叶绿素a浓度

摘要： 海洋中光后向散射系数的变化包含了浮游植物生物量的信息,可应用于卫星遥感和光学剖面观测平台获取海洋中大时空尺度-高分辨率剖面的浮游植物生物量变化特征。本文选取了琼东上升流影响下生物—光学变异性较为显著的海域,基于2013年航次实测数据,建立了颗粒物后向散射系数(b_(bp))与叶绿素a浓度(Chl a)间的区域性关系模型。模型假定颗粒物后向散射系数由不随叶绿素浓度变化的固定背景值,以及较大粒级(>2μm)和pico级(微微型,<2μm)两类浮游植物的后向散射贡献累加所得。采集的数据集进行了模型检验,结果表明,模型能很好地模拟琼东海域水体的b_(bp)与Chl a间的变化趋势,性能优于常用的幂函数关系模型,尤其在低叶绿素浓度范围,很好地解决幂函数显著低估的现象;琼东海域的b_(bp)和Chl a关系存在显著的水层变化,底层后向散射固定背景值显著高于上层水体背景值,表明底层受上升流的影响,水体中不随Chl a共变的颗粒物浓度增大,其后向散射相应增强;叶绿素最大层的后向散射固定背景值显著低于上层其他水体的固定背景值,后向散射固定背景值的贡献百分比约为21%~35%;随着叶绿素浓度增大,较大粒级的浮游植物对颗粒物后向散射系数的贡献也显著增大,可达到50%以上,pico级浮游植物贡献稳定在40%附近。本研究的结果将为琼东海域浮游植物生物量的光学遥感、生物地球化学过程研究提供更为精确的区域性模型和基础支撑数据。

摘要： 叶绿素a作为最重要的水质参数之一,是评价水体富营养化和初级生产力状况的主要因素。我国海洋一号C(HY-1C)卫星海岸带成像仪(CZI)具有高时空分辨率的观测优势。本文基于东海和南海现场实测数据建立了HY-1C卫星CZI叶绿素a浓度反演模型并在实测水域进行反演,与MODIS叶绿素a浓度反演产品进行了对比验证,应用CZI叶绿素a浓度模型在珠江口、长江口、渤海湾水域进行了叶绿素a浓度反演示例试验。结果表明,叶绿素a浓度模型估算浓度与实测浓度相关系数为0.7743,平均相对误差为24.58%,利用实测叶绿素a浓度对模型进行精度验证,相关系数达到0.9939,平均相对误差为18.49%。模型在实测水域反演得到的叶绿素a浓度分布与MODIS叶绿素a浓度产品分布大体一致。在珠江口水域反演得到叶绿素a浓度空间分布为由西北向东南逐级递减,峰值出现在珠江口西沿岸。在长江口、渤海湾反演叶绿素a浓度空间分布均符合地理实情。研究表明HY-1C卫星CZI数据可应用于中国近海水色定量化研究。

摘要： 技术介绍基于GF-1/6影像协同的湖库水体营养状态遥感监测技术利用GF-1/6影像蓝、绿、红波段遥感反射率计算水体颜色指数(FUI),通过GF-1/6光谱同化模型消除两种卫星数据源的光谱差异,使得GF-1/6影像计算的水色指数FUI具有一致性。利用GF-1/6影像协同计算湖库水体FUI,根据FUI和基于叶绿素a浓度计算的水体营养状态指数之间内在关系,实现湖库营养状态的动态评价。

摘要： 【目的】研究两个连续的热带气旋(tropical cyclones,TC)与中尺度涡共同作用下对阿拉伯海上层环境的影响。【方法】基于遥感、Bio-Argo浮标数据和HYCOM模式数据,探讨TC引起的混合、埃克曼抽吸和移速等因素对海表降温和浮游植物变化的影响机制。【结果与结论】TC Chapala(2015年,4级,萨菲尔-辛普森飓风等级)过境后,四个中尺度涡区域中降温最明显的区域(平均最大降温幅度达3°C)发生在TC移速较慢(≤4 m·s^(-1))时经过的气旋涡海域。由于第一个超强TC Chapala造成的强烈的混合和海表显著降温,强度弱于TC Chapala的TC Megh(2015年,3级)很难造成更深的混合,低温水体无法带到表层,抑制了第二次降温,但海表温度缓慢恢复,持续的低温长达两周,远比单个TC造成的降温时间长。在两个TC作用下,阿拉伯海海表叶绿素a浓度增加明显,其中三个气旋涡区域最显著。TC Chapala较慢经过气旋涡区域,使得该区域平均叶绿素a浓度增加到0.93 mg·m^(-3)(原始水平的4.6倍)。而第二个TC Megh过境后,海表叶绿素a浓度持续增加,在近岸附近的气旋涡区域平均叶绿素a浓度达到1.48 mg·m^(-3),浮游植物在3周后才恢复到TC Chapala过境前水平。虽然两个TC强度超过3级,但是在反气旋涡区域海表降温和叶绿素a浓度变化均不显著,主要原因是反气旋涡造成较厚的混合层和下降流抵消了TC引起的混合和上升流作用。此外,Bio-Argo观测结果显示连续TC的过境造成了阿拉伯海低氧区次表层溶解氧的降低。阿拉伯海上层海洋对TC的响应,不仅取决于TC自身的风速、移速和埃克曼抽吸,也受海洋上层环境的影响,特别是中尺度涡的影响。

摘要： 为了解洞庭湖流域水体叶绿素a的时空分布及其与环境因子的关系,于2019年1~12月对洞庭湖进行采样调查分析,运用广义可加模型(GAM)分析了叶绿素a浓度与各环境因子间的关系.结果显示,洞庭湖水体叶绿素a浓度存在较为显著的时空分布差异,其年均值为5.77μg/L,变化范围为1.00~67.33μg/L.叶绿素a浓度变化的单因素GAM模型中,不同季节环境因子对叶绿素a浓度变化影响解释率较高的单一因素有所不同,春季为高锰酸盐指数(COD_(Mn))、电导率(Cond)和总磷(TP);夏秋季为COD_(Mn)、水温(WT)和电导率;冬季为氨氮(NH_(4)^(+)-N)、电导率.叶绿素a浓度变化的多因素GAM模型中,对叶绿素a浓度变化的总体解释率为97.5%,解释效果较好.影响叶绿素a浓度变化的环境因子排序为COD_(Mn)>TP>电导率>NH_(4)^(+)-N>TN/TP,均与叶绿素a浓度呈非线性相关.

摘要： 本文分析了福建省平潭近海海域2013—2019年水文、水质及气象数据的主成分结果,筛选出5个气象因子和4个水质因子作为输入指标,以藻密度为输出指标,分别演算了KNN(K-nearest neighbor)、RF(random forest)、GBRT(gradient-boosted regression Trees)以及Bagging(bootstrap aggregating)4种赤潮预警回归模型。对2013—2019年的802组海洋监测数据归一化处理后,随机选取80%的数据作为模型的训练样本,剩余的20%作为模型验证数据。其中,以风速、气温、海平面气压、叶绿素a浓度组合为输入指标时,KNN回归模型演算结果的精度较高(R^(2)=0.624,RMSE=0.821μg·L^(-1),MAE=0.836μg·L^(-1))。在没有叶绿素a浓度监测指标的海域,构建了以叶绿素a浓度为输出指标,气温、日照、风速、AOI(apparent oxygen increase)组合为输入指标的BP神经网络赤潮模型,该模型也具有较好的预警精度(R^(2)=0.651,RMSE=0.062μg·L^(–1),MAE=0.033μg·L^(-1))。本研究结果可为平潭海域的赤潮预警研究提供参考。

摘要： 利用卫星数据对湖泊水体进行水质演化监测可以迅速掌握污染动向,对及时快速决策有重要意义。文章基于地面实测光谱反射率数据模拟MSI波段组合,构建水体叶绿素a和总悬浮物浓度的遥感模型,并利用哨兵数据对高邮湖的水质参数进行估算。研究结果表明,高邮湖的叶绿素a浓度估算平均相对误差(MRE)为22.5%,总悬浮物浓度估算平均相对误差(MRE)为15.0%。因此,将哨兵2号MSI数据应用于该遥感模型,能较好的掌握高邮湖水质参数时空变化情况,对湖泊水质的研究具有一定的参考价值。

摘要： [目的]探究湖北省保安湖水体营养状态时空特征,分析影响湖泊水体叶绿素a的主要影响因子,为其生态修复与保护提供科学依据。[方法]在湖区设置监测点位,于2019—2021年进行取样监测分析,并运用综合营养状态指数(TLI)评价湖区的营养状态。采用空间自相关分析对保安湖营养状态的空间相关性与聚集程度进行研究。通过Logit模型分析叶绿素a浓度变化的关键水环境影响因子。[结果]保安湖TLI变化范围为47.25~55.86,营养状态在中营养和轻度富营养间波动。湖区营养状态整体呈现显著的正空间自相关关系,其Global Moran’s I分别为0.46,0.93,0.60,0.31,0.60和0.62。主体湖南部是TLI的热点(高/高集聚)区域(pTP>pH值>COD_(Mn)>水深>DO,均与叶绿素a浓度有显著相关性。[结论]湖区水体营养状态良好。流域内应通过控制农田水土流失及养殖业面源污染,加强入湖河道治理等方式减少外源磷输入,采用生态水位调控和修复水生植被等措施来进一步改善水体营养状态。

摘要： 针对高光谱数据大气校正耗时长和查找表构建不准确等问题,提出基于MODTRAN辐射传输模型实时创建大气校正参数查找表的方法,并应用于水体叶绿素浓度反演。首先,基于高光谱数据实时构建大气校正参数查找表;其次,根据循环迭代反演得到水汽含量和气溶胶光学厚度对查找表插值得到各个波段的大气校正参数,从而完成所有波段数据的大气校正;最后,选择植被、土壤和水体3类典型地物精度分析,并基于反演水体的叶绿素a浓度验证大气校正精度的可靠性。实验结果表明:该方法明显优于6S、FLAASH等大气校正方法;在运行效率上,在多线程并行加速后,运行效率提升了2~4倍;基于水体反射率数据反演水体叶绿素a浓度,反演模型预测集验证中ρ为0.804 7,RMSE为1.8。

摘要： 采用高分五号卫星遥感监测长江河口水质,通过星地同步取样测得水体叶绿素a浓度的实际值,并从相应水体的卫星高光谱影像中提取水体表面反射率,构建8种不同波段组合参数的指数型叶绿素a浓度反演模型。从统计学参数、反演结果影像、误差稳定性3方面对反演模型进行评价。结果表明:反演模型普遍具有较高的决定系数R~2和较低的平均相对误差,增加使用的波段数时,R~2有所增大,平均相对误差略减小。结合反演结果图像和抗噪性能图像,可判断各模型受光照条件与随机噪声干扰的程度。基于简单参数组合的多波段算法模型具有最高的反演精度,R~2为0.983,平均相对误差为14.33%。证实高分五号卫星的高光谱遥感技术应用于河口水质反演与水体富营养监测具有可行性。

摘要： 浑浊富营养化内陆水体的叶绿素a浓度反演一直是个难点.本文在水体光学分类研究的基础上提出了基于软分类(模糊分类)的水体叶绿素a浓度反演策略.本文以太湖为研究对象获取大量实测水面光谱数据,实现了基于实测水面光谱的叶绿素a软分类反演,通过对比传统反演策略和硬分类反演策略评价了软分类反演策略的精度.结果表明软分类反演策略通过最优算法和距离权重的加权融合提高了算法的稳定性以及结果的平滑性.软分类反演策略解决了叶绿素a浓度反演算法的区域性和季节性适用性问题,提高了算法的普适性.

摘要： 水体反射率光谱是多种水质参数综合作用的结果，其本质上是一种混合光谱.因此，在遥感数据反演叶绿素a浓度时，提出了基于混合光谱分解模型的反演方法。以Landsat5 TM数据中的淀山湖为研究区域，基于线性混合光谱分解模型实现地面12个采样的遥感数据叶绿素a浓度反演.通过两个批次的实验反演求解，验证该方法是可行的。

摘要： 本文利用了1997年10月～2007年5月期间SeaWiFS的月平均叶绿素a资料分析我国东海的叶绿素a浓度的区域分布及变化趋势,东海叶绿素a浓度分布与地形基本一致,沿岸浓度明显高于外海,浓度最高、面积最大的海域是长江口附近,浓度高达10mg·m-3,高浓度叶绿素a可以分布到鸭礁,其中东海北部近海常年月平均值基本在在3 mg·m-3以上,东海南部近海和台湾海峡的次之,大概在1～2mg·m-3之间,东海北部和南部外海的均小于1 mg·m-3,南部外海,常年平均值都在0.5 mg·m-3以下.东海叶绿素a浓度表现为较明显的年周期性变化,波峰基本出现在的3、4月份,波谷大致出现在7、8月份.在1997年10月到2007年5月期间,月平均叶绿素a浓度表现为下降的趋势,特别在2003年后,下降幅度较大,下降较显著的区域是东海近海海区.东海5个海区的叶绿素a浓度及其距平变化非常不同,东海北部近海的最大值出现在7、8月,南部近海在4、6月份比较高,台湾海峡在5～9月浓度比较低,近海主要受到陆地径流带来高营养盐的影响,叶绿素a浓度高变化幅度大,周期短,东海外海及台湾海峡主要受到高温低营养盐的黑潮及其分支的影响,叶绿素a浓度低,变化幅度小,周期长.

摘要： 中分辨率成像光谱仪(CMODIS)是我国"神舟"三号飞船上对地观测主载荷,是我国第一台上天的具有测量海面叶绿素a浓度能力的成像光谱仪,由于CMODIS传感器在性能指标、过境时间、轨道高度、辐射定标等方面与其他卫星海洋水色遥感器存在较大差异,直接借用叶绿素a浓度提取模型进行资料处理是不合适的,得到的相对误差为65.1％.鉴于大量采集同步海上实测数据存在困难,利用成熟的卫星遥感测量的叶绿素a浓度值来建立反演模型是一种经济实用的方法.本文研究利用SeaWiFS测量的叶绿素a浓度作为真值来建立CMODIS反演模型的方法,得到2种反演模型的平均相对误差分别为28.2％和33.6％.该方法可用于建立我国海洋卫星的海洋水色水温扫描仪(COCTS)反演叶绿素a浓度模型.对CMODIS资料提取叶绿素a浓度的影响因素进行了分析.海面叶绿素a浓度影响光谱辐射的能力有限,要求具有很高灵敏度的海洋水色遥感器,仪器的信噪比等性能指标在一定程度上影响叶绿素a的测量精度.CMODIS与SeaWiFS存在3个小时的测量时间,不同测量条件造成图像相关性很低,是影响反演精度的重要因素.悬浮泥沙对555nm波段的强散射作用,使离水辐射率的增加幅度远远超过了叶绿素a的作用,而蓝绿比值算法的基础是555nm波段的离水辐射率随叶绿素a浓度增加而增大,高浓度悬浮泥沙浓度导致蓝绿比值算法过高估算叶绿素a浓度,有必要开发半分析模型来提高我国海区的水色遥感精度.

摘要： 利用卫星遥感资料，对内陆大面积水体进行叶绿素浓度监测，是比较典型的水体环境遥感监测手段.本研究首先利用地物光谱仪测定巢湖水面的光谱反射率，并在分析光谱反射率与同步水质检验叶绿素a浓度之间关系的基础上，利用大气校正后的EOS/MODIS数据，选择最佳波段组合，建立MODIS巢湖叶绿素a浓度的监测模型.

摘要： 叶分辨率成像光谱仪(CMODIS)是我国"神舟"三号飞船上对地观测主载荷,是我国第一台上天的具有测量海面叶绿素a浓度能力的成像光谱仪,由于CMODIS传感器在性能指标、过境时间、轨道高度、辐射定标等方面与其他卫星海洋水色遥感器存在较大差异,直接借用叶绿素a浓度提取模型进行资料处理是不合适的,得到的相对误差为65.1﹪.鉴于大量采集同步海上实测数据存在困难,利用成熟的卫星遥感测量的叶绿素a浓度值来建立反演模型是一种经济实用的方法.本文研究利用SeaWiFS测量的叶绿素a浓度作为真值来建立CMODIS反演模型的方法,得到2种反演模型的平均相对误差分别为28.2﹪和33.6﹪.该方法可用于建立我国海洋卫星的海洋水色水温扫描仪(COCTS)反演叶绿素a浓度模型.

摘要： 随着中西太平洋金枪鱼资源的衰退,延绳钓船的渔获率明显下降,寻找稳定渔场交得越来越困难.本文结合上海蒂尔远洋渔业公司超低温金枪鱼延绳钓船队2009-2013年的渔业数据,及美国国家海洋和大气局提供的环境因子(海表温度SST、叶绿素a浓度)数据,利用广义可加模型分析渔获率(CPUE)与SST和叶绿素a浓度的关系,以期为船长寻找渔场提供参考依据.结果发现:CPUE与SST关系显著,呈先增大后减小关系,峰值出现在28°C;但与叶绿素a浓度的关系不显著.

摘要： 对高浓度NH4-N(铵态氮)和N03-N(硝态氮)(10mg/L)条件下刺苦草、竹叶眼子菜和微齿眼子菜为背景的附植藻类、水体叶绿素a浓度及沉水植物自身变化的研究表明,高浓度无机氮对水体Chl a(叶绿素a)浓度影响不大,但是由于竹叶眼子菜的附植藻类Chl a浓度显著高于另外两种植物,因此相对其他两种植物,竹叶眼子菜的生长受到更高生物量藻类的遮阴影响.从分株数和生物量来看,受到无机氮特别是高浓度NH4-N的长时间胁迫后,相对于刺苦草和微齿眼子菜,竹叶眼子菜更易出现衰退的趋势.

摘要： 遥感影像高光谱重构可以从较少的光谱波段还原出丰富的高光谱信息,得到同时具有高空间分辨率和高光谱分辨率的影像数据,从而提高水体组分浓度的反演精度,对内陆二类水色遥感具有重要意义。本研究利用2009年6月星地同步实验得到的遥感反射率曲线、叶绿素a浓度,和准同步的HJ1多光谱传感器数据、高光谱传感器数据,通过模拟数据和影像数据两部分验证了多元线性回归模型对HJ1多光谱传感器数据进行高光谱重构的可能性,并从两个方面验证了重构数据的真实性:1.660nm~952nm波长范围内重构高光谱数据和原始高光谱数据与地面实测数据相比,重构高光谱数据与地面实测值更接近,偏差分别为0.00487和0.00508;2.分别对两组数据建立叶绿素a浓度反演的单波段模型和三波段模型,结果发现,无论从模型建立时的R2,还是反演数据与实测数据相比的RMSE,重构数据在两种模型下都能得到更好的效果。

摘要： 本文利用TM数据与准实时的地面采样数据,建立了太湖的叶绿素浓度反演模型,分析了经6S模型校正后的波段反射率比值与叶绿素A浓度相关性.

摘要： 一种叶绿素荧光光谱分析装置，该叶绿素荧光光谱分析装置包括温度传感器和外在光源传感器，该温度传感器与该外在光源传感器电性连接。本发明还提供一种测定叶绿素浓度的方法。

摘要： 一种萃取叶绿素的方法，该方法包括如下步骤：步骤一：将植物叶子本体粉碎；步骤二：通过有机溶剂萃取叶绿素；步骤三：将萃取好叶绿素的液体，由滤纸过滤，然后利用浓缩机浓缩液体；步骤四：收集浓缩好的液体；本发明还提供一种检测叶绿素浓度的方法。

摘要： 本发明公开了一种基于相对反射深度的叶绿素浓度反演方法，其特征在于，该反演方法包括下述步骤：（1）测量海水表层的叶绿素浓度；（2）利用地物高光谱测量仪器测量海水表面及天空光的辐照度反射率；（3）获知离水辐照度反射率；（4）对离水辐照度反射率进行规范化处理；（5）确定规范化离水辐照度反射率的4个叶绿素特征波段；（6）建立特征波段的相对反射深度；（7）依据相对反射深度及其比值构建反演模型。该方法可充分利用叶绿素特征波段信息、降低数据敏感性、提高近岸海域中水色要素的信噪比，提高模型的反演精度及稳健性。

摘要： 本发明公开一种近紫外激光诱导叶绿素荧光的水体藻类浓度检测装置及方法，属于光电检测领域。本发明所述方法采用波长405nm，功率100mw的近紫外半导体激光器作为激发光源，发出的激光束经过石英圆柱透镜二维扩束后形成扇形光，垂直照射到含藻类的水体样品上，水体样品中藻类所含叶绿素a受到激发之后，发出波长685nm的荧光，硅光电池接收并产生电信号，通过测量荧光强度所对应的电压值来确定含藻类水体中的藻类的浓度值。本发明装置结构简单，稳定性好，成本低，精度高，即使是在水体藻类浓度很低的情况下，也可以检测出叶绿素荧光信号，可实现水体中藻类浓度的现场实时多点检测。

摘要： 本发明公开了星载单光子激光雷达的叶绿素浓度垂直剖面反演方法，属于激光遥感技术领域，用于获取海水参数、叶绿素参数的垂直剖面，包括：沿卫星飞行方向，将星载单光子激光雷达获取的水面信号光子点云与水体后向散射信号光子点云进行分离提取；利用RL反卷积算法校正单光子激光雷达余脉冲效应对光子信号的影响；构建星载单光子激光雷达水面反射信号光子与水体后向散射信号光子的概率统计模型，利用风速数据计算激光雷达系统常数；构建光谱经验解析模型，计算水体叶绿素的垂直剖面。与现有技术相比，本发明能够准确反演待测水域的水体叶绿素垂直剖面结果，对于监测水体污染、藻类爆发、海洋碳循环、以及全球气候变化等多个领域具有重要意义。

摘要： 本发明公开了一种基于机器学习提高海洋叶绿素a浓度预报准确度的方法，属于海洋观测技术领域。该方法包括：收集“环境要素”数据集和“遥感叶绿素a浓度”数据集并标准化处理；将“环境要素”数据集与“遥感叶绿素a浓度”数据集进行时空匹配；“环境要素”数据集作为输入，“遥感叶绿素a浓度”数据集作为输出；将“环境要素”数据集按照数据类型划分为不同子集；按照不同“环境要素”子集与不同机器学习算法的组合分别进行训练和测试，得到不同组合的预报评价指标；选取评价指标最优的“环境要素”子集和机器学习算法进行海洋叶绿素a浓度的预报。本发明能够有效提高海水叶绿素a浓度的数值预报准确性。

摘要： 本发明涉及水质参数遥感反演领域，公开了基于空谱融合与模型学习耦合的叶绿素a浓度反演方法，通过获取相同日期MODIS和Sentinel‑2数据，经过预处理，得到样本数据集；构建面向叶绿素a浓度反演的MODIS和Sentinel‑2空‑谱融合深度学习网络，并耦合光谱响应函数、影像退化模型等物理约束，从而获得具有MODIS光谱分辨率和Sentinel‑2空间分辨率的融合数据，为叶绿素a浓度反演提供高空谱分辨率数据源；结合实地采样数据与融合的高空谱分辨率数据，在梯度提升树等机器学习的水质反演算法下验证融合的有效性，结果表明本处理方法有效提高了叶绿素a浓度的反演精度。

摘要： 本发明公开一种水体中叶绿素a浓度预测方法，包括以下步骤：S1、采集原始水质监测数据，其中，所述原始水质监测数据包括若干水质特征；S2、提取所述原始水质监测数据的特征子集，所述特征子集用于表示预测效果更佳的所述水质特征；S3、构建预测叶绿素a浓度模型，优化所述预测叶绿素a浓度模型的参数，利用所述特征子集训练所述预测叶绿素a浓度模型，获得训练好的预测叶绿素a浓度模型；S4、将待检测的所述特征子集输入所述训练好的预测叶绿素a浓度模型，获得叶绿素a浓度的预测结果。本发明大幅减少学习时间，增强学习效率，并提高了对叶绿素a浓度预测的准确性。

摘要： 本发明公开了一种基于光谱技术的水体浊度及叶绿素a浓度联动校准测量方法，该方法的步骤包括：光谱探头与光源出射的光线呈90度，光源出射照射到水体，基于散射光强的水体浊度测量：光谱探头采集散射光线，利用散射光强度与浊度的正比关系，通过测量散射光的强度，计算出对应的水体浊度；基于荧光光强的叶绿素a浓度测量：光谱探头采集荧光光强，利用荧光光强与叶绿素a浓度的正比关系，通过测量荧光的强度，计算出对应的叶绿素a浓度；通过浊度值校准叶绿素a浓度值：通过叶绿素a浓度值校准浊度值：本发明实现了一探头双测量的功能，提高了测量准确度和测量效率。

摘要： 本发明涉及一种基于深度残差神经网络的海表面叶绿素a浓度遥感反演方法，步骤包括：根据选取的红绿蓝三个波段的遥感反射率数据，计算蓝绿波段和红绿波段的遥感反射率数据比值；采用聚类分析将红绿蓝三个波段的遥感反射率数据分为三类，与实测叶绿素a浓度数据匹配生成对应的数据集；计算时间注意力权重，针对三类数据集分别构建引入时间注意力权重的神经网络模型并训练，得到三类反演叶绿素a浓度的深度残差神经网络模型；分别输入与之对应的深度残差神经网络模型中，反演得到海表面叶绿素a浓度。本发明不需要针对特定海域进行算法的校准、不需要针对不同水体采用不同的算法，便可以反演得到高精度的全球海表面叶绿素a浓度。