A new empirical algorithm is proposed to estimate surface chlorophyll a (Chl) concentrations in the global ocean for Chl ≤ 0.25 mg m −3 (∼78% of the global ocean area). The algorithm is based on a color index (CI), defined as the difference between remote‐sensing reflectance ( R rs , sr −1 ) in the green and a reference formed linearly between R rs in the blue and red. For low‐Chl waters, in situ data showed a tighter (and therefore better) relationship between CI and Chl than between traditional band ratios and Chl, which was further validated using global data collected concurrently by ship‐borne and Sea‐viewing Wide Field‐of‐view Sensor (SeaWiFS) and Moderate Resolution Imaging Spectroradiometer (MODIS)/Aqua instruments. Model simulations showed that for low‐Chl waters, compared with the band‐ratio algorithm, the CI‐based algorithm (CIA) was more tolerant to changes in chlorophyll‐specific backscattering coefficient and performed similarly for different relative contributions of nonphytoplankton absorption. Simulations using existing atmospheric correction approaches further demonstrated that the CIA was much less sensitive than band‐ratio algorithms to various errors induced by instrument noise and imperfect atmospheric correction (including sun glint and whitecap corrections). Image and time series analyses of SeaWiFS and MODIS/Aqua data also showed improved performance in terms of reduced image noise, more coherent spatial and temporal patterns, and better consistency between the two sensors. The reduction in noise and other errors is particularly useful to improve the detection of various ocean features such as eddies. Preliminary tests over Medium‐Resolution Imaging Spectrometer and Coastal Zone Color Scanner data indicate that the new approach should be generally applicable to all past, current, and future ocean color instruments.

During its lifetime, a space-borne ocean color sensor provides world-wide information about important biogeochemical properties of the upper ocean every 2 to 4 days in cloudless regions. Merging simultaneous or complementary data from such sensors to obtain better spatial and temporal coverage is a recurring objective, but it can only be reached if the consistency of the sensor-specific products, as delivered by the various Space Agencies, has first been carefully examined. The goal of the present study is to provide a procedure for establishing a coherency of open ocean (Case-1 waters) data products, for which the various data processing methods are sufficiently similar. The development of the procedure includes a detailed comparison of the marine algorithms used (after atmospheric corrections) by space agencies for the production of standard products, such as the chlorophyll concentration, [Chl], and the diffuse attenuation coefficient, Kd. The MODIS-Aqua, SeaWiFS and MERIS [Chl] products agree over a wide range, between ∼ 0.1 and 3 mg m− 3, whereas increasing divergences occur for oligotrophic waters ([Chl] (from 0.02 to 0.09 mg m− 3). For the Kd(490) coefficient, different algorithms are in use, with differing results. Based on a semi-analytical reflectance model and hyperspectral approach, the present work proposes a harmonization of the algorithms allowing the products of the various sensors to be comparable, and ultimately, meaningfully merged (the merging procedures themselves are not examined). Additional potential products, obtained by using [Chl] as an intermediate tool, are also examined and proposed. These products include the thickness of the layer heated by the sun, the depth of the euphotic zone, and the Secchi disk depth. The physical limitations in the predictive skill of such downward extrapolations, made from information concerning only the upper layer, are stressed.

Ocean color measured from satellites provides daily, global estimates of marine inherent optical properties (IOPs). Semi-analytical algorithms (SAAs) provide one mechanism for inverting the color of the water observed by the satellite into IOPs. While numerous SAAs exist, most are similarly constructed and few are appropriately parameterized for all water masses for all seasons. To initiate community-wide discussion of these limitations, NASA organized two workshops that deconstructed SAAs to identify similarities and uniqueness and to progress toward consensus on a unified SAA. This effort resulted in the development of the generalized IOP (GIOP) model software that allows for the construction of different SAAs at runtime by selection from an assortment of model parameterizations. As such, GIOP permits isolation and evaluation of specific modeling assumptions, construction of SAAs, development of regionally tuned SAAs, and execution of ensemble inversion modeling. Working groups associated with the workshops proposed a preliminary default configuration for GIOP (GIOP-DC), with alternative model parameterizations and features defined for subsequent evaluation. In this paper, we: (1) describe the theoretical basis of GIOP; (2) present GIOP-DC and verify its comparable performance to other popular SAAs using both in situ and synthetic data sets; and, (3) quantify the sensitivities of their output to their parameterization. We use the latter to develop a hierarchical sensitivity of SAAs to various model parameterizations, to identify components of SAAs that merit focus in future research, and to provide material for discussion on algorithm uncertainties and future emsemble applications.

Ocean colour is recognised as an Essential Climate Variable (ECV) by the Global Climate Observing System (GCOS); and spectrally-resolved water-leaving radiances (or remote-sensing reflectances) in the visible domain, and chlorophyll-a concentration are identified as required ECV products. Time series of the products at the global scale and at high spatial resolution, derived from ocean-colour data, are key to studying the dynamics of phytoplankton at seasonal and inter-annual scales; their role in marine biogeochemistry; the global carbon cycle; the modulation of how phytoplankton distribute solar-induced heat in the upper layers of the ocean; and the response of the marine ecosystem to climate variability and change. However, generating a long time series of these products from ocean-colour data is not a trivial task: algorithms that are best suited for climate studies have to be selected from a number that are available for atmospheric correction of the satellite signal and for retrieval of chlorophyll-a concentration; since satellites have a finite life span, data from multiple sensors have to be merged to create a single time series, and any uncorrected inter-sensor biases could introduce artefacts in the series, e.g., different sensors monitor radiances at different wavebands such that producing a consistent time series of reflectances is not straightforward. Another requirement is that the products have to be validated against in situ observations. Furthermore, the uncertainties in the products have to be quantified, ideally on a pixel-by-pixel basis, to facilitate applications and interpretations that are consistent with the quality of the data. This paper outlines an approach that was adopted for generating an ocean-colour time series for climate studies, using data from the MERIS (MEdium spectral Resolution Imaging Spectrometer) sensor of the European Space Agency; the SeaWiFS (Sea-viewing Wide-Field-of-view Sensor) and MODIS-Aqua (Moderate-resolution Imaging Spectroradiometer-Aqua) sensors from the National Aeronautics and Space Administration (USA); and VIIRS (Visible and Infrared Imaging Radiometer Suite) from the National Oceanic and Atmospheric Administration (USA). The time series now covers the period from late 1997 to end of 2018. To ensure that the products meet, as well as possible, the requirements of the user community, marine-ecosystem modellers, and remote-sensing scientists were consulted at the outset on their immediate and longer-term requirements as well as on their expectations of ocean-colour data for use in climate research. Taking the user requirements into account, a series of objective criteria were established, against which available algorithms for processing ocean-colour data were evaluated and ranked. The algorithms that performed best with respect to the climate user requirements were selected to process data from the satellite sensors. Remote-sensing reflectance data from MODIS-Aqua, MERIS, and VIIRS were band-shifted to match the wavebands of SeaWiFS. Overlapping data were used to correct for mean biases between sensors at every pixel. The remote-sensing reflectance data derived from the sensors were merged, and the selected in-water algorithm was applied to the merged data to generate maps of chlorophyll concentration, inherent optical properties at SeaWiFS wavelengths, and the diffuse attenuation coefficient at 490 nm. The merged products were validated against in situ observations. The uncertainties established on the basis of comparisons with in situ data were combined with an optical classification of the remote-sensing reflectance data using a fuzzy-logic approach, and were used to generate uncertainties (root mean square difference and bias) for each product at each pixel.

The atmospheric correction algorithm employed by the NASA Ocean Biology Processing Group requires an assumption of negligible water-leaving reflectance in the near-infrared region of the spectrum. For waters where this assumption is not valid, an optical model is used to estimate near-infrared water-leaving reflectance. We describe this optical model as implemented for the sixth reprocessing of the SeaWiFS mission-long time-series (September 2009). Application of the optical model resulted in significant reductions in the number of negative water-leaving reflectance retrievals in turbid and optically complex waters, and improved agreement with in situ chlorophyll-a observations. The incidence of negative water-leaving reflectance retrievals at 412 nm was reduced by 40%, while negative reflectance at 490 nm was nearly eliminated.

The retrieval of ocean color radiometry from space-based sensors requires on-orbit vicarious calibration to achieve the level of accuracy desired for quantitative oceanographic applications. The approach developed by the NASA Ocean Biology Processing Group (OBPG) adjusts the integrated instrument and atmospheric correction system to retrieve normalized water-leaving radiances that are in agreement with ground truth measurements. The method is independent of the satellite sensor or the source of the ground truth data, but it is specific to the atmospheric correction algorithm. The OBPG vicarious calibration approach is described in detail, and results are presented for the operational calibration of SeaWiFS using data from the Marine Optical Buoy (MOBY) and observations of clear-water sites in the South Pacific and southern Indian Ocean. It is shown that the vicarious calibration allows SeaWiFS to reproduce the MOBY radiances and achieve good agreement with radiometric and chlorophyll a measurements from independent in situ sources. We also find that the derived vicarious gains show no significant temporal or geometric dependencies, and that the mission-average calibration reaches stability after approximately 20-40 high-quality calibration samples. Finally, we demonstrate that the performance of the vicariously calibrated retrieval system is relatively insensitive to the assumptions inherent in our approach.

Abstract. Phytoplankton photosynthesis links global ocean biology and climate-driven fluctuations in the physical environment. These interactions are largely expressed through changes in phytoplankton physiology, but physiological status has proven extremely challenging to characterize globally. Phytoplankton fluorescence does provide a rich source of physiological information long exploited in laboratory and field studies, and is now observed from space. Here we evaluate the physiological underpinnings of global variations in satellite-based phytoplankton chlorophyll fluorescence. The three dominant factors influencing fluorescence distributions are chlorophyll concentration, pigment packaging effects on light absorption, and light-dependent energy-quenching processes. After accounting for these three factors, resultant global distributions of quenching-corrected fluorescence quantum yields reveal a striking consistency with anticipated patterns of iron availability. High fluorescence quantum yields are typically found in low iron waters, while low quantum yields dominate regions where other environmental factors are most limiting to phytoplankton growth. Specific properties of photosynthetic membranes are discussed that provide a mechanistic view linking iron stress to satellite-detected fluorescence. Our results present satellite-based fluorescence as a valuable tool for evaluating nutrient stress predictions in ocean ecosystem models and give the first synoptic observational evidence that iron plays an important role in seasonal phytoplankton dynamics of the Indian Ocean. Satellite fluorescence may also provide a path for monitoring climate-phytoplankton physiology interactions and improving descriptions of phytoplankton light use efficiencies in ocean productivity models.

We describe the development of a new suite of aerosol models for the retrieval of atmospheric and oceanic optical properties from the SeaWiFS and MODIS sensors, including aerosol optical thickness (τ), angstrom coefficient (α), and water-leaving radiance (L(w)). The new aerosol models are derived from Aerosol Robotic Network (AERONET) observations and have bimodal lognormal distributions that are narrower than previous models used by the Ocean Biology Processing Group. We analyzed AERONET data over open ocean and coastal regions and found that the seasonal variability in the modal radii, particularly in the coastal region, was related to the relative humidity. These findings were incorporated into the models by making the modal radii, as well as the refractive indices, explicitly dependent on relative humidity. From these findings, we constructed a new suite of aerosol models. We considered eight relative humidity values (30%, 50%, 70%, 75%, 80%, 85%, 90%, and 95%) and, for each relative humidity value, we constructed ten distributions by varying the fine-mode fraction from zero to 1. In all, 80 distributions (8 Rh×10 fine-mode fractions) were created to process the satellite data. We also assumed that the coarse-mode particles were nonabsorbing (sea salt) and that all observed absorptions were entirely due to fine-mode particles. The composition of the fine mode was varied to ensure that the new models exhibited the same spectral dependence of single scattering albedo as observed in the AERONET data. The reprocessing of the SeaWiFS data show that, over deep ocean, the average τ(865) values retrieved from the new aerosol models was 0.100±0.004, which was closer to the average AERONET value of 0.086±0.066 for τ(870) for the eight open-ocean sites used in this study. The average τ(865) value from the old models was 0.131±0.005. The comparison of monthly mean aerosol optical thickness retrieved from the SeaWiFS sensor with AERONET data over Bermuda and Wallops Island show very good agreement with one another. In fact, 81% of the data points over Bermuda and 78% of the data points over Wallops Island fall within an uncertainty of ±0.02 in optical thickness. As a part of the reprocessing effort of the SeaWiFS data, we also revised the vicarious calibration gain factors, which resulted in significant improvement in angstrom coefficient (α) retrievals. The average value of α from the new models over Bermuda is 0.841±0.171, which is in good agreement with the AERONET value of 0.891±0.211. The average value of α retrieved using old models is 0.394±0.087, which is significantly lower than the AERONET value.

Abstract The Plankton, Aerosol, Cloud, Ocean Ecosystem (PACE) mission represents the National Aeronautics and Space Administration’s (NASA) next investment in satellite ocean color and the study of Earth’s ocean–atmosphere system, enabling new insights into oceanographic and atmospheric responses to Earth’s changing climate. PACE objectives include extending systematic cloud, aerosol, and ocean biological and biogeochemical data records, making essential ocean color measurements to further understand marine carbon cycles, food-web processes, and ecosystem responses to a changing climate, and improving knowledge of how aerosols influence ocean ecosystems and, conversely, how ocean ecosystems and photochemical processes affect the atmosphere. PACE objectives also encompass management of fisheries, large freshwater bodies, and air and water quality and reducing uncertainties in climate and radiative forcing models of the Earth system. PACE observations will provide information on radiative properties of land surfaces and characterization of the vegetation and soils that dominate their reflectance. The primary PACE instrument is a spectrometer that spans the ultraviolet to shortwave-infrared wavelengths, with a ground sample distance of 1 km at nadir. This payload is complemented by two multiangle polarimeters with spectral ranges that span the visible to near-infrared region. Scheduled for launch in late 2022 to early 2023, the PACE observatory will enable significant advances in the study of Earth’s biogeochemistry, carbon cycle, clouds, hydrosols, and aerosols in the ocean–atmosphere–land system. Here, we present an overview of the PACE mission, including its developmental history, science objectives, instrument payload, observatory characteristics, and data products.

The European Space Agency's Sentinel-2A mission with the MultiSpectral Instrument (MSI) onboard was launched in 2015, initiating a new era in high-to-moderate-resolution (i.e., 10 to 60 m) imaging of Earth's resources. This manuscript describes the implementations of MSI processing into the SeaWiFS Data Analysis System (SeaDAS) and provides qualitative and quantitative analyses of remote sensing reflectance products (Rrs), which are essential in the retrievals of near-surface concentrations of water constituents in aquatic systems. In situ validations and intercomparisons of MSI-derived Rrs products with those derived from Landsat-8's Operational Land Imager (OLI) both indicated reasonable products in coastal/inland waters. Following vicarious calibrations using reference in situ water-leaving radiances, the overall absolute relative differences and the root mean squared differences (RMSD) found for the matchup analyses were, < 7% and < 0.0012 1/sr, respectively, for the blue and green bands. With preliminary indications of consistency with the OLI products and very good agreements with in situ data, a time-series plot of total suspended solids (TSS) product derived from both missions was produced and analyzed for an inland system. It is surmised that frequent moderate-to-high resolution Rrs products from the combined Sentinel-2A (and B) and Landsat-8 missions are now available to the science/user community for developing algorithms suited for coastal/inland waters. Nonetheless, further research needs to be dedicated to a) improving atmospheric corrections over bodies of waters rich in dissolved organic matter or suspended particles, b) mitigating the impact of haze- or sea surface-reflected solar radiations at low solar zenith angles, and c) minimizing image artifacts to maximize the use of multi-mission products.