唐君，陸應(yīng)誠，焦俊男，劉建強(qiáng)，胡連波，丁靜，邢前國，王福濤，宋慶君，陳艷攏，田禮喬，王心源，劉錦超

1.南京大學(xué) 國際地球系統(tǒng)科學(xué)研究所,南京 210023;

2.國家衛(wèi)星海洋應(yīng)用中心,北京 100081;

3.中國海洋大學(xué) 海洋技術(shù)學(xué)院,青島 266100;

4.中國科學(xué)院 煙臺(tái)海岸帶研究所,煙臺(tái) 264003;

5.中國科學(xué)院空天信息創(chuàng)新研究院,北京 100094;

6.國家海洋環(huán)境監(jiān)測(cè)中心,大連 116023;

7.武漢大學(xué) 測(cè)繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室,武漢 430079

1 引言

中國近海滸苔（Ulvaprolifera）的暴發(fā)增殖，會(huì)形成大范圍的海洋綠潮，不僅會(huì)對(duì)海洋生態(tài)系統(tǒng)產(chǎn)生影響，綠潮登灘后會(huì)破壞海岸帶生態(tài)環(huán)境，造成嚴(yán)重的社會(huì)影響和經(jīng)濟(jì)損失（Wang 等，2009；Liu等，2010，2016；Xing等，2015；Li等，2018）。2008 年以來，中國黃海海域已連續(xù)15 年周期性大規(guī)模暴發(fā)綠潮，給中國近海社會(huì)經(jīng)濟(jì)活動(dòng)與生態(tài)環(huán)境產(chǎn)生了較多的負(fù)面影響。利用衛(wèi)星遙感技術(shù)，開展中國近海綠潮實(shí)時(shí)監(jiān)測(cè)與定量估算，對(duì)于綠潮防控、海岸防護(hù)、浮筏養(yǎng)殖管理等具有重要的技術(shù)支撐與數(shù)據(jù)參考價(jià)值。

衛(wèi)星光學(xué)遙感為中國近海綠潮的時(shí)空動(dòng)態(tài)監(jiān)測(cè)提供了較好的技術(shù)支撐，如美國中分辨率成像光譜儀MODIS（Moderate Resolution Imaging Spectroradiometer）、歐洲空間局的中等分辨率成像光譜儀MERIS（Medium Resolution Imaging Spectrometer）和多光譜成像儀MSI（Multi Spectral Instrument）、美國Landsat 衛(wèi)星搭載的陸地成像儀OLI（Operational Land Imager）以及中國海洋一號(hào)C/D 衛(wèi)星（HY-1C/D）海岸帶成像儀CZI（Coastal Zone Imager）等；根據(jù)綠潮光譜響應(yīng)特征，利用歸一化植被指數(shù)NDVI（Normalized Difference Vegetation Index）（Hu 和He，2008；Liu 等，2009）、歸一化藻類指數(shù)NDAI（Normalized Difference Algae Index）（Shi 和Wang，2009）、縮放藻類指數(shù)SAI（Scaled Algae Index）（Keesing等，2011；Garcia等，2013）、基于波段間基線減法的漂浮藻類指數(shù)FAI（Floating Algae Index）（Hu，2009；Hu 等，2010，2017，2019；Xu 等，2014；Qi 等，2016；Wang 和Hu，2016；Lu 等，2019）和大型漂浮藻類虛擬基線高度VB-FAH（Virtual Baseline Floating macroalgae Height）（Xing 和Hu，2016）等方法，不同的衛(wèi)星光學(xué)數(shù)據(jù)都展現(xiàn)對(duì)近海綠潮的監(jiān)測(cè)能力和差異，提供不同的綠潮監(jiān)測(cè)圖像結(jié)果。利用不同衛(wèi)星數(shù)據(jù)開展綠潮監(jiān)測(cè)，主要提供綠潮的覆蓋范圍（即圖像上綠潮覆蓋區(qū)域外緣線所包絡(luò)的面積）和覆蓋面積（根據(jù)圖像上綠潮像元的FAI、NDVI、DVI或VB 值，進(jìn)行像元解混給出綠潮覆蓋面積），利用這些結(jié)果進(jìn)一步去分析中國近海綠潮的生消和運(yùn)移過程，開展綠潮時(shí)空分布格局與變化趨勢(shì)研究。但面向中國近海綠潮精細(xì)化定量監(jiān)測(cè)的需求，仍然有如下問題需要面對(duì)：（1）因不同衛(wèi)星光學(xué)載荷空間分辨率、波段設(shè)置、信噪比等差異，不同遙感資料反演的綠潮覆蓋面積具有內(nèi)在的尺度效應(yīng)（線性和非線性效應(yīng)共同存在），不同光學(xué)衛(wèi)星數(shù)據(jù)的綠潮監(jiān)測(cè)結(jié)果因此存在較大差異。（2）真實(shí)海面漂浮綠潮，不僅有斑塊大小，也有厚度差異（即單位面積上生物量會(huì)有不同），即使高空間分辨率光學(xué)遙感數(shù)據(jù)能提供接近真實(shí)的綠潮覆蓋面積，綠潮單位面積生物量不同所產(chǎn)生的差異依然難以展現(xiàn)。

綠潮生物量是解決上述差異，更為準(zhǔn)確刻畫中國近海綠潮時(shí)空分布格局與演變趨勢(shì)的重要參數(shù)。Hu 等（2017）通過綠潮生物量實(shí)驗(yàn)獲取的滸苔光譜反射率數(shù)據(jù)，構(gòu)建綠潮單位面積生物量BPA（Biomass per Area）與FAI 之間的統(tǒng)計(jì)模型，實(shí)現(xiàn)了基于MODIS數(shù)據(jù)的綠潮生物量估算。MODIS 250 m 空間分辨率遙感影像用于中國近海綠潮監(jiān)測(cè)，雖能提供大覆蓋和高時(shí)相動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)，但在精細(xì)化、定量化監(jiān)測(cè)應(yīng)用上較為不足。具有較高空間分辨率的Landsat、Sentinel 系列衛(wèi)星，又因?yàn)閳D像刈幅有限、時(shí)間分辨率不足等難以滿足業(yè)務(wù)化監(jiān)測(cè)應(yīng)用的需求。

面向中國近海綠潮高精度遙感監(jiān)測(cè)的需求，克服不同空間分辨率遙感數(shù)據(jù)反演綠潮覆蓋面積的不確定性，需要發(fā)展綠潮生物量光學(xué)遙感估算方法，利用多源光學(xué)遙感數(shù)據(jù)開展協(xié)同監(jiān)測(cè)估算，是實(shí)現(xiàn)綠潮高精度遙感監(jiān)測(cè)的有效途徑。鑒于衛(wèi)星光學(xué)遙感會(huì)受到天氣的影響和制約，因此衛(wèi)星載荷需要有較高的時(shí)間分辨率，才能有效保障其對(duì)近海綠潮長時(shí)間動(dòng)態(tài)監(jiān)測(cè)的應(yīng)用需求。中國HY-1C/D 衛(wèi)星CZI 載荷能提供50 m 空間分辨率、950 km 刈幅的近海觀測(cè)多光譜數(shù)據(jù)，該數(shù)據(jù)具有信噪比高、輻射分辨率優(yōu)異等特點(diǎn)，雙星組網(wǎng)實(shí)現(xiàn)了對(duì)中國近海3天兩次的高頻次觀測(cè)，為開展中國近海綠潮監(jiān)測(cè)和估算提供了良好的數(shù)據(jù)支撐（Liu等，2023；Wang等，2023）。

本研究針對(duì)不同空間分辨率的CZI、MODIS、MSI 數(shù)據(jù)，在瑞利校正反射率（Rrc）數(shù)據(jù)基礎(chǔ)上，利用藻類縮放指數(shù)（SAI）與虛擬基線高度（VBFAH）融合的識(shí)別提取算法（劉錦超 等，2022），有效克服國產(chǎn)水色衛(wèi)星CZI 載荷短波紅外波段缺失、復(fù)雜背景水體影響等難題，實(shí)現(xiàn)中國近海綠潮的有效識(shí)別提取。利用經(jīng)過驗(yàn)證的精準(zhǔn)綠潮生物量光譜數(shù)據(jù)集，構(gòu)建了適用于不同光學(xué)傳感器、不同衛(wèi)星參數(shù)的綠潮生物量估算模型，實(shí)現(xiàn)綠潮生物量的光學(xué)遙感估算。利用MSI、CZI、MODIS的準(zhǔn)同步綠潮衛(wèi)星遙感影像，實(shí)現(xiàn)了基于不同空間分辨率光學(xué)數(shù)據(jù)的綠潮生物量估算與交叉驗(yàn)證。相較于綠潮像元面積和覆蓋面積，綠潮生物量估算結(jié)果的不確定性最小，能夠有效克服不同空間分辨率數(shù)據(jù)估算藻類面積參數(shù)中的尺度效應(yīng)。利用2021 年CZI 和MODIS 數(shù)據(jù)，對(duì)中國近海綠潮生物量開展協(xié)同監(jiān)測(cè)應(yīng)用，能提高綠潮生物量的監(jiān)測(cè)精度，較好的反映綠潮生物量年內(nèi)時(shí)空變化特點(diǎn)，對(duì)中國近海乃至全球海洋漂浮藻類的精準(zhǔn)監(jiān)測(cè)有方法與數(shù)據(jù)參考作用。

2 數(shù)據(jù)與數(shù)據(jù)預(yù)處理

2.1 綠潮生物量實(shí)驗(yàn)數(shù)據(jù)

開展衛(wèi)星光學(xué)遙感圖像中海面漂浮綠潮生物量估算，核心模型與參數(shù)主要源于綠潮生物量光譜數(shù)據(jù)，本研究以胡連波等（2017）的綠潮生物量仿真實(shí)驗(yàn)數(shù)據(jù)及其驗(yàn)證數(shù)據(jù)為建模數(shù)據(jù)，該光譜數(shù)據(jù)集包含了綠潮與水體像元混合、綠潮厚度變化等兩個(gè)維度的信息，能體現(xiàn)綠潮單位面積生物量（BPA，單位：kg/m2，該實(shí)驗(yàn)是指滸苔的濕重）變化所內(nèi)涵的線性與非線性遙感尺度效應(yīng)，因此該數(shù)據(jù)集能用于不同空間分辨率衛(wèi)星遙感數(shù)據(jù)的綠潮生物量遙感估算建模。

該光譜數(shù)據(jù)集如圖1所示，隨著綠潮BPA的增加，綠潮光譜反射率也隨之增加。特別需要指出的是，在綠潮BPA 達(dá)到2 kg/m2左右時(shí)，水面完全被綠潮覆蓋（見Hu 等（2017）論文圖3），表明當(dāng)BPA＜2 kg/m2時(shí)，綠潮光譜反射率變化主要受水平方向上綠潮和水體像元混合的影響；當(dāng)BPA＞2 kg/m2時(shí)，綠潮光譜反射率變化主要受垂直方向上綠潮厚度變化的影響；這一點(diǎn)也可在綠潮光譜反射率隨BPA 變化趨勢(shì)上得到證明，綠潮BPA＞2 kg/m2后，相比近紅外波段反射率而言，可見光500—760 nm范圍內(nèi)反射率變化幅度較小。

圖1 滸苔反射率光譜（數(shù)據(jù)來源Hu等，2017）Fig.1 Reflectance spectra of Ulva prolifera（Collected from Hu et al.，2017）

2.2 綠潮光學(xué)遙感數(shù)據(jù)

本研究用到的光學(xué)遙感數(shù)據(jù)包括MSI 10 米分辨率數(shù)據(jù)，HY-1C/D 星CZI 50 m 分辨率數(shù)據(jù)以及MODIS 250 m分辨率數(shù)據(jù)，所有的數(shù)據(jù)均被處理成Rrc數(shù)據(jù)。MODIS 數(shù)據(jù)采用官網(wǎng)（https：//ladsweb.modaps.eosdis.nasa.gov［/2022-10-12］）下載的L1B級(jí)數(shù)據(jù)，使用SeaDAS 校正得到總輻亮度和瑞利散射輻亮度，Rrc數(shù)據(jù)通過以下公式獲得：

式中，Lt為傳感器探測(cè)的總輻亮度，Lr為瑞利散射輻亮度，F(xiàn)0為太陽入射輻照度，θ0為太陽天頂角。CZI 數(shù)據(jù)采用L1B 級(jí)輻亮度產(chǎn)品，通過瑞利校正得到Rrc數(shù)據(jù)，相應(yīng)的Rrc數(shù)據(jù)產(chǎn)品也可在中國海洋衛(wèi)星數(shù)據(jù)服務(wù)系統(tǒng)官方網(wǎng)站（https：//osdds.nsoas.org.cn［/2022-10-12］）下載。MSI 采用從哥白尼數(shù)據(jù)中心（https：//scihub.copernicus.eu［/2022-10-12］）下載的L1C 數(shù)據(jù)，利用ACOLITE 軟件進(jìn)行校正得到Rrc數(shù)據(jù)。

瑞利校正后的MSI、CZI、MODIS 數(shù)據(jù)進(jìn)一步利用多項(xiàng)式校正方法，實(shí)現(xiàn)圖像的幾何精校正，該方法以固定的間隔在影像的經(jīng)緯度文件內(nèi)選擇控制點(diǎn)，再通過Python/GDAL 庫的Warp 函數(shù)進(jìn)行多項(xiàng)式校正，然后將Rrc數(shù)據(jù)映射到WGS-84 大地坐標(biāo)系，使用UTM 投影（zone 51N）。對(duì)2021 年5月初至8月末的CZI、MODIS數(shù)據(jù)進(jìn)行篩選，去除受云、耀光影響較大的影像，共選取了24 景影像（CZI、MODIS各12景），進(jìn)行綠潮生物量的遙感估算。MODIS 的Terra 數(shù)據(jù)多個(gè)波段的條帶化噪音較強(qiáng)，對(duì)于生物量估算有一定的影響，本研究選用的MODIS數(shù)據(jù)來自Aqua；HY-1C/D衛(wèi)星CZI載荷均可以有效實(shí)現(xiàn)綠潮監(jiān)測(cè)，考慮到上午成像的光照條件更佳，則選用上午C 星的CZI 數(shù)據(jù)，圖2 為所選的CZI和MODIS黃海綠潮Rrc反射率假彩色合成影像。

圖2 2021年中國黃海綠潮假彩色合成影像Fig.2 Spaceborne optical false color images of green tide in 2021 covering the Yellow Sea of China

3 綠潮光學(xué)遙感模型與估算驗(yàn)證

3.1 近海綠潮的識(shí)別提取

不同分辨率衛(wèi)星數(shù)據(jù)觀測(cè)到的綠潮結(jié)果，包含了綠潮線性混合（水平方向上綠潮與水體）與非線性混合（垂直方向上的綠潮深度與厚度）效應(yīng)，任何光學(xué)遙感圖像首先獲取的是像元面積（algae pixel area），但這并不是真實(shí)綠潮面積；需要通過線性像元解混，給出綠潮覆蓋面積（algae coverage area），這才代表了觀測(cè)到的海面綠潮面積；但綠潮覆蓋面積參數(shù)，難以消除真實(shí)綠潮厚度或在水中深度，所產(chǎn)生的像元非線性混合效應(yīng)，只有準(zhǔn)確的綠潮生物量估算，才能有效消除圖像中，特別是高空間分辨率數(shù)據(jù)中綠潮像元存在的不同混合效應(yīng)。

在本研究中，不同衛(wèi)星數(shù)據(jù)中綠潮量化流程，如圖3 所示，主要的步驟在于：（1）MSI、CZI、MODIS 等衛(wèi)星數(shù)據(jù)經(jīng)大氣校正，生產(chǎn)Rrc反射率產(chǎn)品；（2）采用VB-FAH 與SAI相結(jié)合的閾值分割方法，實(shí)現(xiàn)不同圖像中綠潮的識(shí)別與提??；（3）基于漂浮綠潮仿真實(shí)驗(yàn)數(shù)據(jù)集，面向不同衛(wèi)星光學(xué)傳感器，構(gòu)建不同衛(wèi)星數(shù)據(jù)的綠潮覆蓋面積和綠潮生物量估算模型；（4）基于不同衛(wèi)星數(shù)據(jù)的綠潮遙感參數(shù)（如FAI、VB-FAH 等參數(shù)），利用步驟（3）中給出的綠潮覆蓋面積或生物量估算模型，實(shí)現(xiàn)不同數(shù)據(jù)中綠潮覆蓋面積或綠潮生物量的估算。需要注意的是，步驟（4）中的綠潮覆蓋面積或生物量估算，本質(zhì)上都是像元解混過程，前者消除了綠潮在一定像元面積內(nèi)的線性混合效應(yīng)；后者不僅消除了線性混合效應(yīng)，還消除了綠潮的非線性混合效應(yīng)。

圖3 綠潮生物量估算流程Fig.3 Flowchart of estimation of green tide biomass

本研究采用VB-FAH與SAI相結(jié)合的SAI（VB）閾值分割方法，實(shí)現(xiàn)不同數(shù)據(jù)中綠潮的識(shí)別和提取。VB-FAH指數(shù)基于波段線性差值，對(duì)于復(fù)雜大氣、耀光反射等具有一定抗干擾能力，是與FAI指數(shù)類似的線性參數(shù)（線性參數(shù)與非線性參數(shù)，用于不同空間分辨率數(shù)據(jù)中的效能不同），能較好的用于不同空間分辨率數(shù)據(jù)中的綠潮解混，VB-FAH還適用于缺乏短波紅外波段的國產(chǎn)衛(wèi)星（如HY-1C/D星CZI數(shù)據(jù)、高分系列衛(wèi)星光學(xué)數(shù)據(jù)等）。VB-FAH指數(shù)的計(jì)算如式（2）所示：

式中，R代表Rrc反射率，λ為波長，下標(biāo)NIR、RED、GREEN 分別代表近紅外波段、紅光波段、綠光波段。在本研究中，對(duì)于MODIS 影像λNIR=859 nm，λRED=645 nm，λGREEN=555 nm；對(duì)于CZI 影像λNIR=825 nm，λRED=650 nm，λGREEN=560 nm；對(duì)于MSI 影像λNIR=865 nm，λRED=665 nm，λGREEN=560 nm。

大范圍的海域中，由于海水背景的差異，會(huì)導(dǎo)致VB-FAH指數(shù)應(yīng)用中存在影像的區(qū)域差異（利用短波紅外波段的FAI 算法，則較少受此影響），進(jìn)一步融合SAI算法，能夠有效去除VB-FAH 指數(shù)影像中的海水背景差異（劉錦超 等，2022），其計(jì)算原理如下：

式中，f(x，y)是VB-FAH 值，g(x，y)是滑動(dòng)窗口的中值，SAI(x，y)是縮放后的像元值。如圖3 步驟（2）所示，通過閾值（T1）對(duì)VB-FAH 影像進(jìn)行閾值分割提取出聚集度較高的大斑塊藻類像元，但指數(shù)影像應(yīng)用中存在的梯度差異問題會(huì)導(dǎo)致一些小斑塊的藻類無法被識(shí)別提取出來；對(duì)于未分割出來的像元，使用SAI（VB）影像再次進(jìn)行閾值分割（T2），可以對(duì)被漏檢的小斑塊藻類像元進(jìn)行再次提取，最后將兩次閾值分割的結(jié)果進(jìn)行合并得到更為精確的藻類像元提取結(jié)果。

3.2 綠潮覆蓋面積與生物量估算模型

本研究使用的綠潮光譜數(shù)據(jù)具有較好的驗(yàn)證效果，可以用來發(fā)展不同衛(wèi)星數(shù)據(jù)的綠潮覆蓋面積和生物量估算模型。首先結(jié)合MSI、CZI、MODIS 衛(wèi)星傳感器的光譜響應(yīng)函數(shù)，將實(shí)驗(yàn)光譜數(shù)據(jù)集仿真模擬到不同衛(wèi)星數(shù)據(jù)VB-FAH算法所需的波段，進(jìn)一步構(gòu)建VB-FAH 與綠潮單位面積生物量（BPA）之間統(tǒng)計(jì)模型（圖4）。需要注意的是，模擬的MSI、CZI、MODIS 數(shù)據(jù)的生物量估算模型中，以VB-FAH=0.17為界限，呈現(xiàn)明顯的兩段統(tǒng)計(jì)模型。當(dāng)VB-FAH≤0.17 時(shí)，VB-FAH 指數(shù)與BPA 呈現(xiàn)明顯的線性關(guān)系；當(dāng)VB-FAH≤0.17 時(shí)，VB-FAH 指數(shù)與BPA 呈現(xiàn)指數(shù)增加的非線性關(guān)系。這表明，如在MSI數(shù)據(jù)中，VB-FAH 值在0.17以下，可以認(rèn)為該像元是綠潮和海水的混合像元；而當(dāng)VB-FAH值大于0.17，該像元?jiǎng)t是一個(gè)綠潮純像元，VBFAH 值的非線性變化會(huì)受到如綠潮厚度的影響；此外，對(duì)于MODIS 數(shù)據(jù)而言，雖然可以給出VBFAH 值在0.17 以上的非線性統(tǒng)計(jì)關(guān)系，但是真實(shí)的MODIS 數(shù)據(jù)中，幾乎難有VB-FAH 大于0.17 的數(shù)值。

圖4 MSI、CZI、MODIS綠潮生物量估算模型Fig.4 Green tide biomass estimation model of MSI，CZI and MODIS image

基于不同衛(wèi)星遙感數(shù)據(jù)的VB-FAH 和BPA 模型，可以給出不同衛(wèi)星數(shù)據(jù)中綠潮覆蓋面積的計(jì)算公式。對(duì)應(yīng)圖4 中，當(dāng)VB-FAH 值大于0.17 時(shí)，非線性函數(shù)表明，該像元的綠潮覆蓋為100%；當(dāng)VB-FAH＜0.17 時(shí)，像元內(nèi)綠潮與海水在海面混合存在，該像元內(nèi)綠潮的覆蓋率則與VB-FAH 為線性統(tǒng)計(jì)關(guān)系，基于此可以構(gòu)建不同衛(wèi)星數(shù)據(jù)中綠潮覆蓋面積的估算模型（式（5）—（7））。

式中，x為VB-FAH（無量綱），y為像元的綠潮覆蓋率（無量綱，0—1）。

綠潮生物量估算模型也可以進(jìn)一步建立，需要注意的是，基于實(shí)驗(yàn)數(shù)據(jù)集構(gòu)建的綠潮生物量估算模型，其本身就包含了綠潮像元的線性混合與非線性混合過程，可以直接從不同衛(wèi)星圖像的綠潮VB-FAH 監(jiān)測(cè)結(jié)果上進(jìn)行估算，而無需在綠潮覆蓋面積上進(jìn)行估算。MSI、CZI、MODIS 的綠潮生物量遙感估算模型，分別如下：

式中，x為VB-FAH（無量綱），y為綠潮BPA（kg/m2）。當(dāng)VB-FAH＜0.17，隨著VB-FAH 的增加，BPA 為線性遞增，此時(shí)遙感數(shù)據(jù)像元的綠潮生物量主要受到其覆蓋率的影響；當(dāng)VB-FAH＞0.17，該像元中綠潮覆蓋率已達(dá)100%（主要是對(duì)高空間分辨率數(shù)據(jù)而言，粗空間分辨率數(shù)據(jù)上難以達(dá)到100%覆蓋），像元中綠潮生物量的改變主要受綠潮厚度增加的影響，VB-FAH 與BPA 之間呈現(xiàn)指數(shù)統(tǒng)計(jì)關(guān)系。

3.3 多源衛(wèi)星數(shù)據(jù)的綠潮估算與驗(yàn)證

利用2021 年5 月28 日準(zhǔn)同步的MSI、CZI、MODIS 數(shù)據(jù)（云和耀光反射的影響可以忽略，且綠潮位置的相對(duì)漂移也較?。?，開展不同衛(wèi)星數(shù)據(jù)的綠潮識(shí)別與提取，對(duì)比分析不同空間分辨率數(shù)據(jù)中綠潮像元面積；并利用本研究發(fā)展的綠潮覆蓋面積和綠潮生物量估算模型，實(shí)現(xiàn)不同數(shù)據(jù)上的綠潮覆蓋面積和綠潮生物量估算，并以MSI監(jiān)測(cè)結(jié)果為參考值，開展交叉驗(yàn)證與評(píng)估。如圖5 所示，多源光學(xué)遙感衛(wèi)星數(shù)據(jù)對(duì)中國近海綠潮的識(shí)別提取結(jié)果，因?yàn)槌上褫d荷參數(shù)差異，在綠潮像元面積上具有較大的尺度差異，MSI、CZI、MODIS影像上綠潮的像元面積分別為349.7 km2、621.7 km2、884.7 km2（圖5（b）），差異顯著；基于綠潮覆蓋面積估算模型，MSI、CZI、MODIS上綠潮覆蓋面積分別為154.5 km2、179.3 km2、188.6 km2（圖5（b））；MSI、CZI、MODIS 數(shù)據(jù)對(duì)可共同監(jiān)測(cè)的近海綠潮，估算的綠潮生物量分別為369.9 kt、362.0 kt、352.6 kt（圖5（c））；不同數(shù)據(jù)估算的綠潮覆蓋面積和生物量差異，相比較像元面積而言，偏差明顯降低。

圖5 2021年5月28日中國黃海綠潮準(zhǔn)同步MSI、CZI、MODIS影像及綠潮覆蓋面積與生物量估算Fig.5 Quasi-synchronous MSI，CZI and MODIS images，coverage area，and biomass of green tide on May 28，2021 covering the Yellow Sea of China

為進(jìn)一步開展MSI、CZI、MODIS 圖像上綠潮像元面積、綠潮覆蓋面積、綠潮生物量的對(duì)比驗(yàn)證，以MSI圖像結(jié)果為參考值開展對(duì)比分析。采用網(wǎng)格分析法，對(duì)MSI、CZI、MODIS 準(zhǔn)同步影像進(jìn)行網(wǎng)格分割，并統(tǒng)計(jì)每個(gè)網(wǎng)格內(nèi)綠潮的總像元面積、總覆蓋面積和總生物量；網(wǎng)格的大小設(shè)置為10 km×10 km，重疊率為50%。需要說明的是，在準(zhǔn)同步影像中，由于不同傳感器存在拍攝的時(shí)間差，綠潮可能發(fā)生了一定程度的漂移，會(huì)對(duì)統(tǒng)計(jì)結(jié)果產(chǎn)生一定的影響，但10 km×10 km的范圍可以平滑掉這部分誤差，不會(huì)影響整體的統(tǒng)計(jì)結(jié)果。此外由于MODIS數(shù)據(jù)的分辨率較粗，對(duì)于海面真實(shí)綠潮小斑塊的探測(cè)能力相對(duì)較差，為了保證格網(wǎng)內(nèi)的含藻像元能被MSI、CZI、MODIS 影像共同探測(cè)到，以MODIS 滑窗內(nèi)綠潮像元面積占比≥10%為條件，開展對(duì)比分析（圖6）。結(jié)果表明：（1）數(shù)據(jù)空間分辨率降低會(huì)對(duì)綠潮像元面積產(chǎn)生高估，相比10 m分辨率MSI數(shù)據(jù)結(jié)果而言，CZI和MODIS 數(shù)據(jù)綠潮像元面積分別高估了1.66和2.56倍，不確定性分別約為14%和21%（圖6（a））；（2）綠潮覆蓋面積代表了海面真實(shí)的綠潮面積，相比10 m分辨率MSI數(shù)據(jù)結(jié)果而言，CZI和MODIS數(shù)據(jù)綠潮覆蓋面積分別高估了15%和28%，不確定性下降到約4%和12%（圖6（b））；（3）基于MSI、CZI、MODIS數(shù)據(jù)估算的綠潮生物量保持了較好的一致性，相對(duì)偏差在～2%左右，CZI 和MODIS 生物量的不確定性分別約為2%和7%（圖6（c））。這充分說明，在中國近海綠潮監(jiān)測(cè)中，不同空間分辨率的衛(wèi)星數(shù)據(jù)監(jiān)測(cè)的綠潮像元面積，包含了較大的尺度效應(yīng)，無法代表真實(shí)的海上綠潮面積，且不同數(shù)據(jù)反演的像元面積不具可比性。以像元解混為核心，不同衛(wèi)星數(shù)據(jù)估算的綠潮覆蓋面積和綠潮生物量，能有效的降低不同數(shù)據(jù)間的遙感尺度效應(yīng)，可更為精準(zhǔn)的用于綠潮遙感監(jiān)測(cè)。對(duì)比綠潮覆蓋面積和綠潮生物量的驗(yàn)證結(jié)果，綠潮生物量比綠潮覆蓋面積具有更好的一致性（更接近1∶1線）和更小的不確定性。這是因?yàn)榫G潮覆蓋面積參數(shù)，雖能有效的降低綠潮的線性混合效應(yīng)，但是難以降低非線性混合效應(yīng)（含藻像元中，當(dāng)綠潮覆蓋面積達(dá)到100%之后，其厚度依然增加所產(chǎn)生的衛(wèi)星光學(xué)信號(hào)響應(yīng)）。

圖6 綠潮像元面積、覆蓋面積和生物量交叉驗(yàn)證Fig.6 Cross-validation of pixel area，coverage area and biomass of green tide

4 近海綠潮生物量遙感估算對(duì)比

利用上述方法對(duì)2021 年中國近海綠潮有效衛(wèi)星觀測(cè)數(shù)據(jù)進(jìn)行處理，利用SAI（VB）方法從MODIS 和CZI 圖像上準(zhǔn)確提取含藻像元，估算不同數(shù)據(jù)上的綠潮像元面積；利用式（6）和（7）分別對(duì)CZI 和MODIS 圖像含藻像元進(jìn)行解混，計(jì)算圖像上的綠潮覆蓋面積；利用綠潮生物量估算模型（式（9）和（10）），基于含藻像元的VBFAH 值，估算海面綠潮的單位面積生物量，從而給出綠潮總生物量?；贑ZI 和MODIS 數(shù)據(jù)識(shí)別的綠潮像元，估算的綠潮覆蓋面積、綠潮單位面積生物量與總生物量如圖7 所示，從綠潮空間分布圖上看，CZI 能提供更為精細(xì)的綠潮空間分布細(xì)節(jié)，進(jìn)一步將CZI 和MODIS 估算的結(jié)果進(jìn)行詳細(xì)比對(duì)分析。

圖7 2021年中國黃海綠潮生物量影像Fig.7 BPA images of green tide in 2021 covering the Yellow Sea of China

將基于CZI 和MODIS 數(shù)據(jù)估算的2021 年綠潮像元面積、覆蓋面積和生物量整理成統(tǒng)計(jì)直方圖，如圖8 所示。MODIS 數(shù)據(jù)給出的2021 年綠潮像元面積最大值為6 月23 日8057.9 km2，CZI 數(shù)據(jù)上觀測(cè)的綠潮像元面積最大值為6 月6 日2603.0 km2；即使是7 月9 日同一天的MODIS 和CZI 數(shù)據(jù)，觀測(cè)的綠潮像元面積也分別是4845.1 km2和2326.3 km2；在2021 年MODIS 和CZI 數(shù)據(jù)獲取的綠潮像元面積直方圖上（圖8（a）），綠潮的時(shí)空變化趨勢(shì)也具有較大的偏差，說明像元面積不能用于量化評(píng)估綠潮的時(shí)空變化。綠潮像元通過解混計(jì)算后，獲得的綠潮覆蓋面積或綠潮生物量才是更為精準(zhǔn)的參數(shù)表達(dá)，MODIS和CZI數(shù)據(jù)計(jì)算的綠潮覆蓋面積和生物量直方圖（如圖8（b）、（c）），MODIS 和CZI解混后的數(shù)值結(jié)果具有較強(qiáng)的一致性，空間分辨率差異導(dǎo)致的尺度效應(yīng)得到有效消除，能夠較好的用于綠潮時(shí)空變化定量評(píng)估分析。

圖8 2021年中國黃海綠潮像元面積、覆蓋面積以及生物量統(tǒng)計(jì)直方圖Fig.8 Statistical histograms of pixel area，coverage area and biomass of green tide in the Yellow Sea of China，2021

MODIS和CZI數(shù)據(jù)計(jì)算獲得的綠潮覆蓋面積和綠潮生物量年內(nèi)變化直方圖的對(duì)比分析中，依然會(huì)有一定的偏差，這種偏差則是由傳感器參數(shù)所產(chǎn)生的，即MODIS像元和CZI像元對(duì)海面綠潮的最低檢出能力會(huì)有差異，這種差異會(huì)導(dǎo)致MODIS不僅會(huì)對(duì)綠潮覆蓋面積和生物量有高估的情況，也存在低估的情況。如圖9 和表1 所示，選擇7 個(gè)不同區(qū)域的MSI、CZI 和MODIS 數(shù)據(jù)，進(jìn)行更為細(xì)致的對(duì)比分析（圖9 為圖5（c）中，7 個(gè)不同區(qū)域的放大圖）。較小的海面綠潮斑塊，可以被MSI 和CZI 探測(cè)到，但不能被MODIS探測(cè)到（圖9的區(qū)域1、區(qū)域2、區(qū)域3），這種情況下會(huì)導(dǎo)致MODIS估算的綠潮像元面積、覆蓋面積和總生物量均小于CZI和MSI；如表1所示，區(qū)域1至區(qū)域3利用MODIS估算的綠潮覆蓋面積和生物量都遠(yuǎn)低于MSI和CZI 的估算結(jié)果。此類情況多出現(xiàn)在靠近蘇北淺灘的區(qū)域，因?yàn)榇藭r(shí)的綠潮在北向海表流場(chǎng)和風(fēng)場(chǎng)的共同作用下向北漂移，多以小斑塊形式存在。區(qū)域4和區(qū)域5同樣說明了這一點(diǎn)，雖然有聚集的漂浮藻類斑塊被MSI、CZI 和MODIS 共同探測(cè)到，但區(qū)域4 和區(qū)域5 內(nèi)還是以小斑塊居多（圖9 的區(qū)域4，圖9 的區(qū)域5），造成MODIS在綠潮覆蓋面積和生物量上的低估。當(dāng)區(qū)域內(nèi)的漂浮綠潮以大斑塊的形式存在時(shí)（圖9的區(qū)域6、區(qū)域7），如表1 所示，會(huì)造成MODIS 估算的綠潮覆蓋面積和生物量都高于MSI 和CZI 的情況。相比較而言，兼具高空間分辨率和高時(shí)相分辨率的中國HY-1C/D 衛(wèi)星CZI 數(shù)據(jù)，則展現(xiàn)了較好的效能，是中國近海綠潮高精度定量監(jiān)測(cè)的可用數(shù)據(jù)支撐。

圖9 綠潮生物量格網(wǎng)統(tǒng)計(jì)（每個(gè)格網(wǎng)大小為10×10 km，格網(wǎng)位置對(duì)應(yīng)于圖5（c））Fig.9 Grid statistics of green tide biomass（grid size：10 km×10 km，grid position corresponds to Fig.5（c））

5 結(jié)論

面向中國近海綠潮精準(zhǔn)定量監(jiān)測(cè)需求，基于綠潮生物量變化模擬與觀測(cè)驗(yàn)證數(shù)據(jù)，本文提出了適用于MSI、CZI、MODIS 等不同載荷數(shù)據(jù)的綠潮生物量光學(xué)遙感估算模型和計(jì)算方法。準(zhǔn)同步MSI、CZI、MODIS 數(shù)據(jù)的綠潮相關(guān)參數(shù)（綠潮的像元面積、覆蓋面積和生物量）的估算對(duì)比分析表明，相較于像元面積，覆蓋面積和綠潮生物量估算結(jié)果的不確定性最小，能減少面積參數(shù)包含的尺度效應(yīng)差異，能更準(zhǔn)確地用于海洋生態(tài)環(huán)境的量化與評(píng)估。基于2021 年CZI 和MODIS 數(shù)據(jù)估算的中國近海綠潮生物量結(jié)果表明，CZI 與MODIS 協(xié)同監(jiān)測(cè)數(shù)據(jù)產(chǎn)品不僅具有較高的時(shí)間分辨率，還具有精細(xì)的空間分辨率。通過較高的時(shí)間分辨率，詳細(xì)量化了2021 年中國近海綠潮生物量的年內(nèi)變化；較高的空間分辨率還能展現(xiàn)綠潮生物量的精細(xì)空間分布格局與變化趨勢(shì)。綠潮小斑塊的遙感識(shí)別與估算，展現(xiàn)了對(duì)近海綠潮的生消與運(yùn)移過程具備更為精細(xì)的監(jiān)測(cè)能力，能有效提高綠潮生物量的時(shí)空監(jiān)測(cè)精度?；贛ODIS和CZI 協(xié)同監(jiān)測(cè)結(jié)果，能為近海綠潮生物量精細(xì)監(jiān)測(cè)、時(shí)空變化分析、可持續(xù)管理提供精細(xì)數(shù)據(jù)支持。

志 謝美國南佛羅里達(dá)大學(xué)海洋科學(xué)學(xué)院胡傳民教授、美國國家海洋和大氣管理局衛(wèi)星應(yīng)用與研究中心齊琳博士在研究過程中給予了大量指導(dǎo)和幫助。