丁一，黃娟，崔廷偉，萬振文，張怡，曹叢華，陳超，肖艷芳

(1.山東省海洋生態(tài)環(huán)境與防災減災重點實驗室，山東 青島 266061；2.國家海洋局 北海預報中心，山東 青島 266061；3.國家海洋局 第一海洋研究所，山東 青島 266061；4.丹麥氣象研究所，丹麥；5.浙江海洋大學 海洋科學與技術學院，浙江 舟山，316004)

基于NDVI與豐度關系的MODIS影像滸苔混合像元分解方法

丁一1，2，黃娟1，2，崔廷偉3，萬振文4，張怡1，2，曹叢華1，2，陳超5，肖艷芳3

(1.山東省海洋生態(tài)環(huán)境與防災減災重點實驗室，山東 青島 266061；2.國家海洋局 北海預報中心，山東 青島 266061；3.國家海洋局 第一海洋研究所，山東 青島 266061；4.丹麥氣象研究所，丹麥；5.浙江海洋大學 海洋科學與技術學院，浙江 舟山，316004)

MODIS影像是滸苔業(yè)務化衛(wèi)星遙感監(jiān)測的重要數據源，但其空間分辨率(250 m)較低，混合像元效應導致傳統的NDVI(Normalized Difference Vegetation Index)閾值法滸苔提取誤差較大。為解決此問題，本文以準同步的較高分辨率的HJ-1 CCD影像滸苔提取結果為基準，建立基于MODIS NDVI與滸苔像元豐度(滸苔覆蓋面積占像元面積百分比)關系的滸苔信息提取模型，利用該模型可提取每個像元的豐度(即滸苔覆蓋率)，從而提高整景影像滸苔覆蓋面積提取精度。該模型可為滸苔災害等級的確定以及防災減災應急決策提供支持。

滸苔；MODIS；HJ-1 CCD；NDVI；豐度

1 引言

滸苔是一種繁殖能力和生命力強的大型綠藻，俗稱苔條、青海苔等，呈棉花絮狀，為綠藻門石莼目石莼科滸苔屬的藻類植物[1]，草綠色，既可分布在海水中，也可以在淡水中生長。2008年中國黃海滸苔是迄今為止世界范圍內最大規(guī)模的綠潮，持續(xù)時間3個多月，對沿岸水上運動、旅游、養(yǎng)殖和港口航運造成不同程度影響，直接經濟損失超13億元[2]。

掌握滸苔覆蓋、分布狀況是滸苔防災減災決策的先決條件。衛(wèi)星遙感具有大范圍、同步監(jiān)測的優(yōu)勢，在滸苔監(jiān)測中具有重要作用。2008年后相關學者針對滸苔衛(wèi)星遙感監(jiān)測開展了大量研究，主要進行不同起源的滸苔信息提取方法[3—9]，應用多源遙感手段建立滸苔多源立體監(jiān)測系統[9—10]，以及應用衛(wèi)星遙感監(jiān)測結果結合海洋動力環(huán)境信息開展?jié)G苔源頭和漂移分析[11—12]的研究。研究成果初步解決了滸苔災害應急監(jiān)測的問題，為滸苔業(yè)務化衛(wèi)星遙感監(jiān)測以及防災減災決策提供了技術支持。

2008年后國家海洋局針對黃海滸苔開始業(yè)務化衛(wèi)星遙感監(jiān)測，所用衛(wèi)星影像包括光學和SAR。光學影像主要包括MODIS和HJ-1 CCD影像，MODIS重訪周期短，可免費獲取，在業(yè)務化監(jiān)測中應用最廣泛。SAR影像主要包括Radarsat、Cosmo-Skymed和Terra-SAR，SAR影像具有全天時全天候監(jiān)測能力，但因其價格較高，業(yè)務化監(jiān)測中作為光學影像的補充。歸一化差值植被指數NDVI(Normalized Difference Vegetation Index)是陸地植被生長狀態(tài)及植被覆蓋度的最佳指示因子，在植被遙感中應用最為廣泛[14]。因此NDVI閾值法在光學影像滸苔提取中得到廣泛應用。由于MODIS影像空間分辨率(250 m)較低，混合像元問題嚴重；傳統NDVI閾值法是“硬分類”方法，忽視混合像元存在，導致滸苔提取誤差較大。此外受海況、天氣以及滸苔自身因素影響，閾值很難統一[5]，不同監(jiān)測人員選取的閾值往往不同，這進一步加大了結果的不確定性。部分學者針對中低分辨率影像監(jiān)測結果誤差較大的問題開展了初步分析，如崔廷偉等[12]對比分析了不同分辨率影像提取結果差異，鐘山等[13]分析了MODIS影像不同NDVI值閾值滸苔提取誤差。應用混合像元分解方法可提取每個滸苔像元豐度，從而解決“硬分類”方法導致誤差的問題，然而應用混合像元分解法解決MODIS影像滸苔信息提取未見相關報道。

因此本文參考準同步30 m空間分辨率HJ-1 CCD影像，建立基于MODIS NDVI與滸苔像元豐度關系的滸苔混合像元分解模型，從而避開端元選取對混合像元分解造成的影響。選擇晴空條件下準同步的250 m分辨率MODIS影像和30 m分辨率HJ-1 CCD影像為數據源，建立MODIS(NDVI，豐度)樣本集，然后應用樣本建立基于MODIS NDVI的滸苔像元豐度估算模型。通過模型可計算每個像元滸苔豐度，提取結果能區(qū)分不同區(qū)域滸苔疏密程度，同時可提高滸苔覆蓋面積總體估算精度，從而解決傳統閾值法滸苔信息提取不能解決混合像元導致誤差較大的問題。

2 數據和方法

2.1 數據

本文采用準同步的MODIS和HJ-1 CCD影像開展研究(圖1和圖2)，2013年6月29日，滸苔處于爆發(fā)期，天氣晴朗，MODIS和HJ-1影像成像時間(北京時間)分別是10：21和9：50。2014年5月26日，滸苔處于發(fā)展中期，天氣有輕微薄霧，MODIS和HJ-1成像時間(北京時間)分別是10：03和9：45。其中，MODIS影像地面分辨率250 m，掃描寬度為2 330 km，有紅和近紅2個波段[15]。HJ-1A和HJ-1B衛(wèi)星上均裝載的兩臺CCD相機，聯合完成對地刈幅寬度為700 km、地面分辨率為30 m、4個譜段的推掃成像，其中3、4波段為紅波段和近紅波段[16]。

圖1 2013年6月29日MODIS(a)和HJ-1 CCD(b)衛(wèi)星影像Fig.1 Satellite images shot on June 29，2013 by MODIS (a) and HJ-1 CCD (b)

圖2 2014年5月26日MODIS(a)和HJ-1 CCD(b)衛(wèi)星影像Fig.2 Satellite images shot on May 26，2014 by MODIS (a) and HJ-1 CCD (b)

2.2 方法

為發(fā)現MODIS影像滸苔像素NDVI與滸苔豐度對應關系，以HJ-1 CCD滸苔提取結果為參考，計算MODIS影像滸苔像元NDVI對應的豐度，應用(NDVI，豐度)樣本集建立基于以MODIS 影像滸苔像元NDVI值為變量的豐度反演模型，利用該模型反演MODIS影像滸苔像元的豐度。其中，NDVI由MODIS影像計算得到，豐度由與NDVI像元時空匹配的HJ-1 CCD滸苔提取結果計算得到。模型建立流程見圖3。

圖3 建模流程圖Fig.3 Procedures of building the model

(1)影像處理，首先應用ENVI4.7輻射定標模塊、幾何校正模塊和FLASSH大氣校正模塊對MODIS影像和HJ-1 CCD影像進行輻射標定、幾何校正、大氣校正等預處理操作，然后計算兩景影像的NDVI值，并應用NDVI閾值法結合人工解譯提取HJ-1 CCD影像中滸苔信息，得到(0，1)滸苔結果圖，1表示滸苔，0表示海水。

(2)子圖像裁切和配準，從MODIS NDVI圖像和HJ-1 CCD滸苔提取結果圖中裁切子圖像對，以MODIS NDVI為基準對HJ-1 CCD提取結果進行配準，配準誤差小于1個像元(通過裁切子圖像進行子影像對之間配準可有效降低配準對樣本誤差造成的影響)。其中HJ-1 CCD(0，1)結果子圖像比MODIS稍大一些，可保證配準后NDVI像元都能在HJ-1 CCD結果圖中找到對應的區(qū)域。

(3)樣本集建立，樣本由MODIS NDVI及其對應像素滸苔豐度組成，其中NDVI從MODIS NDVI子圖像中讀取，對應豐度由HJ-1滸苔提取結果圖計算，計算方法是通過MODIS NDVI值對應像素位置，獲取HJ-1 CCD滸苔提取結果圖中同位置窗口，窗口內包含9×9個像素(270 m×270 m)，通過統計窗口內滸苔像素個數n(見圖4)，計算出該NDVI對應的滸苔豐度a=n/81，應用該方法讀取子圖像對內所有NDVI像素對應的豐度值，從而建立(NDVI，豐度)樣本集。需要指出的是，MODIS NDVI對應像素大小為250 m×250 m，豐度計算窗口為9×9，對應大小為270 m×270 m，窗口大小不同對樣本精度可能造成一定影響(見討論部分)，但本文未對影像重采樣使窗口大小一致，是為了防止重采樣引入新的誤差。

本文從2013年6月29日準同步MODIS影像和HJ-1 CCD影像中裁切10對子圖像見圖5，在整景影像中位置見圖6。應用10對子圖像按照上述樣本采集方法建立(NDVI，豐度)樣本集。

(4)應用(NDVI，豐度)樣本集，建立豐度反演模型，進而計算整景影像滸苔覆蓋面積。并應用2景影像，參考HJ-1 CCD提取結果檢驗模型精度。

3 結果

3.1 基于NDVI的滸苔豐度反演模型

應用2013年6月29日影像對中裁切的10對子圖像(見圖5)建立(NDVI，Abundance)樣本集(散點見圖7)，計算樣本中NDVI與對應豐度間的相關系數為0.79。樣本集中，NDVI小于-0.3的所有樣本其對應的豐度值都為0，因此去掉了NDVI小于等于-0.3的樣本。應用剩余樣本建立滸苔像元豐度與NDVI關系模型(式1)，R2=0.635。

圖4 MODIS NDVI(a)與HJ-1 CCD滸苔覆蓋(b)對應關系Fig.4 Matchup between MODIS NDVI(a) and HJ-1 CCD (b)Enteromorpha coverage

圖5 10對子圖像(a.MODIS NDVI；b.HJ-1 CCD)Fig.5 10 pairs of sub-images (a.MODIS NDVI；b. HJ-1 CCD)

圖6 10對子圖像的位置(a.MODIS NDVI，b.HJ-1 CCD)Fig.6 Locations of 10 pairs of sub-images(a.MODIS NDVI，b.HJ-1 CCD)

圖7 樣本散點和滸苔像元NDVI與豐度關系模型曲線Fig.7 Scattered samples and regressive curve of Enteromorpha pixels NDVI and abundance

圖8 模型驗證所用2對子圖像(a、b.2014年MODIS NDVI和HJ-1 CCD滸苔提取結果，c、d.2013年相應的影像對)Fig.8 Two image-couplets for model validation MODIS NDVI and HJ-1 CCD subimages in 2014(a、b) and 2013 (c、d)

圖9 模型反演豐度(棕點)與HJ-1CCD計算豐度(藍點)的對比Fig.9 Contrast of derived Entromorpha abundance (brown spots) with the abundance calculated from HJ-1 CCD (blue spots) in 2014 (a) and 2013 (b)

(1)

式中，y為滸苔像元豐度，x為NDVI值。

3.2 模型驗證

應用HJ-1 CCD提取結果驗證模型結果，為保證二者之間配準精度，本文分別從2014年和2013年MODIS NDVI圖像和HJ-1 CCD結果圖中裁切子圖像對(見圖8)進行空間配準，應用本文發(fā)展模型計算MODIS子影像中每個滸苔像素的豐度，然后應用配準后的HJ-1 CCD滸苔提取結果計算MODIS NDVI滸苔像素的豐度來驗證模型計算的豐度。MODIS圖像NDVI與上述兩種方式計算豐度散點圖見圖9，從圖中可以看出HJ-1 CCD計算結果相對均勻分布于模型計算結果兩側。2013年和2014年HJ-1 CCD計算豐度和模型計算豐度間相關系數分別為：0.69和0.60，差值均值為-0.02和-0.03；HJ-1 CCD計算兩景MODIS子圖像滸苔覆蓋面積分別為2.99 km2和1.27 km2，模型計算面積分別為2.79 km2和1.01 km2，總面積差分別為：-0.20 km2和-0.26 km2。

3.3 模型應用

應用本文發(fā)展模型對2014年5月26日和2013年6月29日整景MODIS影像進行滸苔信息提取。信息提取分為兩步：(1)應用閾值法結合人工解譯，提取MODIS影像中所有滸苔像元；(2)應用模型計算滸苔像元的滸苔豐度，然后根據滸苔像元豐度計算整景影像中滸苔覆蓋面積。2014年和2013年MODIS影像滸苔像元豐度反演結果見圖10。為評估模型提取的滸苔覆蓋面積，與應用NDVI閾值法結合人工解譯提取準同步HJ-1 CCD影像滸苔覆蓋面積進行對比分析，2014年和2013年HJ-1 CCD影像滸苔提取結果見圖11，滸苔覆蓋面積分別為397 km2和259 km2。應用本文模型計算豐度然后求取整景影像中滸苔覆蓋面積分別為：415 km2和189 km2，其與環(huán)境提取面積相對偏差分別為4.5%和-27%。模型對兩期MODIS影像滸苔覆蓋面積估算精度相對偏差不同的原因分析見4.2節(jié)。

圖10 MODIS影像滸苔像元與反演的豐度Fig.10 The MODIS Enteromorpha pixels and derived abundance

圖11 HJ-1 CCD滸苔提取結果圖Fig.11 Enteromorpha detected with HJ-1 CCD images

4 討論

4.1 模型誤差分析

從模型樣本集散點圖(見圖7)、模型單個像素驗證(見圖9)以及覆蓋面積驗證和應用情況來看，樣本以及單個像素驗證情況精度都比較低，而對整景影像覆蓋面積提取結果與HJ-1 CCD滸苔提取結果對比，精度比較高。原因分析如下：

(1)子圖像間配準對樣本和模型的影響

本文以MODIS NDVI為基準，對HJ提取結果進行配準，子圖像對之間分辨率差別較大，且配準點和參考點都是滸苔像元，選擇難度也較大。因此子影像對間配準必然存在誤差，會對(NDVI，豐度)樣本建立以及驗證過程中應用HJ-1 CCD提取結果計算豐度產生影響，特別是在滸苔覆蓋區(qū)域的邊緣影響較大。滸苔邊緣配準偏差對樣本中豐度計算產生的誤差模擬分析見圖12，圖中黑框代表MODIS像元，0，1表示HJ-1 CCD提取滸苔結果，現有位置關系表示MODIS

影像和HJ-1 CCD提取結果正確配準。若MODIS影像與HJ-1 CCD配準右偏1個像素和右下偏1個像素，那么產生誤差見表1。右偏和右下方向偏差1個像素時，豐度值計算誤差較大，分別為0.12和0.21，如果配準誤差2個像素，那么對豐度計算產生更大誤差。同樣道理配準對于低覆蓋區(qū)豐度計算也會產生較大影響。

圖12 配準對樣本豐度計算的影響示意圖Fig.12 The influence of calibration to the sample abundance calculation

真實豐度右偏1像素豐度/誤差右下偏1像素豐度/誤差左邊像素022033/+011043/+021右邊像素072060/-012051/-021

結合圖12和表1可以得出，在滸苔斑塊一側豐度樣本因配準誤差被夸大，那么另一側會相應的偏低，且偏差基本相等，這導致樣本向著模型曲線的兩側(見圖7)對稱偏離，相關性下降。但同時指出，豐度值偏大的像素數和偏小的是等量的，且偏移量基本相等，因此對模型的精度影響不大，這與樣本散點圖、評價散點圖較分散和但整景影像滸苔覆蓋面積提取精度較高是吻合的。

(2)樣本窗口大小不統一

MODIS影像一個像元大小為250 m×250 m，文中計算豐度時，對應的HJ-1 CCD窗口為9×9個即為270 m×270 m，因此豐度樣本整體會偏大一些，這對模型建立會有一定影響。因此若應用更高分辨率影像作為參考，可以避免窗口大小不匹配、配準誤差較大以及參考HJ-1 CCD影像也存在混合像元等問題對豐度樣本的影響，從而提高模型滸苔覆蓋面積估算精度。

(3)其他影響因素

MODIS影像NDVI值除受像元滸苔豐度影響外，還受漂浮和懸浮狀態(tài)、天氣條件等因素影響[5]。本文選擇滸苔大量繁殖的暴發(fā)期、晴空條件下影像開展研究，可部分消除漂懸浮狀態(tài)和天氣對NDVI影響。此外，NDVI值還可能受海況的影響，進而影響模型精度。

4.2 模型適用性分析

應用本文模型，計算每個滸苔像元豐度，通過圖10可以看出，豐度圖可以反映不同海域滸苔分布以及疏密不同。應用豐度圖計算總的覆蓋面積比NDVI閾值法精度有大幅度提高。其中2013年與HJ-1 CCD提取結果相對偏差為4.5%，2014年為-27%。2014年相對偏差較大原因是，該期影像有薄霧，使影像中滸苔像素NDVI值偏低，導致NDVI閾值法不能檢測到低豐度區(qū)滸苔像元，對照圖8中HJ-1 CCD提取滸苔結果可以看出，受云霧和分辨率影響MODIS影像不能檢測到影像中左邊部分滸苔，同時也導致較高豐度區(qū)滸苔像素模型計算豐度偏低，綜合二者使整景影像滸苔檢測面積偏小。

NDVI與豐度的關系模型，是在天氣晴朗情況下建立的，對薄云霧情況下，影像NDVI值受影響，不能有效檢測到稀疏滸苔，則模型提取結果比滸苔真實面積偏小。模型建立所用衛(wèi)星影像是滸苔爆發(fā)期，對于量小、分布稀疏的滸苔發(fā)展初期，MODIS影像受分辨率影響不能檢測到所有滸苔像元，模型檢測結果會偏小，因此建議早期應用高分辨率影像開展?jié)G苔監(jiān)測。

5 總結

本文以準同步、較高分辨率HJ-1 CCD影像為參考，建立了基于NDVI和滸苔像元豐度關系的MODIS影像滸苔像元豐度反演模型。模型可反演MODIS影像中每個滸苔像元豐度，應用滸苔像元豐度計算影像中滸苔覆蓋面積，可較大大幅度提高MODIS整景影像滸苔覆蓋面積估算精度。

滸苔覆蓋面積提取是滸苔業(yè)務監(jiān)測的重要內容，是滸苔災害防災減災中災害定級以及應急決策的依據，應用本文發(fā)展模型提取的滸苔覆蓋面積，可提高災害定級和應急決策的準確性。

考慮到本文發(fā)展模型受到空間配準影響，以及參考影像HJ-1 CCD同時也會存在混合像元的問題，因此為了進一步提高模型精度，可選擇更高空間分辨率的影像作為參考，以有效避免窗口大小不匹配和參考影像混合像元存在導致的樣本誤差，同時考慮天氣、滸苔懸浮狀態(tài)、生長期等影響滸苔像元豐度的因子，進一步開展MODIS影像滸苔像元豐度反演研究。

致謝：感謝數據提供單位，其中MODIS數據從國家氣象局Vsat廣播系統獲取，HJ-1 CCD數據由衛(wèi)星資源應用中心提供。

[1] 吳洪喜，徐愛光，吳美寧.滸苔實驗生態(tài)的初步研究[J]. 浙江海洋學院學報 (自然科學版)，2000，19(3): 230-234．

Wu Hongxi，Xu Aiguang，Wu Meining. Preliminary study on experimental ecology ofEnteromorphaprolifera[J]. Journal of Zhejiang Ocean University(Natural Science)，2000，19(3):230-234．

[2] 刑婷. 滸苔之困[N].中國青年報，2011.08.01(05).

Xing Ting. Enteromorpha disaster [N]. China Youth Daily，2011.08.01(05).

[3] Wei Shi，Wang Menghua. Green macroalgae blooms in the Yellow Sea during the spring and summer of 2008[J].J Geophys Res，2009，114：C12010.

[4] Hu Chuanmin，Li Daqiu，Chen Changsheng，et al. On the recurrent Ulvaprolifera blooms in the Yellow Sea and East China Sea[J]. J Geophys Res，2009，115：C05017.

[5] 孫凌，郭茂華，李三妹，等. 用FY-3A MERSI進行青島海域滸苔監(jiān)測[J]. 遙感信息，2010(1):64-68．

Sun Ling，Guo Maohua，Li Sanmei，et al.Enteromorphaproliferamonitoring with FY-3A MERSI around the sea area of Qingdao [J].Remote Sensing Information，2010(1):64-68.

[6] 李三妹，李亞君，董海鷹，等. 淺析衛(wèi)星遙感在黃海滸苔監(jiān)測中的應用[J]. 應用氣象學報，2010(1):76-82．

Li Sanmei，Li Yajun，Dong Haiying，et al. Satellite remote sensing application toEnteromorphaproliferamontoring in the Yellow Sea.[J].Journal of Applied Meteorological Science，2010(1)：76-82．

[7] 劉振宇，江濤. 基于MODIS數據的滸苔信息提取方法研究[J].測繪科學，2008(S1):113-114．

Liu Zhenyu，Jiang Tao. The research on the way ofExtractingenteromorphaprolifera on the basis of MODIS[J]. Science of Surveying and Mapping，2008(S1):113-114．

[8] 曾韜，劉建強. “北京一號”小衛(wèi)星在青島近海滸苔災害監(jiān)測中的應用[J]. 遙感信息，2009(3):34-37．

Zeng Tao，Liu Jianqiang.The application of Beijing-1 micro satellite data to algae disaster monitoring in the sea of Qingdao[J]. Remote Sensing Information，2009(3):34-37．

[9] 蔣興偉，劉建強，鄒斌，等. 滸苔災害衛(wèi)星遙感應急監(jiān)視監(jiān)測系統及其應用[J]. 海洋學報，2009，31(1):52-64．

Jiang Xingwei，Liu Jianqiang，Zou Bin，et al.The satellite remote sensing system used in emergency response monitoring forEntermorphaproliferadisaster and its application[J].Haiyang Xuebao，2009，31(1):52-64．

[10] 顧行發(fā)，陳興峰，尹球，等. 黃海滸苔災害遙感立體監(jiān)測[J]. 光譜學與光譜分析，2011，31(6):1627-1632．

Gu Xingfa，Chen Xingfeng，Yin Qiu，et al. Stereoscopic remote sensing used in monitoringEnteromorphaprolifradisaster in Chinese Yellow Sea[J]. Spectroscopy and Spectral Analysis，2011，31(6):1627-1632．

[11] 邢前國，鄭向陽，施平，等. 基于多源、多時相遙感影像的黃、東海綠潮影響區(qū)檢測[J]. 光譜學與光譜分析，2011，31(6):1644-1647．

Xing Qianguo，Zheng Xiangyang，Shi Ping，et al. Monitoring green tide in the Yellow Sea and the East China Sea using multitemporal and multisource remote sensing images[J]. Spectroscopy and Spectral Analysis，2011，31(6):1644-1647．

[12] Cui Tingwei，Zhang Jie，Sun Li’e，et al. Satellite monitoring of massive green macroalgae bloom (GMB): imaging ability comparison of multi-source data and drifting velocity estimation[J]. International Journal of Remote Sensing，2012，33(17):5513-5527．

[13] 鐘山，丁一，李振，等. MODIS滸苔遙感監(jiān)測誤差分析研究[J]. 遙感信息，2013，28(1):38-42．

Zhong Shan，Ding Yi，Li Zhen，et al. Error analysis onEnteromorphaproliferamonitoring using modis data[J]. Remote Sensing Information，2013，28(1):38-42．

[14] 趙英時，陳冬梅，李小明.遙感應用分析原理與方法[M]. 北京：科學出版社，2003．

Zhao Yingshi，Chen Dongmei，Li Xiaoming. Analysis principle and method of remote sensing applications[M]. Beijing：Science Press，2003．

[15] http://modis.gsfc.nasa.gov/about/design.php

[16] http://www.cresda.com/n16/n1130/n1582/8384.html

The decomposition method of MODIS imagesEnteromorphamixed pixels based on the relation of NDVI to abundance

Ding Yi1，2，Huang Juan1，2，Cui Tingwei3，Wan Zhenwen4，Zhang Yi1，2，Cao Conghua1，2，Chen Chao5，Xiao Yanfang3

(1.ShandongProvincialLaboratoryofMarineEcologyandEnvironment&DisasterPreventionandMitigation，Qingdao266061，China；2.NorthChinaSeaMarineForecastingCenter，StateOceanicAdministration，Qingdao266061，China；3.FirstInstituteofOceanography，StateOceanicAdministration，Qingdao266061，China；4.DanishMeteorologicalInstitute，Denmark; 5.MarineScienceandTechnologyCollege，ZhejiangOceanUniversity，Zhoushan316004，China)

MODIS images are valuable data source generated from operational satellite remote sensing for monitoringEnteromorphain the Yellow Sea. However，there are large errors inenteromorpha coverage derived on base of NDVI Threshold Method，because of mixed pixels in the coarse resolution(250 m) MODIS images. To solve the problem，this paper，using the near real-time HJ-1 CCD images as reference，the “NDVI-abundance” decomposition of mixed pixel model was established. The developed model can significantly improve the extractedEnteromorphainformation. As the method presented here can extract more accurate information，it is speculated to play a significant role in copying withEnteromorphadisasters.

Enteromorpha; MODIS; HJ-1 CCD; NDVI;abundance

10.3969/j.issn.0253-4193.2015.07.012

2014-09-04；

2014-12-08。

國家海洋局青年海洋科學基金項目(2012405)；海洋公益性行業(yè)科研專項經費項目(201205010，2013418025-2)；國家海洋局第一海洋研究所基本科研業(yè)務費專項資金項目(GY0214T03)。

丁一(1979—)，男，山東省日照市人，工程師，主要從事海洋環(huán)境遙感監(jiān)測和GIS應用研究。E-mail：dingyi@bhfj.gov.cn

X55;X87

A

0253-4193(2015)07-0123-09

丁一，黃娟，崔廷偉，等. 基于NDVI與豐度關系的MODIS影像滸苔混合像元分解方法[J]. 海洋學報，2015，37(7): 123-131，

Ding Yi，Huang Juan，Cui Tingwei，et al. The decomposition method of MODIS imagesEnteromorphamixed pixels based on the relation of NDVI to abundance[J]. Haiyang Xuebao，2015，37(7): 123-131，doi：10.3969/j.issn.0253-4193.2015.07.012