南海北部海區浮游植物粒級結構生物光學反演模型的驗證與評價＊

王桂芬，周 雯，林俊芳，王國青，趙文靜，3，曹文熙

(1．熱帶海洋環境國家重點實驗室(中國科學院南海海洋研究所)，廣東 廣州510301;2．麻省大學波士頓分校，美國馬薩諸塞州波士頓市02125-3393;3．華南環境科學研究所(環境保護部)，廣東廣州510655)

浮游植物是海洋的初級生產者，其粒級結構的變化不僅影響藻細胞光利用率和光合固碳效率，同時也影響著整個海洋生態系統的能量和物質傳輸。研究浮游植物粒級結構變化特征及其環境驅動因素是當前海洋學研究的熱點問題之一［1，2］。近年來，隨著水色衛星遙感技術的不斷發展，采用生物光學算法反演浮游植物粒級結構分布獲得了重視［3］;該方法突破了傳統測量方法在時空范圍內的限制，為獲取全球海區浮游植物粒級結構的大時空尺度變化提供了重要手段。

浮游植物粒徑變化與水體生物光學參數存在緊密聯系。近年來，基于理論模擬和大量現場調查數據分析，研究學者從海水葉綠素a濃度、浮游植物吸收系數及后向散射系數、水色光譜等光譜信號變化的角度出發，結合生態學分布規律，相繼建立了多種浮游植物粒級結構的光學遙感監測方法，并將其應用于大時空水色遙感數據的處理［3-14］。Brewin等［6］曾對當前存在的浮游植物粒級結構反演方法進行了綜述比較，研究發現:各種算法表現出類似的反演精度，Micro和Pico的反演精度要高于Nano;不同方法針對一類和二類水體的反演精度各有差異;同時指出高質量現場實測數據的積累驗證非常重要。

南海是西太平洋諸多邊緣海中最大的一個，通過海峽與我國東海、Java海和Sulu海相連，北部擁有寬闊的陸架區，與我國華南沿岸和越南沿岸相接?；诙嗄旰酱握{查，人們研究發現河口、沿岸、陸架到外海，水體類型表現出明顯差異;水體的營養鹽結構產生了較大的變化，相應地浮游植物粒級結構表現出明顯的海區差異［15-18］。Pan等［19］曾嘗試基于區域調整后的浮游植物種群反演方法對南海北部海區主導浮游植物功能群進行遙感監測，并建立了微微型浮游植物豐度的經驗反演模式。2004年以來，依托中國科學院南海海洋研究所組織的南海北部開放航次，對南海生物光學特性進行了綜合調查?；诓糠趾酱握{查數據，研究了南海北部浮游植物粒級結構變化與生物光學參數(包括浮游植物吸收光譜、葉綠素a濃度等)之間的關系［20，21］，并逐步嘗試建立了定性分析或定量推算浮游植物粒級結構的模型［22-25］。初步研究發現，葉綠素a濃度、浮游植物吸收光譜變化可作為提取南海浮游植物粒級結構變化的重要指針。

本文擬綜合多年航次調查數據，對南海海區浮游植物粒級結構分布及其與生物光學參數之間的關系進行深入分析，對現有幾種浮游植物粒級結構反演算法進行比較驗證和區域性優化，最終提出適合于南海北部海區、具有較高精度的浮游植物粒級結構反演算法。

1 數據與方法

1．1 數據

本文研究所采用的數據為2004-2008年中科院南海海洋研究所組織的秋季南海北部開放航次和珠江口、大亞灣近海調查航次所獲取的aph和PSC數據。數據獲取時間及站位、樣品信息如表1，站位分布如圖1。

表1 2004-2008年南海北部航次調查信息表Tab．1 Cruise information in the Northern South China Sea between 2004-2008

圖1 2004-2008年南海北部浮游植物粒級結構調查站位分布圖，2004NSCS(O)，2005NSCS(*)，2008NSCS(+)，2007DayaBay(藍色◇)，2007PR(紅色☆)Fig．1 Stationmap in the Northern South ChinaSeafrom 2004 to 2008．2004NSCS(O)，2005NSCS(*)，2008NSCS(+)，2007DayaBay(Blue◇)，2007PR(Red☆)

1．2 顆粒物吸收光譜測量

采用定量濾膜技術對海水懸浮顆粒物的吸收光譜進行測量。用Niskin采水器分別采集了標準層深度的海水，低壓情況下將一定體積(0．5-4 L)的水樣過濾到直徑25 mm、孔徑0．7μm的WhatmanGF/F濾膜上，采用T方法利用Helios紫外可見分光光度計掃描富集有顆粒物的樣品濾膜的吸收光譜ap(λ)，波段范圍設為350-750 nm。將樣品濾膜放入冰箱中避光、冰凍保存?；貙嶒炇液?，用約90%的甲醇溶液浸泡樣品濾膜90-180 min，以萃取樣品濾膜上的色素，測量沉積在濾膜上的非藻類顆粒物的吸收a NAP(λ)。采用了750 nm處的吸收值對總顆粒物吸收光譜和非藻類顆粒物吸收光譜進行基線校正，以消除后向散射光損失帶來的影響［26，27］。采用Roesler等［28］的方法對測量過程中光程放大影響進行校正，分別計算出總顆粒物和非藻類顆粒物的光譜吸收系數，兩者相減得到浮游植物吸收系數aph(λ)。

1．3 葉綠素a濃度及分粒級葉綠素a濃度

葉綠素a的濃度(［Chl a］)采用熒光法測得，所用儀器Turner-Design 10型熒光光度計，有關測量方法見文獻［29］，葉綠素a標樣的型號為C5753，購自Sigma公司。同時分析了部分水樣不同粒級藻類的葉綠素a的濃度，并把粒徑大于20μm的藻類歸為小型浮游植物(Micro)，粒徑介于3-20μm之間的藻類歸為微型浮游植物(Nano)，粒徑介于0．45(或0．7)-3μm的藻類歸為微微型浮游植物(Pico);通過過濾、測定各粒徑范圍的葉綠素a濃度，計算出各粒徑范圍葉綠素a濃度與水樣葉綠素a總濃度的比例，即分別為小型(RMicro)、微型(RNano)、微微型(RPico)浮游植物所占的比例。

1．4 現有幾種反演算法的介紹

1．4．1 模型1:主導浮游植物粒級結構的生物光學指針“閾值”的劃分 Hirata等［11］提出的基于葉綠素a濃度、浮游植物吸收光譜變化的PSC分類閾值方法，根據葉綠素a濃度劃分的各粒級浮游植物主導時的閾值分別為:Pico＜0．25 mg m-3;Nano:0．25-1．3 mg m-3;Micro＞1．3 mg m-3;根據443 nm浮游植物吸收系數劃分的各粒級浮游植物主導時的閾值分別為:Pico＜0．024 m-1;Nano:0．024-0．060 m-1;Micro＞0．060 m-1．

1．4．2 模型2:基于光譜形狀變化提取的定性粒徑指數 Ciotti等［7，8］建立了混合光譜模型，由歸一化浮游植物吸收光譜提取表征粒級結構變化的粒徑參數S＜f＞，表示如下:

1．4．3 模型3:基于總葉綠素a濃度提取浮游植物粒級結構的經驗關系模型 基于葉綠素a濃度與PSC之間的關系變化特征，人們建立了雙組分和三組分模型用于表征其關系，其基礎在于對浮游植物生物量與粒級結構之間存在著一定的自然變化規律，在低葉綠素a濃度的水體中較小粒徑的浮游植物占據主導，而在較高葉綠素a濃度的水體中往往是較大粒徑的浮游植物占據主導［30，31］。

Sathyendranath等［32］最早提出雙組分模型，將葉綠素a濃度分為較大粒徑和較小粒徑藻類細胞的貢獻之和，隨著浮游植物生物量的增大，較小粒徑所貢獻的葉綠素a濃度逐步增大達到一定的閾值，表示如下:

三組分模型是Sathyendranath等［32］所建立的兩組分模型的一個延伸［4，9］，分別對應小型(micro-)、微型(nano-)以及微微型(pico-)三個粒級，并基于全球多個海區的調查數據建立了參數化模型。

1．4．4 模型4:基于浮游植物吸收光譜和葉綠素a濃度提取不同粒級葉綠素a濃度貢獻 基于Sathyendranath等［32］提 出 的 雙 組 分 模 型，Devred等［10］將浮游植物吸收光譜表示為:

三組分模型將浮游植物吸收系數表示為Micro、Nano和Pico三個粒級結構浮游植物的吸收貢獻，如下:

基于現場實測數據，Devred等［9，10］、Brewin等［5］采用非線性優化算法推算得到了典型海區不同粒級浮游植物比吸收光譜，并進一步應用于浮游植物吸收光譜的重組及水色遙感數據的分析。研究結果發現，因海水環境因素不同和數據測量方法上的差異，不同粒級對應的浮游植物比吸收光譜這一基礎向量在不同海區存在著很大的差異。

單獨基于總葉綠素a濃度或者耦合浮游植物吸收光譜來共同反演PSC的算法近年來得到了不斷完善和應用，這一類方法可實現了PSC的定量反演，且反演結果連續。在復雜海洋環境影響下，該方法反演精度仍有待于提高，區域性現場數據驗證及修正是必要的。

2 結果和討論

2．1 PSC的分布特征

綜合多航次數據分析浮游植物粒級結構與葉綠素a濃度之間的關系(圖2)，可以發現，隨著海水中葉綠素a濃度的增大，Micro級/Pico級浮游植物相對貢獻均有明顯增高/降低的趨勢，Nano級浮游植物貢獻變化較為復雜，總體呈現先增大后減小的趨勢。三粒級浮游植物所占的葉綠素a濃度隨著總葉綠素a濃度的增大，均呈現出正向變化趨勢:低葉綠素a濃度區間內，Micro級葉綠素a濃度(Cm)與葉綠素a濃度的關系分布相對分散，而Pico級葉綠素a濃度(Cp)與葉綠素a濃度之間的關系分布相對集中;在高葉綠素a濃度區間內，呈現出相反的特征。Nano級葉綠素a濃度在整個區間內的分散性相對一致。這種分布變化特征與Brewin等［4，5］針對全球不同海區調查結果一致。

表2 各航次浮游植物粒級結構變化Tab．2 Variations of phytoplankton size structure(PSC)for different cruises

圖2 南海北部海區葉綠素a濃度與浮游植物粒級結構(相對比例及分粒級葉綠素a濃度)的關系分布圖Fig．2 Variations of phytoplankton size structure(size-specific fractions and size-fractioned chlorophyll a)with the total chlorophyll a concentration

南海北部外海水體的調查結果顯示，絕大部分水體的葉綠素a濃度在0．50 mg m-3以內分布，平均值約為0．262 mg m-3。對應圖2和表2可以看出，南海北部外海水體中Pico級浮游植物占據主導地位，平均為67．5%;部分站點Nano級浮游植物也有相對重要的貢獻。而對于近岸調查站點，葉綠素a濃度分布在0．385-31．003 mg m-3之間，Micro級浮游植物占據較高的貢獻，珠江口和大亞灣航次調查的平均值分別為64．58%和55．80%。

基于已有的PSC反演算法，可通過葉綠素a濃度或浮游植物吸收系數aph(443)的閾值對主導粒級結構進行分類;亦可以建立定量函數關系，對各粒級浮游植物所貢獻的葉綠素a濃度進行反演。根據Brewin等［6］比較分析可知，現場數據調查方法及數據處理方式的不同造成的基礎數據本身的差異也是造成模型反演誤差的重要來源之一。因此，本文首先將南海北部海區的調查數據與國際公認的用于水色遙感驗證的NOMAD數據［33］進行比較，分析葉綠素a濃度及浮游植物吸收光譜數據的相關關系。

2．2 南海北部水體葉綠素a濃度和浮游植物吸收光譜的關系分析(與NOMAD比較分析)

圖3 南海北部海區浮游植物吸收系數(443和670 nm)與葉綠素a濃度之間的關系分布(黑色實線)，與NOMAD數據(黑色虛線)集比較Fig．3 Variations of phytoplankton absorption at 443 and 670 nm with the chlorophyll a concentration in NSCS(solid line)(compared with the NOMAD dataset(dashed line))

圖3選取了葉綠素a濃度的兩個主要吸收峰附近波段(443 nm和670 nm)進行比較分析。綜合南海北部各航次數據分析，浮游植物吸收系數與葉綠素a濃度之間存在明顯的冪指數相關特性，與NOMAD數據集呈現出類似的變化趨勢。同等葉綠素a濃度情況下，443 nm浮游植物吸收系數的變化范圍類似。但對于670 nm波段的浮游植物吸收系數，南海北部海區的數據相對較高。這種差異可能來源于現場調查數據采集及數據處理方法的不同。采用QFT測量浮游植物吸收光譜的過程中，測量方式和光程放大因子的選擇是引起差異的重要來源。

南海北部海區的數據，我們采用了Roesler等［28］進行了放大因子校正，而目前文獻報道中采用的校正因子不一，主要包括Mitchell和Kiefer［34］、Mitchell［26］、Bricaud等［27］、Cleveland等［35］。本文以2004年采集的160組數據為例，比較不同beta因子計算得到的浮游植物吸收光譜之間的差異，發現采用這些校正因子計算得到的浮游植物吸收系數相對偏低，aph(443)的偏差(RMSE(%))在9．7%-19．6%之間，偏差相對較小;而aph(670)的偏差相對較大，在15．1%-43．2%之間。針對QFT方法光程放大因子的選擇，多數研究發現β因子與樣品濾膜的光學密度ODf有關，采用不同模式(吸收法、透過法、透過-反射法)、是否加載積分球、濾膜本身等都對結果都有較大的影響［36］。

本文擬在實測浮游植物吸收光譜數據基礎上，建立PSC反演算法，必須對算法的基礎向量進行區域性驗證或調整。

2．3 不同PSC反演算法的比較、驗證及精度分析

2．3．1 浮游植物主導粒級結構的劃分

圖4 不同粒級主導下葉綠素a濃度與a ph(443)關系分布圖Fig．4 Scatterplot of the chlorophyll a concentration and a ph(443)with different dominant phytoplankton size class

采用Hirata等［11］選取的浮游植物吸收系數(aph(443))及葉綠素a濃度(Chl a)的閾值，確定主導粒級結構，如圖4所示。對于葉綠素a濃度小于0．25 mg m-3的水體樣品，多分布在南海北部外海水體，PSC平均為(9．8%，16．8%和73．4%)，Pico級浮游植物占據主導，RPico高于40%的樣品超過了95%;葉綠素a濃度大于1．3 mg m-3的水樣，多是位于沿岸調查水體，PSC平均為66．3%，20．8%和12．9%，Micro級別浮游植物占據主導，大于40%的樣品為91．5%。當葉綠素a濃度處于0．25-1．3 mg m-3之間的水體，PSC平均為33．3%、26．1%和40．6%，Pico級浮游植物依然具有較高的比率，RNano高于40%的樣品僅占16%。

對于aph(443)低于0．024 m-1的水體，Pico級浮游植物占據主導，平均貢獻約為73．2%，aph(443)高于0．06 m－1的水體，Micro級浮游植物占據主導，平均葉綠素貢獻為60．5%;兩者的判別精度分別為95%和85%;兩者之間的Nano級浮游植物占據的比例僅平均為22．7%。

采用Hirata等［11］的閾值對南海北部海區浮游植物主導粒級進行劃分，無論采用葉綠素a濃度或aph(443)，Pico級主導或Micro級主導的精確度較高，但是對于Nano級別劃分的結果精度較差。這與南海北部海區浮游植物粒級結構分布本身有明顯的關系，由圖2可知，PSC表現出Pico級和Micro級主導交替變化的特征，Nano級的貢獻相對較低，絕大部分樣品(91%)都在40%以內。

針對南海北部水體，可選定葉綠素a濃度或aph(443)的閾值對Micro和Pico主導粒級結構進行劃分，相應的葉綠素a濃度在0．60 mg m-3附近，aph(443)在0．05 m-1附近。采用這類方法，依據葉綠素a濃度或aph(443)單一參數，只能較為定性地實現對主導粒級的劃分，對于Pico/Nano，以及Nano/Micro主導的水體，存在明顯的重疊現象，難以精確的劃分。這種方法的精確度還依賴于遙感反演葉綠素a濃度或aph(443)的精度。

2．3．2S＜f＞的變化趨勢

圖5 a)不同浮游植物粒級結構主導(＞40%)下平均歸一化吸收光譜比較，b)區域調整后基礎向量(Basis vectors)與文獻Ciotti et al［8］的比較;(c)推算得到的S＜f＞與葉綠素a濃度之間的關系;(4)S＜f＞與R Pico之間的關系分布Fig．5 a)Normalized phytoplankton spectra for different dominant PSC;(b)local adjusted basis vectors compared with that in Ciotti et al．［8］;(c)-(d)Deduced S＜f＞with the chlorophyll a concentration and the size-specific fraction of Pico-phytoplankton

綜合現場調查數據，分析了三個粒級的相對貢獻分別高于40%的情況，平均的歸一化吸收光譜對比，如圖5a，可見Micro和Pico主導下aph歸一化光譜具有明顯差異。如圖5b為采用南海北部海區實測數據調整后本地化基礎向量(Basis Vectors)與Ciotti等［8］采用的基礎向量的比較。采用非線性優化算法推算得到的S＜f＞隨葉綠素a濃度的增大而減小，在近岸和外海水體呈現出明顯的差異，隨著Pico級所占比例的增大而增大。與采用Ciotti等［8］基礎向量的分析結果比較，區域性調整后基礎向量的運用，減小了對近岸水體歸一化浮游植物吸收光譜的模擬誤差，絕大部分樣品模擬的相對偏差均方根(RMSE(%))可控制在30%以內。進一步研究發現，反演得到的S＜f＞與采用Ciotti等［8］基礎向量得到的結果亦有很好的線性相關特征，R2達到了0．986．S＜f＞參數是一個較為定性的概念，可以從整體上描述浮游植物粒級結構的變化;該模型亦可應用于水色遙感反演過程中浮游植物吸收光譜的重組。

2．3．3 基于葉綠素a濃度建立的三組分模型根據浮游植物生物量與粒級結構之間的關系，建立的雙組分或三組分模型可實現對分粒級葉綠素a濃度的定量反演。本文參照公式對其進行參數化模擬。參照Brewin等［4］采用MAE(3)和MAE(%)對模型的偏差進行描述:

其中Xi，E表征模型反演得到的分級葉綠素a濃度(C)或對總葉綠素a濃度的貢獻(F)，Xi，M表示實測值，N為樣品個數。

經過質量控制后葉綠素a濃度低于10 mg m-3的樣本數共有372組，本文選取三分之二的樣本248組進行建模，三分之一的樣本124組數據進行驗證。建模數據所覆蓋的葉綠素a濃度范圍在0．039-8．774 mg m-3之間，平均值為1．004 mg m-3(Std=1．435 mgm-3)。采用Matlab程序中非線性優化算法(Levenberg-Marquardt)對式(7)進行參數化，

根據區域實測分級葉綠素a濃度推算得到的浮游植物粒級結構(PSC)與總葉綠素a濃度之間的函數關系，如表3和圖6?？梢?，基于實測數據建立的參數化模型可以較好地模擬浮游植物粒級結構隨總葉綠素a濃度的分布規律。Brewin等［4］針對NOMAD數據集建立的模型對Cp，n的擬合效果較好，但是相對低估了Pico級浮游植物貢獻，高估了Nano級浮游植物的貢獻。

表3 基于總葉綠素a濃度建立的三組分模型參數(與Brewin等［4］NOMAD數據建模比較)Tab．3 Model parameters for the three component model based on the total chlorophyll a concentration compared with that for NOMAD dataset by Brewin et al［4］

表4 采用124組獨立數據對本文建立的三組分模型及Brewin等［4］模型的驗證結果Tab．4 Validation results for the three component model in this study，compared with that by Brewin et al．［4］with the independent 124 data．

圖6 采用非線性優化擬合得到的三組分模型。分粒級葉綠素a濃度(C)及其貢獻(F)與總葉綠素a濃度之間的關系分布，紅色實線代表擬合曲線，藍色虛線代表Brewin等［4］模型Fig．6 (a)-(d)shows the three-component model plotted against the raw size-specific chlorophyll values;(h)shows the size-specific fractional contribution(F)as a function of total chlorophyll a concentration．(Red solid line:our model;Blue dashed line from Brewin et al．［4］for NOMAD dataset

采用124組樣本對模型進行驗證，結果如表4和圖7所示。模型參數的區域化調整更適合于南海北部水體浮游植物粒級結構的分布趨勢。采用單一葉綠素a濃度反演得到的Pico及Nano-pico所貢獻的葉綠素a濃度相對偏差較小，分別為23%和31．6%左右，與采用Brewin等［4］推算得到的結果相當，反演得到的Micro和Nano級葉綠素a濃度的相對偏差稍大，分別為64．76%和54．43%，優于Brewin等［4］模型的反演結果。由圖7可見，對于葉綠素a濃度較低的清潔水體，Micro和Nano級別反演結果離散性偏大;而對于葉綠素a濃度較高的混濁水體，Pico和Nano-Pico級別反演結果有明顯的離散。這種分布特征與外海清潔水體和沿岸混濁水體中主導粒級分布有關。

圖7 采用124組數據驗證模型，得到的各粒級葉綠素a濃度與實測數據的比較Fig．7 Comparisons between the in situ size－specific chlorophyll-a concentration and the estimated value from the model，using the independent dataset(124 samples)

2．3．4 基于葉綠素a濃度和浮游植物吸收光譜的三組分模型

該類模型將浮游植物吸收光譜可表示為三個粒級浮游植物的吸收貢獻，

在色素打包效應影響下，不同粒級浮游植物比吸收光譜呈現處不同的分布特征。綜合南海北部海區實測數據統計發現，當不同粒級浮游植物占據主導時，浮游植物的比吸收光譜存在明顯的差異(如圖8a)。公式中，ap*(λ)、an*(λ)、am*(λ)、三個基礎向量的選擇與調查海區浮游植物吸收光譜的影響因素有關，同時又受制于浮游植物吸收光譜測量分析方法。Brewin等［5］基于NOMAD數據集提取了三個基礎向量，對比分析了不同環境水體下比吸收光譜的差異。王國青等［24］在2007年珠江口、大亞灣航次以及2008年南海北部航次數據分析基礎上，提取了5個波段的三個粒級浮游植物的比吸收系數，進一步應用于水色遙感數據的處理。圖8b給出了王國青等［24］與Brewin等［5］的所采用的三個基礎向量，即三個粒級浮游植物比吸收系數的比較。

圖8 (a)不同粒級主導下平均的浮游植物比吸收光譜分布;(b)Brewin等［5］與王國青等［24］采用的三粒級浮游植物比吸收系數基礎向量的比較Fig．8 (a)Averaged chlorophyll－a specific phytoplankton absorption(a*(λ))for different PSC;(b)Size－specific a*(λ)coefficients from Brewin et al．［5］and Wang et al［24］

本文基于南海北部數據，采用這兩種基礎向量和實測粒級結構數據對浮游植物吸收光譜進行重組，計算得到的誤差(RMSE(%))范圍多在30-50%之間分布，且效果要優于Brewin等［5］采用NOMAD數據的模擬結果。因此，本文擬選用這兩類基礎參量結合實測總葉綠素a濃度數據，從浮游植物比吸收光譜中提取浮游植物的粒級結構信息。

圖9 基于浮游植物吸收光譜和總葉綠素a濃度推算得到的各粒級葉綠素a濃度比較;(a)－(c)、(d)－(f)分別為采用王國青等［24］和Brewin2011［5］基礎向量反演得到的結果Fig．9 Estimated size-specific chlorophyll－a concentration from a ph(λ)and［Chl a］based on the basis vectors from Wang et al．［24］(a－c)and Brewin et al．［5］(d－f)

采用優化算法進行計算時，本文研究發現，如果僅僅設置各組分葉綠素a濃度在0-Tchla為上下限，回歸得到的數據分布較為分散。然而實際環境中，分粒級葉綠素a濃度與總葉綠素a濃度之間的關系呈現出一定的變化規律(圖2)。因此本文在計算過程中，綜合公式(8)求解得到各組分所貢獻的葉綠素a濃度，對三個未知參數的上下限進行設定，下限設定為趨勢線(圖6)以下20%范圍，上限設定為總葉綠素 濃 度 的95%。類 似 地，Brewin等［5］、Devred等［9，10］也曾耦合葉綠素a濃度于PSC之間的關系，從浮游植物吸收光譜中提取PSC信息。本文采用這種方法，使得反演結果更滿足物理意義的需求，如圖9所示，反演得到的數據較為均勻地分布在y=x線上下，上限的設置放寬到總葉綠素a濃度的95%，有效提高了葉綠素a濃度較高時反演的pico和Nano級別葉綠素a濃度與實測數據之間的相關性。這種變化規律與Goericke［31］的研究結果相一致。采用王國青等［24］基礎向量，模型反演得到的Micro、Nano和Pico級浮游植物的葉綠素a濃度相對偏差的平均值分別為46．19%，46．02%和30．07%，實測值與反演值之間的線性相關的R2分別為0．995、0．758和0．626，且線性擬合斜率在1．0附近。采用Brewin2011基礎向量推算得到的結果相對偏差較為類似，實測值與反演值之間的線性相關的R2分別為0．995、0．498和0．517，Micro和Pico線性關系的擬合斜率在1．0附近，Nano和Pico的線性相關程度稍差。與僅采用葉綠素a濃度建立的三組分模型相比，綜合浮游植物吸收光譜和葉綠素a濃度的模型提高了反演結果的收斂性，反演得到Pico級葉綠素濃度誤差在30%左右，但Micro和Nano級葉綠素濃度的反演精度提高;尤其是采用本地化基礎向量推算得到Micro和Nano級別葉綠素濃度誤差僅在46%左右。

2．4 討論

本文綜合了當前幾種典型的反演算法，由浮游植物吸收光譜和葉綠素a濃度對南海北部海區浮游植物粒級結構進行反演比較和驗證。研究結果表明，葉綠素a濃度、浮游植物吸收光譜、比吸收光譜等與PSC之間存在緊密的聯系。采用單一參數(如葉綠素a濃度、浮游植物吸收系數)等，可以較為定性地對較大或較小粒徑浮游植物的主導程度進行描述。然而，粒級結構劃分方法的缺點在于其精度與葉綠素a濃度、浮游植物吸收系數等參數的測量或估算精度有著緊密的聯系，易造成反演的誤差。本文針對南海北部海區水體提出的對Pico和Micro主導粒級進行分類的閾值有一定的參考作用?；跉w一化浮游植物吸收光譜形狀的變化，對浮游植物粒級信息進行提取的方法具有一定的優勢，歸一化之后消除了浮游植物吸收系數本身的測量精度影響，可定性表征浮游植物粒級結構的總體變化趨勢。另外，由于本文采取的浮游植物吸收光譜的光程放大因子校正與Ciotti等［7-8］采用的方法一致，可以采用這種模型可以實現浮游植物吸收光譜的重組;該模型的缺點在于單一參數的定性概括描述，難以精確估算粒級結構;由Bricaud等［14］的研究結果亦可以發現，全球 與葉綠素a濃度之間存在著內在的聯系，僅可表征其變化趨勢。

基于葉綠素a濃度和進一步耦合浮游植物吸收系數提取三個粒級浮游植物的色素濃度及其貢獻，是近年來應用較多的算法。本文建立的基于葉綠素a濃度反演PSC的三組分模型，對Brewin等［5］針對NOMAD數據集建立的模型進行了微小調整，應用于南海北部外海水體的反演表現出較高的精度，采用124組數據進行獨立驗證Cm，Cn，Cp的誤差分別為64．76%、54．43%和31．6%。但是低葉綠素a濃度時的Micro及高葉綠素a濃度水體中的Pico及Nano級反演結果存在較大的離散性，受制于模型本身，進一步耦合浮游浮游植物吸收系數，利用了浮游植物比吸收系數與粒級結構之間的緊密聯系以及PSC隨葉綠素a濃度的變化趨勢，反演結果Pico的精度在30%左右，對Micro和Nano反演精度有所提高;尤其是采用王國清等［19］本地化基礎向量反推得到的Micro和Nano級葉綠素a濃度的誤差在46%左右，且反演值與實測數據的線性相關程度有所增強，線性擬合斜率在1．0附近分布。

3 結論

南海北部海區浮游植物粒級結構與葉綠素a濃度、浮游植物吸收光譜之間的緊密聯系。本文綜合多航次不同環境水體數據，對已有模型進行了驗證和比較分析，對模型所采用的基礎向量進行了區域性調整或驗證，同時指出了不同反演算法所存在的限制。在定性描述浮游植物主導粒級結構的基礎上，提出基于葉綠素a濃度的三組分模型以及進一步耦合浮游植物吸收光譜反演浮游植物粒級結構模型，可定量地提取三個粒級所貢獻的葉綠素a濃度，對于Pico級葉綠素a濃度的反演精度在30%左右，對Micro和Nano級葉綠素a濃度的反演精度在46%左右，且線性相關程度明顯增強。綜合浮游植物吸收光譜和葉綠素a濃度兩類參數，可避免采用單一參數產生的系統誤差，提高模型在沿岸水體的反演精度，可應用于歷史數據的推廣應用和水色遙感數據處理。

海洋環境中浮游植物分布及其生物光學特性的變化相當復雜，在已有規律基礎上，研究耦合多參數的非線性優化模型可能是今后突破的方向。為了擴大模型的應用范圍，提高其在中國海浮游植物粒級結構的反演精度，需要耦合不同水體環境的數據，統一調查規范，逐步建立高質量基礎數據庫。

致謝:感謝中國科學院南海海洋所“實驗3”號科考船南海北部開放航次資助，感謝全體科考隊員和船員的辛苦勞動。

［1］ 寧修仁，蔡昱明，李國為，等．南海北部微微型光合浮游生物的豐度及環境調控［J］．海洋學報，2003，25(3):83-97．NING Xiuren，CAIYumin，LIGuowei，et al．Photosynthetic Pico plankton in the northern South China Sea［J］．Acta Oceanologica Sinica，2003，25(3):83-97．

［2］ 黃邦欽，劉媛，陳紀新，等．東海、黃海浮游植物生物量的粒級結構及時空分布［J］．海洋學報，2006，28(2):156-164．HUANG Bangqin，LIU Yuan，CHEN Jixin，et al．Temporal and spatial distribution of size-fractionized phytoplankton biomass in East China Seaand Huanghai Sea［J］．Acta Oceanologica Sinica．2006，28(2):156-164．

［3］ IOCCG(2014)．Phytoplankton Functional Types from Space［R］．Sathyendranath S．(ed．)，Reports of the International Ocean-Colour Coordinating Group，No．15，IOCCG，Dartmouth，Canada．

［4］ BREWIN R J W，SATHYENDRANATH S，HIRATA T，et al．Athree-component model of phytoplankton size class for the Atlantic Ocean［J］．Ecological Modelling，2010，221(11):1472-1483．

［5］BREWIN R JW，DEVRED E，SATHYENDRANATH S，et al．Model of phytoplankton absorption based on three size classes［J］．Applied Optics，2011，50(2):4535-4549．

［6］BREWIN R JW，HARDMAN-MOUNTFORD N J，LAVENDER SJ，et al．An intercomparison of bio-optical techniques for detecting dominant phytoplankton size class from satellite remote sensing［J］．Remote Sensing of Environment，2011，115(2):325-339．

［7］ CIOTTI A M，LEWISM R，CULLEN JJ．Assessment of the relationship between dominant cell size in natural phytoplankton communities and the spectral shape of the absorption coefficient［J］．Limnol Oceanogr，2002，47(2):404-417．

［8］ CIOTTI A M，BRICAUD A．Retrievals of a size parameter for phytoplankton and spectral light absorption by Colored Detrital Matter from water-leaving radiances at SeaWiFS channels in a continental shelf region of Brazil［J］．Limnol Oceanogr:Methods，2006，4:237-253．

［9］ DEVRED E，SATHYENDRANATH S，STUART V，et al．A three component classification of phytoplankton absorption spectra:Application to ocean-color data［J］．Remote Sensing of Environment，2011，115(9):2255-2266．

［10］ DEVRED E，SATHYENDRANATH S，STUART V，et al．A two-component model of phytoplankton absorption in the open ocean:Theory and applications［J］．Journal of Geophysical Research，2006，111(C3):C03011．

［11］ HIRATA T，AIKEN J，HARDMAN-MOUNTFORD N，et al．An absorption model to determine phytoplankton size classes from satellite ocean colour［J］．Remote Sensing of Environment，2008，112(6):3153-3159．

［12］ UITZ J，CLAUSTRE H，MOREL A，et al．Vertical distribution of phytoplankton communities in Open Ocean:An assessment based on surface chlorophyll［J］．Journal of Geophysical Research，2006，111(C8):C08005．

［13］ BRICAUD A，MEJIA C，BLONDEAU-PARISSIER D，et al．Retrieval of pigment concentrations and size structure of algal populations from their absorption spectra using multilayered perceptrons［J］．Applied Optics，2007，46(8):1251-1260．

［14］ BRICAUD A，CIOTTIA M，GENTILIB．Spatial-temporal variations in phytoplankton size and colored detrital matter absorption at global and regional scales，as derived from twelve years of SeaWiFS data(1998-2009)［J］．Global Biogeochemical Cycles，2012，26:GB1010．

［15］ NING X，CHAI F，XUE H，et al．Physical-biological oceanographic coupling influencing phytoplankton and primary production in the South China Sea［J］．Journal of Geophysical Research，2004，109(C10):C10005．

［16］ 陳紀新，黃邦欽，劉媛，等．應用特征光合色素研究東海和南海北部浮游植物的群落結構［J］．地球科學進展，2006，21(7):738-746．CHEN Jixin，HUANGBangqin，LIU Yuan，et al．Phytoplankton community structure in the transects across East China Sea and Northern South China Sea determined by analysis of HPLC photosynthetic pigment signatures［J］．Advances in Earth Science，2006，21(7):738-746．

［17］ 柯志新，黃良民，譚燁輝，等．2007年夏季南海北部浮游植物的物種組成及豐度分布［J］．熱帶海洋學報，2011，30(1):131-143．KE Zhixin，HUANG Liangmin，TAN Yehui，et al．Species composition and abundance of phytoplankton in the northern South China Sea in summer 2007［J］．Journal of Tropical Oceanography，2011，30(1):131-143．

［18］ LIU H，CHANG J，TSENG CM，et al．Seasonal variability of picoplankton in the Northern South China Sea at the SEATSstation［J］． Deep-SeaResearch II，2007，54(14-15):1602-1616．

［19］ PAN X，WONG G T F，HO T Y，et al．Remote sensing of Pico phytoplankton distribution in the northern South China Sea［J］．Remote Sensing of Environment，2013，128:162-175．

［20］ 王桂芬，曹文熙，許大志，等．南海北部水體浮游植物比吸收系數的變化［J］．熱帶海洋學報，2005，24(5):1-10．WANG Guifen，CAO Wenxi，XU Dazhi，et al．Variations in specific absorption coefficients of phytoplankton in northern South China Sea［J］．Journal of Tropical Oceanography，2005，24(5):1-10．

［21］ WANG G F，CAO W X，XU D Z，et al．Variability of phytoplankton absorption in the northern South China Sea:Influence of the size structure and pigment composition of algal populations［J］．Acta Oceanologica Sinica，2007，26(2):12-25．

［22］ 王桂芬，曹文熙，周雯，等．基于南海北部海區浮游植物吸收光譜斜率變化的粒級結構反演［J］．熱帶海洋學報，2010，29(2):25-32．WANG Guifen，CAO Wenxi，ZHOU Wen，et al．Retrieval of phytoplankton size structure based on the spectral slope of phytoplankton absorption in the northern South China Sea［J］．Journal of Tropical Oceanography，2010，29(2):25-32．

［23］ 梁少君，曹文熙，王桂芬，等．基于浮游植物吸收光譜提取粒徑參數［J］．熱帶海洋學報，2010，29(2):59-64．LIANG Shaojun，CAOWenxi，WANGGuifen，et al．Retrieval of phytoplankton size parameter from phytoplankton absorption spectra［J］．Journal of Tropical Oceanography，2010，29(2):59-64．

［24］ WANG G Q，CAO W X，WANG G F，et al．Phytoplankton size class derived from phytoplankton absorption and chlorophyll-a concentrations in the northern South China Sea［J］．Chinese Journal of Oceanology and Limnology，2013，31(4):750-761．

［25］ LIN J，CAOW X，WANGGF，et al．Satellite-observed variability of phytoplankton size classes associated with a cold eddy in the South China Sea［J］．Marine pollution bulletin，2014，83(1):190-197．

［26］ MITCHELL B G．Algorithms for determining the absorption coefficient for aquatic particulates using the quantitative filter technique［C］．Proc SPIE，1990，1302:137-148．

［27］ BRICAUD A，STRAMSKID．Spectral absorption coefficients o f living phytoplankton and nonalgal biogenous matter:A comparison between the Peru upwelling area and the Sargasso Sea［J］．Limnology and Oceanography，1990，35(3):562-582．

［28］ ROESLER CS．Theoretical and experimental approaches to improve the accuracy of particulate absorption coefficients derived from the quantitative filter technique［J］．Limnology and Oceanography，1998，43(7):1649-1660．

［29］ PARSONST R，MAITA Y，LALLI C M．A manual of chemical and biological methods for seawater analysis［M］．Oxford:Pergamon Press，1984．

［30］ YENTSCH C S，PHINNEY D A．A bridge between ocean optics and microbial ecology［J］．Limnology and Oceanography，1989，34(8):1694-1705．

［31］ GOERICKE R．The size structure of marine phytoplanton-What are the rules?［R］．California Cooperative Oceanic Fisheries Investigations Reports，2011，52:198-204．

［32］ SATHYENDRANATH S，COTA G，STUART V，et al．Remote sensing of phytoplankton pigments:A comparison of empirical and theoretical approaches［J］．International Journal of Remote Sensing，2001，22(2-3):249-273．

［33］ WERDELL P J，BAILEY S．W．An improved bio-optical dataset for ocean color algorithm development and satellite data product validation［J］．Remote Sensing of Environment，2005，98:122-140．

［34］ MITCHELL B G，KIEFER D A．Chlorophyll a specific absorption and fluorescence excitation spectra for light-limited phytoplankton［J］．Deep-Sea Research，1988，35(5):639-663．

［35］ CLEVELAND J S，WEIDEMANN A D．Quantify ing absorption by aquatic particles:a multiple scattering correction for glass fiber filters［J］．Limnology and Oceanography，1993，38(6):1321-1327．

［36］ ROTTGERS R，GEHNKE S．Measurement of light absorption by aquatic particles:Improvement of the quantitative filter technique by use of an integrating sphere approach［J］．Applied Optics，2012，51(9):1336-1351．