辛蕾，王寧，鐘山，胡偉，孫青

(1.山東省海洋生態(tài)環(huán)境與防災減災重點實驗室 青島 266061；2.國家海洋局北海預報中心 青島 266061)

?

Arcgis矢量圖層符號化方法在綠潮分布顯示中的應用

辛蕾1，2，王寧1，2，鐘山1，2，胡偉1，2，孫青1，2

(1.山東省海洋生態(tài)環(huán)境與防災減災重點實驗室 青島 266061；2.國家海洋局北海預報中心 青島 266061)

在綠潮衛(wèi)星遙感業(yè)務化監(jiān)測中，技術人員首先對綠潮衛(wèi)星遙感影像進行解譯，相關部門以解譯結果作為參考制定綠潮處置決策。然而傳統(tǒng)的綠潮解譯結果僅顯示綠潮的分布范圍，在綠潮的密集度方面沒有體現，導致無法判斷海上綠潮分布的實際情況，為綠潮處置決策增加了難度，而目前鮮有學者對綠潮分布顯示做相關研究。Arcgis矢量圖層符號化方法是把符號化方案應用到目標圖層上，文章運用該方法將綠潮斑塊圖層密集程度可視化，提高對綠潮災害目視判讀的合理性。

Arcgis 符號化；綠潮；海洋環(huán)境；環(huán)境監(jiān)測

1 引言

自2007年綠潮在我國黃海出現后，國內學者開始開展對綠潮進行研究，有關部門也展開綠潮業(yè)務化監(jiān)測工作。在業(yè)務化監(jiān)測中，技術人員普遍采用歸一化植被指數(NDVI)對發(fā)生綠潮的區(qū)域選定合適的閾值，提取衛(wèi)星影像中的綠潮信息。在以像元為單位的衛(wèi)星遙感影像中，經過NDVI計算的綠潮像元由于NDVI值不同而呈現不同的灰度值，像元灰度值不同實際上是因為像元綠潮含量有差異即綠潮密集度不同。綠潮密集度能夠反映綠潮斑塊空間分布的聚集程度[1]，綠潮密集度越高，所對應像元NDVI值越大，像元越亮；相反，綠潮密集度越低，NDVI值越小，像元越暗。然而傳統(tǒng)的綠潮解譯結果僅顯示綠潮的分布范圍，在綠潮的密集度方面沒有體現，無法判斷海上綠潮分布的實際情況，為綠潮處置決策增加了難度。

目前已有大量關于綠潮研究的文章。王寧等[2]利用多年衛(wèi)星遙感數據分析各年綠潮分布面積的變化情況；黃娟等[3]綜合多年綠潮監(jiān)測資料，分析黃海綠潮包括首次發(fā)現時的分布特征、最大覆蓋面積、同期覆蓋及分布面積、綠潮漂移路徑等在內的年際變化特征；崔琳琳等[4]利用中尺度氣象模式WRF對2009—2012年綠潮早期聚集之前2周的氣象要素進行模擬，分析其2周平均、周平均和日平均的變化規(guī)律，研究結果表明綠潮聚集前期海面風速基本維持在6～7 m/s，氣溫和海表溫度的均值在12℃～15℃范圍內，海溫接近綠潮適宜生長溫度，短波輻射能量在200 W/m2左右，光照條件有利于綠潮繁殖；喬方利等[5]研究發(fā)現風場驅動下的海洋表層流場年際變化時滸苔漂移路徑變異的主要原因，提出區(qū)域氣候變化影響海洋生態(tài)系統(tǒng)的一種途徑。但目前國內還鮮有學者對綠潮分布顯示做相關研究。

本文利用傳統(tǒng)的NDVI方法提取綠潮信息，運用Arcgis矢量圖層符號化方法顯示綠潮分布，更加真實地呈現綠潮災害的現場分布情況，為綠潮災害的處置提供更直觀的判斷。

2 數據與方法

2.1 數據及處理

MODIS是當前最新“圖譜合一”的光學成像光譜儀，具有36個光學通道，分布在0.4～14 μm的電磁波譜范圍內。MODIS的地面分辨率分別為250 m、500 m、1 000 m，掃描寬度為2 330 km，能夠覆蓋整個黃海。MODIS以每天上、下午的頻率采集和免費接收的數據獲取策略，使其成為海洋環(huán)境監(jiān)測中不可多得的數據資源[6-7]。

在綠潮信息提取前，對MODIS數據進行一系列處理，主要包括幾何校正、輻射定標和大氣校正。其中大氣校正采用MODTRAN4+大氣輻射傳輸模型。

本文選用的MODIS數據成像時間為2013年6月29日，綠潮發(fā)生區(qū)域為中國黃海，綠潮正處于大規(guī)模暴發(fā)時期，分布范圍較大、覆蓋面廣，能夠反映綠潮分布的一般情況。

2.2 方法

2.2.1 NDVI閾值法

綠潮水體在可見光波段反射率較低、在近紅外波段(0.841～0.876 μm)反射率較高、在短波紅外波段(1.628～1.652 μm)反射率接近0，因此在利用短波紅外、近紅外和可見光合成的RGB假彩色影像圖上，海水常呈現深藍色或黑色、綠潮水體常呈現翠綠色、陸地植被則呈現綠色或黃綠色，三者具有較明顯的差異。利用這一光譜特性能夠明顯區(qū)分綠潮水體及正常海水和陸地植被[8-9]。

NDVI閾值法是根據綠色植物在紅光波段(R)和近紅外波段(NIR)光譜響應的不同建立的植被信息提取模型，計算公式為：

(1)

式中：rNIR為近紅外波段的反射率；rR為紅光波段的反射率。

2.2.2 Arcgis矢量圖層符號化方法

矢量圖層應用符號化(apply symbology from layer)方法是把用戶自定義圖層中的符號化方案應用到輸入圖層上，符號化的具體設置會隨著輸入圖層用于符號化的字段取值的不同而變化。具體有3種符號化方法，即矢量圖層符號化方法中的唯一值(unique value)方法、矢量圖層符號化方法中的漸變色(graduated color)方法、柵格圖層符號化方法中的分類(classified)方法[10]。

本文選用矢量圖層符號化方法中的漸變色方法，該方法中的分級范圍會根據輸入圖層符號化字段分級范圍的變化而變化。圖層的符號化方案一般是基于源數據中的某些字段值進行設置，如根據人口字段值的不同設置不同的顯示顏色，或根據行政區(qū)域的不同設置不同的填充方案等。選擇的字段是代表NDVI值的字段，將NDVI值按照升序分為5個不同的取值范圍，對應的顏色方案從亮到暗，即代表NDVI值的變化。

使用本方法時要注意，輸入圖層和符號化方案的圖層的數據類型必須匹配，如輸入圖層是柵格圖層，那么符號化方案圖層也必須是柵格圖層，否則會出錯。另外，輸入圖層和符號化方案圖層的數據的幾何類型也必須匹配，如點圖層的符號化方案不能應用到多邊形圖層上[11]。

3 技術應用

3.1 技術處理流程

對選用的MODIS影像利用傳統(tǒng)NDVI方法提取綠潮像元，在Arcgis里創(chuàng)建規(guī)則網格要素類并轉為規(guī)則網格面，將綠潮像元圖層與規(guī)則網格面圖層進行相交處理，得到新的面圖層，將此面圖層轉為點圖層，提取代表NDVI字段的值至點圖層，通過相同字段值連接面圖層和點圖層，應用矢量圖層符號化方法，選定代表NDVI值的字段為符號化字段，將NDVI值按照降序分為4個不同的取值范圍，對應的顏色方案從亮到暗，生成矢量圖(圖1)。

圖1 技術處理流程

3.2 新成果及與傳統(tǒng)結果比較

運用矢量圖層符號化方法在Arcgis中顯示綠潮(圖2)，顏色較濃重的部分表示綠潮密集度高、較清淡的部分表示綠潮密集度低；聚集的綠潮斑塊顏色偏亮、零散的綠潮斑塊顏色偏淡，綠潮斑塊中心位置顏色偏亮、而邊緣位置顏色偏淡。與現場情況基本一致。

圖2 矢量圖層符號化方法的綠潮顯示效果

目前在綠潮業(yè)務化監(jiān)測工作中，傳統(tǒng)的綠潮提取結果只是簡單地標志出綠潮的分布位置，忽略綠潮斑塊空間分布的聚集程度，使綠潮量看上去較多(圖3)。

圖3 傳統(tǒng)NDVI方法綠潮顯示效果

應用Arcgis矢量圖層符號化方法后，綠潮的解譯結果增加密集度分布的可視化信息，綠潮斑塊的密集度得到充分體現，繼而在目視判讀上更具合理性。

4 結論與討論

本文在利用傳統(tǒng)的NDVI方法提取綠潮信息的基礎上，運用Arcgis矢量圖層符號化方法，其解譯結果不僅包含綠潮的分布情況，而且增加綠潮密集度分布的可視化信息，提高了對綠潮災害目視判讀的合理性。

本文依靠Arcgis矢量圖層符號化方法從表觀上解讀綠潮的密集度分布，今后將從定量的角度討論綠潮的密集度，為有關部門的科學決策提供更為詳盡的技術支持。

[1] 鞏加龍，肖艷芳，蔡曉晴，等.空間分辨率對綠潮覆蓋面積、密集度衛(wèi)星遙感信息提取的影響[J].激光生物學報，2014，23(6)：579-584.

[2] 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].防災科技學院學報，2013，15(4)：24-29.

[3] 黃娟，吳玲娟，高松，等.黃海綠潮分布年際變化分析[J].激光生物學報，2014，23(6)：572-578.

[4] 崔琳琳，胡松，楊紅，等.綠潮早期聚集期間天氣過程分析[J].海洋環(huán)境科學，2014，33(6)：941-946.

[5] 喬方利，王關鎖，呂新剛，等.2008年與2010年黃海滸苔漂移輸運特征對比[J].科學通報，2011，56(18)：1470-1476.

[6] LV X G，QIAO F L.Distributionof sunken macroalgae against the background of tidal circulation in the coastal waters of Qingdao.China.In summer[J].Geophysical Research Letters，2008，35(23)：92-101.

[7] 韓素芹，黎貞發(fā)，孫治貴.EOS/MODIS衛(wèi)星對渤海海冰的觀測研究[J].氣象科學，2005，25(6)：624-628.

[8] 吳孟泉，郭浩，張安定，等.2008—2012年山東半島海域滸苔時空分布特征研究[J].光譜學與光譜分析，2014，34(5)：1312-1318.

[9] 郭鈮.植被指數及其研究進展[J].干旱氣象，2003，21(4)：71-75.

[10] 史漢新.基于ArcGIS的矢量地形圖符號化的設計與實現[J].現代測繪，2010，33(1)：59-61.

[11] 邢超，李斌.ArcGIS學習指南[M].北京：科學出版社，2010：270-272.

Application of Apply Symbology from Layer of Arcgis in the Display of Green Tide Distribution

XIN Lei1，2，WANG Ning1，2，ZHONG Shan1，2，HU Wei1，2，SUN Qing1，2

(1.Shandong Provincial Key Laboratory of Marine Ecological Environment and Disaster Prevention and Mitigation，Qingdao 266061，China；2.North China Sea Marine Forecast Center，SOA，Qingdao 266061，China)

During the satellite remote sensing monitoring of green tide，disposal decisions were made by technicians on the reference of interpreting results of satellite remote sensing image.However，traditional interpreting results only show the distribution range of green tide，but without intensity，which provide no not help to judge the real situation at the scene.Few studies were implemented to make the distribution of green tide display on the screen.This paper visualized the intensity of green tide on the screen by Apply Symbology from Layer of Arcgis，based on NDVI(Normalized Difference Vegetation Index).

Arcgis Symbology，Green tide，Marine environment，Environmental monitoring

2016-10-28；

2016-12-28

國家海洋局北海分局海洋科技項目(2016B09)；HY-2衛(wèi)星海洋動力環(huán)境探測數據應用服務技術系統(tǒng)與示范(2013418032).

辛蕾，工程師，碩士，研究方向為海洋衛(wèi)星遙感監(jiān)測及技術，電子信箱：xinlei@bhfj.gov.cn

P7

A

1005-9857(2017)04-0038-04