吳玲娟，高 松，丁 一，曹雅靜，靳熙芳

(1.國家海洋局北海預(yù)報(bào)中心，山東青島 266061；2.山東省海洋生態(tài)環(huán)境與防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室，山東青島 266061)

黃海綠潮災(zāi)害應(yīng)急遙感監(jiān)測(cè)和預(yù)測(cè)預(yù)警系統(tǒng)

吳玲娟1，2，高 松1，2，丁 一1，2，曹雅靜1，2，靳熙芳1，2

(1.國家海洋局北海預(yù)報(bào)中心，山東青島 266061；2.山東省海洋生態(tài)環(huán)境與防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室，山東青島 266061)

黃海綠潮災(zāi)害應(yīng)急遙感監(jiān)測(cè)和預(yù)測(cè)預(yù)警系統(tǒng)是在綠潮應(yīng)急遙感監(jiān)測(cè)技術(shù)、應(yīng)急快速漂移預(yù)測(cè)等技術(shù)研究的基礎(chǔ)上，基于GIS技術(shù)構(gòu)建了集綠潮遙感信息解譯和提取、多源監(jiān)測(cè)數(shù)據(jù)融合、快速漂移預(yù)測(cè)和預(yù)警產(chǎn)品制作和發(fā)布綜合業(yè)務(wù)化平臺(tái)。在應(yīng)急遙感監(jiān)測(cè)數(shù)據(jù)提取方面主要研發(fā)了信息提取準(zhǔn)自動(dòng)化技術(shù)和多源多時(shí)間窗的綠潮監(jiān)測(cè)數(shù)據(jù)融合技術(shù)；在應(yīng)急預(yù)測(cè)技術(shù)方面主要基于精細(xì)化大氣和海洋環(huán)境動(dòng)力場(chǎng)，研發(fā)了綠潮快速應(yīng)急漂移預(yù)測(cè)模型，并通過海上和后報(bào)實(shí)驗(yàn)提高模擬精度。本系統(tǒng)服務(wù)于國家海洋局和政府防災(zāi)減災(zāi)應(yīng)急部門，為海上運(yùn)動(dòng)、水產(chǎn)養(yǎng)殖、濱海旅游、交通運(yùn)輸、漁業(yè)生產(chǎn)等涉?；顒?dòng)和海洋管理提供了科學(xué)可靠的技術(shù)保障，特別在2008年奧運(yùn)會(huì)帆船/板賽和2012年亞洲沙灘運(yùn)動(dòng)會(huì)的綠潮監(jiān)測(cè)和預(yù)測(cè)預(yù)警保障工作中發(fā)揮了重要的作用，具有巨大的社會(huì)、經(jīng)濟(jì)和生態(tài)效益。

綠潮；遙感監(jiān)測(cè)；預(yù)測(cè)預(yù)警；系統(tǒng)

0 引言

近7年我國黃海海域綠潮連續(xù)暴發(fā)，對(duì)2008年青島奧運(yùn)會(huì)帆船/板賽和2012年的海陽亞洲沙灘運(yùn)動(dòng)會(huì)等諸多海上賽事造成了困難，對(duì)水產(chǎn)養(yǎng)殖、濱海旅游、海上交通運(yùn)輸?shù)认嚓P(guān)產(chǎn)業(yè)的影響十分嚴(yán)重。為了保證賽事、沿海經(jīng)濟(jì)和生態(tài)環(huán)境可持續(xù)發(fā)展，我國相關(guān)部門給予了高度重視，啟動(dòng)相應(yīng)的應(yīng)急預(yù)案，應(yīng)對(duì)綠潮災(zāi)害；同時(shí)啟動(dòng)了多項(xiàng)科研和應(yīng)用項(xiàng)目，如2008綠潮專項(xiàng)；2008年“滸苔大規(guī)模暴發(fā)應(yīng)急處置關(guān)鍵技術(shù)研究與應(yīng)用”；2012年國家海洋局公益性項(xiàng)目“黃海綠潮業(yè)務(wù)化預(yù)測(cè)預(yù)警關(guān)鍵技術(shù)研究和應(yīng)用”。

國內(nèi)外學(xué)者主要在大型藻類及滸苔綠潮的遙感監(jiān)測(cè)方面進(jìn)行研究。Gower等[1]第一次用MERIS 300m分辨率數(shù)據(jù)，采用MCI(最大葉綠素指數(shù))算法監(jiān)測(cè)到墨西哥灣大面積線形馬尾藻類海草，但MERIS衛(wèi)星傳感器掃描寬度窄，限制了遙感監(jiān)測(cè)范圍。張娟[2]，李三妹[3]和Elijah[4]等根據(jù)滸苔光譜特性建立了其遙感監(jiān)測(cè)模型。李穎等[5]利用不同3種星載雷達(dá)數(shù)據(jù)，判讀雷達(dá)圖像上滸苔分布的典型區(qū)域，對(duì)滸苔的灰度值和正常海水的灰度值進(jìn)行分析，得出不同極化方式下滸苔灰度值的主要?jiǎng)討B(tài)范圍。蔣興偉等[6]運(yùn)用一種基于區(qū)域增長面向?qū)ο蟮膱D像尺度分割方法調(diào)整圖像的分割尺度，實(shí)現(xiàn)了滸苔信息的快速提取。Gui等[7]利用ENVISAT-ASAR與環(huán)境災(zāi)害小衛(wèi)星(HJ－1A/ B)監(jiān)測(cè)2009年黃海滸苔爆發(fā)過程，指出二者平均差異為15%。Hu等[8－9]提出了一種新的海洋浮游藻類指數(shù)(FAI)，并運(yùn)用這個(gè)指數(shù)監(jiān)測(cè)2008年我國青島海域滸苔，結(jié)果顯示該方法比NDVI(Normalized Difference Vegetation Index)方法更加準(zhǔn)確。Keesing等[10]基于MODIS獲取的灰度值方法，研究了2007～2009年黃海滸苔綠潮的年際變化，分析了其與海岸帶水藻養(yǎng)殖的關(guān)系?；诓ǘ伪戎捣ǖ倪b感藻類指數(shù)，Shi等[11]提出的歸一化藻類指數(shù) NDAI。國家海洋局北海預(yù)報(bào)中心用RGB圖像和歸一化植被值數(shù)NDVI方法，對(duì)MODIS、SAR COSMO和HY－1B等衛(wèi)星遙感數(shù)據(jù)進(jìn)行提取，并融合航空遙感、船舶、陸岸等其他監(jiān)測(cè)結(jié)果，得到綠潮的綜合監(jiān)測(cè)

結(jié)果，為綠潮漂移預(yù)測(cè)和溯源提供初始場(chǎng)，同時(shí)為研究綠潮分布、發(fā)生發(fā)展和漂移機(jī)理等工作提供數(shù)據(jù)[12－14]。國內(nèi)外學(xué)者在綠潮遙感監(jiān)測(cè)方面主要集中在綠潮遙感數(shù)據(jù)的提取，但是綠潮遙感監(jiān)測(cè)信息自動(dòng)提取和數(shù)據(jù)融合鮮為報(bào)道。

近年來國內(nèi)外科學(xué)家對(duì)綠潮的漂移和生長機(jī)制等要素進(jìn)行多方面研究，并得到了初步的成果，但是對(duì)綠潮漂移快速模擬的研究較少。Aurousseau等[15]在法國綠潮災(zāi)害比較嚴(yán)重的Brest灣，建立三維生物地球化學(xué)模式，對(duì)該海域的漂浮綠潮的生長和腐?。疲两颠M(jìn)行模擬。Cugier等[16]建立的浮游植物三維生態(tài)學(xué)模型和三維水動(dòng)力模型[17]，建立適應(yīng)于Brest灣的綠潮特征[18]的三維生物地球化學(xué)模型，同時(shí)開展了潮間帶綠潮的預(yù)報(bào)研究。Perrot等[19]發(fā)展了預(yù)報(bào)潮間帶海藻的簡單方法，并于2007年建立了綠潮在潮間帶生長和漂移的預(yù)報(bào)模式。喬方利等[20]利用數(shù)值模式對(duì)2010年綠潮漂移進(jìn)行了模擬研究，發(fā)現(xiàn)風(fēng)場(chǎng)驅(qū)動(dòng)下的海洋表層流場(chǎng)年際變化是綠潮漂移路徑變異的主要原因。國家海洋環(huán)境預(yù)報(bào)中心[21]2008年建立了滸苔漂移路徑預(yù)測(cè)系統(tǒng)，向有關(guān)部門發(fā)布滸苔漂移軌跡預(yù)報(bào)和海洋環(huán)境預(yù)報(bào)，協(xié)助前線應(yīng)急指揮中心完成了滸苔的控制和治理。國家海洋局北海預(yù)報(bào)中心利用綠潮綜合監(jiān)測(cè)數(shù)據(jù)，啟動(dòng)應(yīng)急漂移模式，快速預(yù)測(cè)和追溯綠潮的漂移方向和路徑[22-23]。

目前國內(nèi)外綠潮的監(jiān)測(cè)和數(shù)值模擬已取得一定的研究成果，但從2008年黃海綠潮暴發(fā)開始，綠潮應(yīng)急遙感監(jiān)測(cè)和預(yù)測(cè)關(guān)鍵技術(shù)不成熟，并缺少業(yè)務(wù)化的綜合平臺(tái)，因此，北海預(yù)報(bào)中心研發(fā)綠潮應(yīng)急監(jiān)測(cè)和預(yù)測(cè)預(yù)警關(guān)鍵技術(shù)，并基于GIS技術(shù)建設(shè)集綠潮遙感信息解譯和提取、多源監(jiān)測(cè)數(shù)據(jù)融合、快速漂移預(yù)測(cè)和預(yù)警產(chǎn)品制作和發(fā)布于一體的綜合業(yè)務(wù)化，以提升我國綠潮防災(zāi)減災(zāi)能力。

1 綠潮應(yīng)急遙感監(jiān)測(cè)和預(yù)測(cè)預(yù)警系統(tǒng)簡介

綠潮應(yīng)急遙感監(jiān)測(cè)和預(yù)測(cè)預(yù)警系統(tǒng)(以下簡稱綠潮系統(tǒng))業(yè)務(wù)化運(yùn)行流程如圖1。綠潮系統(tǒng)可以分為綠潮應(yīng)急遙感監(jiān)測(cè)子系統(tǒng)和應(yīng)急漂移預(yù)測(cè)子系統(tǒng)，并基于兩個(gè)子系統(tǒng)建立綜合業(yè)務(wù)化平臺(tái)，對(duì)服務(wù)對(duì)象發(fā)布監(jiān)測(cè)和預(yù)警信息產(chǎn)品。

1.1 綠潮應(yīng)急遙感監(jiān)測(cè)子系統(tǒng)

1.1.1 綠潮信息自動(dòng)化提取

綠潮衛(wèi)星遙感數(shù)據(jù)包括光學(xué)遙感數(shù)據(jù)(MODIS-TERRA/AQUA和HJ－1A、B衛(wèi)星)和微波遙感數(shù)據(jù)(COSMO-SAR、Radarsat、Terra-SAR)。光學(xué)衛(wèi)星影像綠潮信息提取包括輻射定標(biāo)、幾何校正、大氣校正、云掩模和綠潮信息提取五個(gè)步驟，可獲取產(chǎn)品有NDVI、云、影像圖、綠潮解譯圖和綠潮光學(xué)報(bào)告；微波衛(wèi)星影像信息提取包括輻射定標(biāo)、幾何校正和綠潮信息提取三個(gè)步驟，可獲得產(chǎn)品有影像圖、解譯圖和綠潮微波報(bào)告。系統(tǒng)發(fā)展的綠潮分布輪廓線自動(dòng)提取算法，經(jīng)過距離分析、邏輯運(yùn)算、膨脹腐蝕運(yùn)算，所提取的輪廓線效果達(dá)到了人工操作水平(圖2)。根據(jù)綠潮自動(dòng)提取結(jié)果可計(jì)算綠潮覆蓋面積，并自動(dòng)生成綠潮分布面并計(jì)算分布面積，并結(jié)合業(yè)務(wù)需求，可以統(tǒng)計(jì)35°以北以及沿海受災(zāi)地市劃定警戒區(qū)覆蓋面積和分布面積。

1.1.2 多時(shí)間窗數(shù)據(jù)源信息融合

通過綠潮應(yīng)急漂移預(yù)測(cè)和溯源技術(shù)[22-23]，解決了數(shù)據(jù)源時(shí)間不同步的問題?；诓煌瑫r(shí)間(h1、h2、h3)的應(yīng)急遙感監(jiān)測(cè)結(jié)果，利用綠潮應(yīng)急快速漂移(溯源)模型將h1和h3時(shí)刻的綠潮數(shù)據(jù)，快速預(yù)測(cè)或追溯到h2時(shí)刻，為遙感信息匹配融合提供不同數(shù)據(jù)源的h2時(shí)刻的綠潮模擬位置。對(duì)于高、低分辨率光學(xué)遙感監(jiān)測(cè)信息，系統(tǒng)研發(fā)融合技術(shù):建立公共區(qū)域內(nèi)低分辨率遙感影像NDVI值與高分辨率遙感影像覆蓋率的統(tǒng)計(jì)關(guān)系，修正整景低分辨率遙感影像的綠潮監(jiān)測(cè)結(jié)果?；谏鲜黾夹g(shù)，研發(fā)了多源衛(wèi)星影像監(jiān)測(cè)信息的融合技術(shù)，其主要流程以2014年7月4日6:56 Radarsat和9:46 HJ－1A兩景監(jiān)測(cè)數(shù)據(jù)(圖3)的數(shù)據(jù)融合過程為例:1)由于兩景數(shù)據(jù)成像時(shí)刻不同，利用綠潮應(yīng)急漂移預(yù)測(cè)技術(shù)，將6:56 Radarsat數(shù)據(jù)漂移到9:46時(shí)刻，解決時(shí)間不同的問題；2)判別兩類監(jiān)測(cè)解譯結(jié)果是否有重疊區(qū)，如果無，則融合結(jié)果為兩種遙感數(shù)據(jù)綠潮探測(cè)結(jié)果的直接疊加；3)如果存在疊加區(qū)域，那么判斷疊加區(qū)域是否有云覆蓋，如果有云覆蓋，選用受云覆蓋影響小的影像提取結(jié)果(Radarsat影像)；如果無云，那么選擇分辨率較高影像(Radarsat提取結(jié)果)(圖3)；4)最終得到9:46時(shí)刻的綠潮分布情況。

圖1 綠潮系統(tǒng)業(yè)務(wù)化運(yùn)行流程Fig.1 Operational Process of Remote-sensing M onitoring，F(xiàn)orecasting and W arning System on Green Tide in Yellow Sea

圖2 綠潮二值影像(左圖)和提取結(jié)果(右圖)Fig.2 The Binary Image of Green Tide(left)and the Extraction Resu lt(right)

1.1.3 綜合分布圖制作

利用綠潮信息自動(dòng)化提取技術(shù)和多時(shí)間窗數(shù)據(jù)源信息融合技術(shù)提取并融合多源遙感數(shù)據(jù)，獲得綠潮的分布面積和覆蓋面積等信息，最終制作綜合分布圖(圖5，紅色線代表綠潮的外緣線)，為綠潮應(yīng)急預(yù)測(cè)子系統(tǒng)提供初始場(chǎng)、邊界場(chǎng)和驗(yàn)證場(chǎng)。

1.2 黃海綠潮快速漂移預(yù)測(cè)子系統(tǒng)

1.2.1 黃海環(huán)境動(dòng)力業(yè)務(wù)化模式

圖3 2014年7月4日Radarsat(a)和HJ－1A(b)衛(wèi)星遙感解譯結(jié)果，Radarsat衛(wèi)星遙感數(shù)據(jù)漂移到9:46時(shí)刻的模擬結(jié)果(c，藍(lán)色點(diǎn))與同時(shí)刻HJ－1A衛(wèi)星數(shù)據(jù)(c，綠色點(diǎn))疊加結(jié)果(c)、數(shù)據(jù)融合結(jié)果(d)Fig.3 The Interp retation of 6:56 Radarsat(a)and 9:46 HJ－1A(b)on 4 July，2014；Superposition of HJ－1A data(c，green dots)and Drift Sim ulation Result of Radarsat Data to 9:46(c，blue dots)and Fused Result(d)

黃海環(huán)境動(dòng)力業(yè)務(wù)化模式主要包括氣象和海洋環(huán)境動(dòng)力模式。氣象模式采用美國大氣研究中心開發(fā)的WRF(Weather Research and Forecasting Model)，采用了多重嵌套技術(shù)，建立中國海海域、東中國海海域、北海區(qū)和青島近海模型，并在青島進(jìn)行加密計(jì)算，水平分辨率達(dá)3 km，同時(shí)采用三維變分方法24 h循環(huán)同化GTS、海洋站和浮標(biāo)等實(shí)時(shí)觀測(cè)數(shù)據(jù)。根據(jù)綠潮所在位置、范圍以及政府部門對(duì)應(yīng)急預(yù)測(cè)的不同需求，采用多重嵌套技術(shù)，建立中國海區(qū)、北海區(qū)和青島近海小區(qū)海流模型。該模型采用WRF風(fēng)場(chǎng)和熱通量場(chǎng)為大氣強(qiáng)迫場(chǎng)，中國海區(qū)采用ROMS模式，計(jì)算范圍為99°～148°E，9°S～44.05°N，水平分辨率為0.1°× 0.1°，垂向分25層；北海區(qū)采用ROMS模型，模型范圍為117°E～127°E，32°N～41°N，水平分辨率為1/30°×1/30°，垂向分6層。近海小區(qū)海流預(yù)報(bào)采用FVCOM模式，對(duì)關(guān)注海域局部加密，分辨率最小可達(dá)10 m。同時(shí)海洋模型采用改進(jìn)集合Kalman濾波同化技術(shù)實(shí)現(xiàn)對(duì)地波雷達(dá)海流實(shí)時(shí)觀測(cè)數(shù)據(jù)的同化[24]，進(jìn)一步提高了海洋模式的預(yù)報(bào)精度。

1.2.2 黃海綠潮快速漂移預(yù)測(cè)模型

在不考慮綠潮自身生態(tài)特征的情況下，其在海水中的移動(dòng)，可以看作是質(zhì)點(diǎn)跟隨海流的物理運(yùn)動(dòng)，所以綠潮應(yīng)急漂移預(yù)測(cè)，采用拉格朗日粒子追蹤方法?；诶窭嗜沼^點(diǎn)，粒子的漂移速度V?L計(jì)算公式為:

式中:V?W—由風(fēng)力和波浪作用產(chǎn)生的速度分量；V?t—潮流作用產(chǎn)生的速度分量；V?r—潮致余流作用產(chǎn)生的速度分量；V?h—環(huán)流(包括:風(fēng)海流和密度流)作用產(chǎn)生的速度分量；潮流流速分量V?t和V?r，由潮流調(diào)和常數(shù)預(yù)報(bào)得到。環(huán)流流速分量

V?h，綠潮環(huán)境動(dòng)力業(yè)務(wù)化預(yù)報(bào)系統(tǒng)提供。

基于黃海綠潮環(huán)境動(dòng)力數(shù)值模擬結(jié)果，利用綠潮斑塊海上漂移實(shí)驗(yàn)修正了海流和風(fēng)力系數(shù)的比值[25]，并分析風(fēng)拖曳角度變化對(duì)綠潮分布的影響，確定模型參數(shù)。該模式能自動(dòng)搜索綠潮所在區(qū)域，并考慮圍欄和流網(wǎng)障礙物的阻擋，快速預(yù)測(cè)綠潮斑塊漂移路徑[22]。

1.2.3 綠潮漂移預(yù)測(cè)結(jié)果驗(yàn)證

由于綠潮(滸苔)的繁殖擴(kuò)展速度非常之快，相差一天的滸苔衛(wèi)星圖片表現(xiàn)出來的綠潮分布形狀將大為不同，很難辨別出昨天的綠潮在今天是在什么位置。6月底至7月青島至日照近海綠潮密集度比較高，分布特征也比較明顯。我們?cè)谇鄭u至日照近海收集到3次時(shí)間間隔僅相差幾個(gè)小時(shí)的衛(wèi)星圖片，可以明顯地辨別出上一時(shí)刻在下一時(shí)刻的位置，作為實(shí)測(cè)滸苔漂移位置，與模式計(jì)算漂移位置作對(duì)比檢驗(yàn)。三組觀測(cè)對(duì)比資料分別為2008年7月16日18時(shí)16分COSMO－1 SAR和19時(shí)4分COSMO－2 SAR，2011年7月11日SAR COSMO 06:02和MODIS 10:59，2014年7月16日RADARSAT－2衛(wèi)星6:53和18:08監(jiān)測(cè)數(shù)據(jù)。2014年7月16日RADARSAT－2衛(wèi)星于兩個(gè)時(shí)刻經(jīng)過該海域，分辨率分別為50m和25m (圖4)。RADARSAT－2成像基本不受云覆蓋的影響，對(duì)比兩張影像圖，在6:53的監(jiān)測(cè)結(jié)果中選取綠潮形狀變化不大的區(qū)域(藍(lán)色方框)提取有效信息作為綠潮漂移模式的初始場(chǎng)，預(yù)測(cè)其到18:08綠潮的位置，并與同時(shí)刻監(jiān)測(cè)結(jié)果作比較(圖5)。受青島近海風(fēng)和流的影響，綠潮向西北向漂移。三組綠潮的漂移軌跡預(yù)報(bào)結(jié)果檢驗(yàn)如表1。綜合考慮綠潮有可能會(huì)沉降、不同衛(wèi)星的成像也會(huì)出現(xiàn)一些差別等因素，綠潮數(shù)值預(yù)報(bào)結(jié)果與監(jiān)測(cè)結(jié)果大體一致，因此黃海綠潮快速應(yīng)急模型能夠準(zhǔn)確快速預(yù)測(cè)綠潮斑塊的漂移軌跡和方向。

圖4 2014年6月17日RADARSAT－2衛(wèi)星6:53(a)和18:08(b)綠潮(滸苔)解譯圖Fig.4 The Green Tide In terpretation of RADARSAT－2 at 6:53(a)and 18:08(b)，on 17 June，2014

表1 綠潮漂移軌跡預(yù)報(bào)結(jié)果檢驗(yàn)Tab.1 The Forecasting Results Test of Green Tide

圖5 2014年6月17日18:08綠潮監(jiān)測(cè)(綠點(diǎn))和預(yù)測(cè)(紅點(diǎn))結(jié)果比對(duì)Fig.5 The Observation(green dots)and Prediction(red dots)of Green Tide at 18:08 on June 17，2014

1.3 黃海綠潮綜合業(yè)務(wù)平臺(tái)的建立

基于綠潮應(yīng)急遙感監(jiān)測(cè)子系統(tǒng)和應(yīng)急漂移預(yù)測(cè)子系統(tǒng)，建立一套集黃海綠潮災(zāi)害應(yīng)急遙感信息解譯、多源數(shù)據(jù)融合、漂移預(yù)測(cè)和預(yù)警產(chǎn)品制作和發(fā)布的綜合業(yè)務(wù)平臺(tái)。該平臺(tái)包含綠潮應(yīng)急遙感監(jiān)測(cè)和預(yù)測(cè)預(yù)警兩個(gè)子平臺(tái)；兩者既獨(dú)立又相互聯(lián)系，其框架如圖6。綠潮遙感監(jiān)測(cè)子平臺(tái)的關(guān)鍵技術(shù)為基于K－均值聚類算法的綠潮散點(diǎn)抽稀、業(yè)務(wù)化專題圖制作；應(yīng)急預(yù)測(cè)子平臺(tái)的關(guān)鍵技術(shù)主要是綠潮數(shù)值模擬與GIS系統(tǒng)的無縫集成、模式自動(dòng)調(diào)用和并行計(jì)算、不同類型的綠潮制圖輸出、業(yè)務(wù)化快報(bào)制作和發(fā)布。以2013年6月29日為例，基于綠潮遙感監(jiān)測(cè)子平臺(tái)準(zhǔn)自動(dòng)化提取當(dāng)天綠潮衛(wèi)星和航空等遙感數(shù)據(jù)信息得到多源綜合解譯結(jié)果(圖7左圖)，并制作綜合圖和綠潮遙感快報(bào)，可以進(jìn)行快報(bào)發(fā)布或?qū)⒈O(jiān)測(cè)結(jié)果導(dǎo)入綠潮應(yīng)急預(yù)測(cè)子系統(tǒng)(圖7右圖)，進(jìn)行綠潮應(yīng)急漂移預(yù)測(cè)，根據(jù)需要選擇不同時(shí)刻、不同斑點(diǎn)的綠潮預(yù)測(cè)結(jié)果，制作綠潮趨勢(shì)預(yù)測(cè)圖(圖8錯(cuò)誤!未找到引用源。左圖)，并制作主要包括綠潮綜合分布圖、綠潮趨勢(shì)預(yù)測(cè)圖、綠潮斑點(diǎn)漂移圖、預(yù)警區(qū)域面積統(tǒng)計(jì)表、海洋環(huán)境預(yù)報(bào)表等信息的預(yù)警信息快報(bào)，最后發(fā)布預(yù)警信息(圖8右圖)。

圖6 綠潮應(yīng)急遙感監(jiān)測(cè)(左圖)子平臺(tái)和預(yù)測(cè)預(yù)警子平臺(tái)(右圖)總體框架圖Fig.6 The Frame Diagram onSub-platform of Remote Sensing M onitoring(left figure)and Forecasting and W arning(right figure)on Green Tide.

圖7 遙感監(jiān)測(cè)子平臺(tái)中監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)自動(dòng)化提取(左圖)和應(yīng)急預(yù)測(cè)子平臺(tái)中遙感解譯數(shù)據(jù)導(dǎo)入(右圖)Fig.7 The Quasi-autom atic Extraction ofM onitoring Data on Remote-Sensing M onitoring Sub-p latform(left figure)and Data Im port in the Forecasting and W arning Sub-p latform(righ t figure)

圖8 綠潮漂移預(yù)測(cè)結(jié)果圖(左圖)、綠潮快報(bào)制作過程(中圖)和監(jiān)測(cè)預(yù)警產(chǎn)品輸出(右圖)Fig.8 The Figure on Forecast Result Exported from Platform(left figure)，Express Production(m idd le figure)and Output Products(right figure)for Green Tide

2 討論

黃海綠潮應(yīng)急遙感監(jiān)測(cè)和預(yù)測(cè)預(yù)警系統(tǒng)從2008年開始研發(fā)到2010年底基本建設(shè)完成，并在應(yīng)用中不斷完善升級(jí)，大大提高了工作效率，進(jìn)一步提升了黃海綠潮災(zāi)害應(yīng)急工作預(yù)警能力。本系統(tǒng)服務(wù)于國家海洋局和山東省海洋與漁業(yè)廳、青島市海洋與漁業(yè)局、威海市海洋與漁業(yè)局、煙臺(tái)市海洋與漁業(yè)局、日照市海洋與漁業(yè)局等政府防災(zāi)減災(zāi)應(yīng)急部門，為海上運(yùn)動(dòng)、水產(chǎn)養(yǎng)殖、濱海旅游、交通運(yùn)輸、漁業(yè)生產(chǎn)等涉?；顒?dòng)和海洋管理提供科學(xué)可靠的技術(shù)保障，特別是在2008年奧帆船賽和2012年亞沙會(huì)的綠潮預(yù)測(cè)保障工作中，發(fā)揮了重要的作用，并取得巨大的社會(huì)、經(jīng)濟(jì)和生態(tài)效益。

海洋中滸苔條帶的寬度通常不大于10 m，而分辨率為25～30 m的SAR圖像中異常條帶的寬度是多個(gè)像素點(diǎn)。基于遙感圖像異常對(duì)綠潮量的估算可能會(huì)偏高1個(gè)量級(jí)(10倍)左右，所以單獨(dú)利用海洋遙感圖像判定綠潮在海面的覆蓋率存在一定問題。所以迫切需要完善海洋綠潮監(jiān)視監(jiān)測(cè)系統(tǒng)，衛(wèi)星遙感需緊密結(jié)合航空遙感、陸岸巡視等其他監(jiān)測(cè)結(jié)果，并實(shí)現(xiàn)多源數(shù)據(jù)充分融合，提高系統(tǒng)的監(jiān)測(cè)數(shù)據(jù)提取精度。在多源綠潮融合結(jié)果中，不同影像應(yīng)用基于NDVI與滸苔覆蓋率關(guān)系的混合像元分解方法，提取精度基本達(dá)到HJ－1 CCD提取精度，其余SAR影像分辨率各不相同，未將結(jié)果統(tǒng)一到HJ－1提取精度，因此為保證融合結(jié)果各星源信息提取精度統(tǒng)一，需對(duì)該問題開展進(jìn)一步的研究。綠潮的發(fā)生發(fā)展過程十分復(fù)雜，在漂移的過程中會(huì)有生長、死亡沉降等生態(tài)現(xiàn)象。我們所采用的方法是在不考慮綠潮自身

生態(tài)特征的情況下，綠潮隨風(fēng)和流等要素漂移的物理過程。特別在6、7月份綠潮暴發(fā)期間，綠潮的生長速度較快，單純的物理模型不能模擬綠潮藻類的生長受溫度、光照、pH、鹽度和營養(yǎng)鹽等諸多環(huán)境因素影響的過程，所以下一步我們將建立綠潮物理—生態(tài)模型進(jìn)行漂移、分布和生長預(yù)測(cè)，從而提高黃海綠潮應(yīng)急監(jiān)測(cè)和預(yù)測(cè)預(yù)警的能力，為政府相關(guān)部門提供更準(zhǔn)確和豐富的綠潮信息。

[1] Gower J，King S，Goncalves P.Globalmonitoring of plankton blooms using MERISMCI，29(21)，2008，6209－6216.

[2] 張娟.滸苔遙感監(jiān)測(cè)方法研究及軟件實(shí)現(xiàn)—以青島奧帆賽場(chǎng)及周邊海域?yàn)槔齕D].成都:電子科技大學(xué)，2009.

[3] 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(cè)中的應(yīng)用[J].應(yīng)用氣象學(xué)報(bào)，2010，21(1):76－82.

[4] Elijah R，Amina R，Mads S T，et al.Spectral definition of the Macro-algae Ulva curvata in the Back-barrier Bays of the eastern shore of Virginia，USA[J].Int.J.Remote Sens.，2012，33(2): 586－603.

[5] 李穎，梁剛，于水明，等.監(jiān)測(cè)滸苔災(zāi)害的微波遙感數(shù)據(jù)選取[J].海洋環(huán)境科學(xué)，2011，30(5): 739－742.

[6] 蔣興偉，鄒亞榮，王華，等.基于SAR快速提取滸苔信息應(yīng)用研究[J].海洋學(xué)報(bào)，2009，31(2): 63－68.

[7] Cui T W，Zhang J，Sun L E，et al.Satellite monitoring of massive green macroalgae bloom (GMB):Imaging ability comparison ofmulti-source data and drifting velocity estimation[J].Int.J. Remote Sens.，2012，33(17):5513－5527.

[8] Hu C M，He M X.Origin and offshore extent of floating algae in olympic sailing area[J].Eos，American Geophysical Union Transactions，2008，89 (33):302－303.

[9] Hu C M，Li D Q，Chen C S，et al.On the recurrent Ulvaprolifera blooms in the Yellow Sea and East China Sea[J].Journal of Geophysical Research，2010 (115):C05017.doi:10.1029/2009JC005561.

[10] Keesing J K，Liu D Y，F(xiàn)earns P，et al.Inter-and Intra-annual patterns of Ulvaprolifera green tides in the Yellow Sea during 2007－2009，their origin and relationship to the expansion of coastal seaweed aquaculture in China[J].Marine Pollution Bulletin，2011，62(6):1169－1182.

[11] Shi W，Wang M.Green macroalgae blooms in the Yellow Sea during the spring and summer of2008[J] J.Geophys.R.，2009(114):C120010，doi: 10.1029/2009JC005513.

[12] 高松，黃娟，白濤，等，2008年與2009年黃海綠潮漂移路徑分析[J].海洋科學(xué)，38(2):94－98.

[13] 王寧，曹叢華，黃娟，等.基于遙感監(jiān)測(cè)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(bào)，15(4):24－29.

[14] 黃娟，吳玲娟，高松，等，黃海綠潮分布年際變化分析[J].激光生物學(xué)報(bào)，2014.

[15] AUROUSSEAU P.Les flux d'azote et de phosphore provenantdes bassins versants de la rade de Brest [J].Comparaison avec laBretagne.Océanis，2001，27:137－161.

[16] CUGIER P，LE HIR P.Three dimensional(3D) ecological modellingof the Bay of Seine(English Channel，F(xiàn)rance)[J].JSea Res，2005，54:104－124.

[17] CUGIER P.P.LE HIR.Development of a 3D hydrodynamicalmodel for coastal ecosystem modeling，Application to the plume of the Seine River(France) [J].Estuar Coast Shelf Sci，2000，55:673－695.

[18] Ménesguen，JC Salomon.Eutrophication modelling as a toolfor fightingagainst Ulva coastalmass blooms，B.A.Schrefler and O.C.Zienkiewicz[eds.] [M].Computer modelling in oceanengineering. Balkema，1988，443－450.

[19] Perrot T，Dion P，Populus J，Guillaumont B，Brault D.A predictiveapproach to the mapping of fucoid beds using Spotmagery and a digital elevation model [C].VIIIth International SeaweedSymposium，June 20－25，2004，Bergen，Norway.

[20] 喬方利.2008與2010年黃海滸苔漂移輸運(yùn)特征對(duì)比[J].科學(xué)通報(bào)，2011，56(18):1470－1476.

[21] 李燕，李云，劉欽政.滸苔漂移軌跡預(yù)報(bào)系統(tǒng)[J].海洋預(yù)報(bào)，2011，56(18):1470－1476.

[22] 黃娟，吳玲娟，高松，等.黃海綠潮應(yīng)急漂移數(shù)值模擬[J]，海洋預(yù)報(bào)，2011，28(1):25－32.

[23] 吳玲娟，曹叢華，黃娟，等.黃海綠潮應(yīng)急溯源數(shù)值模擬[J]，海洋科學(xué)，2011，35(6):44－47.

[24] Xu Jiangling， Huang Juan， Gao Song， et al.，Assimilation of High Frequency Radar Data into a Shelf Sea Circulation Model[J]，Journal of Ocean

University of China，2014，13(4):572－578.

[25] 黃娟，徐江玲，高松，等.基于海上試驗(yàn)對(duì)海上漂移物運(yùn)移軌跡影響因素分析[J].海洋預(yù)報(bào)，2014，31(4):97－104.

Remote-sensing M onitoring，F(xiàn)orecasting and Warning System for Emergency Response on Green Tide in Yellow Sea

Wu lingJuan1，2，Gao Song1，2，Ding Yi1，2，Cao Yajing1，2，Jin Xifang1，2
(1.North China Sea Marine Forecast Center ofState Oceanic Administration，Qingdao，Shandong 266061，China；2.Shandong Provincial Key Laboratory ofMarine Ecological Environmentand Disaster Prevention and Mitigation，Qingdao，Shandong 266061，China)

The system on remote-sensingmonitoring，forecasting and warning for emergency response on green tide in Yellow Sea is developed based on the study of monitoring and forecasting techniques.The system could provide remote-sensingmonitoring，information extraction，data collection and analysis，and broadcast of forecast and warning production.On remote-sensing monitoring，the technique on quasi-automatic information extraction and fusion of multi-source，multi-window data is developed；the fast drifting forecastmodel is developed based on fine atmospheric and oceanic field.The system serves the State Oceanic Adm inistration and related government departments，and provides scientific，reliable and technical support for marine sports，aquaculture，tourism，transportation，fishery，and marinemanagement.The system has played important roles in 2008 Olympic Sailing Games and 2012 Asian Beach Games，and has achieved great social，economic and ecological benefits.

green tide；remote-sensingmonitoring；forecasting and warning；system

X

:B

:1673－8047(2015)01－0059－09

2014－10－20

山東省海洋生態(tài)環(huán)境與防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室開放基金(201407)；國家海洋局公益性項(xiàng)目(201205010)

:吳玲娟(1979—)，女，博士，高工，主要從事海洋環(huán)境要素預(yù)報(bào)和研究和防災(zāi)減災(zāi)工作。