王鑫華，劉海龍，邢前國，劉建強，丁靜，金松

1.中國科學(xué)院煙臺海岸帶研究所 中國科學(xué)院海岸帶環(huán)境過程與生態(tài)修復(fù)重點實驗室, 煙臺 264003;

2.山東省海岸帶環(huán)境過程重點實驗室, 煙臺 264003;

3.中國科學(xué)院大學(xué), 北京 100049;

4.自然資源部國家衛(wèi)星海洋應(yīng)用中心, 北京 100081

1 引 言

自2007年以來，中國黃海連年暴發(fā)由漂浮滸苔聚集形成的綠潮災(zāi)害，綠潮暴發(fā)不僅給中國沿海生態(tài)環(huán)境帶來嚴重影響，同時對山東半島沿岸的青島、日照和威海等城市造成經(jīng)濟損失（邢前國 等，2011；Liu 等，2009；Hu 等，2010）。為對綠潮災(zāi)害進行預(yù)警，減少綠潮帶來的經(jīng)濟損失，綠潮的實時動態(tài)監(jiān)測成為當務(wù)之急（蔣興偉 等，2009；Qi 和Hu，2021；Miao 等，2018）。相比于船舶監(jiān)測和現(xiàn)場調(diào)查，衛(wèi)星遙感具有監(jiān)測范圍大、空間分辨率高和周期較短的優(yōu)勢（Xing 等，2017；Qi 等，2017；Hu 等，2019）。遙感技術(shù)在綠潮等大型漂浮藻類監(jiān)測中發(fā)揮了重要作用（Xing 等，2017和2019；Qi 等，2017；Qi和Hu，2021）。

多源、多空間分辨率遙感數(shù)據(jù)在大型漂浮藻類監(jiān)測中廣泛應(yīng)用（葉娜 等，2013；Harun-Al-Rashid和Yang，2018；Zhang 等，2019），如中分辨率成像光譜儀MODIS（Moderate-resolution Imaging Spectroradiometer）、高分衛(wèi)星WFV（Wide Field of View）、環(huán)境衛(wèi)星CDD（Charge-coupled Device）、陸地衛(wèi)星Landsat 系列和靜止軌道海洋水色成像儀GOCI（Geostationary Ocean Color Imager）等獲取的影像數(shù)據(jù)（張海龍 等，2016；Qiu 等，2018；Cai等，2020；Son 等，2015）?；诰G潮與海水光譜特征的差異（邢前國 等，2011；Li 等，2018a 和2018b），以歸一化植被指數(shù)NDVI（Normalized Difference Vegetation Index）、差值植被指數(shù)DVI（Difference of Vegetation Index）、漂浮藻類指數(shù)FAI（Floating Algae Index）（Hu，2009）和大型漂浮藻類虛擬基線高度指數(shù)VB-FAH（Index of Virtual Baseline Floating macro Algae Height）（Xing 和Hu，2016）等指數(shù)，采用閾值法對綠潮信息進行提取。但是，不同空間分辨率影像獲取的綠潮覆蓋面積差異顯著，如Cui 等（2012 和2018）研究發(fā)現(xiàn)，250 m 分辨率的MODIS 影像獲取的綠潮覆蓋面積是30 m 分辨率HJ-1A/B CCD 影像的2—3 倍，且在30—1000 m 的分辨率維度上，較低分辨率影像監(jiān)測的綠潮覆蓋面積更大。中國于2018年9月發(fā)射了海洋一號C 衛(wèi)星（HY-1C），其上搭載的海岸帶成像儀CZI（Coastal Zone Imager）具有50 m 空間分辨率、950 km 幅寬和3 天重訪周期（梁超 等，2020）。本文通過與其他不同空間分辨率的遙感影像，如應(yīng)用廣泛的MODIS數(shù)據(jù)進行對比，分析CZI影像在大型漂浮藻類定量監(jiān)測中的優(yōu)勢與不足。

本研究以16 m 分辨率的高分六號（GF-6）WFV 影像綠潮覆蓋面積作為參考值，從綠潮漏檢率和覆蓋面積兩個角度，定量評估了CZI影像對于綠潮的監(jiān)測能力。由于CZI 影像受重訪周期限制，無法實現(xiàn)對綠潮整個生長周期的高頻次觀測（劉錦超 等，2022），本研究通過分析MODIS 和CZI影像的綠潮覆蓋面積比值，將MODIS 影像的綠潮覆蓋面積轉(zhuǎn)化為CZI 綠潮覆蓋面積結(jié)果，應(yīng)用于2019年—2021年南黃海綠潮監(jiān)測，研究分析這3年內(nèi)南黃海綠潮的時空動態(tài)變化。

2 數(shù)據(jù)與方法

2.1 研究區(qū)域

本文的研究區(qū)域為山東半島南岸和江蘇省東岸的南黃海海域（32°N—38°N，119°E—124°E），如圖1（a）所示。南黃海位于中國大陸東北部，是東亞大陸架的一部分；南黃海夏季受溫帶季風(fēng)的影響，主要盛行東南風(fēng)和偏南風(fēng)。位于山東半島南岸的青島和日照等城市每年都會受到綠潮侵襲的影響。

2.2 數(shù)據(jù)來源與處理

本文采用的遙感衛(wèi)星數(shù)據(jù)包括GF-6 WFV 一級數(shù)據(jù)（http：//www.cresda.com/CN/［2021-07-04］），HY-1C CZI Level 1C 數(shù)據(jù)（http：//www.nsoas.org.cn/［2021-07-04］）和AQUA MODIS Level 1B 數(shù)據(jù)（https：//modis.gsfc.nasa.gov/［2021-07-04］）。為盡可能縮小衛(wèi)星成像時間差異對綠潮面積估測的影響，選取3 組成像時間相近的半同步WFV、CZI 和MODIS數(shù)據(jù)（詳見表1）用于綠潮漏檢率和覆蓋面積對比研究。

表1 3組半同步衛(wèi)星影像信息Table 1 Information of three sets of semi-synchronous satellite images

CZI影像的地面分辨率為50 m，能夠較精確地提取綠潮，但CZI衛(wèi)星數(shù)據(jù)因其重訪周期、天氣等原因，可用數(shù)據(jù)較少，無法滿足綠潮監(jiān)測的需要，如2020年僅有4期可用的CZI影像。因此，本研究以時間分辨率（1/2 d）更高的MODIS 影像作為補充，共選用6期，實現(xiàn)綠潮時空動態(tài)監(jiān)測。

本文所用的WFV、CZI 和MODIS 數(shù)據(jù)首先進行輻射定標，將遙感影像的像元亮度值DN（Digital Number）轉(zhuǎn)換為輻射亮度，再進行幾何校正。

2.3 研究方法

本文的研究方法包括綠潮信息提取、綠潮漏檢率計算和綠潮聚集度計算。

（1）綠潮信息提取。滸苔的光譜特征與陸地植被相似，在近紅外波段存在一個反射峰。相比于其他植被指數(shù)，DVI（式（1））指數(shù)計算簡單且適用于本研究的所有數(shù)據(jù)，同時受海表耀光和薄云影響較小（Xing 和Hu，2016；Cui 等，2018）。對DVI 影像，采用動態(tài)閾值法提取綠潮信息，具體步驟為將DVI 影像劃分成多個小區(qū)域，根據(jù)區(qū)域大小設(shè)置軟件閾值提取窗口并逐區(qū)域設(shè)定閾值，MODIS、CZI 和WFV 影像的窗口尺寸分別為［200×200，500×500］、［500×500，1500×1500］和［1000×1000，2000×2000］。這3種分辨率影像的動態(tài)閾值范圍分別設(shè)定為［-8，-3］、［-3，2］和［-2，2］，DVI值大于閾值的像元識別為綠潮像元，匯總統(tǒng)計得到綠潮覆蓋面積（Xing 等，2018）。

式中，NIR為近紅外波段的輻射亮度，Red為紅波段的輻射亮度，對應(yīng)于WFV和CZI影像的第4和第3波段，MODIS影像的第2和第1波段。

（2）綠潮漏檢率計算。在3組半同步衛(wèi)星影像中，以16 m 分辨率的GF-6 WFV 影像提取的綠潮覆蓋面積作為參考值（AWFV），將較低分辨率影像的綠潮漏檢面積MA（Missing Area）與WFV 影像的綠潮覆蓋面積進行比值運算（式（2）），獲取綠潮漏檢率MR（Missing Rate）。

由于每組半同步衛(wèi)星影像存在3 h 左右的成像時間間隔，為減少綠潮位移帶來的影響，對3組影像進行地理配準，同時在CZI 和MODIS 提取結(jié)果上建立0.5 km 的緩沖區(qū)，與緩沖區(qū)重疊的WFV 綠潮覆蓋區(qū)域面積作為共同監(jiān)測的覆蓋面積，而未重疊的區(qū)域面積作為低分辨率影像的綠潮漏檢面積（Wang 等，2021）。

（3）綠潮聚集度計算。利用ArcMap 中的Aggregate Polygons 工具，將一定范圍內(nèi)的綠潮斑塊聚集，生成包絡(luò)綠潮斑塊的多邊形，以多邊形的面積作為綠潮影響面積（圖1（b）），并以綠潮覆蓋面積CA（Coverage Area）與影響面積AA（Affect Area）之比作為綠潮聚集AD（Aggregation Density）（式（3））。

3 結(jié)果與討論

3.1 評估CZI影像的綠潮漏檢率與覆蓋面積

圖2 展示了黃海海域2019年6月2日獲取的MODIS、CZI 和WFV 影像的綠潮提取結(jié)果。相比于高空間分辨率的GF-6 WFV（16 m）衛(wèi)星影像，較低分辨率的CZI 和MODIS 影像可導(dǎo)致綠潮小斑塊的漏檢。

圖2 2019年6月2日的MODIS、HY-1 CZI和GF-6 WFV影像的綠潮提取對比（獲取時間分別為：13：10：00，10：50：40和10：53：24）Fig.2 Comparison of the extracted green tide by images acquired by MODIS，HY-1 CZI and GF-6 WFV on June 2，2019（Acquisition times are 13：10：00，10：50：40 and 10：53：24 ）

本文將GF-6 WFV影像的綠潮覆蓋面積作為參考值，利用3 期半同步WFV、CZI 和MODIS 數(shù)據(jù)，定量評估了CZI和MODIS影像的綠潮漏檢率，如表2所示：3組半同步衛(wèi)星影像（2019年6月2日、6月23日和7月5日）中，CZI影像的綠潮漏檢率分別為4.47%、9.53%和5.91%，3 期的平均值為6.64%；相比之下，MODIS 影像的綠潮漏檢率分別達到23.07%、48.82%和30.34%，平均漏檢率為34.08%，MODIS影像的綠潮漏檢率為CZI的5倍左右。

3.2 MODIS與CZI影像的綠潮覆蓋面積關(guān)系

為保證多源數(shù)據(jù)綠潮監(jiān)測結(jié)果的一致性，利用2019年的6期（表2）MODIS和CZI準同步衛(wèi)星影像，對比CZI和MODIS影像綠潮監(jiān)測結(jié)果（圖3（a）和3（b）），并建立MODIS 和CZI 影像綠潮覆蓋面積關(guān)系模型，將MODIS 影像的綠潮覆蓋面積轉(zhuǎn)換為CZI綠潮覆蓋面積，以提高CZI綠潮監(jiān)測頻率。

Table 2 Omission rate of green tide acquired by CZI and MODIS images

本文通過選取綠潮樣本（如圖3（c）），對比MODIS和CZI影像在綠潮生長不同階段監(jiān)測的綠潮覆蓋面積，結(jié)果顯示不同時期的MODIS 和CZI 綠潮覆蓋面積呈線性相關(guān)（圖4）。在綠潮出現(xiàn)早期的5月初至月底，MODIS影像監(jiān)測的綠潮覆蓋面積與CZI 影像的綠潮覆蓋面積比值（AMODIS/ACZI）即斜率，約為2.39—2.62（圖4（a））；6月份AMODIS/ACZI比值則下降至1.59—1.90（圖4（b））；2019年7月，3 期MODIS 與CZI 影像的綠潮覆蓋面積比值A(chǔ)MODIS/ACZI分別達到1.62、1.82和2.05（圖4（c））。

圖4 2019年5月、6月和7月的MODIS和CZI影像監(jiān)測的綠潮覆蓋面積對比Fig.4 Comparison of the coverage area of green tide monitored by MODIS and CZI images in May，June and July，2019

此前的研究結(jié)果表明（Cui 等，2012；Xing等，2018），空間分辨率是影響遙感影像綠潮監(jiān)測面積的主要原因之一。在綠潮生長、暴發(fā)直至消亡的過程中，其空間分布和聚集程度變化較大（安德玉 等，2018；Wang 等，2017；Hu 等，2018），由此，本文分析了2019年綠潮生長至消亡過程中，基于MODIS 影像的綠潮聚集度變化以及MODIS 與CZI 影像的綠潮覆蓋面積比值A(chǔ)MODIS/ACZI的變化，如圖5（a），結(jié)果顯示，2019年5月初至7月底，MODIS與CZI影像的綠潮覆蓋面積比值呈先降低后升高的趨勢，而基于MODIS 影像的綠潮聚集度呈現(xiàn)先增加后減少的趨勢。MODIS 綠潮聚集度（x）與AMODIS/ACZI（y）之間的關(guān)系如圖5（b）所示，結(jié)果顯示在一定的聚集度范圍（2%—8%左右），兩者呈線性相關(guān)：

圖5 2019年度MODIS綠潮聚集度與AMODIS/ACZI變化關(guān)系Fig.5 Change and relationship between the aggregation density of green tide of MODIS images and AMODIS/ACZI in 2019

本文通過10期（表3）MODIS 和CZI同步衛(wèi)星影像，將MODIS 影像的綠潮覆蓋面積轉(zhuǎn)換為CZI覆蓋面積，其中前6 期MODIS 和CZI 同步衛(wèi)星影像，以CZI真實面積評估了轉(zhuǎn)換結(jié)果的誤差。結(jié)果顯示，相比于CZI真實面積，轉(zhuǎn)換結(jié)果誤差范圍在［-14%，14%］之間。MODIS和CZI影像綠潮覆蓋面積關(guān)系模型將進一步應(yīng)用于黃海綠潮的面積轉(zhuǎn)換。

本研究結(jié)果顯示，MODIS 影像的綠潮覆蓋面積比CZI 多50%以上（圖6）?；贛ODIS 影像的綠潮覆蓋面積和影響面積，可以計算MODIS 影像的綠潮聚集度；通過前述所構(gòu)建的MODIS 和CZI影像的綠潮覆蓋面積比值與MODIS 綠潮聚集度關(guān)系（式（4）），進而可以將MODIS 影像的綠潮覆蓋面積轉(zhuǎn)換為CZI 結(jié)果（表3）。以2019年為例，將各期MODIS 綠潮覆蓋面積轉(zhuǎn)換為基于CZI 的面積結(jié)果，如圖6 中的MODIS 轉(zhuǎn)換線所示。本方法進一步應(yīng)用于2019年—2021年黃海綠潮監(jiān)測。

圖6 2019年度WFV、CZI和MODIS影像綠潮覆蓋面積變化Fig.6 Changes of coverage area of green tide from WFV，CZI and MODIS images in 2019

表3 MODIS和CZI同步衛(wèi)星影像統(tǒng)計Table 3 Statistics of MODIS and CZI synchronous satellite images

3.3 2019年—2021年度綠潮時空分布與年度對比

本文以8期CZI影像獲取了2019年南黃海綠潮的時空分布（圖7（a）），以4 期CZI 影像結(jié)合4 期MODIS 影像，得到2020年南黃海綠潮的時空分布（圖7（b）），以6 期CZI 影像補充2 期MODIS 影像，獲取了2021年南黃海綠潮時空分布（圖7（c））。并通過MODIS和CZI影像綠潮覆蓋面積關(guān)系模型，將MODIS綠潮覆蓋面積轉(zhuǎn)換為CZI綠潮覆蓋面積，進而得到2019年—2021年綠潮覆蓋面積變化（圖8）。

在2019年的CZI 影像上，5月9日在蘇北淺灘東部50 km 左右海域首次監(jiān)測發(fā)現(xiàn)綠潮（如圖7），覆蓋面積僅為9 km2，2020年綠潮首次被發(fā)現(xiàn)時間為5月12日，覆蓋面積為3 km2，2021年于5月1日首次發(fā)現(xiàn)綠潮，覆蓋面積為3 km2。在2019年—2021年間，每年5月中下旬，綠潮在向北漂移的過程中，覆蓋面積迅速增加，均于5月下旬增長至100 km2以上（如圖8），綠潮影響范圍也逐漸擴大。2019年6月初開始，綠潮覆蓋面積持續(xù)增加，6月11日便已增長至1382 km2，此時綠潮距離山東半島的青島市僅30 km 左右；6月23日綠潮覆蓋面積達到年度最大的2290 km2，6月底7月初，綠潮覆蓋面積迅速下降，CZI影像于7月26日在山東半島沿岸，監(jiān)測的綠潮覆蓋面積僅為105 km2。在2020年，6月4日綠潮覆蓋面積達到336 km2，已達到年度最大，綠潮距離山東半島約50 km 左右；6月中下旬綠潮覆蓋面積持續(xù)下降，于6月21日減少至123 km2，此后綠潮零星分布于山東半島沿岸海域，MODIS 影像于7月15日最后一次監(jiān)測到綠潮，轉(zhuǎn)換為CZI 的綠潮覆蓋面積僅為4 km2。在2021年，綠潮覆蓋面積于6月6日達到1830 km2，距山東半島僅30 km 左右，6月23日覆蓋面積達到2515 km2，為本年度最大面積，轉(zhuǎn)換為CZI 面積結(jié)果為1949 km2，7月綠潮覆蓋面積持續(xù)下降，CZI影像于8月8日最后一次監(jiān)測到綠潮，覆蓋面積僅為52 km2。本研究顯示，基于CZI 影像的2019年度（2290 km2）和2021年度（1949 km2）綠潮最大覆蓋面積為2000 km2左右，為2020年度（336 km2）的6倍左右。

圖7 2019年、2020年和2021年南黃海綠潮時空分布Fig.7 Temporal and spatial distribution of green tide in the Southern Yellow Sea in 2019，2020 and 2021

圖8 基于CZI的2019年—2021年度綠潮覆蓋面積變化Fig.8 Change of the coverage area of green tide based on CZI images from 2019 to 2021

CZI 影像可用于南黃海綠潮災(zāi)害的業(yè)務(wù)化觀測，通過和時間分辨率更高的MODIS影像相結(jié)合，可對綠潮整個生長消亡周期進行高頻次監(jiān)測。

3.4 綠潮規(guī)模與時空變化影響因素

上述結(jié)果顯示，2019年度綠潮最大覆蓋面積（2290 km2）是2020年度（336 km2）的近7 倍，2021年度（1949 km2）為2020年度的近6倍。Xing等（2019）研究表明，黃海綠潮與蘇北淺灘紫菜養(yǎng)殖的空間分布與養(yǎng)殖模式有關(guān)，且紫菜養(yǎng)殖設(shè)備回收進度可影響當年綠潮規(guī)模。本研究對比了250 m分辨率的MODIS影像獲取的2019年—2021年度綠潮最大覆蓋面積空間分布（圖9），并獲取了2019年—2021年度的紫菜養(yǎng)殖區(qū)，分析了5月的紫菜養(yǎng)殖設(shè)備回收進程（Xing 等，2019），如圖10。結(jié)果顯示，2019年度WFV 影像于5月7日監(jiān)測到70 km2的紫菜養(yǎng)殖設(shè)備，為總面積的28.89%，而2017 與2018年度同期約有45%—50%的養(yǎng)殖設(shè)備未回收（Xing 等，2019）?；?50 m 分辨率MODIS 影像的2017年—2019年度綠潮最大覆蓋面積分別為1224 km2、1548 km2和3103 km2。2019年度紫菜養(yǎng)殖設(shè)備回收較早，綠潮規(guī)模更大，這與Xing 等（2019）、魏振寧（2019）的結(jié)論一致。2020年度由于光學(xué)影像質(zhì)量較低，哨兵一號微波影像于5月6日僅監(jiān)測到41 km2的養(yǎng)殖設(shè)備，為總面積的16.78%，而MODIS 影像監(jiān)測的2020年度最大覆蓋面積僅為531 km2。2020年度綠潮規(guī)模的減少，可能與除藻措施有關(guān)，仍需進一步證實與研究。2021年度WFV 影像于5月1日監(jiān)測到14 km2的紫菜養(yǎng)殖設(shè)備，僅為總面積的9.1%，2021年度綠潮規(guī)模的增加可能與養(yǎng)殖設(shè)備回收較早有關(guān)。

圖9 基于MODIS影像的2019年，2020年和2021年綠潮年度最大覆蓋面積的空間分布（底圖均為645 nm、858.5 nm和645 nm三波段假彩色合成影像）Fig.9 Spatial distribution of annual maximum coverage area of green tide based on MODIS images from 2019，2020 and 2021.The base images are false composite images of 645 nm，858.5 nm and 645 nm

圖10 2019年—2021年度蘇北淺灘紫菜養(yǎng)殖區(qū)分布與5月份紫菜養(yǎng)殖設(shè)備回收進程Fig.10 Distribution of Porphyra yezoensis aquaculture area in North Jiangsu Shoal in 2019 to 2021，and recycling of Porphyra yezoensis facilities in May

4 結(jié) 論

本文從綠潮漏檢率和覆蓋面積兩個方面，以WFV 影像的綠潮覆蓋面積為參考值，對CZI 影像的綠潮監(jiān)測能力進行了定量評估。結(jié)果顯示，相比于廣泛應(yīng)用的MODIS影像，CZI影像在綠潮監(jiān)測方面具有明顯優(yōu)勢，CZI影像的綠潮覆蓋面積更接近參考值，且CZI 影像的綠潮的平均漏檢率不到MODIS影像的1/5。

由于CZI 影像受重訪周期的限制，將CZI 影像與時間分辨率更高的MODIS 影像相結(jié)合，可提高綠潮觀測頻次。本文通過建立MODIS 和CZI 影像的綠潮覆蓋面積轉(zhuǎn)換模型，可將MODIS影像的綠潮覆蓋面積轉(zhuǎn)換為CZI面積結(jié)果，并應(yīng)用于2019年—2021年南黃海綠潮監(jiān)測。結(jié)果顯示，2019年—2021年間，以CZI 影像為基準估算的綠潮年度日最大覆蓋面積，2019年度（2290 km2）和2021年度（1949 km2）結(jié)果為2000 km2左右，2020年度（336 km2）僅為2019和2021年度的1/6左右。本研究顯示，CZI 影像可用于南黃海綠潮的業(yè)務(wù)化觀測，通過將MODIS 綠潮覆蓋面積轉(zhuǎn)換為CZI 結(jié)果，可實現(xiàn)綠潮生長周期的高頻次觀測。

對2019年—2021年度綠潮規(guī)模與紫菜養(yǎng)殖設(shè)備回收進程研究發(fā)現(xiàn)，2019年與2021年紫菜養(yǎng)殖設(shè)備回收較早，綠潮規(guī)模（2000 km2左右）較大，推測綠潮規(guī)?？赡芘c紫菜養(yǎng)殖設(shè)備回收進程相關(guān)。

志 謝感謝魏振寧的數(shù)據(jù)處理與整理工作，感謝孟靈、鄭向陽對本文提出的建議。