王 寧，黃 娟，崔廷偉，肖艷芳，蔡曉晴，辛 蕾

(1．山東省海洋生態(tài)環(huán)境與防災(zāi)減災(zāi)重點實驗室，山東 青島266061;2．國家海洋局北海預(yù)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)

“綠潮”(green tide)是指海洋中大型藻類大量增殖的一種現(xiàn)象。2008年以來，我國黃、東海連年爆發(fā)以滸苔為主要藻種的綠潮災(zāi)害，對我國近海生態(tài)環(huán)境、海上生產(chǎn)、旅游觀光等活動造成較為嚴(yán)重的影響?？焖?、準(zhǔn)確地獲取海上綠潮分布狀況，是綠潮災(zāi)害應(yīng)急處置的迫切要求，也是歷年綠潮災(zāi)害監(jiān)測與防治的首要任務(wù)。MODIS數(shù)據(jù)光譜信息豐富、覆蓋面積大、每天可免費獲得至少一景可用數(shù)據(jù)，是大范圍綠潮災(zāi)害監(jiān)測的有效手段［1，2］。

綠潮的光譜特征與陸地健康植被相似，因此，綠潮的衛(wèi)星遙感監(jiān)測工作大多沿用陸地植被監(jiān)測常用的NDVI、EVI、RVI等植被指數(shù)［3-14］，但有關(guān)這些指數(shù)對綠潮，尤其是對不同生長階段綠潮的探測能力方面的研究尚未見文獻(xiàn)報道。僅蔡曉晴等［15］針對GOCI數(shù)據(jù)評估了RVI、NDVI、EVI、FAI、NDAI、IGAG等指數(shù)的綠潮探測能力，他們的研究認(rèn)為，NDVI是GOCI綠潮遙感監(jiān)測的首選算法。在目前的綠潮業(yè)務(wù)化監(jiān)測工作中，MODIS是主要的數(shù)據(jù)源，其波段設(shè)置與GOCI存在較大差異，上述研究結(jié)論不能簡單照搬。

因此，本文針對綠潮業(yè)務(wù)化監(jiān)測的需要，首先根據(jù)歷年綠潮衛(wèi)星遙感監(jiān)測經(jīng)驗，將綠潮的生消過程分為發(fā)生、發(fā)展和消亡三個階段;然后基于MODIS數(shù)據(jù)對比分析5種常用的植被指數(shù)(NDVI、EVI、ARVI、RVI和DVI)對不同生長階段綠潮的探測能力;最后利用最優(yōu)算法開展2014年黃海綠潮的過程監(jiān)測，并與歷年監(jiān)測結(jié)果進(jìn)行了對比分析。

1 數(shù)據(jù)和方法

1．1 數(shù)據(jù)源

選用2011至2014年黃海綠潮期間晴好天氣條件下的7景MODIS數(shù)據(jù)，其中，2景處于綠潮發(fā)生階段，2景處于綠潮發(fā)展階段，3景處于綠潮消亡階段。數(shù)據(jù)的詳細(xì)信息如表1所示。

表1 選取的7景MODIS影像的基本信息Tab．1 Selected basic information of 7 MODISimages

1．2 研究方法

1．2．1 植被指數(shù)

本文對比分析了5種傳統(tǒng)植被指數(shù)的綠潮探測能力，分別是歸一化植被指數(shù)(NDVI)、增強型植被指數(shù)(EVI)、大氣阻抗植被指數(shù)(ARVI)、比值植被指數(shù)(RVI)和差值植被指數(shù)(DVI)。

其中，ρNIR、ρRED和ρBLUE分別代表近紅外波段、紅光波段和藍(lán)光波段的反射率。

1．2．2 樣本選取

基于MODIS假彩色合成影像(Red:Band1;Green:Band2;Blue:Band1)，從綠潮不同發(fā)展階段的數(shù)據(jù)中，選擇綠潮特征最為明顯的像元作為綠潮樣本，選擇開闊且均勻的海水像元作為海水樣本。在樣本選取時，確保每景影像中選取的綠潮和海水樣本數(shù)目相同，且在空間上均勻分布(見表2)。

以2013年6月20日影像為例(如圖1)。圖中海域內(nèi)綠色部分為綠潮，紅框為綠潮樣本選取區(qū)域，藍(lán)框為海水樣本選取區(qū)域。

圖1 2013年6月20日MODIS假彩色合成影像及選擇的綠潮、海水樣本Fig．1 MODISfalse color composite image and green tide，sea water samples on June 20，2013

表2 從7景影像中選取的樣本像元數(shù)Tab．2 Sample pixel number of the selected 7 images

1．3 綠潮探測能力評價指標(biāo)綠潮信息提取最主要的是區(qū)分綠潮和海水兩類地物，因此，借鑒模式識別領(lǐng)域用來區(qū)分兩類樣本的“類間距”概念［16］來評判不同植被指數(shù)對綠潮、海水的區(qū)分能力:

2 結(jié)果與討論

2．1 植被指數(shù)探測能力評價

基于所選取的綠潮和海水樣本，利用5種常用植被指數(shù)計算兩類樣本的距離，結(jié)果如圖2所示。

圖2 植被指數(shù)探測能力比較Fig．2 Detection capability comparison of 5 vegetation indices

由圖可知，在綠潮發(fā)生、發(fā)展和消亡階段，綠潮與海水兩類樣本距離最大的均為NDVI植被指數(shù)。其中，在綠潮發(fā)生和消亡階段，NDVI植被指數(shù)的類間距略大于其它四種植被指數(shù);在綠潮發(fā)展階段，NDVI植被指數(shù)的類間距遠(yuǎn)大于其它四種植被指數(shù)。另外，從類間距值來看，NDVI植被指數(shù)的類間距在綠潮的發(fā)生和消亡階段較小，在發(fā)展階段較大，說明利用NDVI指數(shù)可以很容易地識別處于發(fā)展階段的綠潮。而其他指數(shù)的類間距并沒有表現(xiàn)出類似的變化趨勢。

綜上，與ARVI、EVI、RVI、DVI算法相比，NDVI在MODIS數(shù)據(jù)探測綠潮方面的能力最強、最穩(wěn)定，是綠潮業(yè)務(wù)監(jiān)測的首選算法。

2．2 2014年黃海綠潮過程分析

基于MODIS數(shù)據(jù)，利用NDVI植被指數(shù)算法開展2014年黃海綠潮過程監(jiān)測，統(tǒng)計分析了綠潮分布面積(影響海域面積)和覆蓋面積(實際覆蓋海域面積)，并與歷年監(jiān)測結(jié)果進(jìn)行了對比分析。

圖3 綠潮解譯結(jié)果Fig．3 Green tide interpretation chart

圖3給出了2014年黃海綠潮的漂移擴散情況。綠潮最早出現(xiàn)在鹽城附近海域，綠潮密集區(qū)先向東北漂移，然后向西北漂移，最后轉(zhuǎn)向東北方向漂移。

圖4 綠潮分布面積和覆蓋面積變化趨勢圖Fig．4 The green tide distribution and coverage trend chart

圖4給出了2014年綠潮期間綠潮的覆蓋面積和分布面積情況。2014年黃海綠潮的生消過程共計85天。覆蓋面積和分布面積總體上呈現(xiàn)先增大后減小的趨勢。5月12日首次監(jiān)測到綠潮，覆蓋面積為9平方公里，分布面積為2 600平方公里。隨后綠潮的覆蓋面積和分布面積不斷增大，7月3日覆蓋面積最大，為540平方公里;7月14日，分布面積最大，為50 000平方公里。8月12日，綠潮覆蓋面積減少至7平方公里，分布面積減少至700平方公里。

結(jié)合歷年綠潮監(jiān)測結(jié)果，對比分析了2008～2014年綠潮最大覆蓋面積、最大分布面積及其出現(xiàn)時間，結(jié)果見表3。與歷年綠潮監(jiān)測結(jié)果相比［17，18］，2014年黃海綠潮覆蓋面積較小，但分布面積較大，說明有較大面積的海域受到綠潮災(zāi)害的影響;最大分布面積出現(xiàn)的時間與2010年和2011年相當(dāng)。

表3 黃海綠潮監(jiān)測結(jié)果統(tǒng)計(2008-2014)Tab．3 Statistics of the green tide in the Yellow Sea(2008-2014)

3 結(jié)論

本文選取晴好天氣條件下的MODIS數(shù)據(jù)，對比分析了常用的5種植被指數(shù)算法(NDVI、ARVI、EVI、RVI、DVI)對綠潮的發(fā)生、發(fā)展、消亡等各個階段的探測能力，將最優(yōu)算法應(yīng)用在2014年綠潮衛(wèi)星遙感監(jiān)測工作中。主要結(jié)論為:

1．探測綠潮能力最強、最穩(wěn)定的算法為NDVI植被指數(shù)，可將其作為綠潮MODIS衛(wèi)星遙感業(yè)務(wù)化監(jiān)測首選算法;

2．2014年黃海綠潮生消過程共計85天，綠潮密集區(qū)先向東北漂移，然后向西北漂移，最后轉(zhuǎn)向東北方向漂移。最大覆蓋面積為540 km2，最大分布面積50 000 km2;與歷年監(jiān)測結(jié)果相比，2014年黃海綠潮覆蓋面積較小，但分布面積較大。

［1］ 顧行發(fā)，陳興峰，尹球，等．黃海滸苔災(zāi)害遙感立體監(jiān)測［J］．光譜學(xué)與光譜分析，2011，31(6):1627-1632．GU Xingfa，CHEN Xingfeng，YIN Qiu，et al．Stereoscopic remote sensing used in monitoringEnteromor phaprolifradisaster in Chinese Yellow Sea［J］．Spectroscopy and Spectral Analysis，2011，31(6):1627-1632．

［2］ 劉振宇，江濤．基于MODIS數(shù)據(jù)的滸苔信息提取方法研究［J］．測繪科學(xué)，2008，33(增):113-114．LIU Zhenyu，JIANG Tao．The research on the way of extracting Hu Moss on the basis of MODIS［J］．Science of Surveying and Mapping，2008，33(Suppl):113-114．

［3］ 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(xué)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 multi-temporal and multi-source remote sensing images［J］．Spectroscopy and Spectral Analysis，2011，31(6):1644-1647．

［4］ CUI T W，ZHANG J，SUN L 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．

［5］ 張學(xué)藝．基于EOS/MODIS的幾種植被指數(shù)［J］．安徽農(nóng)業(yè)科學(xué)，2009，37(26):12842-12845，12850．ZHANG Xueyi．Introduction of several vegetation Indexes based on EOS/MODIS［J］．J ournal of Anhui Agri，2009，37(26):12842-12845，12850．

［6］ 孟曉峻，馮麗萍．不同MODIS植被指數(shù)優(yōu)劣的探討［J］．內(nèi)蒙古氣象，2007，6:50．MENG Xiaojun，F(xiàn)ENG Lipeng．Discussion on the advantages and disadvantages of different MODISvegetation index［J］．Meteorology Journal of Inner Mongolia，2007，6:50．

［7］ 王正興，劉闖，陳文波，等．MODIS增強型植被指數(shù)EVI與NDVI初步比較［J］．武漢大學(xué)學(xué)報信息科學(xué)版，2006，31(5):407-410，427．WANG Zhengxing，LIU Chuang，CHEN Wenbo，et al．Preliminary comparison of MODIS-NDVI and MODIS-EVI in Eastern Asia［J］．Geomatics and Information Science of Wuhan University，2006，31(5):407-410，427．

［8］ 蔡薇．基于MODIS遙感數(shù)據(jù)混合像元分解的小麥識別及其面積估算［D］．濟南:山東師范大學(xué)，2010．CAI Wei．Remote sensing data of wheat identify mixed pixel decomposition and area estimation based on MODIS［D］．Jinan:Shandong Normal University，2010．

［9］ 尚琳琳，馬榮華，段洪濤，等．利用MODIS影像提取太湖藍(lán)藻水華的尺度差異性分析［J］．湖泊科學(xué)，2011，23(6):847-854．SHANG Linlin，MA Ronghua，DUAN Hongtao，et al．Scale analysis of cyanobacteria bloom in Lake Taihu from MODISobservations［J］．Journal of Lake Sciences，2011，23(6):847-854．

［10］ SON Y B，MIN JE，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．

［11］ 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，DINGYi，LIZhen，et al．Error analysisonEnteromorpha proliferamonitoring using MODISdata［J］．Remote Sensing Information，2013，28(1):38-42．

［12］ 張娟．滸苔遙感監(jiān)測方法研究及軟件實現(xiàn)-以青島奧帆賽場及周邊海域為例［D］．成都:電子科技大學(xué)，2009．ZHANG Juan．Monitoring method study and software realization onEnteromorpha prolifera［D］．Cheng Du:University of Electronic Science and Technology of China，2009．

［13］ 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(yīng)用［J］．應(yīng)用氣象學(xué)報，2010，21(1):76-82．LI Sanmei，LI Yajun，DONG Haiyinget al．satellite remote sensing application toEnteromorpha proliferamonitoring in the Yellow Sea［J］．Journal of Applied Meteorological Science，2010，21(1):76-82．

［14］ 葉娜，賈建軍，田靜，等．滸苔遙感監(jiān)測方法的研究進(jìn)展［J］．國土資源遙感，2013，25(1):7-12．YE Na，JIA Jianjun，TIAN Jing，et al．Advances in the study ofUlva poliferamonitoring with remote sensing［J］．Remote Sensing for Land＆Resources，2013，25(1):7-12．

［15］ 蔡曉晴，崔廷偉，鄭榮兒，等．靜止海洋水色衛(wèi)星(GOCI)綠潮遙感探測算法對比研究［J］．遙感信息，2014，29(5):46-52．CAI Xiaoqing，CUITingwei，ZHENG Rongeret al．Geostationary color satellite ocean(GOCI)comparative study on remote sensing detection algorithm of green tide，Remote Sensing Information，2014，29(5):46-52．

［16］ WEBB A．統(tǒng)計模式識別(第二版)［M］．北京:電子工業(yè)出版社，2004．WEBB A．Statistical Pattern Recognition(Second Edition)［M］．Beijing:Electronic Industry Press，2004．

［17］ 王寧，曹叢華，黃娟，等．基于遙感監(jiān)測的黃海綠潮漂移路徑及分布面積特征分析［J］．防災(zāi)科技學(xué)院學(xué)報，2013，15(4):24-28．WANG Ning，CAO Conghua，HUANG Juan，et al．Multi-year variability characteristics analysis for green tide monitoring in Yellow Sea［J］．Journal of Institute of Disaster-Prevention Science and Technology，2013，15(4):24-28．

［18］ 中國海洋災(zāi)害公報．國家海洋局，2008-2013．Bulletin of China marine disasters．State Oceanic Administration People’s Republic of China，2008-2013．