C. Goyens, 1 C. Jamet, 1 ∗ and K. G. Ruddick



Yüklə 0,83 Mb.
Pdf görüntüsü
səhifə2/2
tarix19.07.2017
ölçüsü0,83 Mb.
1   2

3.

Results and discussion

3.1.

Performances of initial STD and MUMM algorithms in turbid waters

To delineate the areas of improvements, the performances of the initial AC algorithms are first

evaluated. Statistics (median, first and third quartile) of the percentage bias between in situ and

estimated

ρ

w

(

λ



) for the STD and MUMM algorithms are shown in Fig. 2, for moderately and

very turbid waters and when considering only extremely turbid waters. Relative performances

of the algorithms are similar when the C50 or C90 aerosol model is considered and the per-

centage bias calculated with the C50 aerosol model and the C90 aerosol model remain close.

Therefore, results are shown here with the C50 aerosol model only.

For moderately turbid waters, the two algorithms retrieves the same number of reflectance

spectra. In contrast, due to AC failure (observed for 9 spectra) and because

ρ

w

(667) did not

converged after 10 iterations (for 1 spectrum), for very turbid waters the STD algorithm re-

trieves 46 reflectance spectra out of the 56. The excluded spectra present all

ρ

w

(869) values

superior to 10

−2

(defined previously as extremely turbid).



The STD algorithm tends to underestimate

ρ

w

(

λ

) at all wavelengths for moderately turbid



waters (median bias ranging from -51% to -3%) [Figs. 2(a)-2(e)]. For the very turbid waters

the algorithm provides relatively good results in the green but underestimates

ρ

w

(

λ



) in the blue

and largely overestimates

ρ

w

(

λ



) at 869 nm (median bias of -13% and 22%, respectively) [Figs.

#193504 - $15.00 USD

Received 8 Jul 2013; revised 12 Aug 2013; accepted 13 Aug 2013; published 3 Sep 2013

(C) 2013 OSA

9 September 2013 | Vol. 21,  No. 18 | DOI:10.1364/OE.21.021176 | OPTICS EXPRESS  21183


2(a)-2(e)]. When considering only the most turbid waters (

ρ

w

(869) > 10

−2

, 14 extremely turbid



spectra), the underestimation of

ρ

w

(

λ

) in the blue spectral domain is even more pronounced



with a median bias ranging from -60% at 412 nm to 18% at 869 nm. This suggests that the STD

NIR-modeling scheme is appropriate for very turbid waters, however negative

ρ

w

(

λ



) values in

the blue are still retrieved and the performance of the algorithm decreases with an increase in

turbidity. For moderately turbid waters, the assumptions made in the STD algorithm results in

relatively low errors at 412 nm but in large retrieval errors in the red and NIR spectral domain.

For moderately turbid waters and over the 412-667 nm spectral range, the median percentage

bias varies from -2% to -8% for the MUMM algorithm. However, at 748 and 869 nm, the me-

dian percentage bias reaches values up to -30 and -41%, respectively [Figs. 2(f)-2(j)]. For very

turbid waters, the median bias ranges from -0.5% to -5% [Figs. 2(f)-2(j)]. When considering

only the most turbid waters (

ρ

w

(869) > 10

−2

, 24 extremely turbid spectra) the median bias



further decreases ranging from -18% to -4%. This may be explained by the underestimation of

the water signal in extremely turbid waters when a constant NIR reflectance ratio is considered.

Indeed, as observed with the validation exercise of Doron et al. [11] and Goyens et al. [12],

the constant NIR reflectance ratio used in the MUMM algorithm tends to underestimate

ρ

w

(

λ



)

in the NIR spectral domain when

ρ

w

(

λ



NIR

) increases. Note however that these results are ob-

tained when

η

is correctly estimated over the clear water pixels and thus considering that the



assumption of spatial homogeneity in aerosol properties is verified.

m

v



e

−200


−100

0

Bias (%)



(a) − 412 nm

m

v



e

−20


−5

5

(b) − 547 nm



m

v

e



−20

0

10



(c) − 667 nm

m

v



e

−60


−20

20

(d) − 748 nm



m

v

e



−50

0

50



(e) − 869 nm

m

v



e

−300


−100

Bias (%)


(f)

m

v



e

−120


−60

−20


(g)

m

v



e

−80


−40

0

(h)



m

v

e



−80

−40


0

(i)


m

v

e



−100

−50


0

50

(j)



Fig. 2. Box plots of percentage bias for the STD (a-e) and MUMM (f-j) algorithms for

moderately (m,

ρ

w

(869) > 10

−4

and


ρ

w

(869) < 3.10

−3

) and very (v,



ρ

w

(869) > 3.10

−3

))

turbid waters and when considering only the extremely turbid waters (e,



ρ

w

(869) > 10

−2

).

Box plots indicate median with first and third quartiles, upper and lower whiskers and out-



liers (small circles,

±1.5IQR). The horizontal grey lines indicate a bias of 0% (occurring

when

ρ

w



(

λ

) are perfectly retrieved).



3.2.

Performances of the algorithms with the proposed modifications

In Figs. 3(a)-3(c) the performances of the initial and modified algorithms are compared. To

evaluate the impact of imperfections in the retrieved

η

, Figs. 3(a)-3(c) also show the perfor-



mances of the MUMM and polynomial-based MUMM algorithms when

η

is estimated for a



#193504 - $15.00 USD

Received 8 Jul 2013; revised 12 Aug 2013; accepted 13 Aug 2013; published 3 Sep 2013

(C) 2013 OSA

9 September 2013 | Vol. 21,  No. 18 | DOI:10.1364/OE.21.021176 | OPTICS EXPRESS  21184



C90 aerosol model while the C50 aerosol model was used to simulate

ρ

rc

(

λ

) (error on



η

of

∼ −40%). Table 1 shows the number of retrieved data and the median, mean and standard de-



viation of the percentage bias per wavelength when considering all retrieved reflectance spectra.

Since the initial STD algorithm retrieves more spectra compared to the constrained algorithm,

statistics are also given for the initial STD algorithm when only the spectra retrieved with the

constrained STD algorithm are considered.

Table 1. Number of retrieved reflectance spectra and median (average, standard deviation)

percentage bias per wavelength (412, 488, 547, 667, 748, and 869 nm). For comparison,

statistics for the original STD algorithm are also given when considering only the spectra

retrieved with the constrained STD algorithm.

Numb. spectra

412


488

547


667

748


869

STD


95

-8 (-16, 40)

-4 (-5, 12)

-2 (-2, 6)

-2 (-4, 8)

-1 (-10, 28)

10 (-4, 40)

90

-8 (-11, 29)



-4 (-4, 11)

-2 (-2, 5)

-2 (-5, 8)

-4 (-11, 28)

9 (-6, 40)

STD


Con

90

-4 (-2, 23)



-2 (-2, 10)

-1 (-1, 5)

-2 (-4, 8)

-6 (-13, 28)

-6 (-17, 34)

MUMM


105

-2 (-14, 54)

-1 (-7, 27)

-1 (-5, 17)

-2 (-5, 12)

-8 (-13, 21)

-13 (-17, 28)

MUMM


Poly

105


-1 (-8, 49)

0 (-4, 25)

0 (-3, 16)

-1 (-4, 12)

-2 (-11, 23)

-4 (-14, 30)

Overall the constrained STD algorithm shows improvements compared to the initial algo-

rithm (lower median, mean and standard deviation). For moderately turbid waters, initial and

constrained STD algorithms show similar results. Improvement with the constrained STD algo-

rithm are more pronounced for very turbid waters and in particular in the blue and NIR region

of the spectrum [Figs. 3(b) and 3(c)]. However, as shown in Table 1, the number of retrieved

spectra is lower when the algorithm is constrained. Indeed, 15 spectra (all presenting extremely

turbid water masses,

ρ

w

(869) > 10

−2

) are excluded because the estimated Chl



a

concentration

was non-physical at least twice during the iterative process, while, with the initial STD algo-

rithm, 9 spectra are excluded because the algorithm failed to retrieve Chl



a

concentrations more

than twice and 1 spectrum is excluded because the retrieved

ρ

w

(667) did not converge within

10 iterations. For 13 spectra, out of the 15 spectra,

ρ

w

(667) was corrected during the iterative

process because it exceeded the maximum limit according to the red bounding spectral rela-

tionships suggested by Lee et al. [19]. When excluding this constrain (i.e., only retaining the

NIR spectral relationship [18] in the NIR-modeling scheme), the number of excluded spectra

decreases from 15 to 8. However, the performance of the algorithm decreases too, and in par-

ticular in the blue region of the spectrum over very turbid waters (not shown here). When con-

sidering only equivalent spectra, the STD algorithm constrained with both red and NIR spectral

relationships slightly improves

ρ

w

(

λ

) for all water types compared to the initial STD algorithm



(Table 1). Hence, overall both the red and NIR spectral constrains improved the retrieved

ρ

w

(

λ

)



for all turbidity ranges. However, more work should be done to increase the number of retrieved

spectra and thus reducing the sensitivity of the algorithm to non-physical Chl



a

concentration

estimations.

As expected from the validation exercise conducted by Goyens et al. [12], replacing the con-

stant MUMM algorithm with the NIR polynomial relationship reduces the bias (Table 1) and

mainly when considering only extremely turbid waters [Fig. 3(c)]. However, when including

the NIR polynomial relationship, the algorithm seems to be more sensitive to errors on the

estimated

η

. Hence, the added value of the polynomial NIR spectral relationship will be sig-



nificantly reduced, when

η

is not correctly retrieved [Figs. 3(b)-3(c)]. Errors on the estimated



η

may be due to missing clear water pixels within the area of interest or if the assumption of

spatial homogeneity in aerosol properties is not verified. This confirms the conclusion of Jamet

et al. [7], notably that the sensitivity of the algorithm to the selected aerosol model remains

an issue for the MUMM algorithm. Hence, compared to the MUMM algorithm, the STD al-

gorithm presents a large advantage as it does not require an initial guess for

η

and does not



#193504 - $15.00 USD

Received 8 Jul 2013; revised 12 Aug 2013; accepted 13 Aug 2013; published 3 Sep 2013

(C) 2013 OSA

9 September 2013 | Vol. 21,  No. 18 | DOI:10.1364/OE.21.021176 | OPTICS EXPRESS  21185



imposes spatial homogeneity in aerosol properties since it retrieves the aerosol properties on a

pixel-by-pixel basis. However, as mentioned earlier, the STD algorithm is affected by erroneous



Chl

a

estimations. Moreover, relying only on a Chl



a

based relationship to estimate

ρ

w

(

λ



NIR

) in


optically complex waters may be dubious.

400


600

800


−50

0

50



100

Wavelengths (nm)

median Bias (%)

(a)


400

600


800

−10


0

10

20



Wavelengths (nm)

(b)


400

600


800

−60


−40

−20


0

20

Wavelengths (nm)



(c)

STD


MUMM

MUMM


c90

MUMM


Poly

MUMM


Poly

c90



STD

Con


Fig. 3. Median percentage bias as a function of wavelength for (a) moderately and (b)

very turbid waters and (c) when considering only the most turbid waters (

ρ

w

(869) > 10

−2

)

with STD: initial STD Algorithm, MUMM: initial MUMM algorithm assuming the cor-



rect aerosol model, MUMM

c90


: MUMM algorithm assuming the incorrect C90 aerosol

model, MUMM

Poly

: polynomial-based MUMM algorithm, MUMM



Poly

−c90


: polynomial-

based MUMM algorithm assuming the incorrect C90 aerosol model, and STD

Con

: con-


strained STD algorithm.

4.

Conclusion

More work needs to be done to further reduce inaccuracies in

ρ

w

(

λ



) retrieved from ocean color

images and particularly in turbid and optically complex waters [8]. Therefore, the present study

aims to evaluate if

ρ

w

(

λ

) retrievals can be improved by forcing the NIR-modeling scheme



within the standard NASA and MUMM GW94-based AC algorithms (referred to as the STD

and MUMM algorithms) with spectral relationships validated previously in a companion pa-

per from Goyens et al. [12]. According to the authors, the red bounding relationships used in

the QAA [19] as well as the NIR spectral relationship suggested to extent the GW94 AC al-

gorithm for the AC of GOCI images [18], were valid for moderately turbid and very turbid

waters. These relationships are used here to constrain the initial MUMM and STD algorithms.

Two modified algorithms are evaluated: (1) a modified MUMM algorithm where the NIR con-

stant


ρ

w

(

λ



) ratio is replaced by the polynomial NIR spectral relationship, and (2) a modified

STD algorithm where the iterative NIR-modeling scheme is constrained with the bounding red

spectral relationships suggested by Lee et al. [19] and the NIR polynomial relationship [18] to

evaluate


ρ

w

(869) from

ρ

w

(748). The degree of improvement resulting from the spectral rela-

tionship constrains are investigated by comparing in situ

ρ

w

(

λ

) with



ρ

w

(

λ



) retrieved with the

initial and modified STD and MUMM algorithms.

When the STD algorithm is forced with the bounding red and the NIR polynomial spectral

relationships, the algorithm performs better for all turbidity ranges and over the entire spectrum.

However, the number of retrieved

ρ

w

(

λ

) spectra is slightly reduced because more spectra are



#193504 - $15.00 USD

Received 8 Jul 2013; revised 12 Aug 2013; accepted 13 Aug 2013; published 3 Sep 2013

(C) 2013 OSA

9 September 2013 | Vol. 21,  No. 18 | DOI:10.1364/OE.21.021176 | OPTICS EXPRESS  21186



flagged due to non-physical Chl

a

concentration estimations in the NIR-modeling scheme.

When the constant NIR reflectance ratio used in the initial MUMM algorithm to account for

non-zero


ρ

w

(

λ



NIR

), is replaced by the NIR polynomial relationship [18], errors in estimated

ρ

w

(

λ



) are reduced, particularly in extremely turbid waters. However, compared to the initial

algorithm, the polynomial-based MUMM algorithm is more sensitive to erroneously estimated

η

from nearby clear water pixels.



Compared to the MUMM algorithm, the STD algorithm presents a large advantage as it does

not require an initial guess for

η

neither imposes spatial homogeneity in aerosol properties. Ac-



cordingly, the MUMM algorithm should be further improved to reduce the sensitivity of the al-

gorithm to the selected aerosol model. Meanwhile, the STD algorithm should be modified such

that

ρ

w



(

λ

) retrievals are less affected by erroneous estimations of Chl



a

concentrations. Accord-

ingly, further improvements in

ρ

w

(

λ

) retrievals may be achieved by, for instance, combining



both polynomial-based MUMM and constrained STD algorithms. This may be investigated in

a future research.

The present study investigates the feasibility to constrain NIR-modeling schemes with spec-

tral relationships in the aim to improve AC processes and subsequently satellite estimated

ρ

w

(

λ



). This study should be confirmed by an in situ-satellite data match-up exercise to verify

and quantify the effective improvement in satellite

ρ

w

(

λ



) retrievals resulting from the suggested

modifications.



Acknowledgments

Most of the in situ measurements used here were collected in the framework of the

BELCOLOUR-1 and BELCOLOUR-2 projects funded by the Belgian Science Policy Office

STEREO programme. Griet Neukermans and Barbara Van Mol are acknowledged for data ac-

quisition. This work has been supported by the French Spatial Agency (CNES) through the

TOSCA program and the ”Minist`ere de l’Enseignement et de la Recherche Franc¸aise” which

provided a PhD scholarship.

#193504 - $15.00 USD

Received 8 Jul 2013; revised 12 Aug 2013; accepted 13 Aug 2013; published 3 Sep 2013

(C) 2013 OSA



9 September 2013 | Vol. 21,  No. 18 | DOI:10.1364/OE.21.021176 | OPTICS EXPRESS  21187


Yüklə 0,83 Mb.

Dostları ilə paylaş:
1   2




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2020
rəhbərliyinə müraciət

    Ana səhifə