数研院教师卢文芳团队与厦门大学、美国特拉华大学和中科院南海海洋研究所合作，开展水色遥感资料重建方法和过程研究，对冬季吕宋藻华现象的遥感资料重建和季节内尺度变异的研究取得进展，成果在工程技术类顶级SCI刊物IEEE Transactions on Geoscience and Remote Sensing（TGRS）上发表。2020年TGRS的影响因子5.855，为地球化学与地球物理小类一区、遥感类享有盛名的期刊。论文的共同第一作者为2019级地理学研究生王天浩和厦门理工学院讲师于鹏博士。

海洋光学遥感产品是人类了解和认识海洋的重要数据源，在海洋环境监测和科学研究等方面发挥着不可替代的重要作用，但受到天气等因素的限制，光学遥感产品时常伴随大范围的缺失，如本文中所使用的叶绿素浓度数据集（OCCCI 4km逐日），在吕宋海峡周围，缺失率达到了75 %以上（图1），这严重阻碍了人们对于短时间尺度（如季节间尺度）生态系统过程变异的认识。

图1 OC-CCIv4.2叶绿素浓度数据集缺失率，黑线为200m等深线，黑点为叶绿素浓度的实测点

     该研究利用高时空分辨率的多源遥感卫星融合资料，采用基于离散余弦变换的偏最小二乘插值（DCT-PLS）方法，构建了无缺失的南海北部高分辨率叶绿素浓度数据集，并与公认的DINEOF重构方法进行交叉验证对比，结果表明DCT-PLS的精度明显优于DINEOF（图2）。与独立的现场实测数据集相比，DCT-PLS较DINEOF方法改进了约20%。

图2 重建均方跟误差的空间分布 (a) DCT-PLS，(b) DINEOF

     研究还通过复合分析方法，研究了Madden-Julian Oscillation（MJO）对叶绿素季节内尺度变异的影响（图3）。在MJO事件后期，叶绿素浓度呈现正异常信号，相比MJO事件初期提升约15%。结合降水、风速、风应力旋度等资料，发现冬季风在季节间尺度上先增强后减弱的过程，会通过调控冬季混合和营养盐垂向输运的方式，控制浮游植物生长强度，进而体现为海表叶绿素浓度的信号。

研究提供了一套新的遥感数据重构算法，有望应用于多种遥感数据集重建问题；利用DCT-PLS方法，重建形成了吕宋海峡、南海和全球的15年高时空分辨率、长时序、高精度叶绿素数据集，能够服务于多种尺度的海洋生态和动力研究。本研究形成的南海叶绿素数据集，可在Github上公开访问获取（https://github.com/Yotill/SCS_CHL_2005-2019）。

图3 左图（b1-b9）为吕宋海峡附近海域冬季（十二月至二月）的MJO信号，b1-b8分别为MJO事件的8个阶段（MJO1-MJO8）的平均叶绿素浓度，b9为非MJO事件的均值（单位：mg m-3），b1-b9子图上的数字为对应的天数。右图（a-d）为黑色虚线区域（见b5）内 (a)降水，(b)风速，(c)风应力旋度，(d)叶绿素浓度在MJO1-MJO8的均值，a-d的所有信号都通过去除相应的非MJO均值归一化，其中，a-c单位分别为 (a) cm day-1，(b) m s-1，(c) N m-2 。

     该项研究得到国家自然科学基金（41906019）、国家重点研发计划（2016YFA0601201）和广东省海洋遥感重点实验室开放课题（2017B030301005-LORS2004）的资助。

本文通讯作者：卢文芳博士

从事海洋生态动力耦合、海洋遥感研究，个人页面：https://www.researchgate.net/profile/Wenfang-Lu

     论文引用：T. Wang et al., "Revisiting the Intraseasonal Variability of Chlorophyll-a in the Adjacent Luzon Strait With a New Gap-Filled Remote Sensing Data Set," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2021.3067646.

论文下载地址：https://ieeexplore.ieee.org/document/9393603

数据下载地址：https://github.com/Yotill/SCS_CHL_2005-2019