留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

星载海洋激光雷达叶绿素剖面探测能力估算

朱培志 刘秉义 孔晓娟 杨倩

朱培志, 刘秉义, 孔晓娟, 杨倩. 星载海洋激光雷达叶绿素剖面探测能力估算[J]. 红外与激光工程, 2021, 50(2): 20200164. doi: 10.3788/IRLA20200164
引用本文: 朱培志, 刘秉义, 孔晓娟, 杨倩. 星载海洋激光雷达叶绿素剖面探测能力估算[J]. 红外与激光工程, 2021, 50(2): 20200164. doi: 10.3788/IRLA20200164
Zhu Peizhi, Liu Bingyi, Kong Xiaojuan, Yang Qian. Estimation of chlorophyll profile detection capability of spaceborne oceanographic lidar[J]. Infrared and Laser Engineering, 2021, 50(2): 20200164. doi: 10.3788/IRLA20200164
Citation: Zhu Peizhi, Liu Bingyi, Kong Xiaojuan, Yang Qian. Estimation of chlorophyll profile detection capability of spaceborne oceanographic lidar[J]. Infrared and Laser Engineering, 2021, 50(2): 20200164. doi: 10.3788/IRLA20200164

星载海洋激光雷达叶绿素剖面探测能力估算

doi: 10.3788/IRLA20200164
基金项目: 国家重点研发计划(2016YFC1400905,2016YFC1400904)
详细信息
    作者简介:

    朱培志(1994−),男,硕士生,研究方向为海洋激光雷达探测与软件模拟的研究,主要从事船载、机载与星载等多平台海洋激光雷达硬件系统实验与数据仿真反演研究。Email:zhupeizhi@hotmail.com

    刘秉义(1980−),男,副教授,博士。主要研究包括大气和海洋激光雷达软硬件研发、系统仿真模拟、反演算法研究。Applied Optics、Remote Sensing Environment杂志审稿人。在期刊Applied Optics等发表SCI论文15篇,EI论文8篇,专利6项。主持国家自然科学基金1项,国家重点研发计划课题1项,参与国防科工局××项目1项。获青岛市技术发明奖一等奖(第3位)。Email:liubingyi@ouc.edu.cn

  • 中图分类号: P714+.1

Estimation of chlorophyll profile detection capability of spaceborne oceanographic lidar

  • 摘要: 为了评估和分析星载海洋激光雷达探测全球海洋光学参数的性能,依据激光雷达方程和蒙特卡罗模型结果模拟计算激光传输信号,开发了星载海洋激光雷达仿真模拟系统。仿真模拟系统由正向模拟、数据反演与误差分析三部分组成,能够模拟激光发射、传输和探测的全过程。根据给定的激光雷达参数,模拟了443 nm、486.1 nm和532 nm波长在地中海、印度洋、南大洋与太平洋四个典型海区的探测信号。研究结果表明,443 nm和486 nm波长的探测深度在各个海区均比较接近,并且均比532 nm更深。在给定的激光雷达参数情况下,486.1 nm波长在太平洋和南大洋的探测深度分别为120 m和70 m,在地中海和印度洋的探测深度均为约100 m。叶绿素a浓度在以上海区的探测深度分别约为80 m、50 m和70 m。
  • 图  1  海洋激光雷达仿真模拟系统流程图

    Figure  1.  Flowchart of oceanographic lidar simulation system

    图  2  星载海洋激光雷达模拟系统软件界面

    Figure  2.  Interface of simulation system of spaceborne oceanographic lidar

    图  3  用于计算aph的经验系数a0a1

    Figure  3.  Empirical coefficient a0, a1 for calculating aph

    图  4  纯水吸收系数

    Figure  4.  Absorption coefficient of pure water

    图  5  海水颗粒物散射相函数

    Figure  5.  Scattering phase function of seawater particle

    图  6  纯水散射系数

    Figure  6.  Scattering coefficient of pure water

    图  7  平均叶绿素a浓度剖面

    Figure  7.  Average Chl-a concentration profile

    图  8  四个海区不同波长下的激光雷达回波光子数(横向的虚线为单光子回波对应的探测深度)

    Figure  8.  Photon number of lidar echo at different wavelengths in four sea areas (the transverse dotted line is the detection depth corresponding to single photon echo)

    图  9  太平洋海域的激光雷达光子计数值剖面(a)和信噪比剖面(b)

    Figure  9.  Lidar profiles of photon counts (a) and signal-to-noise (b) in Pacific ocean

    图  10  β(${\textit{π}} $)相对误差(探测波长为486.1 nm)

    Figure  10.  Relative error of retrieved β(${\textit{π}} $)(detection wavelength is 486.1 nm)

    图  11  叶绿素a浓度相对误差(探测波长为486.1 nm)

    Figure  11.  Relative error of retrieved Chl-a concentration (detection wavelength is 486.1 nm)

    表  1  星载海洋激光雷达仿真模拟参数

    Table  1.   Parameters for simulation of spaceborne oceanographic lidar

    Input parameters Value
    Laser wavelength/nm 443, 486.1, 532
    Repetition rates/Hz 20
    Pulse energy/mJ 200
    Pulse width/ns 10
    Laser linewidth/nm 0.1
    Laser divergence/mrad 0.2
    Telescope diameter/m 1.2
    Field of view/mrad 0.3
    Receiving spectrum width/nm 0.2
    Optical efficiency 0.6
    Orbital height/km 550
    Solar spectral irradiance/W·m−2·um−1 205
    Sea surface wind speed/m·s−1 5
    Solar altitude angle/(°) 60
    Range resolution/m 1
    下载: 导出CSV
  • [1] McClain C R, Charles R. A decade of satellite ocean color observations [J]. Annual Review of Marine Science, 2009, 1(1): 19-42. doi:  10.1146/annurev.marine.010908.163650
    [2] Wang M, Shi W. The NIR-SWIR combined atmospheric correction approach for MODIS ocean color data processing [J]. Optics Express, 2007, 15(24): 15722-15733. doi:  10.1364/OE.15.015722
    [3] Lee Z, Shang S, Wang Y, et al. Nature of optical products inverted semianalytically from remote sensing reflectance of stratified waters [J]. Limnology & Oceanography, 2020(65): 387-400.
    [4] Hostetler C A, Behrenfeld M J, Hu Y, et al. Spaceborne lidar in the study of marine systems [J]. Annual Review of Marine Science, 2018, 10(1): 121-147.
    [5] Hu Y, Stamnes K, Vaughan M, et al. CALIPSO Global ocean surface roughness and wind speed measurements and potential application[C]//The 89th Annual AMS Meeting, 2009.
    [6] Behrenfeld M J, Hu Y, O’Malley, et al. Annual boom–bust cycles of polar phytoplankton biomass revealed by space-based lidar [J]. Nature Geoscience, 2016, 10(2): 118-122.
    [7] Churnside J H, Hair J W, Hostetler C A, et al. Ocean backscatter profiling using high-spectral-resolution lidar and a perturbation retrieval [J]. Remote Sensing, 2018, 10: 2003. doi:  10.3390/rs10122003
    [8] Lu X, Hu Y, Trepte C, et al. Ocean subsurface studies with the CALIPSO spaceborne lidar [J]. Journal of Geophysical Research: Oceans, 2014, 119(7): 4305-4317. doi:  10.1002/2014JC009970
    [9] Behrenfeld M J, Hu Y, Hostetler C A, et al. Space-based lidar measurements of global ocean carbon stocks [J]. Geophysical Research Letters, 2013, 40(16): 4355-4360. doi:  10.1002/grl.50816
    [10] Lee Z, Carder K L, Mobley C D, et al. Hyperspectral remote sensing for shallow waters. I. A semianalytical model [J]. Applied Optics, 1998, 37(27): 6329. doi:  10.1364/AO.37.006329
    [11] Robin M P, Edward S F. Absorption spectrum (380–700 nm) of pure water. II. integrating cavity measurements [J]. Applied Optics, 1997, 36(33): 8710-8723. doi:  10.1364/AO.36.008710
    [12] Bricaud A, André M, Babin M, et al. Variations of light absorption by suspended particles with chlorophyll a concentration in oceanic (case 1) waters: Analysis and implications for bio-optical models [J]. Journal of Geophysical Research Oceans, 1998, 103(C13): 31033-31044.
    [13] Gordon H R, Morel A Y. Remote assessment of ocean color for interpretation of satellite visible imagery: A review[M]//Lecture Notes on Coastal and Estuarine Studies. New York: Springer-Verlag, 1983.
    [14] Petzold T J. Volume scattering functions for selected ocean waters[R]. San Diego: Scripps Inst Oceanogr, 1972.
    [15] Morel A, Prieur L. Analysis of variations in ocean color1 [J]. Limnology and Oceanography, 1977, 22(4): 709-722. doi:  10.4319/lo.1977.22.4.0709
    [16] 孔晓娟. 海洋激光雷达测量海洋光学参数的仿真模拟研究[D]. 青岛: 中国海洋大学, 2019.

    Kong Xiaojuan. Monte Carlo simulation of ocean optical property measurements with oceanographic lidar[D]. Qingdao: Ocean University of China, 2019.
    [17] Kattawar G W, Plass G N. Time of flight lidar measurements as an ocean probe [J]. Applied Optics, 1972, 11(3): 662-666. doi:  10.1364/AO.11.000662
    [18] Lee Z-P, Darecki M, Carder K L, et al. Diffuse attenuation coefficient of downwelling irradiance: An evaluation of remote sensing methods [J]. Journal of Geophysical Research: Oceans, 2005, 110(C2): C02017. doi:  10.1029/2004JC002573
    [19] 刘秉义, 李瑞琦, 杨倩, 等. 蓝绿光星载海洋激光雷达全球探测深度估算[J]. 红外与激光工程, 2019, 48(1): 0106006. doi:  10.3788/IRLA201948.0106006

    Liu Bingyi, Li Ruiqi, Yang Qian, et al. Estimation of global detection depth of spaceborne oceanographic lidar in blue-green spectral region [J]. Infrared and Laser Engineering, 2019, 48(1): 0106006. (in Chinese) doi:  10.3788/IRLA201948.0106006
  • [1] 金鼎坚, 吴芳, 于坤, 李奇, 张宗贵, 张永军, 张文凯, 李勇志, 冀欣阳, 高宇, 李京, 龚建华.  机载激光雷达测深系统大规模应用测试与评估——以中国海岸带为例 . 红外与激光工程, 2020, 49(S2): 20200317-20200317. doi: 10.3788/IRLA20200317
    [2] 李晓龙, 赵朝方.  激光雷达探测海洋物质垂直分布的应用及发展趋势 . 红外与激光工程, 2020, 49(S2): 20200381-20200381. doi: 10.3788/IRLA20200381
    [3] 孔晓娟, 刘秉义, 杨倩, 李忠平.  船载激光雷达测量水体光学参数的仿真模拟研究 . 红外与激光工程, 2020, 49(2): 0205010-0205010. doi: 10.3788/IRLA202049.0205010
    [4] 张扬, 黄卫东, 董长哲, 袁金如, 贺岩, 万渊, 汪自军, 陈利平, 竹孝鹏, 臧华国, 卜令兵, 刘继桥.  海洋激光雷达探测卫星技术发展研究 . 红外与激光工程, 2020, 49(11): 20201045-1-20201045-12. doi: 10.3788/IRLA20201045
    [5] 徐沛拓, 陶雨婷, 刘志鹏, 刘群, 崔晓宇, 周雨迪, 刘崇, 刘东.  海洋激光雷达实验与仿真结果的对比 . 红外与激光工程, 2020, 49(2): 0203007-0203007. doi: 10.3788/IRLA202049.0203007
    [6] 李路, 谢晨波, 庄鹏, 邢昆明, 方志远, 储玉飞, 邵甲第, 王邦新.  星载云–气溶胶激光雷达光机系统结构及研究进展 . 红外与激光工程, 2020, 49(8): 20190501-1-20190501-18. doi: 10.3788/IRLA20190501
    [7] 崔晓宇, 陶雨婷, 刘群, 徐沛拓, 刘志鹏, 王晓彬, 陈扬, 周雨迪, 刘东.  采用半解析蒙特卡洛技术模拟星载海洋激光雷达回波信号的软件 . 红外与激光工程, 2020, 49(2): 0203009-0203009. doi: 10.3788/IRLA202049.0203009
    [8] 张青松, 侯再红, 谢晨波.  户外型探测臭氧和气溶胶激光雷达系统研制 . 红外与激光工程, 2019, 48(7): 706008-0706008(6). doi: 10.3788/IRLA201948.0706008
    [9] 张河辉, 丁宇星, 黄庚华.  光子计数激光测深系统 . 红外与激光工程, 2019, 48(1): 106002-0106002(5). doi: 10.3788/IRLA201948.0106002
    [10] 俞家勇, 卢秀山, 田茂义, 贺岩, 吕德亮, 胡善江, 王延存, 曹岳飞, 黄田橙.  机载激光雷达测深系统定位模型与视准轴误差影响分析 . 红外与激光工程, 2019, 48(6): 606005-0606005(9). doi: 10.3788/IRLA201948.0606005
    [11] 董俊发, 刘继桥, 朱小磊, 毕德仓, 竹孝鹏, 陈卫标.  星载高光谱分辨率激光雷达的高光谱探测分光比优化分析 . 红外与激光工程, 2019, 48(S2): 1-6. doi: 10.3788/IRLA201948.S205001
    [12] 胡善江, 贺岩, 陶邦一, 俞家勇, 陈卫标.  基于深度学习的机载激光海洋测深海陆波形分类 . 红外与激光工程, 2019, 48(11): 1113004-1113004(8). doi: 10.3788/IRLA201948.1113004
    [13] 刘秉义, 李瑞琦, 杨倩, 孔晓娟.  蓝绿光星载海洋激光雷达全球探测深度估算 . 红外与激光工程, 2019, 48(1): 106006-0106006(6). doi: 10.3788/IRLA201948.0106006
    [14] 徐玲, 卜令兵, 蔡镐泽, 萨日娜, 杨彬, 周军.  中红外差分吸收激光雷达NO2测量波长选择及探测能力模拟 . 红外与激光工程, 2018, 47(10): 1030002-1030002(8). doi: 10.3788/IRLA201847.1030002
    [15] 吕炜煜, 苑克娥, 魏旭, 刘李辉, 王邦新, 吴德成, 胡顺星, 王建国, 马振富.  对流层气溶胶和水汽的车载激光雷达系统的探测 . 红外与激光工程, 2016, 45(3): 330001-0330001(7). doi: 10.3788/IRLA201645.0330001
    [16] 马跃, 阳凡林, 卢秀山, 冯成凯, 李松.  对地观测星载激光测高系统高程误差分析 . 红外与激光工程, 2015, 44(3): 1042-1047.
    [17] 陶宗明, 刘东, 麻晓敏, 陈向春, 王珍珠, 谢晨波, 王英俭.  基于CCD的侧向激光雷达系统研制及探测个例 . 红外与激光工程, 2014, 43(10): 3282-3286.
    [18] 王静, 张宇, 吕品, 孙全.  激光仿真系统中非理想光源的模拟方法 . 红外与激光工程, 2014, 43(11): 3527-3532.
    [19] 张东彦, 刘良云, 黄文江, Coburn Craig, 梁栋.  利用图谱特征解析和反演作物叶绿素密度 . 红外与激光工程, 2013, 42(7): 1871-1881.
    [20] 张艳, 史晓丁, 陈涌, 赵彬, 周鼎富, 侯天晋.  基于外差探测的合成孔径激光雷达成像模拟 . 红外与激光工程, 2013, 42(8): 2027-2031.
  • 加载中
图(11) / 表(1)
计量
  • 文章访问数:  36
  • HTML全文浏览量:  12
  • PDF下载量:  8
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-10-15
  • 修回日期:  2020-11-20
  • 网络出版日期:  2021-02-07
  • 刊出日期:  2021-02-25

星载海洋激光雷达叶绿素剖面探测能力估算

doi: 10.3788/IRLA20200164
    作者简介:

    朱培志(1994−),男,硕士生,研究方向为海洋激光雷达探测与软件模拟的研究,主要从事船载、机载与星载等多平台海洋激光雷达硬件系统实验与数据仿真反演研究。Email:zhupeizhi@hotmail.com

    刘秉义(1980−),男,副教授,博士。主要研究包括大气和海洋激光雷达软硬件研发、系统仿真模拟、反演算法研究。Applied Optics、Remote Sensing Environment杂志审稿人。在期刊Applied Optics等发表SCI论文15篇,EI论文8篇,专利6项。主持国家自然科学基金1项,国家重点研发计划课题1项,参与国防科工局××项目1项。获青岛市技术发明奖一等奖(第3位)。Email:liubingyi@ouc.edu.cn

基金项目:  国家重点研发计划(2016YFC1400905,2016YFC1400904)
  • 中图分类号: P714+.1

摘要: 为了评估和分析星载海洋激光雷达探测全球海洋光学参数的性能,依据激光雷达方程和蒙特卡罗模型结果模拟计算激光传输信号,开发了星载海洋激光雷达仿真模拟系统。仿真模拟系统由正向模拟、数据反演与误差分析三部分组成,能够模拟激光发射、传输和探测的全过程。根据给定的激光雷达参数,模拟了443 nm、486.1 nm和532 nm波长在地中海、印度洋、南大洋与太平洋四个典型海区的探测信号。研究结果表明,443 nm和486 nm波长的探测深度在各个海区均比较接近,并且均比532 nm更深。在给定的激光雷达参数情况下,486.1 nm波长在太平洋和南大洋的探测深度分别为120 m和70 m,在地中海和印度洋的探测深度均为约100 m。叶绿素a浓度在以上海区的探测深度分别约为80 m、50 m和70 m。

English Abstract

    • 海洋光学参数的观测对于海洋环境安全、水质生态监测具有重要意义,但由于海洋面积广阔、海况复杂,现场实测与浮标观测等观测技术难以满足对各种海洋光学参数的测量需求。卫星海洋遥感作为全球观测系统的重要组成部分,能提供全球范围的数据,同时具有较高的时间、空间分辨率,可以为全球的海洋特性提供动态监测。但是被动观测卫星只能得到表层积分信息,无法获取剖面数据,而且需要进行较复杂的大气校正[1-3]

      星载激光雷达作为一种具有垂直分辨能力的新型主动式光学卫星传感器,已经被应用在海洋与大气的探测[4]。星载海洋激光雷达向海水发射激光脉冲,并接收来自海水的散射光信号,进而获取水体光学参数信息。作为主动式遥感观测系统,星载海洋激光雷达能够获取全天时的全球海洋光学参数信息,弥补被动观测系统在夜间和高纬度地区探测能力的不足。由于星载海洋激光雷达采用高功率脉冲激光作为探测光源,能够穿透海洋表层,并且具有时间分辨能力,从而能够获取水体光学参数的剖面信息,在海洋垂直分层的观测中具有突出的优势。目前,星载激光雷达在海洋探测方面已经有了成功的应用,如探测全球海洋表面粗糙度和风速[5]、海洋次表层后向散射剖面[6-7],反演叶绿素a(Chl-a)浓度[8]、浮游植物生物量[6]和颗粒有机碳储量[8-9]等。

      目前,国内外尚未报道为海洋探测而设计的星载激光雷达。与用于大气探测和高程测量的激光雷达相比,海水的吸收与散射作用会导致激光能量的快速衰减,激光波长和海水光学性质等因素也会显著影响水体回波信号的强度和信噪比,进而影响海洋激光雷达的探测深度及其探测海洋光学参数剖面的能力。为了评估星载海洋激光雷达在全球海洋的探测能力和水体光学参数剖面的测量精度,需要开展星载海洋激光雷达系统仿真模拟研究和测量能力分析。

      文中结合激光雷达方程和蒙特卡罗仿真结果,根据给定的激光雷达参数,使用BGC-Argo测量的全球叶绿素a剖面数据作为输入,通过仿真模拟研究了星载海洋激光雷达叶绿素a剖面探测方法,分析了其在全球典型海区的测量精度。

    • 星载海洋激光雷达发射激光脉冲,穿透大气、薄云、气溶胶与海气界面等进入海洋,经过海水及其他海水组分(如有机颗粒、无机颗粒和CDOM等)的散射和吸收后,部分后向散射光穿过海面和大气被激光雷达接收系统接收。星载海洋激光雷达仿真模拟系统主要包括正向模拟模块、数据反演模块和误差分析模块,仿真模拟系统的流程图如图1所示。

      图  1  海洋激光雷达仿真模拟系统流程图

      Figure 1.  Flowchart of oceanographic lidar simulation system

      正向模拟模块使用激光雷达方程和蒙特卡罗仿真模型结果,输入参数包括大气光学参数、海水固有光学参数(IOPs)和激光雷达系统参数等。通过模拟计算首先得到探测器接收之前的回波光子数,该光子数加上太阳背景光子数,结合探测参数集,模拟激光雷达采集系统,得到单脉冲激光雷达回波信号。通过设置脉冲累加次数,可计算得到累加光子计数值以及信噪比数据,进而进行光子数波形信噪比分析,通过设置信噪比阈值可以估算海洋激光雷达系统在不同海区、不同激光雷达参数情况下的回波探测深度。在第2节对模型的组成和算法流程进行了详细的描述,第3节对激光雷达回波信号的计算过程和结果进行了详细介绍。

      数据反演模块中,首先利用大气激光雷达中比较成熟的斜率法得到激光雷达消光系数αβ(${\textit{π}}$),再通过β(${\textit{π}}$)与叶绿素a浓度的经验关系得到叶绿素a剖面。

      误差分析模块中,将激光雷达β(${\textit{π}} $)剖面和叶绿素a剖面的反演结果与初始输入的真值进行比对分析,分别模拟得到β(${\textit{π}} $)和叶绿素a浓度的探测误差,分析各个输入条件对激光雷达测量误差的影响,评估星载海洋激光雷达测量水体光学参数剖面的探测能力。第4节详细介绍了全球海洋后向散射系数、叶绿素浓度剖面探测结果并进行误差分析。

      星载海洋激光雷达仿真软件界面如图2所示,包含激光雷达系统参数、大气和海水光学参数等输入参数,通过软件界面可以设置不同的模拟条件,可以对星载、机载等多种激光雷达的探测信号进行仿真模拟。

      图  2  星载海洋激光雷达模拟系统软件界面

      Figure 2.  Interface of simulation system of spaceborne oceanographic lidar

    • 仿真模拟初始输入的水体参数可以是水体光学参数(水体和颗粒物的吸收光谱和散射光谱、散射相函数),也可以输入水体的叶绿素a浓度剖面,通过叶绿素a浓度与水体光学参数的经验关系计算得出各种水体光学参数,包括水体吸收系数a与散射系数b,由此计算激光雷达测量信号中的消光系数α与激光雷达后向散射系数β(π)(即180°体积散射函数),结合设定的雷达系统参数,代入激光雷达方程计算回波光子数,并求得单光子探测深度。

      文中假定大洋海水中的吸收和散射主要为浮游植物的贡献。由叶绿素a浓度剖面计算浮游植物吸收系数aph的计算方法为1998年Lee等给出的经验关系[10]

      $$ {a}_{{\rm{ph}}}\left(\lambda \right)=\left[{a}_{0}\right(\lambda )+{a}_{1}(\lambda \left){\rm ln} ({a}_{{\rm{ph}}}\right(440\left)\right)\left]{a}_{{\rm{ph}}}\right(440) $$ (1)

      式中:$ {a}_{{\rm{ph}}}\left(\lambda \right) $为浮游植物吸收系数;a0a1是与波长相关的经验系数(如图3所示[11]);$ {a}_{{\rm{ph}}}\left(440\right) $为固定波长440 nm处的浮游植物吸收系数,可由1998年Bricaud等人提出的方法[12]计算,如公式(2)所示,式中<chl>为叶绿素a浓度(mg/m3):

      图  3  用于计算aph的经验系数a0a1

      Figure 3.  Empirical coefficient a0, a1 for calculating aph

      $$ {a}_{{\rm{ph}}}\left(440\right)=0.037\;8<chl{>}^{0.627} $$ (2)

      纯水吸收系数aw为1997年Pope和Fry利用积分球测量的不同波长下的结果,表现为蓝绿光波段吸收系数较低,红光波段较高,如图4所示[11]

      图  4  纯水吸收系数

      Figure 4.  Absorption coefficient of pure water

      由叶绿素a浓度剖面计算颗粒物散射系数bp的方法采用1983年Gordon与Morel提出的经验关系[13],如公式(3)所示:

      $$ {b}_{\rm p}\left(\lambda \right)=0.3<chl{>}^{0.62}\left(\dfrac{550}{\lambda }\right) $$ (3)

      颗粒物相函数采用1972年Petzold给出的测量结果[14],如图5所示。

      图  5  海水颗粒物散射相函数

      Figure 5.  Scattering phase function of seawater particle

      纯水的散射系数为1977年Morel提出的散射系数模型[15],如图6所示。

      图  6  纯水散射系数

      Figure 6.  Scattering coefficient of pure water

      纯水相函数为[16]

      $$ {\tilde {\beta }}_{\rm w}\left(\phi \right)=0.062\;25(1+0.835{{\rm cos}}^{2}\phi ) $$ (4)

      水体的180°体积散射系数β(π)可由散射系数b与散射相函数的乘积计算。

      激光雷达消光系数$ \mathrm{\alpha } $可由1972年Kattawar基于蒙特卡罗模拟给出的经验关系式计算[17]

      $$ \alpha ={K}_{\rm d}+\left(c-{K}_{\rm d}\right){\rm exp}(-0.85cD) $$ (5)

      式中:c为海水衰减系数;D为海面接收光斑直径;Kd为海水的漫射衰减系数,可由2005年Lee给出的关系计算[18]

      $${K_d} = a + 4.18{b_{\rm b}}\left[ {1 - 0.52{\rm{exp}}\left( { - 10.8a} \right)} \right]$$ (6)

      将上述计算结果代入激光雷达方程即可求得星载海洋激光雷达接收的回波光子数[19]

      $$N\left( {\textit{z}} \right) = \dfrac{{{E_0}}}{{h\nu }}\dfrac{{{A_{rec}}}}{{{{(nH + {\textit{z}})}^2}}}T_{\rm atm}^2T_{\rm sur}^2\eta \varDelta {\textit{z}}\beta \left( {\textit{π}} \right){\rm exp} [ - 2\mathop \int \nolimits_0^{\textit{z}} \alpha \left( {{\textit{z}}'} \right){\rm d}{\textit{z}}']$$ (7)

      式中:$ N\left({\textit{z}}\right) $为探测器接收的深度z处的回波光子数;$ {E}_{0} $为发射的激光能量;$ h $为普朗克常数;$ \nu $为激光频率;$\dfrac{{E}_{0}}{h\nu }$即为发射光子数,${A}_{\rm rec}$为望远镜接收面积;$ H $为激光雷达所在高度;$ n $为海水折射率;$\dfrac{{A}_{\rm rec}}{(nH+{\textit{z}}{)}^{2}}$即为接收立体角;${T}_{\rm atm}$为大气透过率;${T}_{\rm sur}$为海气界面透过率;$ \eta $为光学系统的光学效率;$ \varDelta {\textit{z}} $为垂直分辨率。

      利用此节描述的方法,可以使用输入的叶绿素a浓度剖面模拟计算不同激光雷达参数情况下的星载海洋激光雷达海洋水体剖面回波信号,用于激光雷达探测能力的评估和探测精度的分析。

    • 文中选择443 nm、486.1 nm与532 nm三个典型激光波长对激光雷达回波信号进行对比分析。三个典型波长中,443 nm是水色遥感的常用典型波长,在最清洁的大洋水中穿透力较好;486.1 nm波长在大洋水中具有较好的穿透能力,而且该波长对应一条太阳夫朗和费暗线,可以有效降低太阳背景光对激光雷达探测性能的影响;532 nm是激光技术最成熟的蓝绿波长,在沿岸海水比蓝光有更好的穿透能力。

      使用2009~2019年的Argo全球海域叶绿素a剖面数据,将数据进行质量控制与经纬度1°×1°的空间网格化处理,得到全球海域1 m垂直分辨率的叶绿素a浓度剖面。虽然Argo叶绿素a数据不足以覆盖全部海域,但仍可以选择典型海域进行统计分析。根据连续10年的全球Argo叶绿素a浓度剖面数据得到的地中海(4°W~42°E, 32°N~46°N,共8 824个剖面)、印度洋(65°E~110°E, 30°S~10°N,共3 417个剖面)、南大洋(180°W~180°E, 80°S~40°S,共15 838个剖面)与太平洋(170°E~120°W, 30°S~40°N,共2 000个剖面)四个海区的平均叶绿素a浓度剖面如图7所示。可以看出:南大洋海域平均叶绿素a峰值浓度较高、峰值深度较浅,太平洋峰值深度最深、峰值浓度较小。

      图  7  平均叶绿素a浓度剖面

      Figure 7.  Average Chl-a concentration profile

      根据表1所列的激光雷达系统参数以及所需的大气光学参数(1976年美国标准大气模型)、水体光学参数(由叶绿素a剖面计算得到)等,通过公式(7)所示的激光雷达方程计算得到无背景光情况下的1 s累加回波光子数,以1个回波光子作为阈值确定单光子探测深度,图8为地中海(a)、印度洋(b)、南大洋(c)、太平洋(d)四个海区在三个典型波长下的激光雷达回波光子数剖面,横向虚线为各个波长的单光子探测深度,0 m处尖峰为模拟的海面强反射信号。

      表 1  星载海洋激光雷达仿真模拟参数

      Table 1.  Parameters for simulation of spaceborne oceanographic lidar

      Input parameters Value
      Laser wavelength/nm 443, 486.1, 532
      Repetition rates/Hz 20
      Pulse energy/mJ 200
      Pulse width/ns 10
      Laser linewidth/nm 0.1
      Laser divergence/mrad 0.2
      Telescope diameter/m 1.2
      Field of view/mrad 0.3
      Receiving spectrum width/nm 0.2
      Optical efficiency 0.6
      Orbital height/km 550
      Solar spectral irradiance/W·m−2·um−1 205
      Sea surface wind speed/m·s−1 5
      Solar altitude angle/(°) 60
      Range resolution/m 1

      图  8  四个海区不同波长下的激光雷达回波光子数(横向的虚线为单光子回波对应的探测深度)

      Figure 8.  Photon number of lidar echo at different wavelengths in four sea areas (the transverse dotted line is the detection depth corresponding to single photon echo)

      由于太平洋海域水体最清澈,叶绿素a浓度较小且峰值深度较深,回波信号衰减较慢,探测深度最深,486.1 nm与443 nm探测深度约为120 m,532 nm探测深度较浅,约为80 m;地中海和印度洋叶绿素a浓度高于太平洋且峰值深度较浅,两海域探测深度结果类似,486.1 nm与443 nm探测深度约为100 m,532 nm探测深度约为75 m;南大洋叶绿素a浓度较大且峰值深度较浅,回波信号衰减较快,各个波长的探测能力都相对较弱,探测深度约为65 m,同时也能看出在较为浑浊的海域,532 nm的信号与其他两个波长更加接近,486.1 nm比443 nm衰减的更慢,探测深度最深。图中0 m处尖峰为模拟的海面强反射信号。

      在上述回波光子数曲线中加入背景光子数,模拟经采集后得到的光子计数值,并计算信噪比。以太平洋海域为例的光子计数值剖面与信噪比剖面如图9所示。

      图  9  太平洋海域的激光雷达光子计数值剖面(a)和信噪比剖面(b)

      Figure 9.  Lidar profiles of photon counts (a) and signal-to-noise (b) in Pacific ocean

      图9中可以看出532 nm波长采集光子计数值、信噪比都低于486.1 nm、443 nm波长。若以SNR = 2作为最大探测深度判据,486.1 nm、443 nm约能达到90~100 m深度,532 nm只能探测到60 m。

    • 由于目前缺乏用于对比分析的星载海洋激光雷达的实测数据,对模型误差的分析过程利用模型初始输入数据作为真实值,通过加入背景光和随机噪声的方法得到叶绿素a的反演结果,并与初始输入的真值进行对比分析,同时进行不同的脉冲累加数量、不同海区(不同水体光学参数剖面)、不同水深信号的相互对比。从而得到真实水体情况下的海洋参数剖面的探测精度,并分析由背景光带来的误差随深度与累加数据量的变化。

      此节以486.1 nm波长为例,使用采集光子计数值剖面进行数据反演。首先对激光雷达探测的水体回波信号进行脉冲累加(设定1~200累加脉冲数)和深度累加(设定5 m垂直分辨率),然后利用常用的斜率法计算180°体积散射函数β(${\textit{π}}$),再根据β(${\textit{π}}$)与叶绿素a浓度的经验关系得到叶绿素a剖面信号,并与初始设定的β(${\textit{π}}$)和叶绿素a浓度剖面进行比较。相对误差随深度变化的曲线如图10图11所示,图中横坐标为相对误差值,纵坐标为水深,右侧显示不同颜色代表相对应的1~200累加脉冲数,从上到下分别为地中海(a)、印度洋(b)、南大洋(c)和太平洋(d)。

      图  10  β(${\textit{π}} $)相对误差(探测波长为486.1 nm)

      Figure 10.  Relative error of retrieved β(${\textit{π}} $)(detection wavelength is 486.1 nm)

      图  11  叶绿素a浓度相对误差(探测波长为486.1 nm)

      Figure 11.  Relative error of retrieved Chl-a concentration (detection wavelength is 486.1 nm)

      图10所示,486.1 nm波长下不同海区的激光雷达后向散射系数相对误差随脉冲累加数增加而相应减小;若以β($\pi $)误差为25%作为阈值判断(参考水色遥感Chl-a浓度业务化算法30%的反演误差要求,此处以25%作为β($\pi $)的误差阈值),波形累加10次的最大β($\pi $)反演深度,太平洋最深可达约65 m,波形累加50次的最大β($\pi $)反演深度约85 m;地中海与印度洋反演深度大致相同,波形累加50次的最大β($\pi $)反演深度约为70~80 m;南大洋波形累加50次最深可达50 m左右。

      图11所示,486.1 nm波长下不同海区的叶绿素a浓度相对误差随脉冲累加数增加而相应减小;若以叶绿素a浓度误差为30%作为阈值判断(参考水色遥感Chl-a浓度业务化算法30%的反演误差要求),波形累加10次的最大水体叶绿素a浓度反演深度,太平洋最深可达约60 m,波形累加50次的最大水体叶绿素a浓度反演深度约为80 m;地中海与印度洋反演深度大致相同,波形累加50次的最大水体叶绿素a浓度反演深度约为65~70 m;南大洋波形累加50次最深可达50 m左右。

    • 文中结合激光雷达方程、蒙特卡罗仿真结果与给定的激光雷达参数,开发了一种激光雷达回波信号仿真模拟系统,介绍了总体仿真流程、各个模块的计算方法与使用的公式、数据等。

      正向仿真模块基于激光雷达方程与Argo 2009~2019年全球叶绿素a剖面数据,计算星载激光雷达回波光子数、采集光子计数值与信噪比剖面。给出不同海区在486.1 nm、443 nm、532 nm三个典型波长下的回波光子数,结果表明太平洋海域单光子探测深度最深,约为120 m。数据反演模块与误差分析模块进行β(π)、叶绿素a浓度等水体光学参数剖面反演并进行误差分析。

      文中的仿真模拟研究分析了不同水体参数下的星载海洋激光雷达回波信号,并进行了探测能力评估和测量精度分析,对星载海洋激光雷达的指标论证和探测性能分析提供理论支持。

参考文献 (19)

目录

    /

    返回文章
    返回