应用于Sentinel-2 MSI和Sentinel-3 OLCI数据的富营养化和吸收水的不同水内算法的适用性内表

由于高浓度的光学活性物质（OAS）及其固有的光学特性（IOP）以及邻近效应，光学复杂的水域对遥感提出了重大挑战。OAS和IOP可以从大气校正处理器的水中算法中得出，该算法应用于Sentinel-2多光谱仪器（S2 MSI）和Sentinel-3海洋和陆地颜色仪器（S3 OLCI）的数据。本研究比较了案例2水产品中S3 OLCI 2级与ACOLITE、POLYMER、C2RCC和A4O衍生的替代水算法。使用来自湖泊和沿海地区的广泛匹配数据集对50种水中算法进行了评估，特别关注在442 nm（高达48 m-1）处具有高颜色溶解有机物吸收的小型湖泊。Gons等人（2022）引入的Chl a波段比应用于ACOLITE处理的数据，在S3 OLCI Chl a检索中表现最佳（分散度=23%，偏差=10%）。Gons等人（2022）的波段比也显示出S3 OLCI和S2 MSI重采样数据之间的一致性（截距为6.27，斜率为0.83，接近1:1线）；然而，S2 MSI高估了较低的Chl a值（<20mg/m3）。在估计与陆地接近度相关的误差时，与S3 OLCI（平均150%）相比，S2 MSI Chl a水上算法在靠近海岸的地方有更高的误差（平均315%）。对于S2 MSI和S3 OLCI数据，用POLYMER检索到的Chl a在靠近海岸的地方误差最低（平均70%）。C2RCC对S2 MSI的总悬浮物（TSM）回收效果良好（分散度24%，偏差-12%）。总吸收最准确地来自应用于S3 OLCI L1数据的C2RCC（分散度<43%，偏差<-39%），并且比其单个成分（浮游植物、矿物颗粒和有色溶解有机物吸收）的估计更准确。然而，没有一种有色溶解有机物在水中的吸收算法表现良好（分散度>59%，偏差<-29%）。