La concentración de clorofila-a (Chl-a) en los cuerpos de agua, como parámetro climático central, tiene una importancia esencial para la restauración remota precisa en investigaciones globales del ciclo del carbono, monitoreo y gestión del ambiente oceánico. Los satélites de la serie HY-1C/1D están equipados con el escáner de temperatura y color del agua oceánica (COCTS), que permite una monitorización global del color del océano a escala kilométrica. El desarrollo de un algoritmo de inversión preciso de Chl-a basado en datos COCTS es un requisito fundamental para soportar investigaciones autónomas con datos satelitales para el monitoreo oceánico y el estudio del cambio climático. Este estudio, basado en 2165 conjuntos de datos medidos globalmente, construyó un modelo de red neuronal perceptrón multicapa (MLP-NN) basado en la reflectancia multibanda (R_rs) y parámetros ambientales obtenidos del sensor COCTS de HY-1C/1D, logrando una inversión precisa de la concentración global de Chl-a en cuerpos de agua. Mediante análisis de sensibilidad de factores de entrada, se determinó la mejor combinación de entradas, que incluye reflectancia R_rs en las bandas de 412, 443, 490, 520, 565 y 670 nm, latitud, mes, temperatura superficial del mar promedio del mes anterior y parámetros de radiación fotosintéticamente activa climática del mes anterior. Los resultados de validación muestran que la desviación cuadrática media (RMSD) de la concentración logarítmica estimada por el modelo MLP-NN es 0.22, y la desviación porcentual absoluta mediana (MAPD) es 29.1%, reduciéndose en 0.1 y 16.9% respectivamente en comparación con el algoritmo comercial del índice de color de agua (OCI) de la NASA. La validación adicional con coincidente de datos satelitales y medidos revela que la RMSD y MAPD del Chl-a estimado por el modelo MLP-NN se reducen en 0.09 y 9.8% respectivamente frente al algoritmo OCI, mostrando excelente robustez del algoritmo. Este estudio proporciona un método innovador para satélites nacionales en el campo de monitoreo ecológico oceánico, mejorando significativamente la capacidad de usar observaciones satelitales HY-1C/1D para la concentración global de Chl-a.

Clorofila-a (Chl-a); reflectancia de teledetección; algoritmo de inversión; satélites HY-1C/1D; red neuronal; COCTS; color del agua oceánica