萬劍華，蘇 婧，盛 輝，陳艷攏，2*

(1.中國石油大學(xué)(華東)， 山東 青島 266580； 2.國家海洋環(huán)境監(jiān)測(cè)中心， 遼寧 大連 116023)

0 引言

綠潮是在特定的環(huán)境條件下，海水中某些大型綠藻(如滸苔)爆發(fā)性增殖或高度聚集而引起一種有害生態(tài)現(xiàn)象[1]。綠潮雖然無毒，但極易造成水體污染[2]，破壞海洋中動(dòng)植物的生態(tài)環(huán)境，并且嚴(yán)重影響海洋漁業(yè)，造成巨大的經(jīng)濟(jì)損失，從而引起人們的高度重視[2-5]。

目前，國內(nèi)外許多學(xué)者對(duì)綠潮監(jiān)測(cè)進(jìn)行了研究。邢前國等利用不同空間分辨率、多時(shí)相的MODIS、Landsat-TM衛(wèi)星遙感數(shù)據(jù), 對(duì)2007-2010年間黃海、東海發(fā)生的綠潮進(jìn)行了監(jiān)測(cè)與評(píng)估[6]。王寧等基于MODIS數(shù)據(jù)，對(duì)比了5種常用的植被指數(shù)(NDVI(normalized difference vegetation index)、EVI(enhanced vegetation index)、ARVI(average registration vegetation index)、RVI(ratio vegetation index)和DVI(difference vegetation index)對(duì)不同生長階段綠潮的探測(cè)能力，在此基礎(chǔ)上，利用最優(yōu)指數(shù)開展了2014年黃海綠潮的過程分析，并與歷年監(jiān)測(cè)結(jié)果進(jìn)行了對(duì)比[7]。目前應(yīng)用光學(xué)遙感影像對(duì)綠潮監(jiān)測(cè)的研究已相對(duì)成熟，在綠潮業(yè)務(wù)化監(jiān)測(cè)方面，已由船舶走航的傳統(tǒng)探測(cè)方法轉(zhuǎn)變?yōu)槔肨ERRA/AQUA-MODIS和HY-1B衛(wèi)星、航空、船舶、岸基等多源監(jiān)測(cè)數(shù)據(jù)，開展多源數(shù)據(jù)融合技術(shù)[8]。

由于綠潮漂移速度快，所以在探測(cè)綠潮時(shí)需選擇具有高時(shí)間分辨率的遙感影像，GOCI數(shù)據(jù)的時(shí)間分辨率遠(yuǎn)遠(yuǎn)大于MODIS(moderate-resolution imaging spectroradiometer)、HY-1等衛(wèi)星數(shù)據(jù)，并且GOCI作為第一顆靜止水色成像儀，能夠?yàn)榫G潮監(jiān)測(cè)提供更加精確的數(shù)據(jù)信息，地球同步軌道的觀測(cè)位置及高時(shí)空分辨率等特點(diǎn)更適合海洋綠潮監(jiān)測(cè)研究。而在遙感數(shù)據(jù)選擇時(shí)，并未選擇GOCI數(shù)據(jù)，GOCI數(shù)據(jù)能否應(yīng)用于綠潮的業(yè)務(wù)化監(jiān)測(cè)有待證明，也正是本文所要驗(yàn)證的內(nèi)容。同時(shí)GOCI作為光學(xué)遙感數(shù)據(jù)，具有一定的局限性——在有云層遮擋時(shí)無法實(shí)現(xiàn)對(duì)地面的有效監(jiān)測(cè)。針對(duì)于GOCI的數(shù)據(jù)特點(diǎn)和局限性，本文通過提取綠潮在黃海海域的覆蓋范圍和統(tǒng)計(jì)黃海海域在綠潮發(fā)生期間云的覆蓋情況，探究黃海上空云籠罩對(duì)觀測(cè)綠潮的影響程度，以此來論證利用靜止軌道衛(wèi)星開展綠潮業(yè)務(wù)化監(jiān)測(cè)的可行性。

1 數(shù)據(jù)

1.1 研究區(qū)與數(shù)據(jù)

我國黃海近海海域?yàn)榫G潮主要發(fā)生區(qū)域，經(jīng)緯度范圍為33°N-37°N，119°E-123°E。自 2007年以來, 黃海海域每年5月初～8月中下旬綠潮會(huì)呈現(xiàn)從暴發(fā)到消亡的過程，導(dǎo)致海洋生態(tài)環(huán)境被破壞以及經(jīng)濟(jì)損失[9-10]。圖1為研究區(qū)范圍圖。

COMS(communication,ocean,and meteorological satellite)是韓國在2010年發(fā)射的全球首顆靜止軌道海洋水色衛(wèi)星，能對(duì)我國黃海、渤海、東海海域范圍內(nèi)進(jìn)行靜止觀測(cè)。由于靜止軌道水色衛(wèi)星與地球同步，相對(duì)于地球靜止，從而實(shí)現(xiàn)觀測(cè)周期由天提高到小時(shí)。其搭載的GOCI水色成像儀具有八個(gè)波段，每小時(shí)采集一景影像數(shù)據(jù)，具有8景/天的高時(shí)間分辨率，而且空間分辨率為500 m，能夠?yàn)闁|、黃海地區(qū)大范圍、實(shí)時(shí)綠潮監(jiān)測(cè)提供數(shù)據(jù)保障。由于IKONOS、GeoEye-1、EROS-A等陸地資源衛(wèi)星的過境時(shí)間均為上午10∶00左右，此時(shí)星下點(diǎn)噪聲少，在臨近正午時(shí)分，太陽高度角大，太陽輻射強(qiáng)，綠潮的反射率大，在此時(shí)更容易探測(cè)綠潮。所以本次實(shí)驗(yàn)選擇的是2015、2016和2017年5月15日～8月15日的黃海區(qū)域GOCI數(shù)據(jù)正午時(shí)分的第3景數(shù)據(jù)。

圖1 研究區(qū)Fig.1 The study area

1.2 數(shù)據(jù)預(yù)處理

水色衛(wèi)星影像通常需進(jìn)行大氣校正，以剔除大氣分子瑞利散射和氣溶膠散射的影響。瑞利散射在大氣影響中占主導(dǎo)，氣溶膠散射影響相對(duì)較小且隨波長的增加呈減小趨勢(shì)。在綠潮探測(cè)常用的紅光和近紅外波段中，氣溶膠散射貢獻(xiàn)小于綠潮信號(hào)，因此綠潮衛(wèi)星遙感監(jiān)測(cè)時(shí)通?？芍贿M(jìn)行瑞利散射校正[11-12]。本文利用GDpS(GOCI data processing software)軟件進(jìn)行GOCI影像的瑞利散射校正。

遙感成像的時(shí)候，由于飛行器的姿態(tài)、高度、速度以及地球自轉(zhuǎn)等因素的影響，造成圖像相對(duì)于地面目標(biāo)發(fā)生幾何畸變，這種畸變表現(xiàn)為像元相對(duì)于地面目標(biāo)的實(shí)際位置發(fā)生擠壓、扭曲、拉伸和偏移等。針對(duì)于這種現(xiàn)象，本文選取的GOCI數(shù)據(jù)基于自帶的經(jīng)緯度信息(GLT)來實(shí)現(xiàn)對(duì)影像的幾何校正。

由于綠潮的光譜特征與植被的光譜特征相似，為了避免將綠潮與植被混淆，需要對(duì)陸地進(jìn)行掩膜，將陸地范圍掩膜掉，獲得研究區(qū)域的海洋范圍。圖2為2016年6月9日裁剪后研究區(qū)假彩色影像圖。

圖2 2016年6月9日研究區(qū)影像圖Fig.2 On June 9, 2016 images of research area

2 研究方法

為探究利用靜止軌道衛(wèi)星進(jìn)行綠潮業(yè)務(wù)化監(jiān)測(cè)的可行性，本文從兩個(gè)方面進(jìn)行研究，一是靜止軌道衛(wèi)星的綠潮探測(cè)能力，本文采用NDVI算法進(jìn)行探測(cè)，并制作綠潮飄移路徑圖，探究靜止軌道衛(wèi)星是否具有綠潮探測(cè)能力；二是靜止軌道衛(wèi)星對(duì)綠潮監(jiān)測(cè)的業(yè)務(wù)化能力，即能否實(shí)現(xiàn)動(dòng)態(tài)監(jiān)測(cè)，本文提取云區(qū)域范圍并統(tǒng)計(jì)云覆蓋面積，分析云層覆蓋對(duì)靜止軌道監(jiān)測(cè)綠潮的影響程度，從而分析靜止軌道衛(wèi)星能否實(shí)現(xiàn)對(duì)綠潮的動(dòng)態(tài)監(jiān)測(cè)。

2.1 綠潮探測(cè)算法

目前有六種主流的綠潮探測(cè)算法，分別是RVI、NDVI、EVI、KOSC、IGAG(index of floating green algae for GOCI)和OSABI(ocean surface algal bloom index)。蔡曉晴等利用目視解譯方法構(gòu)建了測(cè)試數(shù)據(jù)集，對(duì)比分析了各算法及其不同波段選擇方式的海霧探測(cè)能力。結(jié)果表明：NDVI算法的綠潮探測(cè)能力明顯優(yōu)于其他算法并且性能穩(wěn)定可靠，可作為GOCI綠潮監(jiān)測(cè)的首選算法[1]。所以本文對(duì)研究區(qū)內(nèi)的綠潮提取采用了NDVI算法。計(jì)算公式如下：

公式中，RNIR、RR分別為近紅外、紅光的瑞利校正反射率。

2.2 云提取算法

從反射特性來看，云層在可見光波段屬于漫反射物體，具有局部能量大，灰度均值高，方差小的特點(diǎn)[13]。云層在多光譜影像中表現(xiàn)為亮白色區(qū)域，掩蓋覆蓋下地物的光譜特征，使地物無法被準(zhǔn)確識(shí)別，嚴(yán)重影響數(shù)據(jù)的可靠性和可利用性。由于海霧和低云難以區(qū)分并且同樣對(duì)綠潮遙感探測(cè)有影響，本文在提取云時(shí)，將海霧歸為云體，利用云層和水體在低光譜的差異性[14]，采用閾值法，從圖像的灰度特征出發(fā)進(jìn)行最佳閾值的選擇，通過將圖像中各個(gè)像素的灰度值與最佳閾值進(jìn)行比較判別，依據(jù)與閾值的大小關(guān)系將圖像中對(duì)應(yīng)的像素劃分到不同的類別區(qū)域中，各區(qū)域內(nèi)部具有相似的屬性[15]。

在進(jìn)行云層提取時(shí)，首先確定云層與背景影像的最大反射比，計(jì)算公式如下：

εmax=βs(λmax)/βs(λmin)

公式中：εmax表示最大反射比，βs表示在412 nm、555 nm、660 nm、680 nm、865 nm的地表反射率，λmax和λmin表示這五個(gè)波段的最大和最小反射率。根據(jù)目視解譯和測(cè)試不同的閾值提取結(jié)果表明，εmax=1.25時(shí)，能夠很好的區(qū)分云與水體。采用閾值法，將閾值確定為1.25，提取云覆蓋范圍。

3 實(shí)驗(yàn)結(jié)果分析

基于2017年靜止軌道衛(wèi)星GOCI數(shù)據(jù)，本文采用了NDVI算法進(jìn)行綠潮范圍監(jiān)測(cè)，并制作2017年黃海區(qū)域的綠潮飄移路徑圖，探究GOCI數(shù)據(jù)是否具有綠潮探測(cè)能力?；?015、2016年的GOCI數(shù)據(jù)，進(jìn)行精細(xì)化云提取，分析云層覆蓋對(duì)GOCI數(shù)據(jù)有效性的影響，探究GOCI數(shù)據(jù)是否具有動(dòng)態(tài)監(jiān)測(cè)能力。以此論證靜止軌道衛(wèi)星能否開展綠潮的業(yè)務(wù)化監(jiān)測(cè)。

3.1 綠潮探測(cè)能力

根據(jù)2017年GOCI數(shù)據(jù)反演結(jié)果(如圖3)，在5月下旬黃海中部(35°N，121.5°E)附近出現(xiàn)綠潮，分布面積約3 921 km2，實(shí)際覆蓋面積為1 226 km2；在6月中上旬綠潮向西北方向飄移，在青島、日照及周邊海域大量聚集，綠潮分布面積也逐漸擴(kuò)大；6月下旬沿海岸下向東北方向漂移，登陸青島、煙臺(tái)等市沿岸。在6月27日前后，綠潮分布面積達(dá)到15 874 km2，實(shí)際覆蓋面積為8 862 km2。根據(jù)2017年獲得的綠潮漂移路徑，可得出結(jié)論：利用GOCI數(shù)據(jù)，采用NDVI的算法，可以有效獲取綠潮的覆蓋信息，包括綠潮的分布面積和實(shí)際覆蓋面積，并且能夠得到研究期間的綠潮大致的漂移路徑，從而可以說明GOCI數(shù)據(jù)具有良好的綠潮探測(cè)能力。

圖3 2017年綠潮漂移路線圖Fig.3 2017 Green tide drift road map

3.2 動(dòng)態(tài)監(jiān)測(cè)能力

由漂移路徑圖可看出，時(shí)間間隔有長有短， 最短的時(shí)間間隔僅相差1天， 而最長的時(shí)間間隔則相差13天。由于時(shí)間間隔較長并且不穩(wěn)定，所以無法得到準(zhǔn)確的漂移路線。造成這種現(xiàn)狀的原因是有效數(shù)據(jù)的缺失，即由于云層的覆蓋，導(dǎo)致所獲取到的數(shù)據(jù)無法進(jìn)行綠潮信息提取。

根據(jù)統(tǒng)計(jì)的云覆蓋面積，在2015年共90天里，其中5月22日、5月26日、5月31日、6月4日和7月23日無數(shù)據(jù)，云覆蓋面積大于75%的共23天，占總天數(shù)的26%；云覆蓋面積大于50%且小于75%的有21天，占總天數(shù)的24%；云覆蓋面積小于50%的有44天，占總天數(shù)的50%。在2016年共93天里，云覆蓋面積大于75%的共25天，占總天數(shù)的28%；云覆蓋面積大于50%且小于75%的有13天，占總天數(shù)的14%；云覆蓋面積小于50%的有52天，占總天數(shù)的58%。研究區(qū)內(nèi)GOCI遙感影像的云層覆蓋比例大，獲取到的GOCI影像無法識(shí)別研究區(qū)域的所有地物特征，無法判別云層下是否有綠潮存在。在綠潮監(jiān)測(cè)過程中，這一現(xiàn)象造成了綠潮動(dòng)態(tài)監(jiān)測(cè)的數(shù)據(jù)空白。

圖4 2015和2016年統(tǒng)計(jì)圖Fig.4 The statistical chart of 2015 and 2016

圖5 2015年和2016年統(tǒng)計(jì)圖Fig.5 The statistical chart of 2015 and 2016

由于綠潮的漂移速率快，在短時(shí)間內(nèi)時(shí)空位置便會(huì)發(fā)生較大變化，所以在監(jiān)測(cè)綠潮時(shí)需要短周期的影像數(shù)據(jù)。當(dāng)云層覆蓋度超過50%時(shí)，無法有效識(shí)別海面綠潮的覆蓋情況。在2015年共90天里，連續(xù)3天云層覆蓋率超過50%的有31天。在2016年共93天里，連續(xù)3天云層覆蓋率超過50%的有25天。 綠潮發(fā)生期間，云層的持續(xù)覆蓋率高，無法間隔一兩天獲取一幅有效的遙感影像，所以在云持續(xù)覆蓋期間，利用GOCI遙感影像無法實(shí)現(xiàn)對(duì)綠潮的動(dòng)態(tài)監(jiān)測(cè)。

4 結(jié)語

由于綠潮和海水具有明顯的光譜差異，所以利用光學(xué)遙感可以很好的將綠潮從海水中提取出來。但是，由于海域上空經(jīng)常云霧繚繞，云層覆蓋對(duì)于光學(xué)遙感監(jiān)測(cè)綠潮產(chǎn)生了極大的阻礙。在綠潮爆發(fā)時(shí)期，云層覆蓋降低了GOCI遙感影像監(jiān)測(cè)綠潮的有效數(shù)據(jù)利用率，約四分之一的數(shù)據(jù)無法使用，能夠準(zhǔn)確、有效提取綠潮的影像僅占總數(shù)據(jù)的三分之一，并且由于云層的持續(xù)覆蓋，也使利用GOCI遙感數(shù)據(jù)對(duì)綠潮的動(dòng)態(tài)監(jiān)測(cè)難以實(shí)現(xiàn)，故只利用靜止軌道衛(wèi)星難以開展綠潮的業(yè)務(wù)化監(jiān)測(cè)。

SAR數(shù)據(jù)具有穿透云霧的特點(diǎn)，能夠?yàn)榫G潮監(jiān)測(cè)提供穩(wěn)定的數(shù)據(jù)源保障，隨著SAR衛(wèi)星數(shù)據(jù)時(shí)間分辨率的提高，將在綠潮業(yè)務(wù)化監(jiān)測(cè)中具有更大的應(yīng)用潛力。

[1] 蔡曉晴, 崔廷偉, 鄭榮兒, 等. 靜止海洋水色衛(wèi)星(GOCI)綠潮探測(cè)算法對(duì)比研究[J]. 遙感信息, 2014, 29(5):44-50.

CAI Xiaoqing, CUI Tingwei, ZHENG Rong’er,etal. Comparative study on the green tide detection algorithm of static ocean water color satellite (GOCI)[J]. Remote Sensing Information, 2014, 29(5):44-50.

[2] 葉娜, 賈建軍, 田靜, 等. 滸苔遙感監(jiān)測(cè)方法的研究進(jìn)展[J]. 國土資源遙感, 2013, 25(1):7-12.

YE Na, JIA Jianjun, TIAN Jing,etal. Research progress of the remote sensing monitoring method of enteromorpha[J]. Remote Sensing of Land and Resources, 2013, 25(1):7-12.

[3] 陳艷攏, 楊建洪, 趙冬至, 等. 海溫季節(jié)性變化對(duì)藻類生長影響的定量研究[J]. 海洋環(huán)境科學(xué), 2013, 32(1):104-110.

CHEN Yanlong, YANG Jianhong, ZHAO Dongzhi,etal. Quantitative study on the effects of seasonal variation on algae growth[J]. Marine Environmental Science, 2013, 32(1):104-110.

[4] 蔣興偉, 劉建強(qiáng), 鄒斌, 等. 滸苔災(zāi)害衛(wèi)星遙感應(yīng)急監(jiān)視監(jiān)測(cè)系統(tǒng)及其應(yīng)用[J]. 海洋學(xué)報(bào), 2009, 31(1):52-64.

JIANG Xingwei, LIU Jianqiang, ZOU Bin,etal. Remote sensing monitoring system for remote sensing satellite remote sensing and its application[J]. Journal of Marine Science, 2009, 31(1):52-64.

[5] TANG J W, WANG X M, SONG Q J,etal. The statistic inversionalgrithms of water constiuents for the Huanghai Sea and the East China Sea[J]. Acta Oceanologica Sinica, 2004, 23(4):617-626.

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

XING Qianguo, ZHENG Xiangyang, SHI ping,etal. Monitoring “green tide” in the yellow sea and the east China sea using multi-temporal and multi-source remote sensing images[J]. Spectroscopy and Spectroscopic Analysis, 2011, 31(6):1644-1647.

[7] 王寧, 黃娟, 崔廷偉, 等. 基于MODIS數(shù)據(jù)的5種植被指數(shù)對(duì)不同生長階段綠潮的探測(cè)能力對(duì)比及應(yīng)用[J]. 激光生物學(xué)報(bào), 2014, 23(6):590-595.

WANG Ning, HUANG Juan, CUI Tingwei,etal. Comparison and application of the detection capability of green tides in different growth stages based on 5 planting of MODIS data[J]. Journal of Laser Biology, 2014, 23(6):590-595.

[8] 白濤, 黃娟, 高松, 等. 黃海綠潮應(yīng)急預(yù)測(cè)系統(tǒng)業(yè)務(wù)化研究與應(yīng)用[J]. 海洋預(yù)報(bào), 2013, 30(1):51-58.

BAI Tao, HUANG Juan, GAO Song,etal. Research and application of the operational research and application of yellow sea green tide emergency prediction system[J]. Marine Forecast, 2013, 30(1):51-58.

[9] 薛瑞, 吳孟泉, 劉楊,等. 基于HJ-1A/1B的2014年黃海海域滸苔災(zāi)害時(shí)空分布[J]. 海洋科學(xué), 2016, 40(7):115-123.

XUE Rui, WU Mengquan, LIU Yang,etal. Spatial and temporal distribution of enteromorphy in the yellow sea area in 2014 based on hj-1a /1B[J]. Marine Science, 2016, 40(7):115-123.

[10] 張華偉, 馬家海, 胡翔, 等. 綠潮漂浮滸苔繁殖特性的研究[J]. 上海海洋大學(xué)學(xué)報(bào), 2011, 20(4):600-606.

ZHANG Huawei, MA Jiahai, HU Xiang,etal. Research on the propagation characteristics of green tide floating enteromorpha[J]. Journal of Shanghai Ocean University, 2011, 20(4):600-606.

[11] SONY B, MIN J E, RYU J H. Detecting massive green algae (Ulva prolifera) blooms in the Yellow Sea and East China Sea using geostationary ocean color imager (GOCI) data[J]. Ocean Science Journal, 2012, 47(3):359-375.

[12] HU C. A novel ocean color index to detect floating algae in the global oceans[J]. Remote Sensing of Environment, 2009, 113(10):2118-2129.

[13] 周偉, 關(guān)鍵, 姜濤, 等. 多光譜遙感影像中云影區(qū)域的檢測(cè)與修復(fù)[J]. 遙感學(xué)報(bào), 2012, 16(1):132-142.

ZHOU Wei, GUAN Jian, JIANG Tao,etal. Detection and restoration of cloud and shadow regions in multispectral remote sensing images[J]. Journal of Remote Sensing, 2012, 16(1):132-142.

[14] NORDKVIST K, LOISEL H, GAURIER L D. Cloud masking of SeaWiFS images over coastal waters using spectral variability[J]. Optics Express, 2009, 17(15):12246-12258.

[15] CARLEERA. p, DEBEIR O, WOLFF E. Assessment of very high spatial resolution satellite image segmentations[J]. photogrammetric Engineering & Remote Sensing, 2005, GE(11):1285-1294.