导读：

该研究通过重构AERONET-OC数据，提出了基于星地匹配和人工智能的全球近岸水域大气校正算法ACA-SIM。验证结果表明，ACA-SIM的性能优于NASA标准大气校正算法和同类算法OC-SMART，显著提升全波段R_rs反演精度。此外，ACA-SIM在全球典型近岸水域的MODIS-Aqua图像处理中展现出更合理的空间分布及显著的抗噪声能力（如条带效应、云边缘等）。该研究推进了近岸水域大气校正算法的发展，并进一步凸显 AERONET-OC 数据的重要性。所提出的算法具有跨卫星传感器拓展潜力，为生成多传感器高一致性水色产品奠定了基础。

提要/亮点速递(Highlights) ：

1. 构建大规模星地匹配数据集：利用光谱优化算法HOPE重构AERONET-OC数据集，获得跨越 20 年、覆盖 21万条以上光谱的高光谱数据集，并据此开发星地匹配大气校正算法 ACA-SIM。

2. 显著提升全波段精度：ACA-SIM 在所有波段的表现均优于 NASA 标准大气校正算法与 OC-SMART算法；尤其在蓝光波段，ACA-SIM 将 R_rs 平均绝对百分比差（MAPD）降至约 15%，相比 OC-SMART（约 32%）有显著改善。即使在挑战性（比如沙尘暴、烟雾）条件下，该算法仍保持稳健表现。

3. 全球典型近岸水域表现优异：在渤海和黄海、北非西海岸以及受澳大利亚丛林大火影响的地区等高度浑浊和受灰尘或烟雾影响的区域，ACA-SIM在最大限度地减少噪声影响（条带效应、云边缘等）、生成可靠的R_rs 产品方面表现出了优异的能力。

图片摘要

研究背景与思路:

大气校正（Atmospheric Correction, AC）是海洋水色遥感的关键步骤，尤其是在悬浮物浓度高、易受到吸收性气溶胶影响的近岸水域。传统大气校正算法依赖于近红外波段的“暗像元”假设，但该假设在浑浊水体中不再成立，常导致气溶胶贡献的高估、离水辐亮度（L_w）的低估，甚至可能导致蓝色波段L_w的负值。而数据驱动的人工智能类算法常使用辐射传输模拟生成的合成数据集，此类模拟通常忽略了沿海地区的陆地邻近效应，可能无法解释沿海和公海地区气溶胶和水生物光学特性的所有自然变化。更重要的是，由于缺乏星地之间的真实测量，传感器的各种细节（条带效应等）都没有被纳入其中。因此，对于同一套大气和海洋特性，模拟的大气层顶部辐射可能与卫星传感器测量的辐射不完全匹配。

为解决这些问题，该研究提出了新的人工智能大气校正算法ACA-SIM。该算法构建了经过重构和严格质量控制的高精度星地匹配数据集，通过人工智能模型有效提取卫星大气层顶辐射和现场R_rs之间的真实特征。与采用类似策略但依赖于模拟数据的OC-SMART算法不同，ACA-SIM 的训练数据包含真实的传感器效应（如条带）及多样化的水体和气溶胶特征，使得算法具有更强的适应性与泛化能力。

实验方法:

1. AERONET-OC数据重构与训练数据构建：使用基于生物光学模型的光谱优化算法（HOPE）重构AEROENT-OC数据，校正仪器架设平台对测量光场的影响、补齐缺失波段，并利用优化误差阈值进行光谱质量控制。随后基于 1 小时间窗口、质量评估系数（QA） > 0.8 及 L2_flags 等标准构建高质量星地匹配数据集。

2. 多维度验证方案：包括 20% 独立测试集、18 次“留一站位”交叉验证、SeaBASS 以及厦门大学光学海洋学实验室航次测量数据，用于综合评价算法在不同近岸环境的性能。

3. MODIS-Aqua 图像反演评估：在渤黄海、北非西海岸与澳大利亚山火影响区等典型场景中，比较 NASA 标准、OC-SMART 与 ACA-SIM 的反演表现。

4. 性能来源分析：通过多种算法分析训练数据中吸收性气溶胶、浑浊水体及条带噪声样本比例，解释 ACA-SIM 在多种复杂条件下保持高稳健性的原因。

图1 四个具有不同水类型的代表性地点的R_rs光谱。实线方块表示原始多波段ANOC R_rs的平均光谱，虚线菱形表示通过HOPE将R_rs波段转换为MODIS Aqua波段。具有透明度的灰色曲线表示四个地点的所有HOPE重建的高光谱R_rs光谱

图2 所选取的全球典型近岸水域MODIS-Aqua图像分布

重要数据结果:

1. 全波段反演精度提升：ACA-SIM在三种算法中的所有波段都表现出了出色的性能，特别是在蓝色和红色波段有了显著的改进，而NASA标准经常产生负值。对于蓝绿色波段，ACA-SIM的决定系数（R²）始终高于0.89，在412和443 nm波段没有负值，三个蓝色波段（412、443和488 nm）的MAPD降低到约15%。在留一（站位）交叉验证中，无论哪个位点被排除在开发评估之外，ACA-SIM在所有站位的R²值（0.71±0.14）都优于NASA标准大气校正算法（0.53±0.21）和OC-SMART算法（0.58±0.21）。所有站点的持续良好性能表明，即使排除一个站点，其余站点仍然包含一组不同的水和大气特性，使模型能够有效地学习和推广不同的条件。

2. 合理的空间分布和抗噪声能力：在渤黄海、北非西海岸、澳大利亚山火等典型近岸水域环境中，NASA标准大气校正算法结果都出现不同程度的无效值分布，而OC-SMART算法结果则受到图像条带效应等噪声影响。ACA-SIM算法凭借真实的训练数据，不仅避免了无效值影响，得到了更加合理的空间分布结果，还表现出了对噪声干扰（条带效应、云边缘异常值等）的显著抵抗力。

3. 广泛的训练样本：分析结果表明，ACA-SIM算法中约63%的样本来自于吸收性气溶胶条件下的测量和配对，约30%的样本包含近岸浑浊水体和吸收性气溶胶相耦合的情况。广泛的样本包含了相当真实的水体-大气条件，进一步解释了ACA-SIM的性能来源。此外，约21.5%的样本受到了强烈的传感器条带效应影响），凭借真实稳定的训练集真值（AERONET-OC R_rs），ACA-SIM学习到了校正此类影响的能力。

图3 测试数据集验证结果（n=1764）

图4 留一（站位）交叉验证结果

图5 全球典型近岸水域NASA标准大气校正算法、OC-SMART算法和ACA-SIM算法R_rs(412)反演结果对比

研究结论:

该研究证明了使用卫星大气层顶部测量值和“地面真实”R_rs之间的匹配数据可以显著提高各种沿海环境的R_rs质量。与NASA标准大气校正算法相比，该研究提出的算法ACA-SIM避免了R_rs负值的产生，提高了蓝色到红色波段的精度，并更好地处理了复杂的沿海水域条件。它消除条带效应和噪声影响的能力进一步提高了所反演的R_rs产品的可靠性。该研究同时为AERONET-OC站位的未来拓展提供了重要参考，需要进一步拓展在现有水体-大气条件之外的区域。最后，ACA-SIM算法具有跨卫星传感器拓展的潜力，将增强多颗卫星对近岸水体环境的覆盖和一致性。

文章引用格式：

Xu Li, Zhongping Lee, Jinyan Xie, Tianhao Wang, Lufei Zheng, Daosheng Wang, Xiaolong Yu, Shaoling Shang. Atmospheric Correction of Coastal Waters Based on Satellite–AERONET-OC Matchups. J Remote Sens. 2025;5:0886.

作者简介：

第一作者：李旭，厦门大学海洋与地球学院博士生

研究领域：水色遥感大气校正

Email: lixuxmu@stu.xmu.edu.cn

通讯作者：李忠平，厦门大学“唐世凤”海洋科学讲席教授

研究领域：海洋光学，水色遥感

Email: zhongping.lee@umb.edu