徐福祥, 高志強, 鄭翔宇, 寧吉才, 宋德彬

?

基于MODIS數(shù)據(jù)的2016年黃海綠潮災害動態(tài)監(jiān)測研究

徐福祥1, 2, 高志強1, 鄭翔宇1, 2, 寧吉才1, 宋德彬1, 2

(1. 中國科學院煙臺海岸帶研究所, 山東煙臺 264003; 2. 中國科學院大學, 北京 100049)

本研究利用高分辨率的GF-1衛(wèi)星影像對MODIS數(shù)據(jù)綠潮監(jiān)測的精度進行驗證, 并在此基礎上利用MODIS數(shù)據(jù)對2016年黃海綠潮過程進行連續(xù)動態(tài)監(jiān)測, 結果表明: 相較于GF-1衛(wèi)星影像, MODIS 數(shù)據(jù)對綠潮的監(jiān)測誤差高于50%; 2016年黃海綠潮移動路徑總體呈先向北, 然后沿山東半島海岸線向東北方向移動, 并最終停滯于青島、威海附近海域; 此次綠潮持續(xù)時間為80天左右, 并呈現(xiàn)出與往年類似的“出現(xiàn)→發(fā)展→暴發(fā)→治理→消亡”的規(guī)律; 其中“出現(xiàn)”的時間為5月12日, “發(fā)展”階段時間為5月中下旬, 此時綠潮主體分布于蘇北渾水區(qū), 適宜前置打撈治理, 當5月底6月初綠潮進入清水區(qū)之后才開始進入“暴發(fā)”階段, 本年度綠潮災害“暴發(fā)”規(guī)模較大, 對山東沿海水產(chǎn)養(yǎng)殖業(yè)及旅游業(yè)影響嚴重。本研究成果對于綠潮預警和防控具有科學和實際意義。

MODIS; 綠潮; GF-1; 驗證; 動態(tài)監(jiān)測

自2008年以來黃海大面積暴發(fā)以滸苔為主要藻類的綠潮災害, 數(shù)萬平方公里的海面上漂浮著幾百平方公里的綠潮, 生物量在幾百萬噸以上[1]。大量的綠潮死亡沉降后會消耗掉水中的溶解氧, 造成養(yǎng)殖的魚蝦減產(chǎn), 甚至海洋生物的死亡, 同時漂浮的綠潮還影響海濱景觀和旅游業(yè), 給沿岸的經(jīng)濟、生態(tài)環(huán)境、養(yǎng)殖業(yè)等帶來重大影響[2-5]。

由于綠潮的分布范圍極廣, 傳統(tǒng)的調(diào)查監(jiān)測手段很難對綠潮進行大范圍監(jiān)測, 衛(wèi)星遙感因其較高的時效性、經(jīng)濟性以及大面積同步觀測的能力而成為綠潮動態(tài)監(jiān)測的重要手段[6-7]; 其中, MODIS影像由于獲取方便和較高的時間分辨率(一天兩次)而在綠潮監(jiān)測中得到廣泛應用[8]。吳孟泉等[9]利用MODIS數(shù)據(jù)結合NDVI指數(shù)法提取2008年至2012年山東半島綠潮暴發(fā)的時間、面積、影響范圍等參數(shù), 綜合對比發(fā)現(xiàn)2008年和2009年綠潮較其他年份暴發(fā)較為嚴重; 邢前國等[10]利用MODIS及l(fā)andsat-TM數(shù)據(jù)對2007-2010年間黃海和東海綠潮進行了監(jiān)測; Hu[11]提出FAI指數(shù)并對青島附近海域綠潮進行監(jiān)測, 監(jiān)測結果與NDVI指數(shù)進行對比, 發(fā)現(xiàn)FAI指數(shù)法能較好的從衛(wèi)星影像中提取綠潮信息; Kessing等[12]和Liu等[13]利用MODIS數(shù)據(jù)和SAI、NDVI分類法提取了2007年至2009年黃海綠潮暴發(fā)情況, 并認為江蘇淺灘附近的紫菜養(yǎng)殖和綠潮暴發(fā)有密切關聯(lián)。然而受到分辨率和天氣條件的限制, 基于MODIS數(shù)據(jù)的綠潮監(jiān)測存在一定誤差。但是由于驗證方式的不同, 不同學者對于modis綠潮監(jiān)測的誤差有不同的觀點。Qiao等[14]認為監(jiān)測誤差是數(shù)量級水平, 而鐘山等[15]利用HJ-CCD數(shù)據(jù)對比MODIS監(jiān)測結果發(fā)現(xiàn)其誤差在30%左右。

本研究擬用高分辨率的GF-1數(shù)據(jù)對MODIS綠潮監(jiān)測精度進行驗證, 并在此基礎上利用MODIS數(shù)據(jù)對2016年綠潮進行動態(tài)監(jiān)測, 揭示其來源、動態(tài)、時空分布等特征, 以期為綠潮監(jiān)測、防控及研究提供科學參考。

1 研究方法

1.1 研究區(qū)概括

研究區(qū)域主要位于南黃海海域, 為32°~37°N, 119°~124°E, 區(qū)域內(nèi)有連云港、青島、日照、威海等主要沿海城市, 蘇北淺灘也在此區(qū)域內(nèi), 是綠潮的主要暴發(fā)海域[15], 每年的5~8月份綠潮都會在此暴發(fā), 給當?shù)氐穆糜螛I(yè)和養(yǎng)殖業(yè)等造成巨大的損失[9]。

1.2 數(shù)據(jù)處理

本研究使用MODIS數(shù)據(jù)和中國GF-1衛(wèi)星數(shù)據(jù)進行綠潮綠潮的監(jiān)測和驗證工作。GF-1衛(wèi)星數(shù)據(jù)為2016年6月1日黃海綠潮暴發(fā)區(qū)寬視場多光譜影像(WFV), 數(shù)據(jù)下載自中國資源衛(wèi)星應用中心(http: // www.cresda.com), 同時從NASA網(wǎng)站(https: //ladsweb. nascom.nasa.gov/)下載時間接近的6月1日modis影像, 并經(jīng)過了幾何校正、數(shù)據(jù)鑲嵌、水陸掩膜等預處理。

用于2016年綠潮動態(tài)監(jiān)測的MODIS影像為從NASA網(wǎng)站下載的2016年4月至8月的黃海綠潮暴發(fā)海域MODIS(Terra/Aqua)L1B數(shù)據(jù), 其中包括空間分辨率為250 m、以及1 000 m地理定位文件(MOD03),共篩選出86景無云或少云的影像, 這些影像包含黃海綠潮發(fā)生、發(fā)展、暴發(fā)到最終消亡的整個生長周期。

1.3 研究方法

漂浮有綠潮的水體在可見光波段反射率較低, 近紅外波段反射率較高, 這與植被的光譜特征極其相似, 而與水體的光譜差異十分明顯[16]。根據(jù)綠潮及海水在可見光-近紅外波段的光譜反射特性, 利用歸一化植被指數(shù)(NDVI)法能很好地提取綠潮信息[17]。

式中,1表示紅光波段的反射率, 對應MODIS的第1通道(0.620~0.670 μm),2表示近紅外波段的反射率, 對應MODIS的第2通道(0.841~0.876 μm);1、2兩波段的空間分辨率均為250 m。

通過NDVI閾值分割法結合目視解譯進行綠潮信息提取。目視解譯主要依據(jù)合成的RGB假彩色影像, 合成通道分別對應MODIS L1B的第1通道、第2通道、第1通道, 漂浮有綠潮的水體呈翠綠色, 云呈現(xiàn)白色, 而海水則呈紫色或者黑色, 三者差異明顯, 利用這一特性經(jīng)過水陸掩膜處理后可以有效識別綠潮及水體。

2 結果與討論

2.1 MODIS綠潮監(jiān)測精度

6月1日時間相近的GF-1影像和MODIS影像對相同位置的綠潮斑塊的監(jiān)測結果表明(圖1), 兩者監(jiān)測的綠潮分布輪廓整體上基本一致, 但如圖1中黑色圓圈和紅色方框所示, 對于一些細小的綠潮圖斑和大型綠潮的邊緣MODIS的監(jiān)測結果還是存在較大誤差。

對不同綠潮分布密度下MODIS監(jiān)測誤差進行統(tǒng)計分析, 結果表明綠潮分布較少的區(qū)域(圖1 c) modis監(jiān)測結果為23.49 km2, 比GF-1監(jiān)測的6.22 km2高227.65%; 而在綠潮分布密集的區(qū)域(圖1d)modis的綠潮結果為55.75 km2, 與實際的誤差較小, 僅為50.43%。這說明隨著綠潮覆蓋密度的增加, MODIS綠潮監(jiān)測的精度也隨之升高。這可能是因為較密的綠潮區(qū)域在衛(wèi)星影像上混合像元較少, 而密度較小的區(qū)域混合像元嚴重, 在綠潮斑塊提取時將海水誤認為是漂浮綠潮斑塊, 導致誤差較大, 進而表現(xiàn)出MODIS綠潮監(jiān)測的精度隨綠潮分布的密度增加而增加的現(xiàn)象。

圖1b和圖1d中紅色圓圈中所示的較大綠潮斑塊在GF和modis兩傳感器的監(jiān)測下面積相差很小, 而邊緣的紅色矩形內(nèi)的綠潮面積則相差較大, 這證明低分辨率的MODIS衛(wèi)星影像綠潮監(jiān)測誤差具有明顯的邊緣性, 即目標對象中間部分誤差小, 邊緣部分誤差大。這是因為較大的綠潮斑塊中間對應完整的MODIS像元, 混合像元較弱, 而大型綠潮斑塊邊緣部分往往以混合像元的形式與MODIS像元對應。

2.2 2016年綠潮綠潮前鋒運移趨勢

以綠潮前進方向的邊緣為邊界, 做出2016年綠潮的趨勢線, 如圖2, 結果顯示2016年綠潮總體趨勢是先向北移動, 而后往東北方向漂移, 經(jīng)過青島等地, 最后達到乳山、榮成, 自此消失, 運移趨勢結果和往年相類似[18-19]。其中可以看出漂浮綠潮前鋒由6月1日的舌狀變化為6月16日的從連云港連綿到青島的大范圍的條帶狀(圖2, 圖3), 并在幾天后的6月24日于青島、日照、乳山一線海岸登陸, 對山東沿海水產(chǎn)養(yǎng)殖業(yè)及旅游業(yè)影響嚴重。

綠潮短時間內(nèi)由小范圍的舌狀前鋒發(fā)展為大面積的條帶狀綠潮前鋒的可能原因是綠潮暴發(fā)前期主要分布在蘇北淺灘的渾水區(qū), 受光照等因素限制, 綠潮生長繁殖速度相對較慢, 而到了6月中下旬, 綠潮主要分布區(qū)已經(jīng)漂移到清水區(qū), 較強的光照條件導致綠潮迅速生長繁殖, 其繁殖率甚至可以達到每天10%~37%, 短時間內(nèi)綠潮就可以增加上千倍[20], 綠潮的前鋒也就由舌狀變化為蔓延整個山東半島南部的條狀。因此對黃海綠潮進行打撈防治的最佳區(qū)域應該在綠潮進入清水區(qū)之前的渾水區(qū), 因為一旦漂浮的綠潮進入清水區(qū), 打撈防治的難度將隨著綠潮生長繁殖速度的增加而迅速增大。

2.3 2016年黃海綠潮時空分布變化

2016年黃海綠潮綠潮暴發(fā)的時間范圍為5月12日至7月30日, 持續(xù)時間為80 d(表1), 呈現(xiàn)出與往年類似的“出現(xiàn)→發(fā)展→暴發(fā)→治理→消亡”的規(guī)律[9, 21]。5月12日最先在蘇北淺灘附近發(fā)現(xiàn)綠潮覆蓋面積為26.87 km2, 分布面積為2 567.36 km2。隨后, 綠潮綠潮暴發(fā)面積進一步“發(fā)展”, 到5月17日覆蓋面積增加了3倍至78 km2, 分布面積更是增加近10倍, 達到24 421.60 km2。此后綠潮暴發(fā)面積逐漸增加, 并于6月26日達到最大值, 最大分布面積為59 685.75 km2, 最大覆蓋面積為1 634.89 km2, 綠潮進入“暴發(fā)”階段。而后綠潮暴發(fā)面積逐漸縮小, 分布范圍也不斷減少, 到7月30日綠潮覆蓋面積不足9 km2, 分布面積也小于5 000 km2, 黃海綠潮開始進入“治理”、“消亡”期, 30日以后未在附近海域發(fā)現(xiàn)明顯綠潮分布, 表明此次綠潮綠潮已經(jīng)結束。

表1 2016年黃海綠潮綠潮暴發(fā)面積統(tǒng)計表

通過分析, 可以看出2016年黃海綠潮綠潮暴發(fā)期間綠潮分布面積和覆蓋面積均呈先緩慢增加, 而后快速增加到最大值并在短時間內(nèi)維持相對穩(wěn)定, 最后面積急劇減小, 直至消失。5月19日之前, 綠潮覆蓋面積增加速率較為緩慢, 僅為9.95 km2/d; 5月19日至6月24日, 綠潮覆蓋面積快速增加, 平均增加速率達到40.01 km2/d, 這與黃海綠潮“暴發(fā)”期特征相一致; 6月24日至6月26日綠潮覆蓋面積維持短時間的穩(wěn)定, 而后覆蓋面積急劇減小, 截止到7月22日綠潮覆蓋面積平均減少速率為56.62 km2/d, 而后綠潮月7月底消失。從綠潮分布面積來看, 綠潮暴發(fā)初期分布面積增加較快, 為3 642.37 km2/d; 5月中旬到5月底綠潮分布面積變化較小, 5月17日至5月30日綠潮分布面積增加6 361.1 km2, 平均增加速率為454.36 km2/d, 僅為前期綠潮分布增加速率的12.47%; 而后綠潮分布面積快速增加, 至6月24日分布面積已達到58 955.90 km2, 并在26日前維持短時間的穩(wěn)定; 26日至7月25日綠潮分布面積急劇減少, 平均減少面積速率為1 651.06 km2/d。

3 結論

本研究基于高分辨率的GF-1衛(wèi)星影像對2016年MODIS綠潮監(jiān)測的結果精度驗證基礎上, 利用MODIS數(shù)據(jù)對2016年黃海綠潮過程進行連續(xù)動態(tài)監(jiān)測, 研究發(fā)現(xiàn):

以高分辨率的GF-1影像為基準, MODIS 數(shù)據(jù)對綠潮的監(jiān)測誤差高于50%; 2016年黃海綠潮綠潮移動路徑總體呈先向北, 然后沿山東半島海岸線向東北方向移動, 并最終停滯于青島、威海附近海域。2016年黃海綠潮綠潮持續(xù)時間約80 d, 呈現(xiàn)出與往年類似的“出現(xiàn)→發(fā)展→暴發(fā)→治理→消亡”的規(guī)律, 其中“出現(xiàn)”的時間為5月12日, “發(fā)展”階段時間為5月中下旬, 此時綠潮主體分布于蘇北混水區(qū), 此時綠潮分布面積較小, 適宜前置打撈治理, 當綠潮進入清水區(qū)之后才開始進入“暴發(fā)”階段, 并迅速在山東沿海登陸, 造成災害, 嚴重影響了山東沿海的水產(chǎn)養(yǎng)殖及旅游業(yè)。

[1] 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. Huang Juan, Wu Lingjuan, Gao Song , et al. Analysis on the interannual distribution variation of green tide in Yellow Sea[J]. Acta Laser Biology Sinica, 2014, 23(6): 572-578.

[2] Keesing J K, Liu D, Shi Y, et al. Abiotic factors influencing biomass accumulation of green tide causingspp. On pyropia culture rafts in the Yellow Sea, China[J]. Mar Pollut Bull, 2016, 105(1): 88-97.

[3] Lyons D A, Arvanitidis C, Blight A J, et al. Macroalgal blooms alter community structure and primary productivity in marine ecosystems[J]. Global Change Biology, 2014, 20(9): 2712-2724.

[4] Wang C, Yu R C, Zhou M J. Effects of the decomposing green macroalga(enteromorpha) prolifera on the growth of four red-tide species[J]. Harmful Algae, 2012, 16(2): 12-19.

[5] Xing Q, Tosi L, Braga F, et al. Interpreting the progressive eutrophication behind the world’s largest macroalgal blooms with water quality and ocean color data[J]. Natural Hazards, 2015, 78(1): 7-21.

[6] 吳玲娟, 曹叢華, 高松, 等. 我國綠潮發(fā)生發(fā)展機理研究進展[J]. 海洋科學, 2013, 37(12): 118-121. Wu Lingjuan, Cao Conghua, Gao Song, et al. A review on the development mechanism of Green Tide in China[J]. Marine Sciences, 2013, 37(12): 118-121.

[7] 趙英時. 遙感應用分析原理與方法[M]. 北京: 科學出版社, 2013: 34-44. Zhao Yingshi. The Principle and Method of Analysis of Remote Sensing Application[M]. Beijing: Science Press, 2013: 34-44.

[8] 邱亞會, 盧劍波. 滸苔遙感監(jiān)測研究進展[J]. 生態(tài)學報, 2015, 35(15): 4977-4985. Qiu Yahui, Lu Jianbo. Advances in the monitoring of Enteromorpha prolifera using remote sensing[J]. Acta Ecologica Sinica, 2015, 35(15): 4977-4985.

[9] 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.Wu Mengquan, Guo Hao, Zhang Anding, et al. Research on the characteristics of Ulva Prolifera in Shandong Peninsula during 2008-2012 Based on MODIS data[J]. Spectroscopy and Spectral Analysis, 2014, 34(5): 1312-1318.

[10] 邢前國, 鄭向陽, 施平, 等. 基于多源、多時相遙感影像的黃、東海綠潮影響區(qū)檢測[J]. 光譜學與光譜分析, 2011, 31(6): 1644-1647. Xing Qianguo, Zheng Xiangyang, Shi Ping, et al. Monitoring “Green Tide” in the Yellow Sea and the East China Sea using multi-temporal and multi-source remote sensing images[J]. Spectroscopy and Spectral Analysis, 2011, 31(6): 1644-1647.

[11] Hu C. A novel ocean color index to detect floating algae in the global oceans[J]. Remote Sensing of Environment, 2009, 113(10): 2118-2129.

[12] Keesing J K, Liu D, Fearns P, et al. Inter- and intra-annual patterns of ulva prolifera green tides in the yellow sea during 2007-2009, their origin and relationship to the expansion of coastal seaweed aquaculture in china[J]. Mar Pollut Bull, 2011, 62(6): 1169- 1182.

[13] Liu D, Keesing J K, Dong Z, et al. Recurrence of the world's largest green-tide in 2009 in yellow sea, china: Porphyra yezoensis aquaculture rafts confirmed as nursery for macroalgal blooms. Mar Pollut Bull, 2010, 60(9): 1423-1432.

[14] Qiao F L, Wang G S, Lü X G, et al. Drift characteristics of green macroalgae in the yellow sea in 2008 and 2010[J]. Chinese Science Bulletin, 2011, 56(21): 2236- 2242.

[15] 鐘山, 丁一, 李振, 等. Modis滸苔遙感監(jiān)測誤差分析研究[J]. 遙感信息, 2013, 28(1): 38-42. Zhong Shan, Ding Yi, Li Zhen, et al. Error analysis on Enteromorpha Prolifera monitoring using MODIS data[J]. Remote Sensing Information, 2013, 28(1): 38-42.

[16] Hu C, Li D, Chen C, et al. On the recurrent ulva prolifera blooms in the yellow sea and east china sea[J]. Journal of Geophysical Research Atmospheres, 2010, 115(C5): 640-646.

[17] 李三妹, 李亞君, 董海鷹, 等. 淺析衛(wèi)星遙感在黃海滸苔監(jiān)測中的應用[J]. 應用氣象學報, 2010, 21(1): 76-82. Li Sanmei, Li Yajun, Dong Haiying, et al. Satellite remote sensing application to Enteromorpha Prolifera monitoring in the Yellow Sea[J]. Journal of Applied Meterological Science, 2010, 21(1): 76-82.

[18] 李慶亭, 劉海霞, 方俊永, 等. MADC在滸苔空間分布信息提取中的應用[J]. 遙感學報, 2010, 14(2): 283-293. Li Qingting, Liu Haixia, Fang Junyong, et al. Application of MADC system in spatial distribution information extraction of enteromorpha prolifera[J]. Journal of Remote Sensing, 2010, 14(2): 283-293.

[19] 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, 2014, 38(2): 86-90. Gao Song, Huang Juan, Bai Tao, et al. Analysis on drifting path of Green Tides in the Yellow Sea in 2008 and 2009[J]. Marine Science, 2014, 38(2): 86-90.

[20] 鄭向陽, 邢前國, 李麗, 等. 2008年黃海綠潮路徑的數(shù)值模擬[J]. 海洋科學, 2011, 35(7): 82-87. Zheng Xiangyang, Xing Qianguo, Li Li , et al. Numerical simulation of the 2008 green tide in the Yellow Sea[J]. Marine Sciences, 2011, 35(7): 82-87.

[21] 梁宗英, 林祥志, 馬牧, 等. 滸苔漂流聚集綠潮現(xiàn)象的初步分析[J]. 中國海洋大學學報: 自然科學版, 2008, 38(4): 601-604.Liang Zongying, Lin Xiangzhi, Mamu, et al. A preliminary study of the Enteromorpha prolifera drift gathering causing the Green Tide phenomenon[J]. Periodical of Ocean University of China, 2008, 38(4): 601-604.

Spatial and temporal distribution characteristic of green tides in the Yellow Sea in 2016 based on MODIS data

XU Fu-xiang1, 2, GAO Zhi-qiang1, ZHENG Xiang-yu1, 2, NING Ji-cai1, SONG De-bin1, 2

(1. Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China)

This paper analyses the errors of the Green Tides monitoring results from MODIS data with high resolution GF-1 WFV satellite images based on the assumption that pixels of GF-1 WFV data are pure. On this basis, continuous and dynamic monitoring of the Green Tides of the Yellow Sea in 2016 were performed. The results show that the total error of the monitoring results using MODIS data is higher than 50%; the Green Tide moved northwards first, then moved in the northeast direction along the coastline of Shandong Peninsula, and finally was stranded in the sea areas near Qingdao and Weihai in 2016; Green Tides lasted around 80 days at this time, and showed a regularity similar to that of previous years, that is, it first appeared, developed and exploded, then was disposed, and finally disappeared. In detail, it appeared on May 12, it developed in mid- to late-May, at which period the main body of the Green Tide was distributed in muddy water in Subei Shoal, and began to explode in late May and early June after entering clear water. Based on these aspects, the macroalgal blooms caused byin 2016 were very serious and had huge impacts on the coastal aquaculture and tourism industry of Shandong Province.

MODIS; Green Tides; GF-1; error analysis; dynamic monitoring

(本文編輯: 梁德海)

[Aoshan Science and Technology Innovation Program of Qingdao National Laboratory for Marine Science and Technology, No. 2016ASKJ02; Key Program of the Chinese Academy of Sciences, No.KZZD-EW-14; Strategic priority Research Program of the Chinese Academy of Sciences, No.XDA11020000; Basic Special Program of Ministry of Science and Technology, No.2014FY210600; Talent Fund of Yantai Institute of Coastal Zone Research]

Dec. 5, 2016

X87

A

1000-3096(2017)05-0080-05

10.11759/hykx20160922003

2016-12-05;

2017-01-11

青島海洋科學與技術國家實驗室鰲山科技創(chuàng)新計劃項目(2016ASKJ02); 中國科學院重點部署項目(KZZD-EW-14); 中國科學院戰(zhàn)略性先導科技專項(A類)(XDA11020000); 科技部基礎支撐項目(2014FY210600); 中國科學院煙臺海岸帶所人才引進項目

徐福祥(1989-), 男, 山東濟寧人, 博士研究生, 主要從事海洋災害監(jiān)測及應對研究, E-mail: fxxu@yic.ac.cn; 高志強, 通信作者, 研究員, 博士生導師, E-mail: zqgao@yic.ac.cn