韓君君, 黃惠明, 張薇娜, 林偉波

2018年黃海滸苔分布特征及動力機制分析

韓君君1, 黃惠明1, 張薇娜1, 林偉波2

(1. 河海大學 港口海岸與近海工程學院, 江蘇 南京 210098; 2. 江蘇省海涂研究中心, 江蘇 南京 210098)

為揭示2018年黃海滸苔發(fā)生和聚集的動力學成因, 通過MODIS L1B影像數(shù)據(jù)和歸一化植被指數(shù)法(NDVI)獲取滸苔發(fā)生的初始時刻和位置。以三維水流動力模型為基礎, 設立風海流、潮流以及二者共同作用的對照實驗, 分析各要素對滸苔粒子輸移的影響。結果表明, 在風海流單獨作用下, 滸苔向北遷移但未登陸; 在潮流動力單獨驅(qū)動下, 滸苔凈漂移量小, 較難向北發(fā)生凈輸移; 二者共同作用下, 滸苔粒子向北輸移登陸, 后報軌跡與遙感圖像對比吻合良好, 進一步驗證了風在滸苔遷移過程中占主導作用。

滸苔; 遙感監(jiān)測; NDVI; 動力模型; 漂移路徑

滸苔近些年夏季頻發(fā)于黃海海域江蘇、山東沿岸, 給當?shù)亟?jīng)濟社會造成巨大影響, 被認為是世界上規(guī)模最大的綠潮[1-3]。在圍繞其開展的一系列研究中, 起源與發(fā)生機制一直是焦點問題。

綠潮滸苔暴發(fā)強度大、覆蓋范圍廣, 傳統(tǒng)的觀測手段難以同步監(jiān)測, 遙感技術便逐漸應用于滸苔觀測。中分辨率光譜成像儀(MODIS)是進行滸苔觀測的主要傳感器之一, 在歷年滸苔研究中發(fā)揮重要作用[4]。研究表明, MODIS數(shù)據(jù)第1波段和第2波段對藍綠藻濃度變化敏感, 在無云條件下可通過衛(wèi)星影像真彩色合成對近岸水體及內(nèi)河地區(qū)的水華現(xiàn)象進行探測研究[5-7]。段洪濤等[8]基于遙感數(shù)據(jù)提取不同時期的太湖藍藻, 驗證了MODIS數(shù)據(jù)監(jiān)測藻類浮游植物的可行性。滸苔作為一種跨區(qū)域海洋生態(tài)災害, 海洋動力場及氣象條件是影響其遷移的主要因素, 利用數(shù)學模型模擬滸苔路徑, 可彌補遙感監(jiān)測在極端天氣下的局限性[9]。Lee等[10]基于ROMS環(huán)流模式, 利用拉格朗日法追蹤模擬了滸苔漂移路徑并分析其影響因子。Son等[11]根據(jù)GOCI衛(wèi)星觀測, 分析2011年滸苔漂移路徑, 重點關注了臺風過境期間滸苔分布變化情況。Bao等[12]基于FVCOM模擬了2012年滸苔的漂移路徑。喬方利等[13]利用三維海浪-潮流-環(huán)流耦合數(shù)值模式, 分析風場和海洋表層流場共同作用下的滸苔漂移路徑, 趙昌等[14]基于此研究建立高分辨率黃海滸苔漂移輸運模式, 有效模擬出滸苔暴發(fā)區(qū)漂流浮標運動狀況。李曰嵩等[15]利用三維海洋模型模擬了風和流作用下的滸苔漂移過程, 認為二者共同作用使?jié)G苔聚集。陸榮洋等[16]分析2015年黃海滸苔災害的發(fā)展演變過程及時空分布特征, 并對比其與往年發(fā)展過程的差異。王萌等[17]對2016年黃海滸苔信息進行監(jiān)測, 認為滸苔大量生長后盛行風向是其漂移的主要驅(qū)動力。王宗靈等[18]圍繞近年來關于黃海滸苔的研究分析了影響其發(fā)生的生物學特征和環(huán)境驅(qū)動機制, 進一步說明滸苔受表層流和風的作用由南向北運移。上述研究均基于2016年之前某特定年份分析滸苔漂移路徑以及影響因素。本文選取2018年相關資料, 使用MODIS遙感影像觀測該年黃海海域滸苔的分布特征, 同時利用三維模型模擬了2018年夏季黃海滸苔綠潮的輸移路徑, 并分析影響其輸運的動力因素, 以期為數(shù)值模擬方法后報滸苔漂移路徑及溯源提供研究基礎。

1 研究方法

1.1 衛(wèi)片反演

MODIS是地球觀測系統(tǒng)衛(wèi)星(EOS)上搭載的光學傳感器, 有250 m, 500 m和1 000 m三種空間分辨率, 包含36個光譜通道, 波長范圍0.4~14.4 μm, 實現(xiàn)了從可見光到熱紅外波段的全光譜覆蓋, 其中紅外(0.620~0.679 μm)和近紅外(0.84~0.876 μm)兩個波段主要應用于植物葉綠素的吸收、云和植物以及土地覆蓋等領域。文中所用EOS衛(wèi)星遙感數(shù)據(jù)取自https://ladsweb.modaps.eosdis.nasa.gov/, 選用分辨率為500 m的MODIS L1B數(shù)據(jù)。數(shù)據(jù)預處理主要包括幾何校正、數(shù)據(jù)格式轉(zhuǎn)換以及大氣校正等。

在可見光、短波紅外以及近紅外波段合成的RGB彩色影像上, 海水呈黑色或深藍色, 而滸苔水體常呈現(xiàn)為翠綠色, 利用這一光譜特征可以區(qū)分正常海水和滸苔水體。歸一化植被指數(shù)法(Normalized Difference Vegetation Index, NDVI)能有效提取滸苔信息, 同時減少大氣和云的影響[19]。NDVI值即近紅外波段與可見光波段數(shù)值之差與數(shù)值之和的比值, 計算如式(1)所示:

式中,1和2分別表示MODIS數(shù)據(jù)中近紅外波段和紅波段的遙感反射率, 為了避免計算時波段溢出, 采用浮點運算。

1.2 模型配置與驗證

以江蘇山東為中心建立大范圍中國沿海三維水流數(shù)學模型, 南北范圍29.0°—41.0°N, 東西范圍117.0°—141.0°E, 計算時間2018年6月1日至2018年7月25日。水平方向采用無結構化三角形網(wǎng)格(圖1), 渦黏系數(shù)使用Smagorinsky公式[20]計算。垂向為坐標系, 渦粘系數(shù)采用紊流模型計算。模型采用冷啟動模式驅(qū)動。邊界條件設置陸地邊界和水域開邊界, 如圖1所示, 邊界1為陸地邊界, 包括杭州灣以上的中國沿海以及朝鮮半島西邊界; 邊界2和3分別為水域東邊界和南邊界, 其潮位由全球潮波模型預報而得。模型不考慮溫度和鹽度的影響, 氣象資料源自NCEP(https://www.esrl. noaa.gov/psd/data/gridded/data. ncep.reanalysis.html)。

滸苔漂移模型在三維水動力模塊的基礎上, 耦合基于拉格朗日法的粒子追蹤模塊。該模塊可模擬粒子在對水體對流、擴散作用下隨時間運動過程和模擬時段內(nèi)的運動軌跡。滸苔粒子釋放的初始位置如圖1所示。風力和海流的共同作用下, 滸苔質(zhì)點的初始位置(0,0) 經(jīng)過時間Δ后漂移到新的位置(x,y):

從江蘇近海海洋綜合調(diào)查與評價專項資料中選取大豐港潮位過程及測站Y1和Y5的大小潮實測流速過程作為驗證, 限于篇幅, 流速驗證僅給出大潮流速驗證過程, 測站分布如圖1所示。潮位及流速驗證情況如圖2—圖4。

圖1 模型區(qū)域及點位

圖2—圖4的驗證結果表明, 潮位站T2的潮位及測站Y1、Y5的流向驗證都可達到較高精度, 而分層流速驗證情況存在略微誤差, 主要和江蘇沿海復雜的地形有關, 輻射沙脊群區(qū)域水道縱橫且地形變化較大, 受測量等各種原因限制, 模型采用的地形數(shù)據(jù)不能完全還原輻射沙脊群區(qū)域水下地形。對于大范圍的研究區(qū)域, 以上模型的率定與驗證表明: 水動力模型選取的計算參數(shù)及物理參數(shù)基本合理, 能夠較好模擬水動力場特征, 可以為粒子追蹤模塊綠潮漂移擴散計算提供基本的水動力場輸入條件。

2 結果分析

2.1 衛(wèi)片反演結果

實驗表明滸苔覆蓋區(qū)域在NDVI圖上通常表現(xiàn)為高亮水體, 如圖5所示。圖5展示了2018黃海海域滸苔從起源、生長, 再到大規(guī)模暴發(fā), 最終逐漸消亡的過程。遙感影像最早監(jiān)測到的滸苔小面積聚集現(xiàn)象出現(xiàn)在6月初, 2018年6月3日的衛(wèi)星圖片可以看到蘇北淺灘已有零星滸苔, 無集中分布的區(qū)域, 在連云港外海有明顯小面積聚集現(xiàn)象。隨著時間的推移逐漸發(fā)展生長, 覆蓋海域向北向東蔓延, 開始形成分布離散的條狀滸苔。到6月24日大規(guī)模暴發(fā), 聚集于黃海大部分海域, 呈大量分布離散的條帶狀滸苔, 橫跨江蘇連云港、山東日照、青島、海陽等海域, 距離海岸相對較近。由于打撈和自然死亡等原因, 7月中旬滸苔分布范圍開始減小。至7月25日, 只有在青島附近外海海域監(jiān)測到零星滸苔分布, 隨后逐步消亡直至全部消失。整體來看2018年夏季黃海滸苔的輸移路徑呈向北靠岸發(fā)展形勢, 歷經(jīng)起源、生長、暴發(fā)和消亡等階段, 整個持續(xù)過程歷時2個月左右。

圖 3 定點連續(xù)測站Y1分層流速流向?qū)Ρ葓D

圖 4 定點連續(xù)測站Y5分層流速流向?qū)Ρ葓D

圖 5 2018年黃海滸苔分布RGB和NDVI比較

2.2 滸苔后報結果

本次模擬僅模擬滸苔粒子在海表面的遷移過程, 粒子大小和個數(shù)均不隨著時間改變, 暫不考慮滸苔在實際遷移過程中的生長和死亡, 以及因此產(chǎn)生的滸苔覆蓋度的變化。粒子追蹤模擬雖然不能完整的展現(xiàn)綠潮暴發(fā)過程, 但是從粒子的覆蓋范圍與運動趨勢來看, 滸苔粒子運動軌跡和實際輸移路徑較為一致。如圖6所示, 分別選取模型中2018年6月24日11: 00和2018年7月16日11: 00兩個時刻的模擬結果, 與過境時間較為接近的EOS衛(wèi)星影像做滸苔遷移情況對比, 結果表明模擬得到的滸苔粒子運動趨勢與衛(wèi)星遙感監(jiān)測得到的滸苔運動結果基本一致, 即6月下旬大規(guī)模暴發(fā), 7月中旬向北逐漸靠岸進而登陸。

圖 6 滸苔實際分布位置與模擬后報結果對比(其中滸苔實際分布情況詳見圖5)

2.3 滸苔漂移成因分析

風場是海洋氣象中常見的自然現(xiàn)象, 本文主要研究風海流及潮流對滸苔遷移路徑的影響。圖7選取模型中與衛(wèi)星影像監(jiān)測時間相對應的模擬結果, 分別展示了在風海流、潮流以及二者共同驅(qū)動下滸苔粒子的漂移路徑。根據(jù)衛(wèi)星影像(圖5)。顯示情況, 選取滸苔漂移模型中粒子釋放的初始時刻為6月3日, 初始位置為連云港外海, 一次性小面積釋放粒子。結果表明: 在風海流及潮流動力強迫下, 粒子(圖7中紅色粒子)整體往西北方向靠岸輸運, 直至山東沿岸附近登陸, 其運動趨勢與衛(wèi)星圖片監(jiān)測到的實際滸苔漂移路徑大致吻合; 關于模型中在風海流和潮流共同作用下粒子隨時間變化的分布狀況, 6月24日粒子較初始位置處分布略為分散, 距離山東江蘇海岸也更近, 到7月25日粒子已在山東沿海靠岸登陸, 分布范圍擴大且逐漸成為條帶狀。僅在潮流動力強迫下的綠潮滸苔遷移模型中, 粒子(圖7中紫色粒子)只隨海流做往復運動, 不會出現(xiàn)明顯分散輸移現(xiàn)象, 也不會向北向東發(fā)生凈輸移。僅在風海流單獨作用下, 粒子(圖7中黃色粒子)運動呈現(xiàn)整體向北分散漂移趨勢, 但與風海流及潮流共同強迫下的粒子相比較, 不會靠岸登陸。

圖 7 風海流、潮流及共同驅(qū)動下粒子的位置分布情況

為更直觀的監(jiān)測滸苔粒子漂移情況, 選取連云港外海初始區(qū)域內(nèi)單個粒子的軌跡(圖8)分析其運動。圖中紅色軌跡展示了風海流及潮流水動力共同強迫下粒子的運動, 2018年6月3日至7月25日, 粒子的平均遷移速度為3.9 km/d, 運動軌跡先向北靠岸移動進而北上, 與遙感監(jiān)測滸苔先向西北靠岸暴發(fā)登陸進而北上消亡大致同步。其中, 橙色框內(nèi)為6月25日至7月12日左右的粒子軌跡, 相較于該時段之前和之后的軌跡都更密集。由風場資料可知, 該段時間內(nèi)的常風向為東南風, 風力3—5級, 次常風向為東風及南東南風, 風速的北向分量較小, 由此導致了滸苔粒子的運動軌跡較密集, 向北的凈輸移量較小。6月25日前的常風向為東南風, 風力4—5級, 次常風向為南風, 風速的北向分量持續(xù)較大, 導致滸苔粒子向北的凈輸移量大。7月12日之后常風向為南風, 風力4—5級, 次常風向為西南風, 此外, 受其他方向來風影響很小, 故粒子向北的凈輸移量相對較大。黑色軌跡展示了僅在潮流水動力強迫下粒子的運動, 在潮流動力為主的天氣情況下, 粒子往西北方向有較小的輸移, 滸苔日凈漂移量小, 較難往北發(fā)生凈輸移。藍色軌跡展示了僅在風海流強迫下粒子的運動, 粒子的平均遷移速度為3.6 km/d, 向北輸移幅度較大, 與風海流和潮流共同驅(qū)動下的粒子軌跡相比, 運動軌跡更偏東北方向。進一步表明風和流共同影響滸苔的遷移, 且風的影響在滸苔輸運過程中占主導地位。

圖8 風海流、潮流及共同驅(qū)動下粒子運動軌跡

3 結論

由于海上觀測資料較少, 本文主要選取無云或者少云情況下的MODIS L1B影像數(shù)據(jù)分析了2018年黃海海域滸苔的分布特征以及風和流對其向北向東運移的影響, 結果表明滸苔密集區(qū)在六月初位于連云港外海, 先向北移動, 在青島沿岸登陸后, 再沿山東半島南部向東北移動, 其中風海流是影響滸苔輸移的主要動力因素。本文的模擬是研究滸苔生態(tài)動力學的初步階段, 僅考慮風海流及潮流作用對滸苔輸運的影響, 對于滸苔在漂移過程中的生長和消亡等生物過程還未涉及。同時, 滸苔初始位置的選取也會對滸苔路徑的后報及預報產(chǎn)生影響, 因此精確選取滸苔的初始位置和初始時刻非常重要, 這就需要我們在以后的研究中提高遙感監(jiān)測技術, 并加強與數(shù)值模擬之間的有機結合。

[1] 張寒野, 吳望星, 宋麗珍, 等. 條滸苔海區(qū)試栽培及外界因子對藻體生長的影響[J]. 中國水產(chǎn)科學, 2006, 13(5): 781-786. Zhang Hanye, Wu Wangxing, Song Lizhen, et al. Trial and field cultivation ofand effects of ecological factors on its growth[J]. Journal of Fishery Sciences of China, 2006, 13(5): 781-786.

[2] Lotze H K, Schramm W.traits explain species dominance patterns in macroalgal blooms[J]. Journal of Phycology, 2000, 36(2): 287-295.

[3] Zhou Mingjiang, Liu Dongyan, Anderson D M, et al. Introduction to the special issue on green tides in the Yellow Sea[J]. Estuarine, Coastal and Shelf Science, 2015, 163: 3-8.

[4] 徐福祥, 高志強, 鄭翔宇, 等. 基于MODIS數(shù)據(jù)的2016年黃海綠潮災害動態(tài)監(jiān)測研究[J]. 海洋科學, 2017, 41(5): 80-84. Xu Fuxiang, Gao Zhiqiang, Zheng Xiangyu, et al. Spatial and temporal distribution characteristic of green tides in the Yellow Sea in 2016 based on MODIS data[J]. Marine Sciences, 2017, 41(5): 80-84.

[5] Yang Dingtian, Pan Delu, Zhang Xiaoyu, et al. Detection of algal bloom within situ and MODIS in lake Taihu, China[C]//Charles R, Rosalia S. Remote Sensing of the Ocean, Sea Ice, and Large Water Regions 2005(5977). Bruges, Belgium: Proceedings of SPIE, 2005: 431-439.

[6] Kutser T, Metsamaa L, Vahtm?e E, et al. Suitability of MODIS 250 m resolution band data for quantitative mapping of cyanbacterial blooms[J]. Proceedings of the Estonian Academy of Sciences Biology Ecology, 2006, 55(4): 318-328.

[7] 王國偉, 李繼龍, 楊文波, 等. 利用MODIS和RADARSAT數(shù)據(jù)對滸苔的監(jiān)測研究[J]. 海洋湖沼通報, 2010, (4): 1-8. Wang Guowei, Li Jilong, Yang Wenbo, et al. A primary study ofusing the MODIS and RADARSAT[J]. Transactions of Oceanology and Limnology, 2010, (4): 1-8.

[8] 段洪濤, 張壽選, 張淵智. 太湖藍藻水華遙感監(jiān)測方法[J]. 湖泊科學, 2008, 20(2): 145-152. Duan Hongtao, Zhang Shouxuan, Zhang Yuanzhi. Cyanobacteria bloom monitoring with remote sensing in Lake Taihu[J]. Journal of Lake Sciences, 2008, 20(2): 145-152.

[9] 吳玲娟, 曹叢華, 黃娟, 等. 黃海綠潮應急溯源數(shù)值模擬初步研究[J]. 海洋科學, 2011, 35(6): 44-47. Wu Lingjuan, Cao Conghua, Huang Juan, et al. Numerical tracing simulation on Green Tides in the Yellow Sea for contingency forecast[J]. Marine Sciences, 2011, 35(6): 44-47.

[10] Lee J H, Pang I C, Moon I J, et al. On physical factors that controlled the massive green tide occurrence along the southern coast of the Shandong Peninsula in 2008: A numerical study using a particle-tracking experiment[J]. Journal of Geophysical Research, 2011, 116(C12): C12036.

[11] Son Y B, Min J E, Ryu J H. Detecting massive green algae () blooms in the Yellow Sea and East China Sea using Geostationary Ocean Color Imager (GOCI) data[J]. Ocean Science Journal, 2012, 47(3): 359-375.

[12] Bao Min, Guan Weibing, Yang Yang, et al. Drifting trajectories of green algae in the western Yellow Sea during the spring and summer of 2012[J]. Estuarine, Coastal and Shelf Science, 2015, 163: 9-16.

[13] 喬方利, 王關鎖, 呂新剛, 等. 2008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. Qiao Fangli, Wang Guansuo, Lü Xingang, et al. Drift characteristics of green macroalgae in the Yellow Sea in 2008 and 2010[J]. Chinese Sci Bull, 2011, 56(18): 1470-1476.

[14] 趙昌, 尹麗萍, 王關鎖, 等. 黃海滸苔漂移輸運模式的建立與應用[J]. 海洋與湖沼, 2018, 49(5): 1075- 1083.Zhao Chang, Yin Liping, Wang Guansuo, et al. The modelling oftransport in the Yellow Sea and its application[J]. Oceanologia et Limnologia Sinica, 2018, 49(5): 1075-1083.

[15] 李曰嵩, 潘靈芝, 肖文軍, 等. 風對黃海綠潮藻漂移的影響[J]. 海洋環(huán)境科學, 2014, 33(5): 772-776. Li Yuesong, Pan Lingzhi, Xiao Wenjun, et al. Effect of wind on the drifting of green macroalgae in the Yellow Sea[J]. Marine Environmental Science, 2014, 33(5): 772-776.

[16] 陸榮洋, 申輝, 李大偉. 2015年黃海滸苔演變特征的遙感分析[J]. 海洋科學, 2016, 40(10): 134-142. Lu Rongyang, Shen Hui, Li Dawei. Remote sensing of the Yellow Sea green tide evolution in 2015[J]. Marine Sciences, 2016, 40(10): 134-142.

[17] 王萌, 鄭偉, 李峰. Himawari-8氣象衛(wèi)星黃海滸苔動態(tài)監(jiān)測[J]. 應用氣象學報, 2017, 28(6): 716-723. Wang Meng, Zheng Wei, Li Feng. Application of Himawari-8 data todynamically monitoring in the Yellow Sea[J]. Journal of Applied Meteorological Science, 2017, 28(6): 716-723.

[18] 王宗靈, 傅明珠, 肖潔, 等. 黃海滸苔綠潮研究進展[J]. 海洋學報, 2018, 40(2): 1-13. Wang Zongling, Fu Mingzhu, Xiao Jie, et al. Progress on the study of the Yellow Sea green tides caused by[J]. Haiyang Xuebao, 2018, 40(2): 1-13.

[19] 樊彥國, 白羽, 陳潘潘, 等. 青島近海滸苔光譜特征研究[J]. 海洋科學, 2015, 39(4): 87-91. Fan Yanguo, Bai Yu, Chen Panpan, et al. Research of spectrum characteristics ofin Qingdao offshore[J]. Marine Sciences, 2015, 39(4): 87-91.

[20] Smagorinsky J. General circulation experiments with the primitive equations[J]. Monthly Weather Review, 1963, 91(3): 99-164.

[21] Zhang Weina, Huang Huiming, Wang Yigang, et al. Mechanistic Drifting forecast model for a small semi- submersible drifter under tide–wind–wave conditions[J]. China Ocean Engineering, 2018, 32(1): 99-109.

Distribution characteristics and dynamic mechanism ofin the Yellow Sea in 2018

HAN Jun-jun1, HUANG Hui-ming1, ZHANG Wei-na1, LIN Wei-bo2

(1. College of Harbor, Coastal and Offshore Engineering, Hohai University, Nanjing 210098, China; 2. Tidal Flat Research Center of Jiangsu Province, Nanjing 210098, China)

In recent years,outbreaks have become frequent in the Yellow Sea in summer. These outbreaks severely affect the coastal ecological environment and cause huge social and economic losses. In this study, MODIS L1B image data and Normalized DifferenceVegetation Index method (NDVI) were used to obtain the initial time and position of. Using a three-dimensional hydrodynamic model, a controlled experiment of wind current and tidal current and their combined effects was performed to analyze the influence of various factors on the transport of. The results show thatparticles drift ashore northward over a large distance and do not land only under the force of winds. When the weather condition is dominated by tidal current power, the net drift ofparticles is small, and it northward movement is difficult.particles drift ashore northward and land under the combined force of winds and tides. The drift trail in the hindcast is in good agreement with the remote-sensing images, and the wind played a dominant role in the migration process.

; remote sensing monitoring; Normalized Difference Vegetation Index(NDVI); dynamic model; drifting path

Oct. 16, 2019

P76

A

1000-3096(2020)06-0037-08

10.11759/hykx20191016002

2019-10-16;

2019-11-07

國家自然科學基金項目(51979096)

[The National Natural Science Foundation of China, No. 51979096]

韓君君(1994-)，女，海南海口人，碩士研究生，主要從事河口海岸及近海工程水動力環(huán)境等研究，E-mail: hanjun@hhu.edu.cn；黃惠明，通信作者，E-mail: hhm@hhu.edu.cn

(本文編輯: 劉珊珊)