利用遙感技術(shù)估算南海北部表層異養(yǎng)細菌豐度*

王劍, 陳楚群, 周偉華, 李祥付, 吳頡, 葉海彬, 唐世林,3

1. 熱帶海洋環(huán)境國家重點實驗室(中國科學院南海海洋研究所), 廣東 廣州 510301;

2. 中國科學院大學, 北京 100049;

3. 廣東省海洋遙感重點實驗室(中國科學院南海海洋研究所), 廣東 廣州 510301;

4. 熱帶海洋生物資源與生態(tài)重點實驗室(中國科學院南海海洋研究所), 廣東 廣州510301

南海北部海域是近岸向深海的過渡區(qū)域, 具有復雜的生態(tài)系統(tǒng)特征, 已有的研究發(fā)現(xiàn)異養(yǎng)細菌豐度在南海北部海域存在顯著的空間變化(Yuan et al,2011; Zhou et al, 2011)。異養(yǎng)細菌豐度研究目前主要是基于常規(guī)監(jiān)測方法(王生福 等, 2013; 荊紅梅 等,2018), 該方法精度雖然高, 但需要花費大量人力和物力。相比較而言, 衛(wèi)星遙感技術(shù)具有低成本、大面積同步、長時間觀測的特點, 能夠與常規(guī)方法互補監(jiān)測異養(yǎng)細菌。然而異養(yǎng)細菌作為海洋中的微型生物顆粒, 雖然能夠直接對海洋中的光產(chǎn)生衰減作用, 但自然水體中的物質(zhì)組分眾多, 直接分離異養(yǎng)細菌的光學信號受到眾多物質(zhì)干擾, 存在較大困難(Mobley et al, 1997; Stramski et al, 2001)。目前國內(nèi)外對異養(yǎng)細菌豐度的遙感模型研究可以分為兩類: 1)基于異養(yǎng)細菌豐度與浮游植物、懸浮顆粒物的關系建立異養(yǎng)細菌豐度的估算模型。Li等(2004)通過收集全球陸架和開闊海域現(xiàn)場測量的異養(yǎng)細菌豐度和葉綠素a質(zhì)量濃度數(shù)據(jù), 建立了異養(yǎng)細菌豐度與葉綠素a質(zhì)量濃度的數(shù)學模型。Duarte等(2005)研究發(fā)現(xiàn)該模型在陸架和開闊海域具有較好表現(xiàn), 但在近岸海域表現(xiàn)欠佳。Crump等(2017)發(fā)現(xiàn)研究河口地區(qū)的異養(yǎng)細菌與懸浮顆粒物具有緊密關系, 并使用異養(yǎng)細菌豐度與懸浮物濃度、葉綠素a質(zhì)量濃度等建立了細菌豐度的估算模型。Priyaja等(2016)使用阿拉伯海觀測的異養(yǎng)細菌豐度和顆粒有機碳濃度數(shù)據(jù)建立了兩者的關系模型, 并提出利用顆粒有機碳濃度估算異養(yǎng)細菌豐度。2) 基于顆粒物衰減系數(shù)估算異養(yǎng)細菌豐度。Montes-Hugo等(2007)使用近岸海域觀測的異養(yǎng)細菌豐度和測量的顆粒物衰減系數(shù)分析發(fā)現(xiàn)二者存在相關性, 并提出異養(yǎng)細菌豐度與水中有機顆粒物濃度存在相關關系。異養(yǎng)細菌豐度的模型研究目前主要是基于異養(yǎng)細菌豐度與顆粒物參量(浮游植物、懸浮顆粒物、顆粒物衰減系數(shù)等)建立模型, 再通過遙感反演的顆粒物參量估算細菌豐度, 該方法不僅會引進中間量影響模型的精度和應用, 而且會忽視水體中異養(yǎng)細菌本身的光學特性。本研究直接針對異養(yǎng)細菌豐度與遙感反射率進行相關關系分析, 從而建立異養(yǎng)細菌豐度的遙感模型, 該類方法尚未見報道。

由于與異養(yǎng)細菌采樣同步的現(xiàn)場觀測光學數(shù)據(jù)少, 研究采用MODIS/Aqua傳感器獲取的衛(wèi)星影像數(shù)據(jù)處理得到遙感反射率數(shù)據(jù)。該衛(wèi)星傳感器自1999年發(fā)射以來已經(jīng)對海洋進行了長時間連續(xù)的觀測, 其衛(wèi)星數(shù)據(jù)被廣泛使用。本研究采用自2004年至2017年南海北部10個航次觀測的異養(yǎng)細菌豐度數(shù)據(jù)與匹配的衛(wèi)星遙感反射率數(shù)據(jù)建立異養(yǎng)細菌豐度遙感模型。衛(wèi)星遙感反射率數(shù)據(jù)采用在中國近岸海域具有較好表現(xiàn)的大氣校正方法對10個航次觀測時間段的MODIS影像校正得到, 模型建立通過分析遙感反射率的波段組合與異養(yǎng)細菌豐度的相關性, 選擇相關性較好的波段組合建立異養(yǎng)細菌豐度估算模型。建立的模型運用到MODIS衛(wèi)星影像數(shù)據(jù)獲取南海北部海域表層異養(yǎng)細菌豐度的空間分布信息。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域

南海地處亞洲東南部, 是位于熱帶、亞熱帶西太平洋最大的邊緣海, 周年水溫和鹽度較高。南海北部海域北與中國華南大陸相連, 東與太平洋通過呂宋海峽相通(圖1)。南海北部地形復雜, 根據(jù)水深劃分為沿岸區(qū)域(水深小于40m), 陸架地區(qū)(40m≤水深≤200m), 和開闊海域(水深大于200m)。其氣候?qū)儆诘湫偷募撅L氣候, 11月到翌年4月主要是強勁的東北季風, 6—8月是西南季風, 9—10月是季風轉(zhuǎn)換期(Pan et al, 2018)。南海北部海域是近岸向深海生態(tài)系統(tǒng)的過渡區(qū)域, 北邊受近岸珠江低鹽度、富營養(yǎng)淡水輸入, 東邊受到來自太平洋的黑潮侵入,南邊是南海高鹽、貧營養(yǎng)的開闊海域, 河流輸入和海洋動力過程都對南海北部的生物地球化學空間分布具有顯著的影響(Wong et al, 2015)。

圖1 研究區(qū)及航次觀測站點分布圖a. 南海北部站點分布圖; b. 珠江河口站點分布圖?；趪覝y繪地理信息局標準地圖服務網(wǎng)站下載審圖號為GS(2016)2924和GS(2019)3266標準地圖制作Fig. 1 Distribution map of the study area and cruise observation stations. (a) sample site map of the northern South China Sea; (b) sample site map of the Pearl River Estuary

1.2 現(xiàn)場觀測數(shù)據(jù)

現(xiàn)場觀測數(shù)據(jù)是10個航次采集南海北部表層水樣帶回實驗室后經(jīng)測量得到, 異養(yǎng)細菌豐度(heterotrophic bacteria abundance, HBA), 葉綠素a質(zhì)量濃度(Chla)以及顆粒有機碳濃度(particulate organic carbon, POC)數(shù)據(jù)分別采用常規(guī)方法測量得到(Chen et al, 2009; Yuan et al, 2011; 張霞 等, 2012; 季鳳云等, 2017), 河口及近岸地區(qū)觀測站點時間范圍為8:30—16:00。數(shù)據(jù)采集范圍為111°—119°E,18°—23°N, 航次觀測時間和觀測點數(shù)分布如表1,使用航次觀測站點的經(jīng)緯度坐標繪制航次站點分布圖(圖1)。

表1 南海北部現(xiàn)場觀測數(shù)據(jù)集Tab. 1 Field observation data in the Northern South China Sea

1.3 衛(wèi)星數(shù)據(jù)

衛(wèi)星數(shù)據(jù)采用中等分辨率成像光譜儀(moderateresolution imaging spectroradiometer, MODIS)獲取得到的一級產(chǎn)品數(shù)據(jù)。衛(wèi)星數(shù)據(jù)的8～15波段是為海洋水色遙感參量反演設計的, 具有較高的信噪比。其衛(wèi)星影像空間分辨率為1000m, 時間分辨率為1d,自1999年以來已經(jīng)長時間持續(xù)獲取了質(zhì)量較好的海洋衛(wèi)星數(shù)據(jù)。研究從衛(wèi)星數(shù)據(jù)網(wǎng)站(https://earth data.nasa.gov/)下載10個航次觀測時間段和2017年4個季節(jié)典型月份的MODIS影像作為研究使用的衛(wèi)星數(shù)據(jù), 時間包括2004年9月、2005年9月、2006年9月、2010年8月、2011年1月、2014年8月、2015年5月和8月、2016年1月、2017年1月、4月、6月、7月和10月。

2 研究方法

首先對MODIS影像進行大氣校正預處理, 獲取影像的遙感反射率; 然后使用現(xiàn)場取樣站點的經(jīng)緯度數(shù)據(jù)與衛(wèi)星影像數(shù)據(jù)進行空間匹配, 獲取異養(yǎng)細菌觀測站點的遙感反射率; 接著采用統(tǒng)計回歸方法建立異養(yǎng)細菌豐度與遙感反射率的關系模型; 最后將建立的模型運用到南海北部海域分析表層異養(yǎng)細菌豐度的空間分布。

2.1 衛(wèi)星影像大氣校正

衛(wèi)星傳感器獲取的可見光波段輻射超過90%來自于大氣散射輻射和表面輻射, 海洋中近表層水體散射和反射信號不足10% (Ruddick et al, 2000)。影像的大氣校正是從衛(wèi)星傳感器接收的總信號中去除大氣散射和表面反射影響, 獲取準確離水輻射量的過程。目前水色遙感軟件SeaDAS (SeaWiFS Data Analysis System)自帶的大氣校正算法對中國近岸海域的衛(wèi)星影像進行校正常常失效(He et al, 2004)。本研究采用He等(2014)提出的短波紅外波段指數(shù)外推的大氣算法(shortwave infrared exponential extrapolation, SWIRE)衛(wèi)星影像進行處理, 該算法利用短波紅外對渾濁水體懸浮物濃度變化不敏感的特性, 使用短波紅外和近紅外波段構(gòu)建指數(shù)函數(shù), 將渾濁水體轉(zhuǎn)換為等效清潔水體, 再使用標準大氣校正算法進行處理, 該算法在中國近岸海域被驗證優(yōu)于水色遙感軟件自帶大氣校正方法, 在珠江河口及其他渾濁區(qū)域與實測遙感反射率對比具有較好的表現(xiàn)(Ye et al, 2017)。研究對10個航次采集時間段和2017年4個月份的MODIS影像采用影像自帶的經(jīng)緯數(shù)據(jù)進行位置標定, 采用SWIRE算法進行大氣校正處理。

2.2 數(shù)據(jù)匹配

大氣校正后的衛(wèi)星影像采用圖像重投影、拼接和裁剪等基本處理, 獲取研究區(qū)衛(wèi)星影像。數(shù)據(jù)匹配參考Bailey等(2001)提出的匹配方法, 時間匹配采用±1d的匹配時間差, 空間匹配使用異養(yǎng)細菌觀測站點的經(jīng)緯度與衛(wèi)星影像的經(jīng)緯度進行位置匹配,獲取觀測站點對應的最鄰近像元位置。以觀測站點所在像元為中心設計3×3的窗口, 首先剔除檢測窗口內(nèi)存在的云覆蓋、水陸邊界、太陽耀斑、高太陽天頂角和高傳感器觀測天頂角等異常像元, 并要求窗口內(nèi)有效像元個數(shù)大于7; 然后計算3×3窗口內(nèi)數(shù)據(jù)的變異系數(shù), 要求數(shù)據(jù)的變異系數(shù)小于0.30,滿足前面條件的數(shù)據(jù)采用公式(1)計算匹配點感反射率。

公式中,z*是計算得到的匹配點遙感反射率; z′是3×3窗口內(nèi)數(shù)據(jù)的平均值;σ是3×3窗口內(nèi)數(shù)據(jù)的方差;N是滿足±1.5×σ條件的像元個數(shù)。

在MATLAB軟件中編寫數(shù)據(jù)匹配程序, 使用現(xiàn)場觀測的112組數(shù)據(jù)與預處理后的MODIS衛(wèi)星影像匹配。使用最鄰近法搜索取樣站點對應的影像像元坐標, 并以匹配像元為中心構(gòu)建3×3窗口, 使用匹配規(guī)則進行判斷, 總共有75組數(shù)據(jù)符合要求, 使用公式(1)計算匹配的遙感反射率。

2.3 遙感算法構(gòu)建

采用上面形式構(gòu)建遙感模型, 模型中的yi代表第i個站點測量的異養(yǎng)細菌豐度(單位: ×108個·L–1);Rij代表第i個站點匹配的MODIS影像數(shù)據(jù)第j個水色波段的衛(wèi)星遙感反射率;fk是遙感反射率的單波段、波段比值、波段差值、差值與和值比值組合的函數(shù);βk是系數(shù)項,β0是常數(shù)項;εi是第i個站點的隨機誤差;k是組合形式的變量, 取值為1, 2。模型求解采用最小二乘法滿足ε最小, 求解系數(shù)矩陣β。使用決定系數(shù)(R2)、均方根誤差(RMSE)和平均相對誤差(MAPD)評價模型。

式中:yi′表示模型預測值,yi表示現(xiàn)場觀測值;n表示現(xiàn)場觀測值的個數(shù)。

3 結(jié)果

3.1 實測異養(yǎng)細菌豐度

南海北部現(xiàn)場觀測數(shù)據(jù)的異養(yǎng)細菌豐度范圍為2.27～26.81×108個·L–1, 葉綠素a質(zhì)量濃度范圍為0.04～11.05μg·L–1, 顆粒有機碳濃度范圍為0.008～2.53×103μg·L–1。匹配的75組異養(yǎng)細菌豐度范圍為2.27～23.56×108個·L–1, 平均異養(yǎng)細菌豐度為9.84×108個·L–1。其中, 河口和近岸地區(qū)46組匹配點, 異養(yǎng)細菌豐度范圍為6.48～23.56×108個·L–1, 平均異養(yǎng)細菌豐度為13.08×108個·L–1; 陸架地區(qū)10組匹配點, 異養(yǎng)細菌豐度范圍為2.9～8.94×108個·L–1,平均異養(yǎng)細菌豐度為4.82×108個·L–1; 開闊海域19組匹配點, 異養(yǎng)細菌豐度范圍為2.27～6.59×108個·L–1, 平均異養(yǎng)細菌豐度為3.32×108個·L–1。使用統(tǒng)計直方圖展示匹配結(jié)果的異養(yǎng)細菌豐度分布, 其異養(yǎng)細菌豐度50%的數(shù)值小于8.2×108個·L–1(圖2)。

圖2 匹配的實測異養(yǎng)細菌豐度統(tǒng)計直方圖Fig. 2 Measured heterotrophic bacteria abundance statistical distribution histogram of matching sites

3.2 模型建立和驗證

使用MODIS的8個水色波段遙感反射率(中心波長分別為412nm、443nm、488nm、531nm、551nm、667nm、678nm和748nm, 分別使用Rrs(412)、Rrs(443)、Rrs(488)、Rrs(531)、Rrs(551)、Rrs(667)、Rrs(678)、Rrs(748)中任意兩波段比值、差值、和值、差值與和值的比值以及單波段進行遙感反射率波段組合, 總共構(gòu)建120種組合方式, 與實測異養(yǎng)細菌豐度數(shù)據(jù)進行相關性分析, 相關性結(jié)果如圖3所示。

圖3 遙感反射率波段組合和實測異養(yǎng)細菌豐度的相關系數(shù)統(tǒng)計圖Fig. 3 Statistical graph of correlation coefficient between remote sensing reflectance band combination and measured bacterial abundance

75組匹配數(shù)據(jù)按照異養(yǎng)細菌豐度從大到小進行排序, 等間隔抽取55組數(shù)據(jù)建立模型, 剩余20組數(shù)據(jù)用來驗證模型。采用相關系數(shù)絕對值大于0.65的20個波段組合構(gòu)建異養(yǎng)細菌豐度模型, 以每種波段組合為自變量, 采用2.3中的模型構(gòu)建線性模型、指數(shù)模型和二次函數(shù)模型。同時考慮多變量對異養(yǎng)細菌豐度的共同作用和影響, 對變量采用逐步線性回歸分析, 建立多元回歸模型。選擇模型中具有較好表現(xiàn)的7種模型進行展示(表2), 從表2中可以知道,建模效果最好的是模型4, 模型的確定系數(shù)R2為0.81, RMSE為2.44×108個·L–1, MAPD為21%。

表2 較好表現(xiàn)的7種異養(yǎng)細菌豐度與遙感反射率模型Tab. 2 Seven well-performing models of heterotrophic bacteria abundance and remote sensing reflectance

使用剩余20組數(shù)據(jù)驗證模型4的精度, 其中河口和近岸海域數(shù)據(jù)13組, 陸架和開闊海域數(shù)據(jù)7組。經(jīng)驗證可知實測異養(yǎng)細菌豐度與模型計算得到的異養(yǎng)細菌豐度的擬合曲線斜率為0.83, 模型的確定系數(shù)R2為0.82, RMSE為1.9×108個·L–1, MPAD為19%。模型中陸架和開闊海域驗證點(圖4中的實心圓)的結(jié)果相對較好, 平均相對誤差為13%; 河口和近岸海域驗證點(圖4中的空心圓)存在個別樣本誤差相對較大, 平均相對誤差為25%, 從驗證結(jié)果可知模型的準確度總體相對較好(圖4)。

圖4 實測異養(yǎng)細菌豐度與計算的異養(yǎng)細菌豐度驗證結(jié)果圖空心圓為陸架和開闊海域的驗證點, 實心圓為河口和近岸海域的驗證點, 黑色虛線為1:1線, 黑色實線為實測異養(yǎng)細菌豐度與模型計算異養(yǎng)細菌豐度的線性擬合線Fig. 4 Comparison between measured bacterial abundance and estimated heterotrophic bacterial abundance verification results. The hollow circle are the verification points of the continental shelf and the open sea area, the filled circle are the verification points of the estuary and coastal waters. The black dotted line is the 1:1 line, and the purple solid line is the fitting line

3.3 模型比較

前人使用現(xiàn)場觀測的異養(yǎng)細菌豐度與葉綠素a質(zhì)量濃度、顆粒有機碳濃度分別建立了不同的異養(yǎng)細菌豐度模型(Li et al, 2004; Priyaja et al, 2016)。本研究使用南海北部觀測得到的異養(yǎng)細菌豐度(單位:×108個·L–1)與葉綠素a質(zhì)量濃度(Chla, 單位: μg·L–1)和顆粒有機碳濃度(POC, 單位: ×103μg·L–1)進行模型區(qū)域化分析, 結(jié)果顯示, 異養(yǎng)細菌豐度與葉綠素a質(zhì)量濃度的相關系數(shù)為0.52, 與顆粒有機碳濃度的相關系數(shù)為0.82, 使用線性、對數(shù)以及二次函數(shù)建立異養(yǎng)細菌豐度與顆粒有機碳濃度的模型, 表3中的模型1是表現(xiàn)最好的模型。將研究區(qū)劃分為河口到近岸海域以及陸架到開闊海域兩部分, 異養(yǎng)細菌豐度和葉綠素a質(zhì)量濃度的相關系數(shù)在河口和近岸海域為0.34, 在陸架與開闊海域地區(qū)為0.76, 使用線性、對數(shù)以及二次函數(shù)建立陸架與開闊海域異養(yǎng)細菌豐度和葉綠素a質(zhì)量濃度的模型, 表3中的模型2是表現(xiàn)最好的模型。通過比較本研究使用遙感反射率建立的模型(表2中的模型4)與原有模型(表3中的模型)的決定系數(shù)、均方根誤差和平均相對誤差, 可以知道本研究建立的模型具有更好表現(xiàn)。

表3 較好表現(xiàn)的異養(yǎng)細菌豐度與顆粒有機碳濃度、葉綠素a質(zhì)量濃度模型Tab. 3 Well-performing model of combining heterotrophic bacteria abundance with particle organic carbon concentration, chlorophyll a concentration model

3.4 南海北部異養(yǎng)細菌空間分布

研究選擇2017年4個月份(4月、7月、10月和1月)作為春季、夏季、秋季、冬季4個季節(jié)的代表月份, 使用SWIRE方法對4個月份的MODIS影像進行大氣校正, 采用本研究建立的模型4反演得到南海北部表層4個季節(jié)的異養(yǎng)細菌豐度分布(圖5)。從圖5中可以知道從河口到近岸海域再到開闊海域,異養(yǎng)細菌豐度逐漸下降。珠江河口和近岸地區(qū)的異養(yǎng)細菌豐度較高, 大于9×108個·L–1; 陸架地區(qū)介于3.2×108～8.5×108個·L–1之間, 開闊海域的異養(yǎng)細菌豐度為2.7×108～7.5×108個·L–1。河口地區(qū), 夏季的平均異養(yǎng)細菌豐度最高, 春季最低, 冬季河口西側(cè)的異養(yǎng)細菌豐度高于東側(cè)。近岸海域的異養(yǎng)細菌豐度在靠近河口處西側(cè)的平均異養(yǎng)細菌豐度高于東側(cè)。陸架海域冬季的平均異養(yǎng)細菌豐度最高, 夏季最低。開闊海域4個季節(jié)的豐度變化幅度很小, 在靠近呂宋口附近海域的異養(yǎng)細菌豐度明顯高于其他開闊海域。

圖5 2017年4個季節(jié)異養(yǎng)細菌豐度空間分布圖a. 春季; b. 夏季; c. 秋季; d. 冬季?；趪覝y繪地理信息局標準地圖服務網(wǎng)站下載審圖號為GS(2016)2924標準地圖制作。圖中的白色區(qū)域為無值區(qū)域, 由該地區(qū)云對衛(wèi)星影像遮擋造成Fig. 5 Spatial distribution of heterotrophic bacteria abundance in four seasons in 2017. (a) spring, (b) summer, (c) autumn,and (d) winter. The white areas appearing in the figure are non-valued areas, which are caused by the cloud blocking the satellite image in the area

4 討論

4.1 模型分析

研究使用MODIS影像的遙感反射率與現(xiàn)場觀測的異養(yǎng)細菌豐度構(gòu)建了異養(yǎng)細菌豐度的遙感模型。為了評估模型的精度和適用性, 對模型建立中產(chǎn)生不確定性的兩個影響因素—建模數(shù)據(jù)和方法進行分析。

研究在缺乏現(xiàn)場同步光學觀測數(shù)據(jù)條件下, 采用衛(wèi)星遙感反射率參與構(gòu)建模型。衛(wèi)星遙感反射率使用大氣模型對大氣傳輸過程模擬計算得到, 由于復雜的傳輸過程, 大氣模型計算的波段遙感反射率與實測遙感反射率相比會存在誤差(Wang et al,2007)。研究選用在南海北部具有較好表現(xiàn)的SWIRE大氣校正模型對衛(wèi)星影像進行大氣校正處理, 獲得了相對準確的遙感反射率(He et al, 2014)。數(shù)據(jù)匹配參考Bailey等(2001)提出的匹配準則, 匹配獲取的衛(wèi)星遙感反射率代表的是像元范圍的遙感反射率,與實測站點對應區(qū)域的遙感反射率會存在誤差(Chen et al, 2012)。研究構(gòu)建3×3的匹配窗口, 計算窗口內(nèi)數(shù)據(jù)的變異系數(shù)篩選出遙感反射率變化相對較小的匹配點, 減弱空間尺度差異造成的影響(Bailey et al, 2006), 該方法匹配獲取的遙感反射率參與構(gòu)建模型具有一定的可行性(Cao et al, 2017)。此外, 研究采用寬的匹配時間差±24h進行數(shù)據(jù)的時間匹配, 該方法與同步觀測的數(shù)據(jù)相比會存在誤差。Yuan等(2011)對南海北部地區(qū)24h內(nèi)的異養(yǎng)細菌豐度變化研究發(fā)現(xiàn)其豐度的變化幅度小, 采用±24h的匹配時間差在多云的南海北部海域獲得更多的匹配數(shù)據(jù)具有一定可行性(Hu et al, 2015)。匹配的異養(yǎng)細菌豐度數(shù)據(jù)廣泛分布在河口和近岸海域、陸架和開闊海域地區(qū), 其異養(yǎng)細菌豐度范圍與Zhou等(2011)研究觀測的異養(yǎng)細菌豐度范圍相比具有一致性。

研究使用多元統(tǒng)計回歸方法建立了異養(yǎng)細菌豐度的遙感反演模型。從較好表現(xiàn)的7種模型(表2)中可以發(fā)現(xiàn), 模型中都包含有綠波段(中心波長為531nm和551nm的波段), 該波段的遙感反射率與水體中的懸浮顆粒物具有緊密的關系(Cao et al,2017)。自然水體的異養(yǎng)細菌附著在浮游植物、有機碎屑等顆粒物表面獲取生長繁殖必需的有機物,與有機物具有緊密的關系(Priyaja et al, 2016;Crump et al, 2017)。異養(yǎng)細菌密集附著在顆粒物表面, 與顆粒物共同對光產(chǎn)生衰減作用(Montes-Hugo et al, 2007), 異養(yǎng)細菌在藍波段410nm處存在吸收峰, 綠波段550nm處的吸收相對較弱, 散射相對較強, 建立模型使用的551nm、412nm波段包含異養(yǎng)細菌光譜特征(Stramski et al, 2001)。此外, 研究建立的模型與其他人建立的模型進行比較可以知道,Li等(2004)建立的異養(yǎng)細菌豐度與葉綠素a質(zhì)量濃度模型在南海北部陸架和開闊海域具有較好的表現(xiàn), 但不適用近岸地區(qū), 與Duarte等(2005)研究結(jié)果一致。Priyaja等(2016)使用現(xiàn)場觀測數(shù)據(jù)建立的異養(yǎng)細菌豐度與顆粒有機碳濃度模型在南海北部具有很好的適用性, 但該方法應用到衛(wèi)星遙感中,由于估算顆粒有機碳濃度的遙感模型本身存在誤差(Liu et al, 2015), 該誤差會傳遞到估算異養(yǎng)細菌豐度的模型中, 增加模型的不確定性, 模型的精度較差。利用遙感反射率建立的異養(yǎng)細菌豐度模型雖然仍受到諸多因素影響, 但與前面兩個模型相比具有更好的表現(xiàn)。

4.2 水文動力因素對細菌分布的影響

南海北部水文狀況復雜, 異養(yǎng)細菌的分布受到眾多水文動力因素的影響。南海北部受到珠江沖淡水的影響, 上游的異養(yǎng)細菌隨著河流輸運到南海北部, 其豐度逐漸減小(李祥付 等, 2018)。同時珠江的徑流量在各個季節(jié)分布不均, 5月至8月是雨季, 徑流量增加, 更多的珠江徑流進入到河口和南海北部近岸地區(qū), 造成夏季平均異養(yǎng)細菌豐度較高, 降雨較少的春季平均異養(yǎng)細菌豐度較低(Zhou et al, 2011;Zhang et al, 2013)。珠江河口的八大口門主要位于河口西側(cè), 并受到科氏力的影響使珠江入海徑流向西偏轉(zhuǎn), 造成河口區(qū)西側(cè)的異養(yǎng)細菌豐度大于東側(cè)的異養(yǎng)細菌豐度, 這一結(jié)果與張霞等(2012)觀測結(jié)果一致。陸架海域, 冬季南海北部混合層深度加深, 強勁的東北季風將次表層的異養(yǎng)細菌帶到表層, 同時帶入表層的有機物能促進異養(yǎng)細菌的生長和繁殖(Yuan et al, 2011), 造成冬季平均異養(yǎng)細菌豐度增加。在靠近呂宋口附近海域, 該地區(qū)會受到中尺度渦旋, 熱帶風暴等動力過程影響, 造成局部海區(qū)異養(yǎng)細菌豐度明顯增加(Zubkov et al, 2002), 開闊海域總體上較少受到外來物質(zhì)影響, 在4個季節(jié)里平均異養(yǎng)細菌豐度變化幅度小。

5 結(jié)論

本研究使用南海北部10個航次觀測的異養(yǎng)細菌豐度和與之相匹配的75組MODIS遙感反射率數(shù)據(jù), 其中55組數(shù)據(jù)使用多元統(tǒng)計回歸方法建立異養(yǎng)細菌豐度遙感模型, 20組數(shù)據(jù)用于檢驗模型精度。建立的模型相比前人的間接估算模型具有更好的表現(xiàn), 模型的決定系數(shù)為0.81, 均方根誤差為2.44×108個·L–1, 平均相對誤差為21%。由于現(xiàn)場觀測的光學數(shù)據(jù)缺乏, 研究對自然水體中的異養(yǎng)細菌豐度與現(xiàn)場觀測光學參量(遙感反射率、吸收系數(shù)、散射系數(shù)等)的關系需要進一步探究和分析。此外,研究中使用點位數(shù)據(jù)與面上數(shù)據(jù)進行匹配, 對匹配數(shù)據(jù)定量化分析研究也需要進一步探索。

將建立的模型應用到南海北部, 分析南海北部表層異養(yǎng)細菌的空間分布, 結(jié)果顯示: 從珠江河口到南海北部開闊海域, 異養(yǎng)細菌豐度逐漸減少。河口地區(qū)夏季平均異養(yǎng)細菌豐度最高, 春季最低; 陸架海域, 冬季平均異養(yǎng)細菌豐度最高, 夏季最低;開闊海域4個季節(jié)異養(yǎng)細菌豐度變化幅度小。研究嘗試利用遙感技術(shù)估算大面積海域表層異養(yǎng)細菌豐度, 相比常規(guī)異養(yǎng)細菌豐度監(jiān)測方法, 具有成本低、大面積同步觀測的優(yōu)勢, 對研究海域水環(huán)境質(zhì)量也具有很好的指示作用。