GOCI数据的预处理包括由原始0级数据通过几何校正和辐射定标，得到定标后的天顶辐照度数据(TOA radiance)，然后进行陆地掩模、云掩模，对有效观测像元实施大气校正，由于GOCI每天获取每个时刻的影像，太阳天顶角和方位角变化影响较大，需要进行观测几何变化引起的二向性反射校正，获取高精度的离水辐亮度(nLw)或遥感反射率数据(Rrs)。最后通过水色产品反演算法建模，地面实测数据的验证，得到每天8景的GOCI水环境要素产品，包括TSS，Chl-a和CDOM时空分布产品(图4-10)。
本研究中对GOCI数据的处理采用了最新版本的官方处理软件GOCI Data Processing System(GDPS，V1.3.0，2014)。在最新的GDPS处理算法中，首先更新了GOCI数据的替代定标系数，将GOCI数据的辐射定标精度提高到了1 %以内。同时改进了针对二类浑浊水体的大气校正算法，采用了最新发展的经验多项式拟合模型，通过近红外波段迭代算法，实现了浑浊水体区域的大气校正并进行了实测验证(Lee et al.，2013)。为了降低观测几何变化引起的水体二向性反射，GDPS采用了角度-风速函数进行校正(Morel and Prieur，1977；Wang，2002，2005)。利用上述大气等校正后遥感反射率数据，通过参数反演获得了包括TSS、Chl-a和CDOM的水环境要素产品。
GOCI数据的水色产品包括TSS、Chl-a和CDOM时空分布数据已经得到了广泛的验证和水环境监测应用。通过大量实测数据与交叉对比分析，GOCI离水辐亮度的数据质量可以达到与Aqua/MODIS基本一致的精度水平(Choi et al.，2014)。Moon等利用两年的多个近岸水体区域的地面观测与卫星观测的同步数据，验证GOCI叶绿素和CDOM产品的精度和与地面同步实测数据的相关性均较低，绝对误差达到35 %以上甚至70 %，相关性低于0.4，而TSS产品的精度和相关性较高(R2＝0.87)(Moon et al.，2012)。由于近岸/内陆水体多是高动态浑浊二类水体，光学特性较为复杂，叶绿素和CDOM反演的精度较难控制，因此，本研究中只使用了TSS产品进行观测策略的分析。TSS产品的精度和捕捉近岸/内陆水体高动态特性的有效性已经得到了广泛的论证和应用(Doxaran et al.，2014；Choi et al.，2014；Choi et al.，2013；Ruddick et al.，2012)。(www.daowen.com)
本研究选取了2014年全年的每天8次观测的GOCI数据，共计2232景遥感影像，利用GDPS实现批处理获得高频次的我国近岸/内陆(太湖)水环境监测的产品。利用图4-11的观测策略研究思路，首先针对每天8景的TSS水环境产品，通过云掩模获取每日的公共有效观测区域，计算公共区域的TSS日均值作为观测误差分析的基准数据。通过对每个观测时刻的误差分析，统计得到年平均的误差分析结果、评估观测时刻差异引起的观测误差以及常用水色卫星传感器Terra/Aqua MODIS的观测误差，为我国近岸/内陆水环境的高精度监测提供支撑。
图4-11 基于GOCI高频次观测数据的近岸/内陆水环境遥感观测策略研究思路
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
