Abstract
Ocean remote sensing reflectance of just above water level was modeled using inherent optical properties of seawater contents, total absorption (a) and backscattering(bb) coefficients ($R_{rs}$=0.046 $b_b$/(a+$b_b$). This modeling was based on the specific absorption and backscattering coefficients of 5 optically active seawater components； phytoplankton pigments, non-chlorophyllous suspended particles, dissolved organic matters, heterotrophic microorganisms, and the other unknown particle components. Simulated remote sensing reflectance($R_{rs}$) and water leaving radiance(Lw) spectra were well agreed with in-situ measurements obtained using a bi-directional fields remote spectrometer in coastal waters and open ocean. $R_{rs}$ values in SeaWiFS bands from the model were analyzed to develop 2-band ratio ocean color chlorophyll with those observed insitu. Also, chlorophyll algorithm based on remote reflectance developed in this study fell in those obtained by a SeaBAM working group. The model algorithms were examined and compared with those observed insitu. Also, chlorophyll algorithm based on remote reflectance developed in this study fell in those obtained by a SeaBAM working group. The remote reflectance model will be very helpful to understand the variation of water leaving radiances caused by the various components in the seawater, and to develop new ocean color algorithm for CASE-II water using neural network method or other analytical method, and in the model of fine atmospheric signal correction.
가시광 영역에서 해수의 원격반사($R_{rs}$)도 및 수출광(water leaving radiance: Lw) 스펙트럼 크기를 해수의 광 특성(흡광도; a, 역산란; $b_b$)에 영향을 가장 크게 미치는 3개 물질 즉, 클로로필, 무기성 부유입자, 용해유기물의 량으로 모델링 하였다. 모델은 간략하게 $R_{rs}$=0.046 $b_b$/(a+$b_b$)로 주어졌으며, 모델의 대상 해역은 광특성이 전혀 다른 적조 발생해역, 맑은 해수, 탁수해역으로 나우어 연구하였다. 모델로 얻어진 원격반사도는 형장 관측치와 스펙트럼의 모양, 값의 분포 및 기존의 해색 클로로필 알고리즘 등으로 비교하여 모델의 타당성을 검증하였다. 결과는 아주 다양한 광 특성을 같은 해양이라 하여도 본 연구의 모델은 거의 완벽하게 해색 스펙트럼, 원격반사도 혹은 water leaving radiance(Lw)를 재현할 수 있는 것으로 나타났다. 본 모델은 앞으로 OSMI와 같은 해색위성 알고리즘 개발, CASE-II water 알고리즘, neural network 알고리즘 개발에 크게 기여할 것으로 사료되며 그 외에도 해색 대기보정 모델 개발에서 대기 신호의 정밀 보정에 활용될 수 있을 것으로 기대된다.
