利用靜止軌道衛(wèi)星開展綠潮業(yè)務(wù)化監(jiān)測的可行性研究

萬劍華，蘇 婧，盛 輝，陳艷攏，2*

(1.中國石油大學(xué)(華東)， 山東 青島 266580； 2.國家海洋環(huán)境監(jiān)測中心， 遼寧 大連 116023)

0 引言

綠潮是在特定的環(huán)境條件下，海水中某些大型綠藻(如滸苔)爆發(fā)性增殖或高度聚集而引起一種有害生態(tài)現(xiàn)象[1]。綠潮雖然無毒，但極易造成水體污染[2]，破壞海洋中動植物的生態(tài)環(huán)境，并且嚴重影響海洋漁業(yè)，造成巨大的經(jīng)濟損失，從而引起人們的高度重視[2-5]。

目前，國內(nèi)外許多學(xué)者對綠潮監(jiān)測進行了研究。邢前國等利用不同空間分辨率、多時相的MODIS、Landsat-TM衛(wèi)星遙感數(shù)據(jù), 對2007-2010年間黃海、東海發(fā)生的綠潮進行了監(jiān)測與評估[6]。王寧等基于MODIS數(shù)據(jù)，對比了5種常用的植被指數(shù)(NDVI(normalized difference vegetation index)、EVI(enhanced vegetation index)、ARVI(average registration vegetation index)、RVI(ratio vegetation index)和DVI(difference vegetation index)對不同生長階段綠潮的探測能力，在此基礎(chǔ)上，利用最優(yōu)指數(shù)開展了2014年黃海綠潮的過程分析，并與歷年監(jiān)測結(jié)果進行了對比[7]。目前應(yīng)用光學(xué)遙感影像對綠潮監(jiān)測的研究已相對成熟，在綠潮業(yè)務(wù)化監(jiān)測方面，已由船舶走航的傳統(tǒng)探測方法轉(zhuǎn)變?yōu)槔肨ERRA/AQUA-MODIS和HY-1B衛(wèi)星、航空、船舶、岸基等多源監(jiān)測數(shù)據(jù)，開展多源數(shù)據(jù)融合技術(shù)[8]。

由于綠潮漂移速度快，所以在探測綠潮時需選擇具有高時間分辨率的遙感影像，GOCI數(shù)據(jù)的時間分辨率遠遠大于MODIS(moderate-resolution imaging spectroradiometer)、HY-1等衛(wèi)星數(shù)據(jù)，并且GOCI作為第一顆靜止水色成像儀，能夠為綠潮監(jiān)測提供更加精確的數(shù)據(jù)信息，地球同步軌道的觀測位置及高時空分辨率等特點更適合海洋綠潮監(jiān)測研究。而在遙感數(shù)據(jù)選擇時，并未選擇GOCI數(shù)據(jù)，GOCI數(shù)據(jù)能否應(yīng)用于綠潮的業(yè)務(wù)化監(jiān)測有待證明，也正是本文所要驗證的內(nèi)容。同時GOCI作為光學(xué)遙感數(shù)據(jù)，具有一定的局限性——在有云層遮擋時無法實現(xiàn)對地面的有效監(jiān)測。針對于GOCI的數(shù)據(jù)特點和局限性，本文通過提取綠潮在黃海海域的覆蓋范圍和統(tǒng)計黃海海域在綠潮發(fā)生期間云的覆蓋情況，探究黃海上空云籠罩對觀測綠潮的影響程度，以此來論證利用靜止軌道衛(wèi)星開展綠潮業(yè)務(wù)化監(jiān)測的可行性。

1 數(shù)據(jù)

1.1 研究區(qū)與數(shù)據(jù)

我國黃海近海海域為綠潮主要發(fā)生區(qū)域，經(jīng)緯度范圍為33°N-37°N，119°E-123°E。自 2007年以來, 黃海海域每年5月初～8月中下旬綠潮會呈現(xiàn)從暴發(fā)到消亡的過程，導(dǎo)致海洋生態(tài)環(huán)境被破壞以及經(jīng)濟損失[9-10]。圖1為研究區(qū)范圍圖。

COMS(communication,ocean,and meteorological satellite)是韓國在2010年發(fā)射的全球首顆靜止軌道海洋水色衛(wèi)星，能對我國黃海、渤海、東海海域范圍內(nèi)進行靜止觀測。由于靜止軌道水色衛(wèi)星與地球同步，相對于地球靜止，從而實現(xiàn)觀測周期由天提高到小時。其搭載的GOCI水色成像儀具有八個波段，每小時采集一景影像數(shù)據(jù)，具有8景/天的高時間分辨率，而且空間分辨率為500 m，能夠為東、黃海地區(qū)大范圍、實時綠潮監(jiān)測提供數(shù)據(jù)保障。由于IKONOS、GeoEye-1、EROS-A等陸地資源衛(wèi)星的過境時間均為上午10∶00左右，此時星下點噪聲少，在臨近正午時分，太陽高度角大，太陽輻射強，綠潮的反射率大，在此時更容易探測綠潮。所以本次實驗選擇的是2015、2016和2017年5月15日～8月15日的黃海區(qū)域GOCI數(shù)據(jù)正午時分的第3景數(shù)據(jù)。

圖1 研究區(qū)Fig.1 The study area

1.2 數(shù)據(jù)預(yù)處理

水色衛(wèi)星影像通常需進行大氣校正，以剔除大氣分子瑞利散射和氣溶膠散射的影響。瑞利散射在大氣影響中占主導(dǎo)，氣溶膠散射影響相對較小且隨波長的增加呈減小趨勢。在綠潮探測常用的紅光和近紅外波段中，氣溶膠散射貢獻小于綠潮信號，因此綠潮衛(wèi)星遙感監(jiān)測時通常可只進行瑞利散射校正[11-12]。本文利用GDpS(GOCI data processing software)軟件進行GOCI影像的瑞利散射校正。

遙感成像的時候，由于飛行器的姿態(tài)、高度、速度以及地球自轉(zhuǎn)等因素的影響，造成圖像相對于地面目標發(fā)生幾何畸變，這種畸變表現(xiàn)為像元相對于地面目標的實際位置發(fā)生擠壓、扭曲、拉伸和偏移等。針對于這種現(xiàn)象，本文選取的GOCI數(shù)據(jù)基于自帶的經(jīng)緯度信息(GLT)來實現(xiàn)對影像的幾何校正。

由于綠潮的光譜特征與植被的光譜特征相似，為了避免將綠潮與植被混淆，需要對陸地進行掩膜，將陸地范圍掩膜掉，獲得研究區(qū)域的海洋范圍。圖2為2016年6月9日裁剪后研究區(qū)假彩色影像圖。

圖2 2016年6月9日研究區(qū)影像圖Fig.2 On June 9, 2016 images of research area

2 研究方法

為探究利用靜止軌道衛(wèi)星進行綠潮業(yè)務(wù)化監(jiān)測的可行性，本文從兩個方面進行研究，一是靜止軌道衛(wèi)星的綠潮探測能力，本文采用NDVI算法進行探測，并制作綠潮飄移路徑圖，探究靜止軌道衛(wèi)星是否具有綠潮探測能力；二是靜止軌道衛(wèi)星對綠潮監(jiān)測的業(yè)務(wù)化能力，即能否實現(xiàn)動態(tài)監(jiān)測，本文提取云區(qū)域范圍并統(tǒng)計云覆蓋面積，分析云層覆蓋對靜止軌道監(jiān)測綠潮的影響程度，從而分析靜止軌道衛(wèi)星能否實現(xiàn)對綠潮的動態(tài)監(jiān)測。

2.1 綠潮探測算法

目前有六種主流的綠潮探測算法，分別是RVI、NDVI、EVI、KOSC、IGAG(index of floating green algae for GOCI)和OSABI(ocean surface algal bloom index)。蔡曉晴等利用目視解譯方法構(gòu)建了測試數(shù)據(jù)集，對比分析了各算法及其不同波段選擇方式的海霧探測能力。結(jié)果表明：NDVI算法的綠潮探測能力明顯優(yōu)于其他算法并且性能穩(wěn)定可靠，可作為GOCI綠潮監(jiān)測的首選算法[1]。所以本文對研究區(qū)內(nèi)的綠潮提取采用了NDVI算法。計算公式如下：

公式中，RNIR、RR分別為近紅外、紅光的瑞利校正反射率。

2.2 云提取算法

從反射特性來看，云層在可見光波段屬于漫反射物體，具有局部能量大，灰度均值高，方差小的特點[13]。云層在多光譜影像中表現(xiàn)為亮白色區(qū)域，掩蓋覆蓋下地物的光譜特征，使地物無法被準確識別，嚴重影響數(shù)據(jù)的可靠性和可利用性。由于海霧和低云難以區(qū)分并且同樣對綠潮遙感探測有影響，本文在提取云時，將海霧歸為云體，利用云層和水體在低光譜的差異性[14]，采用閾值法，從圖像的灰度特征出發(fā)進行最佳閾值的選擇，通過將圖像中各個像素的灰度值與最佳閾值進行比較判別，依據(jù)與閾值的大小關(guān)系將圖像中對應(yīng)的像素劃分到不同的類別區(qū)域中，各區(qū)域內(nèi)部具有相似的屬性[15]。

在進行云層提取時，首先確定云層與背景影像的最大反射比，計算公式如下：

εmax=βs(λmax)/βs(λmin)

公式中：εmax表示最大反射比，βs表示在412 nm、555 nm、660 nm、680 nm、865 nm的地表反射率，λmax和λmin表示這五個波段的最大和最小反射率。根據(jù)目視解譯和測試不同的閾值提取結(jié)果表明，εmax=1.25時，能夠很好的區(qū)分云與水體。采用閾值法，將閾值確定為1.25，提取云覆蓋范圍。

3 實驗結(jié)果分析

基于2017年靜止軌道衛(wèi)星GOCI數(shù)據(jù)，本文采用了NDVI算法進行綠潮范圍監(jiān)測，并制作2017年黃海區(qū)域的綠潮飄移路徑圖，探究GOCI數(shù)據(jù)是否具有綠潮探測能力?；?015、2016年的GOCI數(shù)據(jù)，進行精細化云提取，分析云層覆蓋對GOCI數(shù)據(jù)有效性的影響，探究GOCI數(shù)據(jù)是否具有動態(tài)監(jiān)測能力。以此論證靜止軌道衛(wèi)星能否開展綠潮的業(yè)務(wù)化監(jiān)測。

3.1 綠潮探測能力

根據(jù)2017年GOCI數(shù)據(jù)反演結(jié)果(如圖3)，在5月下旬黃海中部(35°N，121.5°E)附近出現(xiàn)綠潮，分布面積約3 921 km2，實際覆蓋面積為1 226 km2；在6月中上旬綠潮向西北方向飄移，在青島、日照及周邊海域大量聚集，綠潮分布面積也逐漸擴大；6月下旬沿海岸下向東北方向漂移，登陸青島、煙臺等市沿岸。在6月27日前后，綠潮分布面積達到15 874 km2，實際覆蓋面積為8 862 km2。根據(jù)2017年獲得的綠潮漂移路徑，可得出結(jié)論：利用GOCI數(shù)據(jù)，采用NDVI的算法，可以有效獲取綠潮的覆蓋信息，包括綠潮的分布面積和實際覆蓋面積，并且能夠得到研究期間的綠潮大致的漂移路徑，從而可以說明GOCI數(shù)據(jù)具有良好的綠潮探測能力。

圖3 2017年綠潮漂移路線圖Fig.3 2017 Green tide drift road map

3.2 動態(tài)監(jiān)測能力

由漂移路徑圖可看出，時間間隔有長有短， 最短的時間間隔僅相差1天， 而最長的時間間隔則相差13天。由于時間間隔較長并且不穩(wěn)定，所以無法得到準確的漂移路線。造成這種現(xiàn)狀的原因是有效數(shù)據(jù)的缺失，即由于云層的覆蓋，導(dǎo)致所獲取到的數(shù)據(jù)無法進行綠潮信息提取。

根據(jù)統(tǒng)計的云覆蓋面積，在2015年共90天里，其中5月22日、5月26日、5月31日、6月4日和7月23日無數(shù)據(jù)，云覆蓋面積大于75%的共23天，占總天數(shù)的26%；云覆蓋面積大于50%且小于75%的有21天，占總天數(shù)的24%；云覆蓋面積小于50%的有44天，占總天數(shù)的50%。在2016年共93天里，云覆蓋面積大于75%的共25天，占總天數(shù)的28%；云覆蓋面積大于50%且小于75%的有13天，占總天數(shù)的14%；云覆蓋面積小于50%的有52天，占總天數(shù)的58%。研究區(qū)內(nèi)GOCI遙感影像的云層覆蓋比例大，獲取到的GOCI影像無法識別研究區(qū)域的所有地物特征，無法判別云層下是否有綠潮存在。在綠潮監(jiān)測過程中，這一現(xiàn)象造成了綠潮動態(tài)監(jiān)測的數(shù)據(jù)空白。

圖4 2015和2016年統(tǒng)計圖Fig.4 The statistical chart of 2015 and 2016

圖5 2015年和2016年統(tǒng)計圖Fig.5 The statistical chart of 2015 and 2016

由于綠潮的漂移速率快，在短時間內(nèi)時空位置便會發(fā)生較大變化，所以在監(jiān)測綠潮時需要短周期的影像數(shù)據(jù)。當云層覆蓋度超過50%時，無法有效識別海面綠潮的覆蓋情況。在2015年共90天里，連續(xù)3天云層覆蓋率超過50%的有31天。在2016年共93天里，連續(xù)3天云層覆蓋率超過50%的有25天。 綠潮發(fā)生期間，云層的持續(xù)覆蓋率高，無法間隔一兩天獲取一幅有效的遙感影像，所以在云持續(xù)覆蓋期間，利用GOCI遙感影像無法實現(xiàn)對綠潮的動態(tài)監(jiān)測。

4 結(jié)語

由于綠潮和海水具有明顯的光譜差異，所以利用光學(xué)遙感可以很好的將綠潮從海水中提取出來。但是，由于海域上空經(jīng)常云霧繚繞，云層覆蓋對于光學(xué)遙感監(jiān)測綠潮產(chǎn)生了極大的阻礙。在綠潮爆發(fā)時期，云層覆蓋降低了GOCI遙感影像監(jiān)測綠潮的有效數(shù)據(jù)利用率，約四分之一的數(shù)據(jù)無法使用，能夠準確、有效提取綠潮的影像僅占總數(shù)據(jù)的三分之一，并且由于云層的持續(xù)覆蓋，也使利用GOCI遙感數(shù)據(jù)對綠潮的動態(tài)監(jiān)測難以實現(xiàn)，故只利用靜止軌道衛(wèi)星難以開展綠潮的業(yè)務(wù)化監(jiān)測。

SAR數(shù)據(jù)具有穿透云霧的特點，能夠為綠潮監(jiān)測提供穩(wěn)定的數(shù)據(jù)源保障，隨著SAR衛(wèi)星數(shù)據(jù)時間分辨率的提高，將在綠潮業(yè)務(wù)化監(jiān)測中具有更大的應(yīng)用潛力。

[1] 蔡曉晴, 崔廷偉, 鄭榮兒, 等. 靜止海洋水色衛(wèi)星(GOCI)綠潮探測算法對比研究[J]. 遙感信息, 2014, 29(5):44-50.

CAI Xiaoqing, CUI Tingwei, ZHENG Rong’er,etal. Comparative study on the green tide detection algorithm of static ocean water color satellite (GOCI)[J]. Remote Sensing Information, 2014, 29(5):44-50.

[2] 葉娜, 賈建軍, 田靜, 等. 滸苔遙感監(jiān)測方法的研究進展[J]. 國土資源遙感, 2013, 25(1):7-12.

YE Na, JIA Jianjun, TIAN Jing,etal. Research progress of the remote sensing monitoring method of enteromorpha[J]. Remote Sensing of Land and Resources, 2013, 25(1):7-12.

[3] 陳艷攏, 楊建洪, 趙冬至, 等. 海溫季節(jié)性變化對藻類生長影響的定量研究[J]. 海洋環(huán)境科學(xué), 2013, 32(1):104-110.

CHEN Yanlong, YANG Jianhong, ZHAO Dongzhi,etal. Quantitative study on the effects of seasonal variation on algae growth[J]. Marine Environmental Science, 2013, 32(1):104-110.

[4] 蔣興偉, 劉建強, 鄒斌, 等. 滸苔災(zāi)害衛(wèi)星遙感應(yīng)急監(jiān)視監(jiān)測系統(tǒng)及其應(yīng)用[J]. 海洋學(xué)報, 2009, 31(1):52-64.

JIANG Xingwei, LIU Jianqiang, ZOU Bin,etal. Remote sensing monitoring system for remote sensing satellite remote sensing and its application[J]. Journal of Marine Science, 2009, 31(1):52-64.

[5] TANG J W, WANG X M, SONG Q J,etal. The statistic inversionalgrithms of water constiuents for the Huanghai Sea and the East China Sea[J]. Acta Oceanologica Sinica, 2004, 23(4):617-626.

[6] 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(xué)與光譜分析, 2011, 31(6):1644-1647.

XING Qianguo, ZHENG Xiangyang, SHI ping,etal. Monitoring “green tide” in the yellow sea and the east China sea using multi-temporal and multi-source remote sensing images[J]. Spectroscopy and Spectroscopic Analysis, 2011, 31(6):1644-1647.

[7] 王寧, 黃娟, 崔廷偉, 等. 基于MODIS數(shù)據(jù)的5種植被指數(shù)對不同生長階段綠潮的探測能力對比及應(yīng)用[J]. 激光生物學(xué)報, 2014, 23(6):590-595.

WANG Ning, HUANG Juan, CUI Tingwei,etal. Comparison and application of the detection capability of green tides in different growth stages based on 5 planting of MODIS data[J]. Journal of Laser Biology, 2014, 23(6):590-595.

[8] 白濤, 黃娟, 高松, 等. 黃海綠潮應(yīng)急預(yù)測系統(tǒng)業(yè)務(wù)化研究與應(yīng)用[J]. 海洋預(yù)報, 2013, 30(1):51-58.

BAI Tao, HUANG Juan, GAO Song,etal. Research and application of the operational research and application of yellow sea green tide emergency prediction system[J]. Marine Forecast, 2013, 30(1):51-58.

[9] 薛瑞, 吳孟泉, 劉楊,等. 基于HJ-1A/1B的2014年黃海海域滸苔災(zāi)害時空分布[J]. 海洋科學(xué), 2016, 40(7):115-123.

XUE Rui, WU Mengquan, LIU Yang,etal. Spatial and temporal distribution of enteromorphy in the yellow sea area in 2014 based on hj-1a /1B[J]. Marine Science, 2016, 40(7):115-123.

[10] 張華偉, 馬家海, 胡翔, 等. 綠潮漂浮滸苔繁殖特性的研究[J]. 上海海洋大學(xué)學(xué)報, 2011, 20(4):600-606.

ZHANG Huawei, MA Jiahai, HU Xiang,etal. Research on the propagation characteristics of green tide floating enteromorpha[J]. Journal of Shanghai Ocean University, 2011, 20(4):600-606.

[11] SONY B, MIN J E, RYU J H. Detecting massive green algae (Ulva prolifera) 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] 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.

[13] 周偉, 關(guān)鍵, 姜濤, 等. 多光譜遙感影像中云影區(qū)域的檢測與修復(fù)[J]. 遙感學(xué)報, 2012, 16(1):132-142.

ZHOU Wei, GUAN Jian, JIANG Tao,etal. Detection and restoration of cloud and shadow regions in multispectral remote sensing images[J]. Journal of Remote Sensing, 2012, 16(1):132-142.

[14] NORDKVIST K, LOISEL H, GAURIER L D. Cloud masking of SeaWiFS images over coastal waters using spectral variability[J]. Optics Express, 2009, 17(15):12246-12258.

[15] CARLEERA. p, DEBEIR O, WOLFF E. Assessment of very high spatial resolution satellite image segmentations[J]. photogrammetric Engineering & Remote Sensing, 2005, GE(11):1285-1294.