摘要

漫射衰减系数Kd(z,λ)是估算水下光场及水色要素剖面分布、研究浮游植物光合作用及赤潮灾害预警方法的重要参数,它是一个准固有光学特性参数,是波长λ和剖面深度z的函数,除与水体吸收、散射或后向散射有关外,对归一化的水体体散射函数即散射相函数的角度分布极为敏感。本文基于南海水体体散射函数β(ψ)、吸收系数a及下行辐照度Ed(650)的剖面分布实测数据,利用LightGBM、随机森林(random forest,RF)、CatBoost三种高效机器学习方法,首次构建了基于体散射函数β(ψ)、吸收系数a及对应剖面深度z的漫射衰减系数Kd(650)剖面分布估算模型,并综合R~2、RMSE、MAPE以及估算与实测数据的对比进行模型评价,结果表明,三种机器学习模型中,CatBoost模型的R~2和RMSE分别为0.8534,0.0472m-1,均优于RF和LightGBM,CatBoost模型的MAPE为11.0585%,低于RF模型但略高于LightGBM模型,通过对比估算和实测结果发现,CatBoost模型估算结果与实测结果最为相近,是Kd(650)最优估算模型。利用CatBoost模型,结合实测体散射函数β(ψ)、吸收系数a及其相应剖面深度z,对南海北部多个站点15米以浅Kd(650)的剖面分布估算表明,上述站点Kd(650)在5m、10m、15m三个水层变化范围为0.275~0.7m-1,5m水层的Kd(650)较为平稳,10m与15m水层Kd(650)跨度较大。研究方法考虑了多角度体散射函数分布对漫射衰减系数的贡献,为基于固有光学特性参数估算Kd(λ,z)提供了新方法思路。