董京銘，石軒碩，張銀意，郝 玲，馬晨晨

（1.連云港市氣象局，江蘇 連云港 222000；2.南京信息工程大學(xué)海洋科學(xué)學(xué)院，南京 210044）

近年來，大型藻類災(zāi)害事件在中國近海海域頻發(fā)，已成為危及海洋經(jīng)濟(jì)發(fā)展和生態(tài)安全的一大不確定因素。其中，以滸苔（Ulva prolifera）為主的綠潮是最常見的大型藻類災(zāi)害［1，2］。自2007 年后，滸苔綠潮已成為近海每年必遇的海洋生態(tài)災(zāi)害，特別是江蘇至山東海域［3］。滸苔環(huán)境適應(yīng)能力和繁殖能力較強(qiáng)，在特定的環(huán)境下會暴發(fā)繁殖和聚集形成“綠潮”現(xiàn)象，從而造成系列的海洋生態(tài)問題和海洋經(jīng)濟(jì)損失［4，5］。因此，做好滸苔綠潮災(zāi)害的監(jiān)控預(yù)警工作成為防災(zāi)減災(zāi)最重要的前提保障。然而，受風(fēng)、潮汐和海流等因素的綜合影響，漂浮滸苔的分布狀況可能會在短時(shí)間內(nèi)發(fā)生變化［6］，同時(shí)滸苔暴發(fā)持續(xù)時(shí)間長，所以采用地面調(diào)查觀測方法（如船舶、站點(diǎn)）難以掌握其時(shí)空變化，且費(fèi)時(shí)費(fèi)力。相比而言，衛(wèi)星遙感技術(shù)可以在時(shí)間和空間尺度上連續(xù)提供觀測資料，實(shí)現(xiàn)宏觀、準(zhǔn)實(shí)時(shí)和周期性獲取滸苔信息，已成為綠潮監(jiān)測與預(yù)警的重要手段。特別的是，光學(xué)衛(wèi)星遙感數(shù)據(jù)成為目前監(jiān)測滸苔的主要資料。

截止目前，研究者針對光學(xué)傳感器的波段特點(diǎn)提出諸多遙感算法，用于滸苔災(zāi)害的監(jiān)測及其后續(xù)研究工作。光學(xué)遙感算法依賴于滸苔在可見光和紅外波段具有獨(dú)特的反射光譜特性，明顯區(qū)別于非滸苔海水［7］。例如，歸一化植被指數(shù)法僅需要紅光和近紅外波段，基本適用于所有光學(xué)傳感器。然而，它對外界環(huán)境和觀測條件變化很敏感?；贛ODIS（Moderate-resolution Imaging Spectroradiometer）數(shù)據(jù)，Shi等［8］通過分析2008 年黃海滸苔事件設(shè)計(jì)了歸一化差異指數(shù)。基于紅光、近紅外（Near infrared，NIR）和短波紅外（Shortwave Infrared，SWIR）波段的瑞利校正反射率，Hu［7］設(shè)計(jì)了FAI 指數(shù)（Floating Algae Index）。該指數(shù)有效降低了外界觀測環(huán)境的干擾，如氣溶膠變化、太陽耀斑等，但無法移植到缺少SWIR 波段的衛(wèi)星傳感器。參考FAI 設(shè)計(jì)思路，Xing等［9］針對未配置SWIR 波段的傳感器提出了VBFAH（Virtual-Baseline Floating Macroalgae Height）指數(shù)，并應(yīng)用于HJ-CCD 數(shù)據(jù)監(jiān)測中國近海滸苔災(zāi)害。Son 等［10］面 向GOCI（Geostationary Ocean Color Imager）數(shù)據(jù)開發(fā)出IGAG（Indexoffloating Green Algaefor GOCI）算法。除此之外，人工智能算法也逐漸應(yīng)用于滸苔遙感監(jiān)測研究，如神經(jīng)網(wǎng)絡(luò)［11，12］、隨機(jī)森林算法［13］。上述基于光譜特性的滸苔遙感監(jiān)測算法主要基于瑞利校正反射率（Rayleigh-corrected Reflectance，Rrc）、遙感反射率（Remote Sensing Reflectance，Rrs）或地表反射率（Reflectance，Ref）信號，因此需要較精確的瑞利校正或者大氣校正方案，這在一定程度上增加了算法實(shí)施的復(fù)雜性，同時(shí)需要更多輔助信息［14］。為了避開瑞利校正和大氣校正，Zhang等［15］基于大氣層頂反射率（Top-of-atmosphere Reflectance，RTOA），結(jié)合纓帽變換開發(fā)了綠度指數(shù)來增強(qiáng)滸苔與非滸苔信號差異，實(shí)現(xiàn)滸苔遙感識別。

綜上所述，學(xué)者們針對滸苔綠潮災(zāi)害已開展了大量研究工作，并取得了一些顯著的研究成果。然而，以往工作所使用的遙感數(shù)據(jù)絕大多數(shù)為國外衛(wèi)星資料，而國產(chǎn)衛(wèi)想遙感數(shù)據(jù)使用較少［2］。這種現(xiàn)狀將會造成國內(nèi)衛(wèi)星資源的浪費(fèi)，不利于國內(nèi)水色遙感技術(shù)的良性發(fā)展。同時(shí)，滸苔遙感監(jiān)測研究多采用太陽同步極軌衛(wèi)星遙感數(shù)據(jù)，如MODIS、Landsat7-ETM+、HJ-CCD等，但時(shí)間分辨率一般為1～2 d，這無法很好滿足具有高頻變化的滸苔事件的監(jiān)測需求［16］。國產(chǎn)靜止軌道衛(wèi)星高分四號（GF4）攜帶的MSS（Multi-spectral Scanner）傳感器具有高空間分辨率（50 m）和極高時(shí)間分辨率（20 s），在滸苔面積的精細(xì)化提取和高頻變化監(jiān)測方面展示出巨大潛力。為此，針對國產(chǎn)GF4-MSS 數(shù)據(jù)，本研究基于衛(wèi)星RTOA信號采用纓帽變換方法開展?jié)G苔信息提取研究，并與FAI 和VB-FAH 算法的監(jiān)測結(jié)果進(jìn)行對比分析，以期挖掘國產(chǎn)靜止衛(wèi)星GF4 的滸苔監(jiān)測應(yīng)用能力，同時(shí)推廣國產(chǎn)光學(xué)衛(wèi)星數(shù)據(jù)在海洋災(zāi)害方面的使用率。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域概況

本研究所選取的研究區(qū)域是中國黃海近海海域，其經(jīng)緯度范圍為34°N—37°N，119°E—124°E，如圖1（a）所示。該海域?yàn)闇貛Ъ撅L(fēng)氣候，年平均氣溫16 ℃，夏季溫暖濕潤，光照充足。黃海沿海有多條河流匯入，陸源營養(yǎng)鹽持續(xù)輸入，營養(yǎng)物質(zhì)充足［17］，為滸苔在該海域發(fā)生增殖現(xiàn)象提供了條件。自2007 年后，黃海海域每年5 月至9 月都會出現(xiàn)滸苔綠潮事件，造成海洋生態(tài)環(huán)境被破壞和巨大經(jīng)濟(jì)損失。

圖1 研究區(qū)域范圍

1.2 研究數(shù)據(jù)及預(yù)處理

本研究共使用2 種衛(wèi)星遙感數(shù)據(jù)源：GF4-MSS和Landsat 8-OLI（Operational Land Imager）。其中，GF4-MSS 數(shù)據(jù)主要用于闡述綠度指數(shù)的構(gòu)建和驗(yàn)證，同時(shí)研究分析滸苔覆蓋范圍變化過程；Landsat 8-OLI數(shù)據(jù)主要用于驗(yàn)證GF4-MSS 滸苔監(jiān)測精度。1.2.1 GF4-MSS 數(shù)據(jù) 高分四號衛(wèi)星是中國于2015 年12 月發(fā)射的第一顆地球同步軌道遙感衛(wèi)星，搭載了一臺可見光-近紅外波段的多光譜相機(jī)MSS，采用面陣凝視方式成像，其掃描寬度大于400 km。通過指向控制實(shí)現(xiàn)對中國及周邊地區(qū)的觀測。GF4-MSS 傳感器擁有藍(lán)、綠、紅和近紅外4 個(gè)波段，空間分辨率為50 m，重訪時(shí)間僅為20 s，具體參數(shù)見表1。GF4-MSS 的Level-1A 數(shù)據(jù)可以從中國資源衛(wèi)星應(yīng)用中心（http：//www.cresda.com/CN/）下載獲取。本研究以2019 年滸苔綠潮事件為例來研究分析GF4-MSS 的滸苔監(jiān)測能力，篩選出多幅晴空少云的衛(wèi)星遙感影像，其過境日期分別為2019年6月27日、7 月5 日、7 月11 日、7 月21 日、8 月3 日、8 月17 日。

表1 GF4-MSS 傳感器參數(shù)

GF4-MSS Level 1 遙感影像為原始DN（Digital Number）數(shù)據(jù)，受衛(wèi)星觀測姿態(tài)、大氣、地形等因素影響，產(chǎn)生幾何誤差和輻射誤差［18］。因此，需要進(jìn)行輻射定標(biāo)和幾何校正等預(yù)處理，然后進(jìn)行水陸分離，以便后續(xù)滸苔信息的遙感提取。輻射定標(biāo)的目的是將遙感圖像DN轉(zhuǎn)換為輻射亮度L（λ），有利于對不同時(shí)間圖像進(jìn)行比較。通過絕對輻射定標(biāo)系數(shù)可以得到輻亮度L（λ），計(jì)算公式為：

式中，g（λ）和b（λ）分別為波長λ處的傳感器輻射定標(biāo)的增益和偏移，可以在頭文件或者官網(wǎng)資料中獲?。–RESDA；http：//www.cresda.com/CN/）。由于本研究利用大氣層頂反射率RTOA信號實(shí)現(xiàn)滸苔的遙感監(jiān)測，故根據(jù)公式（2）進(jìn)一步計(jì)算得到GF4-MSS 的RTOA遙感數(shù)據(jù)。

式中，d為日地天文距離；θs為太陽天頂角，可在頭文件中獲取；Esun（λ）為波長λ處大氣層外太陽輻照度，可在CRESDA 官網(wǎng)公開資料中獲取。此外，為了驗(yàn)證GF4-MSS 綠度指數(shù)的監(jiān)測精度，本研究基于同一GF4-MSS 影像采用VB-FAH 指數(shù)的監(jiān)測結(jié)果進(jìn)行對比。這里VB-FAH 指數(shù)的計(jì)算是基于Ref信號［見公式（5）］，故需要對遙感圖像進(jìn)行大氣校正處理。采用FLAASH（Fast Line-of-slight Atmospheric Analysis of Spectral Hypercubes）大氣校正方法獲取GF4-MSS 的Ref數(shù)據(jù)。

1.2.2 Landsat 8-OLI 數(shù)據(jù) Landsat 8 是美國陸地衛(wèi)星計(jì)劃（Landsat）的第八顆衛(wèi)星，于2013 年2 月11號發(fā)射成功，攜帶陸地成像儀OLI 和熱紅外傳感器（Thermal Infrared Sensor，TIRS）。其中，OLI 傳感器擁有9 個(gè)光譜波段，涵蓋可見光-近紅外-短波紅外波段范圍，即0.433～0.453 μm（波段1，海岸波段）、0.450～0.515 μm（波段2，藍(lán)光）、0.525～0.600 μm（波段3，綠光）、0.630～0.680 μm（波段4，紅光）、0.845～0.885 μm（波段5，近紅外）、1.560～1.660 μm（波段6，短波紅外）、2.100～2.300 μm（波段7，短波紅外）、0.500～0.680 μm（波段8，全色波段）、1.360～1.390 μm（波段9，卷云波段）。第1～第7 波段的空間分辨率為30 m，時(shí)間分辨率為16 d。

從USGS 網(wǎng)站（https：//earthexplorer.usgs.gov/）下載2019 年6 月27 日Landsat 8-OLI 影像，其與GF4-MSS 遙感影像時(shí)空匹配，以用于驗(yàn)證國產(chǎn)衛(wèi)星GF4-MSS 數(shù)據(jù)的滸苔監(jiān)測效果。該驗(yàn)證方法是對比GF4-MSS 綠度指數(shù)與Landsat 8-OLI FAI 指數(shù)的監(jiān)測結(jié)果。Landsat 8-OLI FAI 指數(shù)的計(jì)算是基于Ref影像數(shù)據(jù)［見公式（6）］，所以根據(jù)圖像的輻射定標(biāo)系數(shù)和大氣校正所需參數(shù)，對Landsat 8-OLI 圖像進(jìn)行輻射定標(biāo)和大氣校正處理。

2 研究方法

2.1 利用RTOA信號監(jiān)測滸苔的理論基礎(chǔ)

滸苔作為水生植物，含有大量葉綠素，當(dāng)其處于漂浮海面狀態(tài)時(shí)，導(dǎo)致滸苔光譜曲線在近紅外波段出現(xiàn)高反射峰。同時(shí)，滸苔與非滸苔水體對光的反射作用顯著不同［19］。為了更全面地對比海水與滸苔的光譜特征差異，從多景GF4-MSS 衛(wèi)星影像上選取了大量滸苔、陸地植物、清澈海水、渾濁海水和云像元，并統(tǒng)計(jì)不同目標(biāo)物像元的大氣層頂反射率，如圖2 所示。從圖2 明顯可以看出，滸苔RTOA光譜曲線在綠光和近紅外波段存在反射峰，在紅光（660 nm）附近存在吸收峰，并且在750 nm 附近反射率急劇上升，形成“紅邊現(xiàn)象”。相比，清澈和渾濁海水的RTOA光譜在綠光波段沒有明顯反射率，更沒有紅邊現(xiàn)象（圖2）。滸苔與清澈和渾濁海水的RTOA光譜特性差異是本研究基于RTOA信號實(shí)現(xiàn)滸苔遙感提取的理論依據(jù)。

2.2 纓帽變換和綠度指數(shù)

2.2.1 纓帽變換及其變換矩陣 纓帽變換，又稱Kauth-Thomas 變換，是由Kauth 等［20］提出的一種線性變換方法。該變換旋轉(zhuǎn)光譜的坐標(biāo)空間不是指向主成分的方向，而是指向與地物類型和變化有密切關(guān)系的方向，特別是與植被生長過程和土壤有關(guān)［20，21］。在陸地遙感中，纓帽變換經(jīng)常被用于陸地植被和農(nóng)作物研究。值得注意的是，漂浮滸苔和陸地植被的RTOA光譜特征在可見光和近紅外波段處相似（圖2）。因此，在理論上采用纓帽變換方法可以增強(qiáng)滸苔像元信息，從而實(shí)現(xiàn)滸苔與非滸苔像元的遙感區(qū)分。

圖2 滸苔、清澈海水、渾濁海水、陸地植物和云的大氣層頂反射率光譜曲線

在數(shù)學(xué)層面上，纓帽變換是一種線性變換。對4 波段遙感影像數(shù)據(jù)來說，纓帽變換的矩陣形式表示為：

式中，TCB、TCG、TCW和Fourth是纓帽變換后得到4 個(gè)分量，分別表示亮度、綠度、濕度和噪聲分量；X（λi）表示像素的光譜向量，在本研究中為大氣層頂反射率RTOA；ci，j是變換矩陣。為了使纓帽變換更好地增強(qiáng)滸苔信息，Zhang 等［15］面向HJ-CCDRTOA遙感數(shù)據(jù)針對滸苔推導(dǎo)出特定的變換矩陣，見表2。該變換矩陣直接應(yīng)用到本研究中GF4-MSS 圖像，因?yàn)镚F4-MSS 和HJ-CCD 傳感器的波段設(shè)置相似。Zhang 等［15］研究中，纓帽變換矩陣的推導(dǎo)過程為：首先基于HJ-CCD 和Landsat 8-OLI 匹配樣本集采用多元線性回歸方法求解得到濕度分量系數(shù)，即公式（3）的c3j；然后使用傳統(tǒng)的施密特正交化（Gram-Schmidt Orthogonalization，GSO）方法相繼得出亮度分量系數(shù)c1，i、綠度分量系數(shù)c2，j和噪聲分量系數(shù)c4，j。特別說明的是，在求解綠度分量系數(shù)時(shí)，使用滸苔像元代替之前研究中陸地植被像元，以保證綠度分量代表了滸苔的主導(dǎo)地位。

表2 GF4-MSS 數(shù)據(jù)的纓帽變換矩陣

2.2.2 綠度指數(shù)監(jiān)測滸苔 綠度分量能夠較好地增強(qiáng)滸苔信息，加劇滸苔與非滸苔像元的差異。故采用纓帽變換后的綠度分量（又稱綠度指數(shù)TCG）進(jìn)行滸苔信息的遙感提取。綠度指數(shù)TCG 的計(jì)算公式為：

式中，RTOA（λi）表示GF4-MSS 第i波段處大氣層頂反射率。滸苔和非滸苔像元的TCG差異較大，使用TCG＞k（k為閾值），可以從非滸苔像元中區(qū)分出滸苔像元，以實(shí)現(xiàn)遙感監(jiān)測滸苔的目的。

2.3 精度驗(yàn)證

由于滸苔漂浮在海面上且呈斑塊分布，及時(shí)和準(zhǔn)確地獲得滸苔的實(shí)地觀測資料是比較困難的［9］，故無法以滸苔分布“真值”來評估綠度指數(shù)的監(jiān)測精度。在這種情況下，采用以下2 種方法進(jìn)行交叉定量驗(yàn)證：①基于同一GF4-MSS 遙感影像，綠度指數(shù)的監(jiān)測結(jié)果與VB-FAH 指數(shù)的滸苔監(jiān)測結(jié)果進(jìn)行比較；②針對同一海域，對比分析GF4-MSS TCG 和Landsat8-OLI FAI 指數(shù)的滸苔監(jiān)測結(jié)果。VB-FAH指數(shù)和FAI指數(shù)的計(jì)算式分別為：

式中，Refgreen、Refred、Refnir和Refswir分別為綠、紅、近紅外和短波紅外波段處的地表反射率；λgreen、λred、λnir和λswir分別為綠、紅、近紅外、短波紅外波段的中心波長，視HJ-CCD 和Landsat8-OLI傳感器而定。

3 結(jié)果與分析

3.1 基于RTOA信號的GF4-MSS 纓帽變換分析

根據(jù)上述GF4-MSS 影像預(yù)處理流程，見“1.2.1”，本研究獲取得到每幅GF4-MSS 的大氣層頂反射率RTOA遙感產(chǎn)品。從不同GF4-MSS 數(shù)據(jù)中人工選取大量滸苔、清澈海水、渾濁海水和滸苔像元樣本，然后使用表2 中纓帽變換系數(shù)處理得到4 個(gè)分量，即亮度、綠度、濕度和噪聲分量。圖3 展示了滸苔、清澈海水和渾濁海水目標(biāo)物在前3 個(gè)變換分量的統(tǒng)計(jì)特征。需要說明的是，第4 分量主要為噪聲信號，含有較少有用信息，故在此不作詳細(xì)分析。從圖3 中可以發(fā)現(xiàn)，對亮度分量和濕度分量來說，滸苔與背景目標(biāo)（即清澈水體和渾濁水體）的統(tǒng)計(jì)數(shù)值范圍存在重疊或者接近，這說明采用亮度分量或濕度分量區(qū)分兩者比較困難。相比之下，滸苔與海水目標(biāo)在綠度分量上差異明顯，表明綠度分量（即綠度指數(shù)TCG）可以作為遙感區(qū)分滸苔和非滸苔像元的有效指標(biāo)。換而言之，基于衛(wèi)星RTOA遙感數(shù)據(jù)得到的綠度指數(shù)信息，選擇合理的閾值就可以實(shí)現(xiàn)滸苔信息的遙感監(jiān)測。

圖3 滸苔、清澈水體和渾濁水體的纓帽變換分量的統(tǒng)計(jì)特征

3.2 GF4-MSS 綠度指數(shù)的滸苔監(jiān)測

為了更清晰展示滸苔和遙感圖像中主要背景目標(biāo)物（即清澈水體、渾濁水體和云）的綠度指數(shù)的差異，從多幅不同日期的GF4-MSS 圖像上選取5 591個(gè)滸苔像元、5 663 個(gè)渾濁水體的像元、6 002 個(gè)清澈水體像元和6 059 個(gè)云像元，進(jìn)而計(jì)算得到這些像元的綠度指數(shù)TCG（圖4）。由圖4 可以看出，滸苔像元的TCG分布范圍明顯獨(dú)立于其他3 個(gè)目標(biāo)像元的TCG范圍。滸苔的TCG集中在-0.05 以上，絕大多數(shù)大于零，然而清澈水體、渾濁水體和云像元的TCG均小于-0.07。這種情況表明綠度指數(shù)TCG能夠有效地區(qū)分滸苔像元與非滸苔像元，并且閾值可設(shè)置為-0.07 附近。此外，云像元與滸苔像元的TCG指數(shù)也存在明顯差異，這意味著在滸苔遙感提取過程中，不需要額外的云檢測算法來進(jìn)行云去除。

圖4 滸苔、渾濁海水、清澈海水和云的TCG 數(shù)值分布

此外，本研究從2019 年7 月2 日GF4-MSS 圖像中（圖5a）選擇北黃海子海域#1（圖5b），用于直觀展示TCG指數(shù)提取滸苔結(jié)果。首先，獲取圖5b 遙感影像的大氣層頂反射率數(shù)據(jù)，接著進(jìn)行纓帽變換處理得到綠度分量數(shù)據(jù)。滸苔像元具有較高的TCG，用亮色顏色表示，而海水和云像素的TCG較低，由藍(lán)色表示（圖5c）。通過設(shè)置TCG閾值為-0.07 識別出滸苔像元，如圖5d 所示。TCG 算法的滸苔監(jiān)測結(jié)果與圖5b 中滸苔真彩色圖像輪廓非常吻合。結(jié)合圖4和圖5 進(jìn)行分析，結(jié)果表明面向GF4-MSSRTOA數(shù)據(jù)，綠度指數(shù)的滸苔監(jiān)測效果較好，同時(shí)可以有效排除云的干擾。

圖5 2019 年7 月2 日GF4-MSS 影像（a）、子海域真彩色合成圖像（b）、TCG 指數(shù)圖像（c）及滸苔監(jiān)測結(jié)果（d）

3.3 滸苔監(jiān)測結(jié)果的精度驗(yàn)證

依據(jù)“2.3”的驗(yàn)證方法，采用2019 年6 月27 日GF4-MSS 和Landsat 8-OLI 的時(shí)空匹配影像對（圖6 a、d、g）進(jìn)行評估TCG 算法的監(jiān)測精度。針對GF4-MSS 影像，依據(jù)“1.2.1”處理步驟獲取RTOA和Ref遙感產(chǎn)品。將TCG和VB-FAH指數(shù)分別應(yīng)用于衛(wèi)星RTOA和Ref上獲取相應(yīng)的FGTI（圖6b）和VB-FAH 結(jié)果（圖6e）。基于此，根據(jù)合理的閾值識別出滸苔像元（圖6c、f）。類似地，獲取Landsat 8-OLI 的Ref數(shù)據(jù)，進(jìn)而獲取FAI指數(shù)（圖6h）及其滸苔監(jiān)測結(jié)果（圖6i）。

通過對比GF4-MSSTCG指數(shù)和VB-FAH指數(shù)的提取結(jié)果（圖6c、f）發(fā)現(xiàn)，2 種算法的滸苔分布基本一致，并且與GF4-MSS 真彩色圖像（圖6a）的滸苔位置和輪廓高度吻合。2 種指數(shù)的監(jiān)測滸苔面積相差不大（TCG指數(shù)為27.88 km2；VB-FAH指數(shù)為24.51 km2）。此外，GF4-MSSTCG指數(shù)對薄云覆蓋下滸苔也能夠較好地識別（如圖6 中黃圈所示），說明該指數(shù)具有對環(huán)境敏感性較低和受薄云影響小的優(yōu)點(diǎn)。另一方面，對比GF4-MSSTCG指數(shù)提取滸苔結(jié)果（圖6c）和Landsat 8-OLI FAI指數(shù)結(jié)果（圖6i），2幅圖像中滸苔位置和輪廓基本一致，并且覆蓋范圍接近（TCG指數(shù)為27.88 km2，F(xiàn)AI指數(shù)為31.39 km2）。需要說明的是，基于GF4-MSS 和Landsat 8-OLI 影像監(jiān)測的滸苔位置和大小略有變化，其主要原因是這2 個(gè)不同傳感器影像的過境時(shí)間相差4 h，在短時(shí)間內(nèi)滸苔的漂浮狀況可能發(fā)生部分改變。但是，絕大多數(shù)滸苔斑塊，尤其是大斑塊的輪廓基本相同，因此可以判斷GF4-MSS TCG 和Landsat 8-OLI FAI 算法的滸苔監(jiān)測結(jié)果基本一致。綜上結(jié)果表明，類似于VB-FAH 和FAI 算法，本研究基于GF4-MSSRTOA信號所構(gòu)建的綠度指數(shù)可以有效地監(jiān)測滸苔綠潮，并且對薄云覆蓋下滸苔像元進(jìn)行監(jiān)測。

圖6 GF4-MSS 真彩色圖像（a、d）、TCG 圖像（b）及其滸苔提取結(jié)果（c）、VB-FAH 圖像（e）及其滸苔提取結(jié)果（f）、Landsat 8-OLI真彩色圖像（g）、FAI圖像（h）及其滸苔提取結(jié)果（i）

3.4 GF4-MSS 監(jiān)測滸苔動(dòng)態(tài)變化

國產(chǎn)地球靜止高分衛(wèi)星GF4-MSS 的兩景圖像最短時(shí)間間隔為20 s，這為滸苔綠潮災(zāi)害的動(dòng)態(tài)變化監(jiān)測和應(yīng)對提供了有利的數(shù)據(jù)保障。從中國資源衛(wèi)星中心官網(wǎng)下載獲取了質(zhì)量好且少云的2019 年6月27 日、7 月5 日、7 月11 日、7 月21 日、8 月3 日、8 月17 日的GF4-MSS 圖像。針對這些GF4-MSS 遙感影像，利用綠度指數(shù)提取了不同日期的滸苔信息（圖7），進(jìn)而繪制和分析其滸苔覆蓋范圍和分布范圍的變化（圖8）。

從圖7 可以看 出，2019 年6 月27 日江蘇 北部及山東外部海域存在大量滸苔，但7 月11 日滸苔基本都漂移至山東半島的南部海域。從6 月27 日至8 月17 日，滸苔的總體分布范圍呈現(xiàn)向北移動(dòng)的趨勢。經(jīng)統(tǒng)計(jì)，在6 月27 日滸苔覆蓋面積為505.64 km2，分布面積為31 062.42 km2，在8 月3 日滸苔的覆蓋面積和分布面積僅為9.16、1 210.38 km2。從2019 年6 月27 日至8 月3 日，黃海海域的滸苔分布呈現(xiàn)減小趨勢，滸苔處于消亡階段，直到8 月17 日，黃海海域已無滸苔覆蓋（圖7 f），基本已消亡。由2019 年中國海洋災(zāi)害公報(bào)可知，黃海海域滸苔在4 月下旬開始出現(xiàn)，分別于6 月17 日和27 日覆蓋范圍達(dá)到最大值，并在7 月下旬開始逐漸消亡。從圖8 中可以看出，本研究提取的滸苔覆蓋范圍變化基本與實(shí)際情況相符合，整體隨時(shí)間變化出現(xiàn)向東向北偏移的趨勢。

圖7 基于2019 年不同日期GF4-MSS 影像監(jiān)測滸苔災(zāi)害的覆蓋范圍和分布范圍

圖8 2019 年6 月27 日至8 月3 日滸苔覆蓋范圍的變化

4 小結(jié)

本研究基于國產(chǎn)高分衛(wèi)星GF4-MSS 數(shù)據(jù)進(jìn)行滸苔綠潮監(jiān)測能力分析，并開展?jié)G苔災(zāi)害的動(dòng)態(tài)監(jiān)測與分析研究，得到以下結(jié)論。

1）基于GF4-MSS 大氣層頂反射率數(shù)據(jù)，利用綠度指數(shù)算法高精度地提取滸苔信息，證明了國產(chǎn)高分靜止衛(wèi)星的滸苔災(zāi)害監(jiān)測能力。

2）該算法簡單易實(shí)施，并且不需要大氣校正步驟和額外的云掩膜環(huán)節(jié)。

3）利用2019 年多幅GF4-MSS 影像監(jiān)測滸苔災(zāi)害的動(dòng)態(tài)變化發(fā)現(xiàn)，從2019 年6 月27 日至8 月17 日滸苔分布面積呈現(xiàn)出一直減小的趨勢；滸苔經(jīng)歷由南向北的漂移路徑，最終在山東半島沿海逐漸消亡。

致謝：感謝中國資源衛(wèi)星應(yīng)用中心提供的GF4衛(wèi)星資料，USGS 提供的Landsat8 影像。