李亭亭， 田禮喬， 李 建， 張 琍， 孫兆華

(1.武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室， 武漢 430079；2.武漢大學(xué) 遙感信息工程學(xué)院， 武漢 430079；3.江西師范大學(xué) 鄱陽(yáng)湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室， 南昌 330022；4.中國(guó)科學(xué)院 邊緣海與大洋地質(zhì)重點(diǎn)實(shí)驗(yàn)室 南海海洋研究所， 廣州 510301)

基于Sentinel衛(wèi)星的渾濁水體葉綠素反演對(duì)比研究
——以鄱陽(yáng)湖為例

李亭亭1， 田禮喬1， 李 建2*， 張 琍3， 孫兆華4

(1.武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室， 武漢 430079；2.武漢大學(xué) 遙感信息工程學(xué)院， 武漢 430079；3.江西師范大學(xué) 鄱陽(yáng)湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室， 南昌 330022；4.中國(guó)科學(xué)院 邊緣海與大洋地質(zhì)重點(diǎn)實(shí)驗(yàn)室 南海海洋研究所， 廣州 510301)

Sentinel-2A衛(wèi)星、Sentinel-3A衛(wèi)星分別于2015年6月和2016年2月成功發(fā)射，其上搭載的MSI、OLCI傳感器的空間分辨率、時(shí)間分辨率、波段設(shè)置等在內(nèi)陸水體水環(huán)境遙感研究中具有較大的應(yīng)用潛力.針對(duì)渾濁水體葉綠素的反演難題，以鄱陽(yáng)湖為例，基于光學(xué)分區(qū)理論并結(jié)合同步實(shí)測(cè)數(shù)據(jù)，探討了Sentinel系列衛(wèi)星數(shù)據(jù)在湖泊葉綠素a遙感反演的可行性.研究表明：1) 對(duì)于Sentinel-2A MSI數(shù)據(jù)，鄱陽(yáng)湖北湖區(qū)以[1/Rrs(665)-1/Rrs(705)]*Rrs(740)作為反演因子構(gòu)建的三波段模型擬合效果最好，決定系數(shù)R2是0.65，平均相對(duì)誤差是38.53%；鄱陽(yáng)湖南湖區(qū)差值模型Rrs(705)-Rrs(665)反演結(jié)果最好，R2是0.63，相對(duì)誤差是39.87%.2) 對(duì)于Sentinel-3A OLCI數(shù)據(jù)，鄱陽(yáng)湖北湖區(qū)以[1/Rrs(665)-1/Rrs(673.75)]*Rrs(753.75)作為反演因子構(gòu)建的三波段模型擬合效果最好，R2為0.65，平均相對(duì)誤差為37.6%；鄱陽(yáng)湖南湖區(qū)差值模型Rrs(708.75)-Rrs(665)反演結(jié)果最好，R2是0.62，平均相對(duì)誤差為39.6%.3) Sentinel系列衛(wèi)星的分區(qū)模型能在一定程度上解決鄱陽(yáng)湖部分渾濁水體區(qū)域葉綠素反演不成功的問(wèn)題，后續(xù)將研究更高精度的反演模型方法.

Sentinel衛(wèi)星； 光學(xué)分區(qū)； 葉綠素a濃度； 鄱陽(yáng)湖

國(guó)內(nèi)也有不少學(xué)者利用各種傳感器數(shù)據(jù)對(duì)鄱陽(yáng)湖葉綠素反演進(jìn)行了研究，如馮煉等提出了一種新的針對(duì)MERIS的鄱陽(yáng)湖葉綠素濃度經(jīng)驗(yàn)算法，探討了鄱陽(yáng)湖葉綠素分布的時(shí)空規(guī)律和富營(yíng)養(yǎng)化問(wèn)題[3]；黃靈光等人研究了Landsat8 OLI衛(wèi)星數(shù)據(jù)在鄱陽(yáng)湖葉綠素a遙感反演的可行性[4].常用的水色傳感器MODIS雖然具有較高的信噪比[5]，但是千米級(jí)的空間分辨率限制了其在較小水域面積中的應(yīng)用，而Landsat系列衛(wèi)星雖然有30 m的空間分辨率，但是其有限的光譜設(shè)置和較低的信噪比依然不能很好地解決在渾濁水域的葉綠素a濃度反演問(wèn)題[3].因此，有必要探討新的衛(wèi)星傳感器數(shù)據(jù)在鄱陽(yáng)湖葉綠素反演方面的問(wèn)題.

Sentinel-2A衛(wèi)星其時(shí)間分辨率為10 d，所搭載的MSI(Multi-Spectral Instrument)傳感器共有13個(gè)光譜波段.可見(jiàn)光到近紅外波段的空間分辨率為10 m，紅邊和短波紅外波段空間分辨率為20 m(https://sentinel.esa.int/web/sentinel/user-guides/sentinel-2-msi)，是進(jìn)行內(nèi)陸水體遙感研究的有效數(shù)據(jù)源之一.

Sentinel-3A衛(wèi)星上搭載的OLCI(Ocean and Land Colour Instrument)傳感器是在MERIS的基礎(chǔ)上發(fā)展而來(lái)的，對(duì)海岸帶和陸地的空間分辨率是300 m，與MERIS相比，其時(shí)間分辨率提高至2 d，光譜波段由15個(gè)增加至21個(gè)，而且還專(zhuān)門(mén)新增了一個(gè)葉綠素?zé)晒夥囱莶ǘ?中心波長(zhǎng)673.75 nm)(https://sentinel.esa.int/web/sentinel/user-guides/sentinel-3-olci)，可被廣泛應(yīng)用于水色遙感研究等方面.

本文以鄱陽(yáng)湖為研究區(qū)域，結(jié)合2009年10月和2011年7月鄱陽(yáng)湖現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)，基于光學(xué)分區(qū)思想，建立了Sentinel衛(wèi)星鄱陽(yáng)湖葉綠素分區(qū)反演模型，對(duì)比分析了Sentinel系列衛(wèi)星在鄱陽(yáng)湖葉綠素濃度反演結(jié)果，以嘗試解決鄱陽(yáng)湖部分渾濁水體區(qū)域葉綠素反演不成功的問(wèn)題[3].

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)概況

鄱陽(yáng)湖是中國(guó)第一大淡水湖，地處江西省北部，長(zhǎng)江中下游南岸，位于28°22′N(xiāo)～29°45′N(xiāo)，115°47′E～116°45′E(見(jiàn)圖1).其北部湖區(qū)狹長(zhǎng)，南部相對(duì)面積較大，是一個(gè)過(guò)水性、吞吐型、季節(jié)性的內(nèi)陸湖泊[6].由于季節(jié)性漲退水，其水位發(fā)生明顯的變化，豐水期水域面積可達(dá)4 000 km2以上，枯水期湖面面積減小至幾百平方公里.隨著經(jīng)濟(jì)快速發(fā)展以及生活污水大量排放等，其水環(huán)境形勢(shì)比較嚴(yán)峻，近年來(lái)鄱陽(yáng)湖也有著水體營(yíng)養(yǎng)化的趨勢(shì)[7]，因此利用遙感技術(shù)對(duì)鄱陽(yáng)湖葉綠素a的監(jiān)測(cè)具有重要意義.

1.2 實(shí)測(cè)數(shù)據(jù)獲取和處理

野外光譜測(cè)量采用的是美國(guó)SVC公司的HR-1024光譜儀，其可在350 nm至2 500 nm光譜范圍內(nèi)連續(xù)測(cè)量，其中350 nm到1 000 nm之間其光譜采樣間隔是1.5 nm.根據(jù)NASA推薦的觀測(cè)幾何：即儀器觀測(cè)平面與太陽(yáng)入射平面夾角為135°，儀器與海面法線夾角為40°，采用水面以上測(cè)量方法觀測(cè)，最終處理得到遙感反射率數(shù)據(jù)[8-10].

室內(nèi)葉綠素濃度測(cè)定采用的是RF-5301熒光分光光度計(jì)，首先用GF/F玻璃纖維濾膜過(guò)濾野外采集的水樣，將濾膜置于冰箱中低溫放置，測(cè)量時(shí)拿出用90%的丙酮萃取，萃取液經(jīng)過(guò)離心后放置冰箱靜置24 h，并取出上清液裝入比色皿中用熒光計(jì)進(jìn)行測(cè)量，最后計(jì)算得到濃度數(shù)據(jù)[3].

那個(gè)時(shí)候鄭軍里的畫(huà)確有唐畫(huà)的富麗氣象，筆墨的清新格調(diào)及馬和人物的風(fēng)姿，卓然而立于那個(gè)時(shí)候難見(jiàn)突破的中國(guó)畫(huà)領(lǐng)域，尤其洞開(kāi)廣西少數(shù)民族人物畫(huà)沉悶的思維和視覺(jué)。這種新風(fēng)格跟80年代以來(lái)的那種趨新求變完全不同，有令人心悅誠(chéng)服的筆墨技巧，借古開(kāi)今，畫(huà)面格調(diào)閃耀著強(qiáng)烈溫暖的時(shí)代光芒。

由于部分?jǐn)?shù)據(jù)的質(zhì)量問(wèn)題，在剔除異常點(diǎn)后，最終選擇了75組野外觀測(cè)數(shù)據(jù)，觀測(cè)站點(diǎn)分布如圖1所示.

圖1 鄱陽(yáng)湖觀測(cè)站點(diǎn)分布圖Fig.1 Location of sampling stations in the Poyang Lake

1.3 遙感數(shù)據(jù)獲取和處理

1.3.1 遙感數(shù)據(jù)獲取 Sentinel-2A和Sentinel-3A衛(wèi)星數(shù)據(jù)均可通過(guò)Sentinel數(shù)據(jù)的分發(fā)系統(tǒng)(https://scihub.copernicus.eu/)免費(fèi)獲取，兩者波段設(shè)置對(duì)比見(jiàn)表1.

表1 Sentinel衛(wèi)星波段設(shè)置對(duì)比

續(xù)表1

1.3.2 遙感數(shù)據(jù)預(yù)處理 海洋水色衛(wèi)星傳感器接收到的輻射能量80%以上來(lái)自大氣的干擾，而來(lái)自水面的輻射只有3%～15%，因此，如何消除大氣程輻射的影響，獲取有效的離水輻射信息，實(shí)現(xiàn)遙感數(shù)據(jù)的大氣校正是水色遙感信息提取中必不可少的關(guān)鍵技術(shù)之一[11].

Sentinel-2A MSI傳感器大氣校正采用的是SNAP內(nèi)置大氣校正模塊sen2cor，它采用的是基于影像的半經(jīng)驗(yàn)大氣校正方法，故用此模塊算法進(jìn)行大氣校正時(shí)無(wú)需提供氣象參數(shù)，大氣校正所需的信息可以通過(guò)內(nèi)置的查找表內(nèi)插獲取(http://step.esa.int/thirdparties/sen2cor/2.4.0/Sen2Cor_240_Documenation_PDF/S2-PDGS-MPC-L2A-SRN-V2.4.0.pdf)，具體流程見(jiàn)圖2.

圖2 sen2cor模塊大氣校正流程圖Fig.2 Atmospheric correction flow chart of Sen2cor module

Sentinel-3A OLCI傳感器大氣校正采用的是SNAP內(nèi)置的大氣校正處理模塊C2RCC(Case-2 Regional / Coast Colour)，其大氣校正理論基礎(chǔ)是神經(jīng)網(wǎng)絡(luò)算法[12].通過(guò)大量的樣本訓(xùn)練，可以得到各種光學(xué)特性參數(shù)和水質(zhì)參數(shù)，如遙感反射率、葉綠素濃度等.具體流程見(jiàn)圖3.

圖3 C2RCC模塊大氣校正流程圖Fig.3 Atmospheric correction flow chart of C2RCC module

2 葉綠素反演模型研究

2.1 光學(xué)分區(qū)理論

鄱陽(yáng)湖是一個(gè)以懸浮泥沙為主的高渾濁的湖泊，懸浮顆粒物的特性在很大程度上影響著水體的光學(xué)特性.鄱陽(yáng)湖通常以都昌和吳城間的松門(mén)山島(29°12′N(xiāo)，116°10′E)為界，被劃分為南北兩湖(如圖1所示).研究表明，鄱陽(yáng)湖南北湖區(qū)懸浮顆粒物特性差異很大，從而在一定程度上導(dǎo)致南北湖區(qū)光學(xué)特性的差異[13].由表2可知，枯水期鄱陽(yáng)湖懸浮顆粒物的粒徑(Dv50和Dv90)動(dòng)態(tài)范圍大，南部湖區(qū)粒徑大于北部，呈現(xiàn)顯著的區(qū)域性差異.

故本文基于光學(xué)分區(qū)思想，探討建立了具有一定適應(yīng)性和穩(wěn)定性的鄱陽(yáng)湖分區(qū)反演模型[3].

表2 鄱陽(yáng)湖枯水期南北部水體懸浮顆粒物粒徑統(tǒng)計(jì)表[13]

注：Dv50和Dv90表示有50%和90%的顆粒物粒徑小于該數(shù)值.

2.2 葉綠素a反演模型

結(jié)合Sentinel系列衛(wèi)星數(shù)據(jù)的波段設(shè)置和影像數(shù)據(jù)大氣校正的結(jié)果，對(duì)2009年10月和2011年7月的實(shí)測(cè)光譜數(shù)據(jù)進(jìn)行光譜積分計(jì)算兩衛(wèi)星數(shù)據(jù)各波段的等效反射率，并且進(jìn)行模擬建模.基于光學(xué)分區(qū)理論，其中北湖區(qū)選擇了38個(gè)實(shí)測(cè)數(shù)據(jù)點(diǎn)進(jìn)行建模，南湖區(qū)選擇了37個(gè)實(shí)測(cè)數(shù)據(jù)點(diǎn)進(jìn)行建模.

利用實(shí)測(cè)數(shù)據(jù)模擬Sentinel-2A傳感器波段數(shù)據(jù)，構(gòu)建葉綠素反演模型.由表3可知，鄱陽(yáng)湖北湖區(qū)以[1/Rrs(665)-1/Rrs(705)]*Rrs(740)作為反演因子構(gòu)建的三波段模型擬合效果最好，南湖區(qū)差值模型Rrs(705)-Rrs(665)模擬結(jié)果最好，決定系數(shù)R2分別為0.65、0.63，相對(duì)誤差分別為38.53%、39.87%.

利用實(shí)測(cè)數(shù)據(jù)模擬Sentinel-3A OLCI傳感器波段數(shù)據(jù)，構(gòu)建葉綠素反演模型.由表3可知，鄱陽(yáng)湖北湖區(qū)以[1/Rrs(665)-1/Rrs(673.75)]*Rrs(753.75)作為反演因子構(gòu)建的三波段模型擬合效果最好，南湖區(qū)差值模型Rrs(708.75)-Rrs(665)擬合結(jié)果最好，其決定系數(shù)分別是0.65、0.62，模型的相對(duì)誤差分別是37.6%、39.6%.

由表3可知，鄱陽(yáng)湖北湖區(qū)模型精度高于南湖區(qū)，Sentinel-2A衛(wèi)星的反演精度高于Sentinel-3A衛(wèi)星，可能的原因是本文分區(qū)模型的建立是基于2009年和2011年的實(shí)測(cè)遙感反射率和葉綠素濃度，而并不是利用Sentinel衛(wèi)星影像大氣校正結(jié)果.

表3 Sentinel衛(wèi)星分區(qū)反演模型模擬結(jié)果

圖4 鄱陽(yáng)湖分區(qū)反演最優(yōu)模型Fig.4 Optimal partition inversion model for the Poyang Lake

3 鄱陽(yáng)湖葉綠素反演和對(duì)比分析

3.1 Sentinel衛(wèi)星葉綠素反演對(duì)比

利用上述分區(qū)模型，選取了2016年11月3日、2017年2月11日兩景Sentinel-2A MSI影像和同步的Sentinel-3A OLCI影像，對(duì)影像進(jìn)行了預(yù)處理(大氣校正、重投影)，并將Sentinel-2A數(shù)據(jù)重采樣成300m，以便與Sentinel-3A數(shù)據(jù)的反演結(jié)果進(jìn)行定量的對(duì)比.結(jié)合衛(wèi)星的波段設(shè)置，將鄱陽(yáng)湖葉綠素的分區(qū)反演模型應(yīng)用于兩種不同衛(wèi)星影像，并以Sentinel-2A的反演結(jié)果作為參考，通過(guò)計(jì)算兩者的相對(duì)偏差來(lái)評(píng)估兩衛(wèi)星傳感器在鄱陽(yáng)湖葉綠素反演方面的一致性.

如圖5所示，兩衛(wèi)星傳感器的葉綠素反演結(jié)果在空間分布趨勢(shì)上具有較好的一致性，由第三列的偏差分布圖可知，兩個(gè)衛(wèi)星傳感器數(shù)據(jù)反演結(jié)果大體上吻合良好.由圖6相對(duì)偏差柱狀圖和葉綠素分布柱狀圖可知，兩者反演結(jié)果的相對(duì)偏差不超過(guò)40%的水體區(qū)域面積高達(dá)70%～90%.鄱陽(yáng)湖中部和東部靠近陸地部分葉綠素值相差較大可能是由于大氣校正方法不同、成像時(shí)間差異等原因造成的.

圖5 鄱陽(yáng)湖MSI和OLCI影像葉綠素a反演結(jié)果及偏差對(duì)比分布圖Fig.5 MSI and OLCI image of Chlorophyll-a inversion results for Poyang Lake with error comparison distribution

3.2 鄱陽(yáng)湖葉綠素反演

利用上述模型，對(duì)2016年3月28日的Sentinel-2A MSI影像，2017年3月2日的Sentinel-3A OLCI影像進(jìn)行了葉綠素濃度反演，結(jié)果如圖7所示.

從圖7可以看出，鄱陽(yáng)湖水體葉綠素濃度總體相對(duì)不高.鄱陽(yáng)湖葉綠素濃度較高區(qū)域主要分布在鄱陽(yáng)湖區(qū)西部、東部、以及南部地區(qū).北湖區(qū)葉綠素濃度相對(duì)較低可能是由于懸浮泥沙的濃度較大，限制了光線的透射傳輸，阻礙了浮游植物的生長(zhǎng)；而東西部和南部葉綠素濃度較高可能是由于水體之間交換程度差，以及生活污水等通過(guò)支流進(jìn)入鄱陽(yáng)湖，適合浮游植物生長(zhǎng)，從而導(dǎo)致葉綠素濃度偏高[3].

圖6 反演結(jié)果相對(duì)偏差分布柱狀圖Fig.6 Histogram for the relative deviation distribution of inversion results

圖7 Sentinel衛(wèi)星影像鄱陽(yáng)湖葉綠素a濃度分布圖Fig.7 Sentinel images of chlorophyll a concentration distribution of in Poyang Lake

4 結(jié)論

本文利用鄱陽(yáng)湖的實(shí)測(cè)光譜和葉綠素濃度數(shù)據(jù)，基于光學(xué)分區(qū)思想，并結(jié)合Sentinel-2A和Sentinel-3A衛(wèi)星的遙感數(shù)據(jù)，建立了鄱陽(yáng)湖的分區(qū)反演模型，分析比較了Sentinel系列衛(wèi)星影像在鄱陽(yáng)湖葉綠素反演結(jié)果.

1) Sentinel系列衛(wèi)星的分區(qū)反演最優(yōu)模型其決定系數(shù)均在0.6以上，相對(duì)誤差均在40%以?xún)?nèi).

2) 兩衛(wèi)星反演結(jié)果的相對(duì)偏差不超過(guò)40%的水體區(qū)域面積高達(dá)70%—90%，相對(duì)偏差較大的水域主要集中在鄱陽(yáng)湖中東部區(qū)域，具體原因還需要進(jìn)一步探討.

3) 鄱陽(yáng)湖水體整體葉綠素濃度偏低，葉綠素濃度空間分布趨勢(shì)是北部低，東西部和南部濃度相對(duì)較高.

4) 由于本文主要是基于鄱陽(yáng)湖豐水期實(shí)測(cè)數(shù)據(jù)建立的分區(qū)反演模型，故Sentinel衛(wèi)星葉綠素反演模型在鄱陽(yáng)湖枯水期的應(yīng)用還有待進(jìn)一步探討與驗(yàn)證，后續(xù)將研究更高精度的鄱陽(yáng)湖葉綠素反演模型.

[1] 龔 珍， 卜曉波， 李 曄， 等. 東湖水體葉綠素濃度的遙感反演研究[J]. 安徽農(nóng)業(yè)科學(xué)， 2013，41(11): 5138-5139．

[2] 程春梅. 基于歸一化光譜的渾濁水體葉綠素a濃度遙感估算[J]. 浙江水利水電學(xué)院學(xué)報(bào)， 2016，28(4): 58-65．

[3] FENG L， HU C， HAN X， et al. Long-Term distribution patterns of Chlorophyll-a concentration in China’s largest freshwater lake: MERIS Full-Resolution observations with a practical approach[J]. Remote Sensing， 2014，7(1): 275-299．

[4] 黃靈光， 方 豫， 張大文， 等. 基于Landsat-8 OLI的鄱陽(yáng)湖葉綠素a濃度定量反演[J]. 江西科學(xué)， 2016，34(4): 441-444．

[5] HU C，F(xiàn)ENG L，LEE Z，et al. Dynamic range and sensitivity requirements of satellite ocean color sensors: learning from the past[J]. Applied Optics， 2012，51(25): 6045．

[6] 江 輝. 鄱陽(yáng)湖葉綠素a濃度遙感定量模型研究[J]. 測(cè)繪科學(xué)， 2012，37(6): 49-52．

[7] WU Z， CAI Y， LIU X， et al. Temporal and spatial variability of phytoplankton in Lake Poyang: The largest freshwater lake in China[J]. Journal of Great Lakes Research， 2013，39(3): 476-483．

[8] 唐軍武， 田國(guó)良， 汪小勇， 等. 水體光譜測(cè)量與分析Ⅰ:水面以上測(cè)量法[J]. 遙感學(xué)報(bào)， 2004，8(1): 37-44．

[9] MOBLEY C D. Estimation of the remote-sensing reflectance from above-surface measurements[J]. Applied Optics， 1999，38(36): 7442-55．

[10] MUELLER J L，F(xiàn)ARGION G S，MCCLAIN C R，et al. Ocean optics protocols for satellite ocean color sensor validation[J]. British Journal of Surgery， 2003，47(201): 111-112．

[11] 陳曉玲， 趙紅梅， 田禮喬. 環(huán)境遙感模型與應(yīng)用[M]. 武漢：武漢大學(xué)出版社，2008．

[12] BROCKMANN C， DOERFFER R， PETERS M，et al. Evolution of the C2RCC neural network for Sentinel 2 and 3 for the retrieval of ocean colour products in normal and extreme optically complex waters[C]//The 2016 European Space Agency Living Planet Symposium， Prague, Czech Republic from 9-13 May 2016， Living Planet Symposium，2016:740.

[13] 黃 玨， 陳曉玲， 陳莉瓊， 等. 鄱陽(yáng)湖高渾濁水體懸浮顆粒物粒徑分布及其對(duì)遙感反演的影響[J]. 光譜學(xué)與光譜分析， 2014，34(11): 3085-3089．

ComparisonstudyontheretrievalofchlorophyllinturbidwatersbasedonSentinelsatellites
——a case study of Poyang Lake

LI Tingting1， TIAN Liqiao1， LI Jian2， ZHANG Li3， SUN Zhaohua4

(1.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing， Wuhan University， Wuhan 430079， China; 2.School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430079，China; 3.Key Laboratory of Poyang Lake Wetland and Watershed Research， Ministry of Education， Jiangxi Normal University， Nanchang 330022， China; 4.South China Sea Institute of Oceanology， Key Laboratory of Ocean and Marginal Sea Geology，Chinese Academy of Sciences， Guangzhou 510301， China)

Sentinel-2A satellite and Sentinel-3A satellite were successfully launched in June 2015 and February 2016 respectively. The spatial resolution， temporal resolution and band settings of MSI and OLCI sensors have great potential in inland water environment research. In this study， the inversion problem of chlorophyll in turbid water was studied. Based on the theory of optical partitioning and the simultaneous in situ data， taking Poyang Lake as an example， the feasibility and potential of applying data from Sentinel system satellites in chlorophyll retrieval are discussed. The results show that: 1) as for Sentinel-2A MSI data， the three bands ([1/Rrs (665)-1/Rrs (705)]*Rrs (740)) model is the most accurate one for northern lake with the determination coefficient of 0.65 and MRE of 38.53%. The difference ((Rrs (705)-Rrs (665)) model is the most accurate one for southern lake with the determination coefficient of 0.63 and MRE of 39.87%. 2) As for Sentinel-3A OLCI data， the three bands ([1/Rrs (665)-1/Rrs (673.75)]*Rrs (753.75)) model is the most accurate one for northern lake， the determination coefficient of 0.65 and MRE of 37.6%. The difference (Rrs (708.75)-Rrs (665)) model is the most accurate one for southern lake with the determination coefficient of 0.62 and MRE of 39.6%. 3) The optical partition model of the Sentinel family satellites is able to solve the problems on chlorophyll inversion of some turbid water in Poyang Lake to a certain extent， and more precision inversion model method will be developed in the follow-up time．

Sentinel satellites; optical partition; chlorophyll-a concentration; Poyang Lake

2017-06-30.

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFC0200900)；高分辨率對(duì)地觀測(cè)系統(tǒng)重大專(zhuān)項(xiàng)(41-Y20A31-9003-15/17)；國(guó)家自然科學(xué)基金項(xiàng)目(41571344；41331174；41071261；40906092；40971193；41101415；41401388；41206169；41406205)；江西省自然科學(xué)基金項(xiàng)目(20161BAB213074).

*通訊聯(lián)系人. E-mail: lijian@whu.edu.cn．

10.19603/j.cnki.1000-1190.2017.06.021

1000-1190(2017)06-0858-07

P332

A