赤潮高發(fā)期間廈門海域葉綠素值預(yù)報(bào)方程建立及應(yīng)用于災(zāi)害性赤潮預(yù)報(bào)模式的研究

吳玉芳

（廈門市海洋與漁業(yè)環(huán)境監(jiān)測(cè)站，福建廈門 361005）

赤潮高發(fā)期間廈門海域葉綠素值預(yù)報(bào)方程建立及應(yīng)用于災(zāi)害性赤潮預(yù)報(bào)模式的研究

吳玉芳

（廈門市海洋與漁業(yè)環(huán)境監(jiān)測(cè)站，福建廈門 361005）

利用廈門海域2005—2008年海洋水質(zhì)自動(dòng)連續(xù)監(jiān)測(cè)儀器的多年全天24 h連續(xù)監(jiān)測(cè)所獲取的海水各項(xiàng)因子的有關(guān)數(shù)據(jù)，對(duì)其進(jìn)行24 h滑動(dòng)平均處理后，再進(jìn)一步篩選整理形成統(tǒng)計(jì)所需樣本，采用逐步回歸統(tǒng)計(jì)方法建立28 h預(yù)報(bào)方程，試圖能對(duì)和赤潮產(chǎn)生有緊密關(guān)系的葉綠素含量變化做出短期預(yù)報(bào)，并嘗試將預(yù)報(bào)結(jié)果應(yīng)用于災(zāi)害性赤潮預(yù)報(bào)業(yè)務(wù)。

葉綠素含量；24 h滑動(dòng)平均；樣本；預(yù)報(bào)

1 引言

赤潮是危害漁業(yè)、水產(chǎn)養(yǎng)殖等行業(yè)的重大自然災(zāi)害之一，是一種小概率事件，它的成因?qū)嵸|(zhì)上是由海洋生物、海洋化學(xué)、海洋物理和氣候等諸多因素共同影響的結(jié)果，這可能是國(guó)內(nèi)外目前仍未能真正運(yùn)用客觀方法做赤潮預(yù)報(bào)的關(guān)鍵所在。有關(guān)赤潮發(fā)生、發(fā)展機(jī)理及預(yù)報(bào)方法的研究工作一直受到廣泛的重視。多數(shù)研究結(jié)果表明赤潮的發(fā)生與海水環(huán)境直接相關(guān)。發(fā)生赤潮時(shí)，海水中葉綠素值含量也會(huì)隨著赤潮的強(qiáng)弱變化而產(chǎn)生同步變化[1]。

隨著海洋水質(zhì)自動(dòng)連續(xù)監(jiān)測(cè)儀器多年應(yīng)用于廈門海域全天24 h對(duì)海水各項(xiàng)因子的連續(xù)跟蹤和監(jiān)測(cè)，近年已有學(xué)者利用海洋水質(zhì)自動(dòng)連續(xù)監(jiān)測(cè)儀器所獲取的數(shù)據(jù)對(duì)廈門海域赤潮發(fā)生情況進(jìn)行研究[2-3]，我們對(duì)獲取的連續(xù)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)在赤潮高發(fā)期間葉綠素值的變化與溶解氧、溶解氧飽和度、葉綠素值日變化、葉綠素值日變化梯度有著顯著的相關(guān)性。

2 數(shù)據(jù)

從2004年5月開始我們?cè)谖挥趶B門同安灣劉五店海域近布設(shè)了1個(gè)自動(dòng)連續(xù)觀測(cè)站（見圖1），對(duì)海水進(jìn)行6年的長(zhǎng)期、連續(xù)、自動(dòng)、實(shí)時(shí)、定點(diǎn)監(jiān)測(cè)。監(jiān)測(cè)項(xiàng)目包括水溫、鹽度、溶解氧、溶解氧飽和度、葉綠素、和pH等。本研究將儀器的監(jiān)測(cè)頻率設(shè)定為每30 min監(jiān)測(cè)1次，可在監(jiān)測(cè)終端隨時(shí)對(duì)各監(jiān)測(cè)站點(diǎn)進(jìn)行數(shù)據(jù)查詢?cè)L問。監(jiān)測(cè)數(shù)據(jù)采用由YSI儀器公司提供的專用配套數(shù)據(jù)處理軟件EcoWatch進(jìn)行數(shù)據(jù)轉(zhuǎn)換處理。為保證監(jiān)測(cè)數(shù)據(jù)的可靠性，監(jiān)測(cè)期間定期對(duì)儀器進(jìn)行維護(hù)清洗和校對(duì)，使儀器能運(yùn)行在最佳的工作狀態(tài)。并且將監(jiān)測(cè)數(shù)據(jù)與實(shí)驗(yàn)室國(guó)標(biāo)方法進(jìn)行比對(duì)以保證數(shù)據(jù)準(zhǔn)確。在葉綠素值出現(xiàn)異常、赤潮形成的高位階段和消亡階段時(shí)輔以人工采樣，分析赤潮生物種類和生物量。

3 數(shù)據(jù)預(yù)處理

恰當(dāng)?shù)臄?shù)據(jù)預(yù)處理和合理的樣本選擇有利于揭示赤潮發(fā)生的內(nèi)在規(guī)律?，F(xiàn)有的數(shù)據(jù)包括2005—2008年連續(xù)四年的海洋浮標(biāo)觀測(cè)數(shù)據(jù)，結(jié)合廈門海域的赤潮高發(fā)期在6—9月的時(shí)間特點(diǎn)，海洋浮標(biāo)站建設(shè)的延續(xù)性以及資料訂正等技術(shù)手段的發(fā)展情況，采用以下方法對(duì)數(shù)據(jù)進(jìn)行處理。

圖1 廈門海域連續(xù)觀測(cè)站位

3.1 數(shù)據(jù)質(zhì)量檢查與控制

對(duì)2005—2008年6—9月的海洋浮標(biāo)觀測(cè)數(shù)據(jù)進(jìn)行初步質(zhì)量檢查，去除明顯的與統(tǒng)計(jì)無關(guān)的錯(cuò)誤數(shù)據(jù)。

3.2 24 h滑動(dòng)平均處理

圖2 2007年6—9月葉綠素含量分布

監(jiān)測(cè)數(shù)據(jù)由于受不可預(yù)測(cè)的人類活動(dòng)以及儀器本身的異常影響使得監(jiān)測(cè)值存在一定的噪音“干擾”，同時(shí)也會(huì)隨海洋環(huán)境的潮汐、水溫等的日變化而變化，對(duì)數(shù)據(jù)進(jìn)行24 h滑動(dòng)平均處理不僅可以降低噪音的影響，同時(shí)也避免了日變化的影響[4]。以2007年6—9月的數(shù)據(jù)處理結(jié)果為例（見圖2—3），經(jīng)過滑動(dòng)平均處理，降噪效果較好。

3.3 樣本篩選與整理

為了獲得較好的統(tǒng)計(jì)回歸效果，需要對(duì)所有樣本進(jìn)行整理，剔除對(duì)回歸結(jié)果正面影響不大的樣本，即期望通過一些簡(jiǎn)單的方法，剔除未來24 h內(nèi)肯定不會(huì)出現(xiàn)赤潮的樣本，理想狀態(tài)是通過剔除僅保留原樣本數(shù)的2/3左右。

方法：以當(dāng)日14時(shí)—次日14時(shí)若發(fā)生赤潮，對(duì)應(yīng)當(dāng)日10時(shí)最小葉綠素含量（2 μg/L）作為標(biāo)準(zhǔn)，進(jìn)行統(tǒng)計(jì)樣本剔除。經(jīng)過篩選，共選取樣本254個(gè)。

具體地，利用2005—2007年6—9月份觀測(cè)數(shù)據(jù)，以當(dāng)日14時(shí)至次日14時(shí)視為一個(gè)時(shí)間段，如果期間發(fā)生赤潮（葉綠素值含量超過12 μg/L），則把對(duì)應(yīng)的當(dāng)日10時(shí)葉綠素值選出，將以上所有10時(shí)葉綠素值進(jìn)行比較，取最小值（經(jīng)計(jì)算為2 μg/L）。經(jīng)過上述過程，可以判斷，如果某日10時(shí)觀測(cè)葉綠素含量低于2 μg/L，則判定當(dāng)日14時(shí)至次日14時(shí)不會(huì)出現(xiàn)赤潮，由此剔除該樣本。

圖3 2007年6—9月葉綠素含量24 h滑動(dòng)平均分布

4 用統(tǒng)計(jì)回歸方法建立葉綠素值預(yù)報(bào)方程

監(jiān)測(cè)數(shù)據(jù)經(jīng)過處理、篩選和整理后，得到所需樣本。采用2005—2007年6—9月的觀測(cè)數(shù)據(jù)建立統(tǒng)計(jì)回歸方程，并用2008年6—9月的觀測(cè)數(shù)據(jù)進(jìn)行試驗(yàn)預(yù)報(bào)和分析。

4.1 預(yù)報(bào)因子和預(yù)報(bào)量

按照赤潮預(yù)報(bào)業(yè)務(wù)的要求，在每天上午10時(shí)后發(fā)布預(yù)報(bào)結(jié)論。把當(dāng)日14時(shí)、20時(shí)，次日02時(shí)、08時(shí)、14時(shí)的葉綠素含量以及當(dāng)日14時(shí)—次日14時(shí)的葉綠素含量最大值作為預(yù)報(bào)量。而把當(dāng)日02時(shí)、08時(shí)，前一日14時(shí)、20時(shí)浮標(biāo)觀測(cè)數(shù)據(jù)（6要素）以及要素值的日變化、要素值日變化的時(shí)間梯度（1日）都作為預(yù)報(bào)因子，并把當(dāng)日10時(shí)觀測(cè)海水葉綠素含量也作為預(yù)報(bào)因子。采用經(jīng)過降噪處理的2005—2007年6—9月的海洋浮標(biāo)觀測(cè)數(shù)據(jù)來建立預(yù)報(bào)方程。

對(duì)于第n天進(jìn)行的一次赤潮預(yù)報(bào)，共有73個(gè)預(yù)報(bào)因子，6個(gè)預(yù)報(bào)量。預(yù)報(bào)第n天的14時(shí)—第n＋1天14時(shí)的海水葉綠素含量，預(yù)報(bào)因子和預(yù)報(bào)量的構(gòu)建方式（見表1—4）。

構(gòu)建預(yù)報(bào)因子，舉例：

X5(n)=X1(n)-X1(n-1)

X9(n)=X1(n)-2 X1(n-1)+X1(n-2)

4.2 進(jìn)行逐步線性回歸，建立統(tǒng)計(jì)預(yù)報(bào)方程

對(duì)經(jīng)處理、篩選和整理后的254個(gè)樣本進(jìn)行統(tǒng)計(jì)分析，用逐步線性回歸方程建立28 h預(yù)報(bào)方程，試圖對(duì)和赤潮產(chǎn)生有緊密關(guān)系的葉綠素值變化做出短期預(yù)報(bào)。

逐步線性回歸過程，以F值（回歸方程的顯著性檢驗(yàn)水平，預(yù)測(cè)變量所解釋的變異與誤差變異的比值）所對(duì)應(yīng)的P值（相關(guān)系數(shù)單邊檢驗(yàn)結(jié)果）為剔選變量準(zhǔn)則。選入變量的顯著性水準(zhǔn)為0.05，剔除變量的顯著性水準(zhǔn)為0.1。表5所示是部分預(yù)報(bào)因子與預(yù)報(bào)量的相關(guān)關(guān)系。

表1 浮標(biāo)觀測(cè)要素作為預(yù)報(bào)因子

表2 浮標(biāo)觀測(cè)要素日變化作為預(yù)報(bào)因子

表3 浮標(biāo)觀測(cè)要素日變化梯度作為預(yù)報(bào)因子

表4 海水葉綠素含量作為預(yù)報(bào)量

表5 相關(guān)系數(shù)表

表6 2008年各方程試報(bào)評(píng)分表

采用逐步線性回歸方法，建立的統(tǒng)計(jì)預(yù)報(bào)方程結(jié)果如下：

5 赤潮試預(yù)報(bào)

將2008年6—9月預(yù)處理后的樣本進(jìn)行赤潮試預(yù)報(bào)，28 h內(nèi)Y1—Y6六個(gè)預(yù)報(bào)量中有3個(gè)及以上的預(yù)報(bào)量值超過葉綠素值的閾值（即8 μg/l）我們即認(rèn)為在未來的24 h內(nèi)將有可能發(fā)生赤潮，統(tǒng)計(jì)其預(yù)報(bào)準(zhǔn)確率，將預(yù)報(bào)結(jié)果與浮標(biāo)儀器實(shí)測(cè)值及赤潮發(fā)生實(shí)況進(jìn)行比較分析。

2008年6—9月實(shí)際赤潮發(fā)生情況共4次，分別在6月24日、7月15—18日、8月15日、9月11日4個(gè)時(shí)間段。

5.1 2008年6月24日赤潮試預(yù)報(bào)

從預(yù)報(bào)結(jié)果看，6月份23—24日Y1—Y6的葉綠素預(yù)報(bào)值和實(shí)測(cè)值雖均有上升的趨勢(shì)，但都未達(dá)到臨界值9 μg/l的標(biāo)準(zhǔn)。因此與實(shí)測(cè)值對(duì)比，實(shí)報(bào)、空?qǐng)?bào)漏報(bào)均為0。與赤潮發(fā)生實(shí)況對(duì)比，漏報(bào)1次。

5.2 2008年7月15—18日赤潮試預(yù)報(bào)

從預(yù)報(bào)結(jié)果看，7月份預(yù)報(bào)量表征14—16日均出現(xiàn)赤潮，實(shí)測(cè)值表征13—16日均出現(xiàn)赤潮，赤潮發(fā)生實(shí)況為15—18日出現(xiàn)赤潮。因此，與實(shí)測(cè)值對(duì)比，共1次漏報(bào)，3次實(shí)報(bào)。與赤潮發(fā)生實(shí)況對(duì)比，共1次空?qǐng)?bào)，2次實(shí)報(bào)，2次漏報(bào)。

5.3 2008年8月15日的赤潮試預(yù)報(bào)

從預(yù)報(bào)結(jié)果看，8月份預(yù)報(bào)值表征11—14日均出現(xiàn)赤潮，實(shí)測(cè)值表征10—14日均出現(xiàn)赤潮，實(shí)況為15日發(fā)生赤潮，因此與實(shí)測(cè)值對(duì)比，共一次漏報(bào)，4次實(shí)報(bào)。與赤潮發(fā)生實(shí)況對(duì)比，4次空?qǐng)?bào)，1次漏報(bào)。

5.4 2008年9月11日赤潮試預(yù)報(bào)

從預(yù)報(bào)結(jié)果看，9月份預(yù)報(bào)值表征11—12日發(fā)生赤潮，實(shí)測(cè)值表征10—12日發(fā)生赤潮。因此與實(shí)測(cè)值對(duì)比，1次漏報(bào)，2次實(shí)報(bào)；與赤潮發(fā)生實(shí)況對(duì)比，1次實(shí)報(bào)，1次空?qǐng)?bào)。

通過以上分析，我們將分析結(jié)果用預(yù)報(bào)正確率和預(yù)報(bào)空?qǐng)?bào)率指數(shù)評(píng)分[5]，2008年的災(zāi)害性赤潮過程預(yù)報(bào)正確率采用以下公式計(jì)算：

P=預(yù)報(bào)正確次數(shù)/（預(yù)報(bào)正確次數(shù)+空?qǐng)?bào)次數(shù)+漏報(bào)次數(shù)）×100%

結(jié)果見表6，統(tǒng)計(jì)發(fā)現(xiàn)預(yù)報(bào)值對(duì)實(shí)測(cè)值的預(yù)報(bào)結(jié)果較好，實(shí)報(bào)率達(dá)75%，無空?qǐng)?bào)。漏報(bào)的事件均為實(shí)報(bào)前的事件，表明預(yù)報(bào)值能很好的反應(yīng)葉綠素的真實(shí)變化情況，敏感度高，但反應(yīng)有稍微滯后的現(xiàn)象。預(yù)報(bào)值對(duì)實(shí)況的預(yù)報(bào)效果較差，實(shí)報(bào)率僅23%，空?qǐng)?bào)率和漏報(bào)率高達(dá)46%和31%。但可以發(fā)現(xiàn)，這個(gè)結(jié)果是有客觀原因存在的，實(shí)際預(yù)報(bào)時(shí)由于浮標(biāo)直接置于海水中，對(duì)海水的各種監(jiān)測(cè)要素反映靈敏而及時(shí)，而實(shí)際赤潮報(bào)告時(shí)間是在浮標(biāo)數(shù)據(jù)出現(xiàn)異常升高后到現(xiàn)場(chǎng)監(jiān)視、監(jiān)測(cè)，根據(jù)現(xiàn)場(chǎng)實(shí)際監(jiān)視監(jiān)測(cè)結(jié)果判斷赤潮發(fā)生情況。因此，實(shí)際赤潮報(bào)告往往會(huì)較浮標(biāo)實(shí)測(cè)值晚，所以才會(huì)出現(xiàn)預(yù)報(bào)值總是較實(shí)況早幾天出現(xiàn)赤潮情況，這也正好體現(xiàn)了預(yù)報(bào)的功能意義。

6 葉綠素模擬值應(yīng)用于災(zāi)害性赤潮的預(yù)報(bào)流程模式設(shè)計(jì)

葉綠素模擬值應(yīng)用于監(jiān)測(cè)實(shí)況數(shù)據(jù)的預(yù)報(bào)效果較好，與赤潮實(shí)況預(yù)報(bào)比較則都相對(duì)提早幾天，但是正確客觀的反映了實(shí)際變化情況，因此我們認(rèn)為該模擬值無論是用于監(jiān)測(cè)實(shí)況數(shù)據(jù)的預(yù)報(bào)還是災(zāi)害性赤潮預(yù)報(bào)均有應(yīng)用價(jià)值，長(zhǎng)期內(nèi)仍需通過繼續(xù)的數(shù)據(jù)積累進(jìn)一步優(yōu)化赤潮預(yù)報(bào)模式。

現(xiàn)就根據(jù)前面的研究過程對(duì)災(zāi)害性赤潮預(yù)報(bào)流程方案進(jìn)行設(shè)計(jì)數(shù)據(jù)預(yù)處理模塊（帶入各預(yù)報(bào)方程對(duì)當(dāng)日10時(shí)以前的數(shù)據(jù)進(jìn)行向前24 h滑動(dòng)平均）→直接引入或計(jì)算預(yù)報(bào)因子X1—X73→帶入各預(yù)報(bào)方程，計(jì)算預(yù)報(bào)結(jié)果Y1—Y6→根據(jù)預(yù)設(shè)閾值，進(jìn)行災(zāi)害性赤潮預(yù)報(bào)。

7 討論

赤潮的發(fā)生是一種小概率事件，因此對(duì)赤潮預(yù)報(bào)是一個(gè)十分困難的工作。使用傳統(tǒng)的逐步回歸分析法,在資料處理中引入了滑動(dòng)平均值降噪方法,剔除了日變化以及各種不規(guī)則甚至人為的活動(dòng)而造成的誤差。因此這是本方法的特點(diǎn)之一，這為今后工作及提高方程的穩(wěn)定提供了基礎(chǔ)。

在赤潮試預(yù)報(bào)過程中，預(yù)報(bào)值雖較赤潮實(shí)況預(yù)報(bào)有所提前，但是與監(jiān)測(cè)實(shí)測(cè)值相關(guān)性較強(qiáng)，因此我們認(rèn)為該模擬值無論是用于監(jiān)測(cè)實(shí)況數(shù)據(jù)的預(yù)報(bào)還是用于災(zāi)害性赤潮預(yù)報(bào)均有較高應(yīng)用價(jià)值。在建立災(zāi)害性赤潮預(yù)報(bào)方案時(shí)，將Y1—Y6對(duì)預(yù)報(bào)赤潮的貢獻(xiàn)值視為相等，今后的工作仍需進(jìn)一步摸索它們的不同貢獻(xiàn)值，對(duì)預(yù)報(bào)方案進(jìn)一步優(yōu)化。

通過分析可以認(rèn)為浮標(biāo)觀測(cè)所得的數(shù)據(jù)通過建立模擬方程用于赤潮預(yù)報(bào)有一定的利用價(jià)值，有一定的時(shí)間提前性，但這些變化的監(jiān)測(cè)數(shù)據(jù)僅僅代表一個(gè)局部海水環(huán)境的變化結(jié)果，福建海域的赤潮發(fā)生情況與氣象要素密切相關(guān)[6]，如果從宏觀的大尺度把包括水文氣象等各方面能涉及到的對(duì)赤潮生消有影響的因子一并考慮無疑將會(huì)把赤潮的預(yù)警預(yù)測(cè)工作進(jìn)一步提前，這為我們的今后工作指明了方向。

致謝：本文得到國(guó)家海洋環(huán)境預(yù)報(bào)中心王詠亮研究員的悉心指導(dǎo)，在此表示感謝。

[1]蔡勵(lì)勛.廈門同安灣海域赤潮期間葉綠素變化的若干典型特征[J].海洋環(huán)境科學(xué),2008,27（4）:331-334.

[2]莊宏儒.水質(zhì)自動(dòng)監(jiān)測(cè)系統(tǒng)在廈門同安灣赤潮短期預(yù)報(bào)中的應(yīng)用[J].海洋環(huán)境科學(xué),2006,25(2):58-61.

[3]蔡勵(lì)勛.廈門海域赤潮發(fā)生規(guī)律初探[J].福建水產(chǎn),2008,117(2):75-79.

[4]裴益軒,郭民.滑動(dòng)平均法的基本原理及應(yīng)用[J].火炮發(fā)射與控制學(xué)報(bào),2001,1:21-23.

[5]黃卓.氣象預(yù)報(bào)產(chǎn)品質(zhì)量評(píng)分系統(tǒng)[M].北京：中國(guó)氣象局預(yù)測(cè)減災(zāi)司,2001.

[6]張春桂,任漢龍,吳幸毓,等.福建沿海赤潮災(zāi)害氣象預(yù)報(bào)[J].氣象科技,2010,38(2):253-258.

[7]蔡勵(lì)勛.廈門海域溶解氧日變化特征的分析[J].海洋漁業(yè),2008,30（3）:213-218.

[8]蘇靈江.廈門海域血紅哈卡藻赤潮的環(huán)流形勢(shì)和水文氣象條件分析[J].福建水產(chǎn),2009,3:62-65.

[9]孫沛文.大連灣海域赤潮發(fā)生的葉綠素a臨界值[J].中國(guó)環(huán)境科學(xué),1989,9(3):179-182.

Establishment of a chlorophyll forecast equation and its application in red tide forecasting in Xiamen offshore area

WU Yu-fang

(Xiamen Marine&Fisheries Environmental Monitoring Station,Xiamen 361005 China)

Marine water quality automatic monitor,placed in Xiamen offshore waters,was continually collecting data for each hour during 2005 to 2008.In this study,a 24-hour sliding average is applied to the data,and samples are selected to establish a 28-hours forecasting equation using stepwise regression analysis.A short-term prediction of chlorophyll concentration,which has close relationship with the occurrence of red tide,is made based on the established forecasting equation.Furthermore,we also attempt to apply the forecasting results to the operational red-tide forecast.

chlorophyll content;24-hour sliding average;sample;forecast

X55

A

1003-0239（2012）02-0039-06

2011-05-26

國(guó)家科技支撐計(jì)劃（2006BAC03B01）

吳玉芳（1980-），女；工程師，主要從事海洋與漁業(yè)環(huán)境監(jiān)測(cè)。E-mail:xmscs_wu@yahoo.cn