百慕大生物光学项目（BBOP）

Bermuda Bio-Optics Project (BBOP)

简介

确定开阔海洋的水下光照可用性对于了解与气候相关的生物地球化学循环（包括碳循环）以及浮游植物和细菌的生产力具有重要作用。 对这些过程的全面了解有助于提高基于卫星的全球海洋叶绿素和初级生产力测量的准确性。光在水体中的透过率受各种成分对辐射的吸收调节，这些成分包括浮游植物、碎屑和其他颗粒物质，以及溶解有机物（CDOM）中的发色团部分。 由于 CDOM 在海洋光化学中的作用，包括产生活性氧（ROS）等化合物的直接和间接光解过程，以及二甲基硫醚（DMS）等其他化合物的光氧化过程，因此了解 CDOM 的循环及其调节过程尤为重要。这些反应最终会导致 CDOM 自身的光漂白，进而改变水下光的可用性。

百慕大生物光学项目（BBOP）是对开放海洋中水下光场调节因素及其产生的生物地球化学影响的长期研究。这些研究通常每月与百慕大-大西洋时间序列（BATS）在马尾藻海进行一次。BBOP 项目包括从水柱中分离化合物以及通过光谱光度法/荧光法测定它们，以创建开放海洋水中其季节性/年度周期的综合模型。

另一派 BBOP 获取放射性数据以证实 NASA 的 Seawifs（海洋观测宽视场传感器）项目卫星测量结果，该项目使用海洋颜色算法来确定海洋水中的光学特性。因为这些海洋颜色数据提供了对初级生产力和海洋生物地球化学的理解，对其准确性的信心是无价的。因此，在每月的巡航中，部署了多通道剖面辐射计，在水下与表面参考辐射计以及地球轨道海洋颜色传感器的空中通过相结合。请访问 BBOP 数据页面，以获取各种在线数据资源，包括放射性剖面和表面数据、光合有效辐射（PAR）数据和色素数据。

摘要

Bermuda Bio-Optics Project (BBOP)是一个研究项目，旨在探索海洋生态系统中光学特性对光合作用和生物生态过程的影响。该项目主要关注浮游植物和其他海洋生物对太阳辐射的利用，以及其对海洋生态系统的影响。

BBOP项目使用先进的生物光学仪器和技术，对海洋生物的光学特性进行详细研究。研究人员通过收集和分析数据，探讨浮游植物如何吸收和利用光能进行光合作用，以及它们在海洋生态系统中的作用。这些研究有助于更好地理解海洋生物的生长、繁殖和生态适应性，以及海洋生态系统的整体功能。

BBOP项目的数据通常包括浮游植物的光学特性、光合作用效率、生物量和分布等信息。这些数据对于研究海洋生态系统的结构和功能、气候变化对海洋环境的影响等方面具有重要意义。

总的来说，BBOP项目通过研究海洋生物的光学特性，为我们更深入地了解海洋生态系统的运作机制和生物间相互作用提供了有价值的信息。

Light-absorbing Components 吸收性成分

使用 CTD 采集的水样，科学家分析悬浮颗粒（包括 CDOM）和浮游植物，以增加我们对开阔海域初级生产力和营养循环的理解。

Radiometric Observations 放射性观测

我们在海洋表面和不同深度测量光线，以计算各种参数，包括有多少光线击中海面，光线随着深度消失的速度有多快，以及有多少光线被水柱中的颗粒散射回来。这些测量有助于校准卫星测量并改进获取额外数据的数学算法。

Algorithm Development 算法开发

BBOP 科学家继续努力改进从海洋颜色卫星数据中获取各种信息（包括叶绿素浓度、CDOM 和颗粒后向散射光谱）的算法。BBOP 的时间序列观测数据提交给各种 NASA 数据库。

Atmospheric Dust 大气尘

我们对撒哈拉沙漠少量尘埃对百慕大附近遥感信号的影响感兴趣。为此，BBOP 科学家作为美国-AMMA 项目的一部分，参与了赤道大西洋的研究考察。

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify
 
import pandas as pd
import leafmap
 
url = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df
 
leafmap.nasa_data_login()
 
 
results, gdf = leafmap.nasa_data_search(
    short_name="BBOP",
    cloud_hosted=True,
    bounding_box=(-180.0, -90.0, 180.0, 90.0),
    temporal=("1988-10-20", "1988-10-31"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")