呂軍， 王勝強， 孫德勇， 聶君偉， 焦紅波， 張海龍， 梁涵瑋

1. 南京信息工程大學 海洋科學學院, 南京 210044;

2. 國家海洋信息中心, 天津 30017;

3. 自然資源部海岸帶開發(fā)與保護重點實驗室, 南京 210024;

4. 南京信息工程大學 地理科學學院, 南京 210044

1 引 言

真光層深度Zeu（Euphotic Zone Depth）是指光合有效輻照度PAR（Photosynthetic Active Radiation）衰減為水體表面處1%時所對應的深度（Morel 等，1996）。真光層是海洋生物能夠有效進行光合作用的場所，其深度大小直接影響浮游植物和沉水植物的光合作用進程，進而對海洋初級生產(chǎn)力、浮游植物生物量以及全球碳循環(huán)的研究產(chǎn)生重要影響；另一方面，Zeu的空間變化與水色要素的變異性關系密切，所以Zeu被認為是衡量水體清潔度的指標，甚至對海洋環(huán)境的改變也有著一定的指示意義（Dokulil和Teubner，2012）。因此，Zeu的監(jiān)測一直是海洋研究者的重要工作之一。

目前，Zeu主要通過現(xiàn)場測量和衛(wèi)星遙感估算兩種方式獲取。例如，在現(xiàn)場調(diào)查實驗中，可利用塞式（Secchi）盤測得水體透明度，進而利用透明度來推算Zeu；此外，也可以用水下輻射計等精密儀器對Zeu進行測量?，F(xiàn)場測量的方式雖然準確性高，但通常耗時耗力，更為重要的是現(xiàn)場調(diào)查樣本十分有限，在時空上存在明顯的“斷點”，并不能客觀地反映Zeu的時空變化特征；相比之下，衛(wèi)星遙感技術具有快速觀測、低成本、大范圍、高時空分辨率等優(yōu)勢（楊欣 等，2019），因此目前已成為了Zeu監(jiān)測的重要手段。

研究學者針對Zeu，提出了各種各樣的衛(wèi)星遙感反演算法，常用的方法主要分為以下兩類：其一是基于葉綠素濃度的經(jīng)驗算法（Chl 算法）（Morel和Berthon，1989），即葉綠素濃度與Zeu的相關性很好，常被用于反演Zeu，但此類算法僅適用于一類水體；其二是基于IOP（固有光學特性）的半分析算法（Lee 算法），Lee 等（2007）根據(jù)準分析算法得到490 nm 處吸收系數(shù)和后向散射系數(shù)，先算出漫衰減系數(shù)，最后推算Zeu，但該算法涉及多個中間變量，反演過程復雜；此外，Wang等（2021）最近提出了直接基于遙感反射率Rrs（Remote sensing reflectance）的算法（Rrs算法）。與Chl算法和Lee算法相比，Rrs算法簡單易操作，反演精度高，且在二類水體的適用性較好（Wang等，2021）。

作為典型的陸架邊緣海，渤黃海具有面積?。ú澈?.7萬km2，黃海38萬km2）、水深淺（渤海平均水深18 m，黃海平均水深44 m）（張江泉 等，2013；趙晨英 等，2016）的特點。渤海和黃海地區(qū)受地形、季風、潮流、河流輸入等多種因素影響，水體光學特性復雜多變（Wang等，2016；Wei等，2004），透明度低，尤其是渤海和蘇北淺灘（周長振和孫家淞，1981）；此外，受近岸人類活動影響（如污水排放、水產(chǎn)養(yǎng)殖等），渤黃海水體富營養(yǎng)趨勢明顯，赤潮、綠潮等災害頻發(fā)。Zeu作為關鍵的生物光學參數(shù)，對理解渤黃海海洋生物地球化學過程有著重要的意義（紀昱彤 等，2018；宋德彬，2019；張運林 等，2008）。然而，雖然部分學者對中國近海的Zeu展開過一定的研究（陳晶晶 等，2007；屈月明 等，2014；唐世林 等，2007），但專門針對渤黃海的研究較少，尤其是其基于長時序（近20 年）的時空規(guī)律變化尚不明確；此外，對于Zeu時空變化驅(qū)動因素的認識不夠充分，缺少深入的定量分析。

因此，本研究以渤黃海海域為研究區(qū)，首先針對MODIS（Moderate Resolution Imaging Spectroradiometer）傳感器建立Zeu的衛(wèi)星反演算法，進而利用2002年—2020年MODIS長時序的數(shù)據(jù)資料，研究揭示渤黃海地區(qū)Zeu的時空變化規(guī)律，并結合海洋環(huán)境要素探究重點海域Zeu的驅(qū)動因素。

2 研究區(qū)域與數(shù)據(jù)處理

2.1 研究區(qū)域

本文研究區(qū)域的具體范圍為31°—41.5°N、117°—127.2°E（圖1）。在2014年5月、2014年11月、2015 年8 月和2016 年7 月搭載國家自然科學基金共享航次，在渤黃海海域進行了4 次海上調(diào)查實驗，共獲取了105組Zeu和Rrs現(xiàn)場實測數(shù)據(jù)，觀測站點如圖1所示；此外，為探究Zeu的驅(qū)動因素，選取了6個具有代表性的子區(qū)域（圖1），黑色方形框為選中的子區(qū)域，自北向南依次為渤海（BS），北黃海（NYS），南黃海（SYS），蘇北淺灘（SS），濟州島南（SJI），長江口北（NYE）。

圖1 渤黃海地區(qū)的采樣點分布圖Fig. 1 Locations of sampling stations in the Bohai Sea and Yellow Sea

2.2 現(xiàn)場實測數(shù)據(jù)

Zeu和Rrs都是通過Satlantic 公司的Hyper ProfilerⅡ水下高光譜儀獲取，該儀器有3個相互校準的輻射計，一個甲板輻射計和兩個水下輻射計（Wang等，2016），其中，甲板輻射計用于測量水面以上的下行輻照度（Ed（λ，0+））；而水下輻射計探頭方向相反，分別測量下行輻照度（Ed（λ，z））和上行輻亮度（Lu（λ，z））的垂直剖面，測量的光譜范圍為349—804 nm（平均帶寬3.3 nm）。本文利用儀器自帶的Prosoft 7.7.16軟件對數(shù)據(jù)進行了處理，主要包括數(shù)據(jù)校準、濾波、合成和插值等多個流程（de Moraes Rudorff 等，2014）。Rrs通過下式計算得到：式（1）和（2）中，Lw（λ）是離水輻亮度，t是水氣界面透射率（t=0.98），n是水體折射率（n=1.34），Lu（λ，0-）是水面以下的上行輻亮度，Ed（λ，0+）是水面以上的下行輻照度。為了建立基于MODIS的衛(wèi)星反演算法，本研究依據(jù)來自ENVI 軟件的光譜響應函數(shù)將Rrs重采樣到MODIS 波段。圖2 展示的是本文獲取的Rrs數(shù)據(jù)，對于多數(shù)樣本，Rrs的峰值主要位于550—580 nm。

圖2 現(xiàn)場實測Rrs光譜圖Fig. 2 The measured Rrs spectrogram

在航次調(diào)查中沒有直接測量PAR剖面數(shù)據(jù)，因而本文使用Ed（λ，z）剖面數(shù)據(jù)計算了PAR剖面數(shù)據(jù)：

在此基礎上，將PAR 為表面值1%時所對應的深度作為Zeu值。需要指出的是，根據(jù)目前絕大多數(shù)研究者對PAR 波段范圍的主流定義（Lee 等，2007；Majozi等，2014；Marra等，2014；Shang等，2011；Zhao 等，2013），本文選用波長范圍400—700 nm 計算了PAR（記為PAR（400—700 nm））及其Zeu（記為Zeu（400—700 nm））；然而，早期也有少數(shù)研究者將PAR 的波長范圍定義為380—710 nm（McCree，1972）。特別地，本文研究區(qū)為近岸渾濁水體，受懸浮泥沙的影響，700 nm以后的Ed（λ，z）不一定能忽略；為此，本文深入探討了利用不同波段范圍（特別是700 nm 以后波段）計算PAR 的差異性及其對所獲得的Zeu的影響，具體為：（1）選取400—710 nm 波長范圍，計算了PAR（記為PAR（400—710 nm）），及其真光層深度Zeu（記為Zeu（400—710 nm））；（2）選取380—710 nm 波長范圍，計算了PAR（記為PAR（380—710 nm）），及其Zeu（記為Zeu（380—710 nm））。結果發(fā)現(xiàn)，PAR（400—700 nm） 與PAR （400—710 nm） 和PAR（380—710 nm）之間的偏差很小，平均絕對百分偏差MAPE（Mean Absolute Percentage Error）分別僅為0.2%和1.1%，相應地，Zeu（400—700 nm）與Zeu（400—710 nm）和Zeu（380—710 nm）之間的偏差也很小，MAPE 分別僅為0.3%和0.9 %。由此可見，以上不同波段范圍的選取對PAR 及其Zeu的計算結果影響不大，可以近似忽略。

2.3 衛(wèi)星數(shù)據(jù)

本文研究使用的Rrs數(shù)據(jù)來源于搭載在Aqua 衛(wèi)星上的MODIS 傳感器的L3 月產(chǎn)品，其空間分辨率為4 km，時間跨度為2002年7月至2020年5月；與此同時，本文利用YOC遙感算法（Siswanto等，2011），從Rrs反演得到了總懸浮顆粒物濃度TSM（Total Suspended Matter Concentration）產(chǎn)品集；此外，本研究還獲取了多源海洋環(huán)境數(shù)據(jù)資料，主要包括：（1）MODIS海表面溫度SST（Sea Surface Temperature）數(shù)據(jù)和PAR數(shù)據(jù)，空間分辨率為4 km，可以從https：//oceancolor.gsfc.nasa.gov/下載獲得；（2） 風速WS（Wind Speed）數(shù)據(jù)，空間分辨率是1°×1°，可以從http：//www.remss.com/下載獲得（Sun 等，2019）。以上數(shù)據(jù)時間范圍也是2002年7月—2020年5月。

3 結果與討論

3.1 針對MODIS傳感器的Zeu估算模型

Wang 等（2021）針對GOCI 傳感器，基于現(xiàn)場實測數(shù)據(jù)資料，建立了直接基于Rrs的Zeu遙感估算新方法。本文采用類似的方法，針對MODIS 傳感器，建立Zeu的遙感估算模型，可表示為

式中，X=log10（Rrs（443）/Rrs（667））。

圖3（a）展示的是模型擬合的效果，可以看出：多數(shù)樣本點很好地聚集在擬合曲線附近，擬合決定系數(shù)R2（Coefficient of determination）為0.87；為了進一步檢驗該模型估算Zeu的精度，對其進行了留一法交叉檢驗（圖3（b）），結果顯示，多數(shù)樣本點很好地聚集在1∶1線附近，交叉檢驗的R2、均方根誤差RMSE（Root Mean Square Error）以及MAPE 分別為0.86、4.14 以及17.2%，這些指標表明該模型具有很高的估算精度

圖3 多項式曲線擬合和Zeu的估算值與實測值散點，紅線是1∶1線Fig.3 Polynomial curve fitting diagram and scatter plots of estimated Zeu versus the measured values. The red lines indicate 1∶1 line

進一步，我們對比分析了不同Zeu遙感反演模型的表現(xiàn)效果。從表1 可以看出，Chl 算法的表現(xiàn)遠遠不如Lee 算法和Rrs算法；此外，雖然Rrs算法和Lee 算法反演效果都好，但從MAPE 和RMSE 來看，Rrs算法的準確性略高。

表1 Zeu衛(wèi)星遙感反演算法比較Table 1 Comparisons among satellite remote sensing algorithms of Zeu

3.2 渤黃海Zeu的時空變化

基于2002年7月—2020年5月MODIS數(shù)據(jù)，利用本文建立的Zeu估算模型，構建了Zeu的長時序月產(chǎn)品集（圖4），并分析了其時空變化規(guī)律。在空間上，渤黃海Zeu呈現(xiàn)出近岸低、外海高的特點，也即蘇北淺灘Zeu常年處較低的水平，南黃海中部及濟州島南Zeu往往較高。由于蘇北淺灘水深較淺，受海風和潮汐的作用，海水更容易混合，水體中懸浮物濃度會相應增加，進而導致真光層深度降低。在時間上，多數(shù)海域的Zeu在冬季（11月—次年2月）出現(xiàn)最小值，當2月跨入到3月時，Zeu開始增加，尤其是渤海和蘇北淺灘，且隨著時間推移（4月和5月），Zeu持續(xù)上升；至夏季時（6—8 月），渤黃海地區(qū)受強烈的輻射作用，上層海水溫度迅速升高，導致明顯的層化現(xiàn)象，可見光穿透增加，絕大多數(shù)海域的Zeu出現(xiàn)了最大值，與此同時，位于長江口北的水舌狀低值區(qū)從東南方向逐漸轉(zhuǎn)到東北方向；到9 月時，渤黃海Zeu開始下降，并且長江口北水舌狀低值區(qū)轉(zhuǎn)回東南方向；在經(jīng)歷10 月和11 月的緩慢降低后，多數(shù)海域Zeu又會出現(xiàn)最小值。

圖4 基于MODIS的Zeu月變化圖Fig. 4 Monthly change map of Zeu from MODIS

針對中國近海Zeu，學者們也開展過一定的研究，例如：陳晶晶（2007）基于SeaWiFS傳感器數(shù)據(jù)（1998 年—2006 年），計算得到中國海Zeu的空間分布；Shang等（2011）對Chl算法和Lee算法進行對比分析，并將Lee算法應用到MODIS傳感器（2002年—2009 年），反演得到中國海Zeu的空間分布；姚晴晴（2012）在陳晶晶等（2007）的研究基礎上，基于MODIS 傳感器2005 年—2011 年共7 年的數(shù)據(jù)，進一步探究了Zeu時空分布規(guī)律。這些學者都指出渤黃海區(qū)域Zeu具有夏深冬淺的季節(jié)分布特征，這與本文的研究結果相一致。相比之下，本文針對Zeu的時空變化特征分析，利用近20年的衛(wèi)星遙感數(shù)據(jù)，更能客觀地反映渤黃海Zeu的時空變化規(guī)律。因此，本文選取了SST、PAR、WS以及TSM，對Zeu時空變化的驅(qū)動因素進行了深入的定量分析。

圖5展示的是選取的6個典型子區(qū)域（BS：渤海、NYS：北黃海、SYS：南黃海、SS：蘇北淺灘、SJI：濟州島南、NYE：長江口北）Zeu的時間變化曲線圖，可以看出：渤海、北黃海及蘇北淺灘的Zeu變化趨勢相似，其最大值都是在7月出現(xiàn)，而長江口北的最大值則出現(xiàn)在6月，7月份長江口北區(qū)域的Zeu均值迅速地下降到9.0 m?？紤]到長江徑流量往往在7月出現(xiàn)最大值，這可能是導致均值迅速下降的原因（Beardsley 等，1985）。南黃海區(qū)域的Zeu最大值也主要出現(xiàn)在6月，均值為38.8 m，四分位間距4.4 m。濟州島南的Zeu月均值變化范圍為25.9—30.9 m，表明濟州島南Zeu全年較深，且受季節(jié)變化影響??；此外，10月至12月期間，該區(qū)域Zeu均值呈下降趨勢，這與南黃海同時間段的變化趨勢恰恰相反，該現(xiàn)象很可能與冬季濟州島西南海域出現(xiàn)的黃海暖流有關（刁新源，2015；王輝武 等，2009）。

圖5 子區(qū)域Zeu箱線圖Fig. 5 Boxplots of sub-region Zeu

為進一步揭示渤黃海整個海域Zeu的最大值和最小值的時空分布規(guī)律，本文計算了每個像元Zeu最大值和最小值出現(xiàn)的月份，結果如圖6所示：整體上，Zeu最大值呈現(xiàn)出南早北晚的特點，即濟州島西部和南部海域5 月Zeu出現(xiàn)最大值，而在南黃海Zeu最大值多數(shù)在6 月，在南黃海近海岸、北黃海和渤海Zeu最大值則出現(xiàn)在7 月（圖6（a））。受長江沖淡水的影響，長江口北附近海域在7月并非是Zeu最大值月份，相反最大值主要出現(xiàn)在6月、8月或者9 月；此外，本研究區(qū)域右下角海洋（31°—32°N，126°—127.2°E）的Zeu最大值也是出現(xiàn)在8月或9月，這很可能與黃海暖流有關（熊學軍 等，2019）。Zeu的最小值出現(xiàn)的月份如圖6（b）所示，可以看出：渤海近岸、蘇北淺灘及濟州島近岸的Zeu在11月或12月出現(xiàn)最小值，渤海海峽至北黃海中部和南黃海中部則在3月或4月出現(xiàn)最小值，其余海域多數(shù)在1月或2月出現(xiàn)最小值。

圖6 Zeu最值月份分布圖Fig. 6 Distribution of Zeu maximum months and minimum months

此外，為了進一步研究Zeu的長時序變化趨勢，本文基于標準化數(shù)據(jù)（即（變量?平均值）/標準差） 進行了經(jīng)驗模態(tài)分解EMD（Empirical Mode Decomposition），結果如圖7 所示：從2002 年—2020 年，渤海、北黃海以及蘇北淺灘的Zeu單調(diào)變化，即渤海和蘇北淺灘呈下降趨勢，北黃海呈上升趨勢；南黃海的Zeu在2002 年—2007 年緩慢減小，而在2007 年—2018 年卻快速增大，隨后漸漸減小；濟州島南的Zeu在2002 年—2010 年呈上升趨勢，而在2010 年—2020 年呈下降趨勢；在長江口北，Zeu在2002年—2004年短暫減小，而在2004年—2011年迅速增大，隨后再次減小。

圖7 子區(qū)域Zeu年際變化趨勢圖Fig. 7 Annual trend plots of sub-region Zeu

3.3 渤黃海Zeu的驅(qū)動因素分析

本文選取了SST、PAR、WS以及TSM作為Zeu的潛在環(huán)境驅(qū)動因素，分析了它們與Zeu之間的關系（李艷艷 等，2020）。從圖8可以看出：在渤海、北黃海、南黃海及蘇北淺灘，SST與Zeu之間存在強正相關關系（R>0.5），其中，兩者之間的相關系數(shù)R在北黃海甚至達到0.83；在渤海、北黃海、南黃海及蘇北淺灘，PAR與Zeu的關系與SST相似，但是在長江口北，PAR 與Zeu之間存在中度的正相關關系（0.30.5），在長江口北和濟州島南，兩者之間的負相關關系下降至中度（0.30.5）。

圖8 驅(qū)動因素與Zeu的相關系數(shù)圖Fig. 8 Pearson correlation coefficients between driving factors and Zeu

為了進一步量化不同驅(qū)動因素對Zeu變化的貢獻，本研究基于標準化的數(shù)據(jù)進行了多元線性逐步回歸分析，結果如表2所示：在渤海、北黃海、南黃海及蘇北淺灘，R2都較高（R2>75%）。值得注意的是，在這4個子區(qū)域內(nèi)，SST和PAR對Zeu的變化呈正向驅(qū)動，而WS 和TSM 對Zeu的變化呈負向驅(qū)動，這與前文的相關分析結果一致。同時，TSM的貢獻系數(shù)均遠大于SST、PAR 以及WS 的貢獻系數(shù)，對Zeu起主要作用。在濟州島南和長江口北，進入逐步回歸分析的驅(qū)動因素只能共同解釋Zeu變異65%以下，尤其是在長江口北（R2=50%）。

表2 多元逐步回歸分析貢獻系數(shù)表Table 2 Contribution coefficients of multiple linear stepwise regression analysis

基于以上相關關系分析可以看出Zeu隨環(huán)境驅(qū)動因素變化的基本規(guī)律為：在夏季，渤黃海地區(qū)受強烈的輻射作用，上層海水溫度迅速升高，導致明顯的層化現(xiàn)象（Tang 等，2006），尤其是在開闊的海域（如黃海中部），這使得水體清澈度高，可見光在海水中的穿透更深，垂直方向上真光層范圍進一步擴大；隨著秋季太陽輻射減弱，上層海水冷卻，層化現(xiàn)象減弱甚至消失。到了冬季，在亞洲高壓控制下，寒冷干燥的強風從陸地吹向海洋，作用在海面上，推動海水上下混合（Wang和Yuan，1988），并且WS越大，混合作用越強，上層海水中懸浮物濃度增加，進而降低了海水透明度以及Zeu。春季時，輻射作用逐漸增強，但陸風迅速減弱，Zeu分布特征向夏季過渡。

在長江口北，選取的驅(qū)動因素并不能很好地解釋Zeu的變異。結合圖5和圖6，可以初步判斷出此區(qū)域可能受到了長江沖淡水的影響。為了進一步探究長江沖淡水對Zeu的影響，本文利用2003 年至2019年大通水文站徑流量數(shù)據(jù)，建立起Zeu與徑流量之間的線性關系（圖9）。根據(jù)洪季的Zeu極小值，分析了Zeu與徑流量之間的關系，結果顯示，長江徑流量對Zeu的變化起著負向驅(qū)動作用，兩者之間呈現(xiàn)強的負相關關系（相關系數(shù)R=-0.55）。河水攜沙入海，對長江河口區(qū)產(chǎn)生了兩個方面的影響：（1）大量泥沙隨河水進入河口區(qū)，使海水更加渾濁；（2）受水動力作用，在垂直方向上，河口區(qū)海水進一步混合。這兩種影響都導致了海水懸浮物濃度的升高，Zeu也隨之降低。對于黃海暖流與濟州島南Zeu之間的相關分析，目前由于缺少數(shù)據(jù)很難開展，這需要在將來的工作中進一步研究。

圖9 2003年—2019年Zeu與徑流量線性擬合圖Fig. 9 Liner fitting plots between Zeu and amount of runoff from 2003 to 2019

4 結 論

本研究主要工作及結論如下：

（1）針對MODIS傳感器，建立了Zeu的遙感反演模型，該模型表現(xiàn)出良好的估算精度（R2=0.86，RMSE=4.14及MAPE=17.2%）。

（2）整體上，Zeu呈現(xiàn)出近岸低、外海高的特點，并且具有夏深冬淺的季節(jié)變化特征。渤海、蘇北淺灘和長江口北的Zeu常年處于較低水平，而南黃海和濟州島南的Zeu終年較深。值得注意的是，長江口北舌狀低值區(qū)夏季時往東北方向伸展，而在秋初時轉(zhuǎn)向東南。此外，在渤黃海地區(qū)，不同子區(qū)域Zeu年際變化趨勢不同。

（3）在渤海、南黃海、北黃海及蘇北淺灘，Zeu的驅(qū)動因素主要是SST、PAR、WS以及TSM（逐步回歸分析決定系數(shù)R2>75%），其中SST和PAR對Zeu的變化起著正向驅(qū)動作用，而WS 和TSM 對Zeu的變化起著負向驅(qū)動作用。

（4）由上述分析可以看出Zeu隨環(huán)境驅(qū)動因素變化的基本規(guī)律為：在夏季，渤黃海地區(qū)受強烈的輻射作用，上層海水溫度迅速升高，導致明顯的層化現(xiàn)象，這使得Zeu較深；到了冬季，寒冷干燥的強風從陸地吹向海洋，作用在海面上，推動海水上下混合，上層海水中懸浮物濃度增加，進而降低了Zeu；而在春秋兩季，Zeu呈現(xiàn)出明顯的過渡特征。

（5）在長江口，長江徑流量對Zeu的變化起著負向驅(qū)動作用，兩者之間呈現(xiàn)強負相關關系（R=-0.55），表明長江沖淡水很大程度上影響了河口區(qū)Zeu的分布。