تُعتبر تركيز الكلوروفيل-أ (Chl-a) في المياه كمعامل مناخي أساسي، وتعتمد دقة الاسترجاع عن بُعد على الأبحاث العالمية لدورة الكربون، ورصد البيئة البحرية وإدارتها. تحتوي أقمار هاي-1C/1D الصناعية البحرية على الماسح الطيفي لدرجة حرارة ولون مياه المحيطات (COCTS)، والذي يمكنه مراقبة مياه المحيطات على مستوى عالمي بدقة كيلومترية. تُعد تطوير خوارزمية استرجاع مركزة و عالية الدقة لمعامل Chl-a بناءً على بيانات COCTS من المتطلبات الأساسية لدعم أبحاث مراقبة المحيطات والتغير المناخي باستخدام بيانات الأقمار الصناعية الذاتية. استندت هذه الدراسة إلى 2165 مجموعة بيانات مُقاسة عالميًا لبناء نموذج الشبكة العصبية متعددة الطبقات (MLP-NN) المعتمد على نسبة انعكاس متعدد الأطياف (R_rs) و معلمات بيئية مستمدة من بيانات HY-1C/1D COCTS لتحقيق استرجاع دقيق لتركيز Chl-a في المياه عالمياً. من خلال تحليل حساسية عوامل الإدخال، تم تحديد التركيبة المثلى للمدخلات والتي تتضمن نسب الانعكاس R_rs عند الأطوال الموجية 412، 443، 490، 520، 565، 670 نانومتر، الجنبة، الشهر، متوسط درجة حرارة سطح البحر الشهري السابق، والمعلمات الإشعاعية الفعالة للطور الضوئي المناخي للشهر السابق. أظهرت نتائج التحقق أن جذر متوسط مربع الفروق (RMSD) لتركيز Chl-a المحسوب بعد التحويل اللوغاريتمي من نموذج MLP-NN بلغ 0.22، وبلغ الانحراف النسبي المطلق المتوسط (MAPD) 29.1%، مما يقلل عن خوارزمية مؤشر لون المياه التجارية التابعة لـNASA (OCI) بنسبة 0.1 و16.9%، على التوالي. أظهرت تحقق إضافي عن طريق مطابقة بيانات القمر الصناعي والبيانات الميدانية أن RMSD و MAPD لتركيز Chl-a المقدَّر من نموذج MLP-NN يقلان بنسبة 0.09 و9.8% مقارنة بخوارزمية OCI، مما يدل على ثبات الخوارزمية الممتاز. تقدم هذه الدراسة طريقة مبتكرة للأقمار الصناعية المحلية في مجال رصد النظام البيئي البحري، معززة القدرة على استخدام بيانات أقمار HY-1C/1D لرصد تركيز Chl-a عالمياً.

الكلوروفيل-أ (Chl-a); نسبة الانعكاس عن بُعد; خوارزمية الاسترجاع; أقمار HY-1C/1D; الشبكات العصبية; COCTS; لون مياه المحيط