网络开发了一种新的大气校正算法，能有效解决离水辐射负值问题[51]；Fan等进一步开发了海洋水色和气溶胶同步反演工具（OC-SMART），可用于处理全球遥感数据，在近岸二类水体中具有较好的大气校正精度[52]。
　　总的来说，海洋水色遥感大气校正算法的研究经历了从简单到复杂、从一类水体到二类水体、从经验模型到物理模型再到机器学习模型的发展过程。早期的研究主要集中在开阔大洋一类水体，随着研究的深入和遥感技术的进步，算法逐渐扩展到复杂的近岸二类水体。同时，算法考虑的因素也越来越多，包括海面状况、大气成分、地球*率、传感器特性等。近年来，机器学习技术的引入为大气校正算法带来了新的发展方向。基于神经网络的算法能够有效处理复杂的非线性关系，在处理高浑浊水体和特殊观测条件下表现出优势。然而，这些算法仍然依赖于精确的辐射传输模型进行训练数据的生成，因此物理模型的改进仍然是研究的重要方向。在未来，海洋水色遥感大气校正研究趋势可能包括：进一步提高物理模型的精度，特别是在处理复杂大气条件和水体光学特性方面；开发更加智能和自适应的机器学习算法，能够更好地处理不同类型的水体和大气条件；结合多源数据和多尺度信息，提高大气校正的准确性和适用性；以及开发更加高效的算法，以满足日益增长的海洋遥感数据处理需求。
　　1.3 复杂环境下海洋遥感面临的挑战
　　1. 复杂环境下海洋水色遥感面临的挑战
　　海洋水色遥感在复杂环境下面临诸多挑战，这些挑战主要源于海洋环境的复杂性和现有技术的局限性。在近岸海域，水色遥感*先面临的是复杂的光学特性问题。近岸水体常含有高浓度的悬浮物、有色可溶性有机物（CDOM）和藻类，导致水体光学特性极为复杂。Odermatt 等指出，这种复杂性使得传统的水色算法在近岸区域常常失效[53]。例如，一类水体假设（假设叶绿素 a 浓度是决定水体光学特性的主要因素）在近岸水域往往不成立，需要发展更复杂的二类水体算法。其次，近岸区域的大气校正也面临着巨大挑战，复杂的气溶胶组成使得近岸区域的大气校正更加困难，此外，在浅水区域，底质反射会显著影响水面反射光谱。近岸环境的快速变化也对遥感提出了更高的要求。Mouw等指出，现有卫星传感器的时空分辨率往往难以捕捉这些快速变化，特别是在河口和潮汐影响显著的区域[54]。
　　在高海况条件下，水色遥感面临着另一系列挑战。*先，高风速条件下，大量的海表泡沫会显著改变水面反射特性。Frouin等的研究表明，这种影响会导致水色信号的提取变得更加困难[55]。其次，在强风条件下，海盐气溶胶的产生和输送过程变得更加复杂，增加了大气校正的难度。Ahmad等开发了考虑海盐气溶胶的大气校正算法，但在极端海况下仍存在不确定性[56]。此外，在大浪条件下，太阳耀斑效应更加明显。Kay等指出，这可能导致传感器饱和或信号失真，特别是在使用高空间分辨率传感器时[57]。强风导致的垂直混合会改变水体的垂直结构，Werdell等的研究表明，这可能影响遥感反演结果的代表性，特别是对于深层叶绿素*大值（DCM）的探测[58]。
　　除了这些特定环境下的挑战，水色遥感还面临一些普遍性问题。*先是算法的普适性不足。Szeto等指出，

目录＜BR＞序言＜BR＞前言＜BR＞第1章 绪论 1＜BR＞1.1 海洋遥感辐射传输模型 1＜BR＞1.2 海洋水色遥感大气校正 3＜BR＞1.3 复杂环境下海洋遥感面临的挑战 5＜BR＞1.4 主要内容 7＜BR＞第2章 三维球面辐射传输模型 8＜BR＞2.1 引言 8＜BR＞2.2 逆向蒙特卡罗原理及方法 9＜BR＞2.2.1 蒙特卡罗方法原理 9＜BR＞2.2.2 逆向蒙特卡罗方法 10＜BR＞2.3 模型构建及验证. 11＜BR＞2.3.1 模型构建 11＜BR＞2.3.2 与Korkin 模型的比较结果 17＜BR＞2.3.3 与PCOART-SA 模型的比较结果 18＜BR＞2.4 大太阳天顶角条件下地球*率影响及其校正 26＜BR＞2.4.1 大太阳天顶角条件下地球*率对Rayleigh 散射的影响 27＜BR＞2.4.2 大太阳天顶角条件下地球*率对Mie 散射的影响 30＜BR＞2.4.3 大太阳天顶角条件下地球*率影响校正 41＜BR＞2.5 大观测天顶角条件下地球*率影响及其校正 49＜BR＞2.5.1 大观测天顶角条件下地球*率对Rayleigh 散射的影响 49＜BR＞2.5.2 大观测天顶角条件下地球*率对Mie 散射的影响 52＜BR＞2.5.3 大观测天顶角条件下地球*率影响校正 64＜BR＞2.6 小结 70＜BR＞第3章 晨昏水色遥感大气校正方法 72＜BR＞3.1 引言 72＜BR＞3.2 大太阳天顶角下水色卫星探测能力 72＜BR＞3.2.1 叶绿素浓度探测极限 73＜BR＞3.2.2 CDOM 探测极限 76＜BR＞3.2.3 悬浮物浓度探测极限 76＜BR＞3.3 大太阳天顶角下静止水色卫星资料大气校正 79＜BR＞3.3.1 静止卫星神经网络大气校正模型 79＜BR＞3.3.2 静止卫星神经网络大气校正模型精度评估 83＜BR＞3.4 大太阳天顶角下极轨水色卫星资料大气校正 89＜BR＞3.4.1 极轨卫星神经网络大气校正模型 89＜BR＞3.4.2 极轨卫星神经网络大气校正模型精度评估 92＜BR＞3.5 大太阳天顶角下水色要素半分析反演 97＜BR＞3.5.1 使 用 数 据 97＜BR＞3.5.2 研究方法 99＜BR＞3.5.3 半分析模型精度评估 102＜BR＞3.6 小结 104＜BR＞第4章 浑浊水体紫外大气校正方法 107＜BR＞4.1 引言 107＜BR＞4.2 紫外水体光谱特性 108＜BR＞4.2.1 水色三要素对紫外离水辐射的影响 108＜BR＞4.2.2 表观和固有光学量关系在紫外谱段的适用性 112＜BR＞4.2.3 紫外与可见光谱段遥感反射率的联系 112＜BR＞4.3 紫外大气校正算法构建 115＜BR＞4.3.1 基于6SV 模型的大气校正查找表建立 115＜BR＞4.3.2 气溶胶散射校正模型构建 118＜BR＞4.3.3 气溶胶散射“谱形”函数误差分析 126＜BR＞4.4 紫外大气校正算法验证 128＜BR＞4.4.1 GCOM-C 卫星资料验证 128＜BR＞4.4.2 实测数据验证 133＜BR＞4.5 紫外大气校正算法应用 137＜BR＞4.5.1 近岸水体 137＜BR＞4.5.2 内陆水体 139＜BR＞4.6 小结 140＜BR＞第5章 强吸收性气溶胶大气校正方法 142＜BR＞5.1 引言 142＜BR＞5.2 吸收性气溶胶空间分布 143＜BR＞5.2.1 吸收性气溶胶垂向分布模型 143＜BR＞5.2.2 全球吸收性气溶胶空间分布特征 143＜BR＞5.3 吸收性气溶胶大气校正算法 145＜BR＞5.3.1 研究区域及数据 145＜BR＞5.3.2 算法构建 147＜BR＞5.3.3 精度验证 151＜BR＞5.4 吸收性气溶胶大气校正算法的应用 156＜BR＞5.4.1 北非西海岸区域 156＜BR＞5.4.2 波斯湾区域 156＜BR＞5.4.3 北美西海岸区域 158＜BR＞5.4.4 黑海区域 161＜BR＞5.4.5 中国渤黄海区域 162＜BR＞5.5 典型吸收性气溶胶影响区域水色要素反演 164＜BR＞5.5.1 吸收性气溶胶情况下的水色要素反演对比验证 164＜BR＞5.5.2 黑海和中国渤黄海区域的对比分析 165＜BR＞5.6 小结 168＜BR＞第6章 高海况下微波遥感辐射校正方法 170＜BR＞6.1 引言 170＜BR＞6.2 海洋微波辐射传输模型 171＜BR＞6.2.1 微波海洋–大气耦合矢量辐射传输数值计算模型 171＜BR＞6.2.2 海洋–大气耦合辐射传输验证 179＜BR＞6.2.3 卫星比较验证 181＜BR＞6.3 粗糙海面发射模型 183＜BR＞6.3.1 小扰动\小斜率近似模型. 184＜BR＞6.3.2 双尺度模型 186＜BR＞6.4 高风速下的海面泡沫影响校正模型 189＜BR＞6.4.1 海面泡沫介电特性 190＜BR＞6.4.2 海面泡沫亮温发射模型 191＜BR＞6.4.3 高风速条件下的盐度反演 196＜BR＞6.5 强降雨条件下亮温校正模型 197＜BR＞6.5.1 降雨海面模型 197＜BR＞6.5.2 降雨引起的海面局部风 198＜BR＞6.5.3 强降雨下的亮温正演模型精度验证 200＜BR＞6.6 小结 202＜BR＞参考文献 203＜BR＞