دانلود ترجمه مقاله ارزیابی سوابق اطلاعات رنگ اقیانوس از MODIS-Aqua

1. مقدمه 2. مواد و روش ها 2.1. جمع آوری داده ها 2.2. داده های ماهواره ای 2.3. الگوریتم های بیونوری 3. نتایج 4. بحث و بررسی 5. نتیجه گیری

چکیده – مجموعه گسترده ای از مشاهدات بیوژئوشیمیایی و بیونوری جمع آوری شده در طول سفرهای ICESCAPE با حمایت مالی ناسا در اقیانوس آرکتیک غربی در سال های 2010 و 2011 به منظور تایید اعتبار داده های ماهواری رنگ اقیانوس در این منطقه که تحت تغییرات اکولوژیکی سریعی در محدوده تغییر اقلیم قرار دارد، مورد استفاده قرار گرفت. تطابق ماهواری ای برای ابزار MODIS (MODISA) با استفاده از الگوریتم های تجربی و نیمه تحلیلی استاندارد NASA به منظور برآورد کلروفیل a، ویژگی های نوری ذاتی طیفی و کربن آلی ذره ای مورد ارزیابی قرار گرفت. نتایج الگوریتم های تجربی با نتایج حاصل از الگوریتم مشخصه نوری ذاتی تعمیم داده شده نیمه تحلیلی (GIOP) مورد مقایسه قرار گرفت. یافته های ارائه شده نشان داد که MODISA Ca نسبت به اندازه گیری های محلی به صورت مثبتی انحراف داشته که این نتایج در توافق با مطالعاتی بوده که بازیابی رنگ اقیانوس در اقیانوس آرکتیک را مورد ارزیابی قرار دادند. این انحرافات با استفاده از هر دو بازتاب های سنجش از راه دور اندازه گیری شده به صورت ماهواره ای و محلی (λ) Rrsبازتولید شد که نشان می دهد که براورد خطاها حاصل کاربرد الگوریتم تجربی بوده و توسط پرتودرمانی مشاهده نمی گردد. به نظر می رسد که این پرتودرمانی به کمک جذب طیفی بالا از ماده ی آلی حل شده کروموفوریک (CDOM) ایجاد شده که یک ویژگی مستند از آب های اقیانوس آرکتیک می باشد. به نظر می رسد که الگوریتم تجربی MODISA فعلی (OC3M) به جذب CDOM در منطقه ی آلی طیف جذب پلانکتون نسبت داده می شود. در مقابل، GIOP پیشرفت قابل توجهی را در طول برآورد OC3M Ca با تمایز موثر بین پلانکتون و جذب CDOM نشان داد. علاوه بر این، اجراء GIOP با مجموعه گسترده ای از باندهای طیفی حاصل از پرتودرمانی در محل، به جای فقط شش باند MODISA، باعث بهبود بیشتر عملکرد برآوردهای جذب گردید. این یافته ها پیشنهادات قبلی که بیان می کند رویکردهای نیمه تحلیلی سوابق اطلاعاتی قابل اعتمادتری را برای مطالعات آرکتیک به جای روش های تجربی موجود ارائه می دهد را تقویت می کند. برآوردهای POC هیچ گونه تبعیض واضحی نسبت به اندازه گیری های محلی نشان نداد که این موضوع پیشنهاد می دهد که الگوریتم تجربی، اثر زیست نوری مواد ذره ای معلق در اقیانوس های با عرض بالا را به صورت بهتری بیان می کند.

A broad suite of bio-optical and biogeochemical observations collected during the NASA-funded ICESCAPE expeditions to the western Arctic Ocean in 2010 and 2011 was used to validate ocean color satellite data products in this region, which is undergoing fast ecological changes in the context of a changing climate. Satellite-to-in situ match-ups for the MODIS instrument onboard Aqua (MODISA) were evaluated using standard NASA empirical and semi-analytical algorithms to estimate chlorophyll-a (Ca), spectral marine inherent optical properties, and particulate organic carbon (POC). Results for the empirical algorithms were compared with those from the semi-analytical Generalized Inherent Optical Property (GIOP) algorithm. The findings presented here showed that MODISA Ca estimates were positively biased relative to in situ measurements, in agreement with previous studies that have evaluated ocean color retrievals in the Arctic Ocean. These biases were reproduced using both satellite and in situ measured remote sensing reflectances, Rrs(λ), indicating that estimation errors are derived from the application of the empirical algorithm and not by the observed radiometry. This disparity appears to be caused by contributions of high spectral absorption from chromophoric dissolved organic matter (CDOM), which is a well-documented feature of Arctic Ocean waters. The current MODISA empirical algorithm (OC3M) appears to attribute CDOM absorption in the blue region of the spectrum to phytoplankton absorption. In contrast, GIOP showed significant improvement over OC3M Ca estimates by effectively discriminating between phytoplankton and CDOM absorption. Additionally, executing GIOP with an expanded set of spectral bands derived from in situ radiometry, instead of just six MODISA bands, further improved the performance of absorption estimates. These findings reinforce previous suggestions that semi-analytical approaches will provide more reliable data records for Arctic studies than existing empirical methods. POC estimates showed no clear bias relative to in situ measurements, suggesting that the empirical algorithm better represents high latitude oceans with regards to the bio-optical signature of suspended particulate stocks.