近海區域海水水質遙感監測方法

馬 寧，母景琴，杜瑞慶

（唐山師范學院 計算機科學系，河北 唐山 063000）

近海區域海水水質遙感監測方法

馬 寧，母景琴，杜瑞慶

（唐山師范學院 計算機科學系，河北 唐山 063000）

我國近海區域海水水質由于水體富營養而呈現變壞的趨勢，發生赤潮的次數越來越多，而赤潮與水體中葉綠素a的濃度有關。通過衛星數據反演出近海區域海水中葉綠素a的濃度分布，可以高效地對大面積海域進行長時間連續地監測，從而為海洋防災減災工作提供科學參考依據。

海水水質；衛星遙感監測；水體富營養化；赤潮；葉綠素a

我國近海區域海水水質隨著沿海經濟的發展呈現變壞的趨勢，近幾十年由于水體富營養化而發生過多次赤潮，為漁業帶來巨大損失，有時候還威脅到人畜的生命。因此，對于近海區域海水水質的監測，并從監測數據中找到發生赤潮的規律及赤潮產生的原因至關重要，除了現場采集海水樣品進行分析研究之外，利用衛星遙感數據對海水水質的監測越來越受到專家的重視。

1 水體富營養化

富營養化是指水體在自然因素和（或）人類活動的影響下，大量營養鹽（如氮、磷等）隨著流水流入到湖泊、水庫、河口、海灣等水體，使水體在比較短的時間內由貧營養狀態向富營養狀態變化的一種現象。在不受人類干擾或很少受到人類干擾的自然條件下，湖泊這種從貧營養狀態過渡到富營養狀態的自然過程非常緩慢，一般需要上千年或更長時間；而人為排放的工業廢水與生活污水中含有大量的使水體富營養化的營養物質，因此在短時間內可以使水體富營養化，且這種狀態會持續較長時間[1]。其最主要的表現是：藻類及其它浮游生物的繁殖速度變快，藻類等大量生物越來越多，使水體含氧量下降，水質逐漸惡化，因為缺少氧氣而使得魚類及其他生物大量死亡。

水體出現富營養化現象時的最主要表現是：浮游藻類大量繁殖，即所謂的“水華”。由于占優勢的浮游藻類因種類不同而擁有不同的顏色，水面往往呈現不一樣的顏色：例如藍色、紅色、棕色、乳白色等。海洋中的“赤潮”就是海水中出現了這樣的現象。

富營養化會影響水體的水質，由于大量藻類等浮游生物的快速繁殖，在水面上吸收更多的陽光，而造成水的透明度降低；因此水底的植物很難得到充足的陽光，很難進行充足的光合作用，可能會造成水中溶解氧含量過大，呈過飽和狀態。水體中的溶解氧過多還是過少，都會對水中的動物造成大量的損害，甚至造成動物的大量死亡。同時，由于富營養化而瘋長的藻類植物，會在水體中表面形成一層“綠色浮渣”，使得水底的有機沉積物在缺少氧氣的條件下分解出一些有害氣體，這些氣體會傷害到水中的動物，特別是魚類。因富營養化水中含有硝酸鹽和亞硝酸鹽，若它們的含量超過一定的標準，這種水就會對飲用它的人和動物造成傷害，甚至因此發生中毒生病的現象。在形成“綠色浮渣”后，水下的植物因為氧氣的缺少而不能進行充足的光合作用。長此下去，水內氧氣會越來越少，到最后也會使得水內的一些植物因缺氧而死亡。死去的藻類和生物增加到一定程度，水體就會開始變臭，因而被污染，再不適合被飲用和使用。近幾十年，由于富營養化引起的環境問題變得越來越嚴重，因此有必要建立一種科學、統一的評價方法，以便加強對湖泊、河口、海灣等水體的管理，保護它們的生態環境。

大部分科學家認為水體中營養物質濃度升高的最主要原因是藻類在短時間內大量繁殖。其中含磷物為其關鍵因素。影響藻類生長的因素很多，有陽光、水溫等物理因素，也有pH值、營養鹽類等化學因素，還有一些生物因素。因此，要找到藻類等生物的快速繁殖規律，就需要找到它們繁殖速度與營養物質濃度之間的關系；如果考慮到所有因素，則預測模型是非常復雜而難以得到。因此，采用一些可以觀測并計算的方式來進行預測，現在采用最多的指標是：水體中氮含量超過0.2-0.3 ppm，生化需氧量大于10 ppm，磷含量大于0.01-0.02 ppm，pH值7-9的淡水中細菌總數每毫升超過10萬個，因此而表征藻類數量的葉綠素a含量大于10 μmg/L。因此，可以通過葉綠素a進行水質監測，而且葉綠素a與水體透明度的關系也非常明顯。

評價水體富營養化的方法主要有：營養狀態指數法，營養度指數法和評分法。營養狀態指數法中根據水體透明度制定的卡爾森指數是最常用的評價水體富營養化的方法之一。后來，日本的相崎守弘等人提出了修正的營養狀態指數（TSIM），即以葉綠素a濃度為基準的營養狀態指數。這也是近海水域海水水質監測使用最多的一個指數[2]。

2 我國近海區域赤潮發生情況

對近海區域海水水質影響最大的自然災害之一是赤潮。它是由于海水富營養化造成海洋浮游生物過度繁殖而致使海水變色的現象。赤潮一般會造成漁業經濟的損失，而且大部分赤潮是有毒的，它們也會導致海洋生物的死亡，甚至會造成人畜死亡。因此，赤潮已經成為全球海洋的公害之一，如何減少赤潮的發生、如何監測赤潮從而得到它的發生規律等科研課題已經成為國際海洋環境研究的重要內容。

隨著我國海洋開發和沿海地區經濟的快速發展，我國赤潮災害發生越來越頻繁。如圖1所示，在上個世紀90年代中期，我國沿海每年發生赤潮的平均次數不超過10次；進入21世紀以來，每年發生的赤潮次數逐年高速增加，2003年是赤潮發生次數最多的年份，為119次；隨后10年以來，赤潮發生次數盡管有所減少，但一直維持在60次以上的高位，只是在2011年和2013年發生次數稍低于60次。按此規律發展，我國沿海發生赤潮的次數將維持在40次以上的高位。赤潮災害是我國海洋環境研究的重要內容之一，其監測與防治成了當今海洋環保的重大課題。

圖1 1996年-2013年我國沿海發生赤潮次數

目前，我國對于赤潮災害的監測手段主要有：船舶定點監測、岸站和浮標監測、衛星（航空）遙感監測等手段。衛星遙感監測是近幾十年來發展起來的最新監測手段，它與以前的船舶定點監測和岸站和浮標監測對比而言，擁有不可比擬的優點：它可提供大面積、長期、定點連續的觀測。利用多種監測手段對比研究，是了解赤潮發生時間、覆蓋面積、發生的程度和擴散方向、發生規律等的重要手段。

3 衛星遙感技術對赤潮發生的監測

國外學者最先利用衛星遙感技術對赤潮災害進行監測，并通過水色來分析赤潮的發生[3-4]。海洋水色的衛星遙測始于美國的CZCS（Costal Zone Color Scanner，海岸帶水色掃描儀）衛星[5]。現在這些衛星數據還來自SeaWiFS（寬視場水色掃描儀）衛星[6]、TM（Thematic Mapper）衛星[7]、AVHRR（Advanced Very High Resolution Radiometer，高級甚高分辨率輻射儀）衛星[8]。

從技術方面來看，國外主要利用數據模擬遙感與多波段遙感技術。Stumpf等[9]在研究赤潮時，根據赤潮的一些規律進行研究：赤潮發生時，因其表層水體顏色發生改變，其紅光段反射率下降，而近紅外波段反射率仍保持正常值；然后AVHRR和CZCS衛星數據中水體反射率之比進行赤潮發生的認定。Kahru等[10]和Cullen等[11]在分析衛星數據的同時，進行了大量的現場采集海洋觀測資料的工作，再通過建立輻射傳輸方程來反演赤潮的相關信息。國內利用遙感數據對赤潮的研究也在本世紀初就已經開始了。

黃韋艮等[12]在衛星數據的基礎上，采用計算機中人工神經網絡技術進行計算，從而建立赤潮信息的一個模型，使赤潮探測的準確率提升到78.5%。其他一些學者根據赤潮發生時葉綠素a的變化規律，用遺傳算法進行反演，從而得到水體中葉綠素a的濃度分布情況，也獲得了較好的效果。趙冬至等[13]利用衛星數據和實測的葉綠素a濃度數據，應用歸一化差值方法建立了葉綠素a的濃度分布模型，也取得很好的效果。

從上述的赤潮遙感監測來看，各種衛星資料因衛星探測數據方式不同而所取得的效果也不太一樣。比如TM衛星重復的周期較長，很難監測短時間內發生的赤潮，更難探測到迅速發生的赤潮現象。AVHRR衛星對海洋監測的數據通道較少，其分辨率也很難達到1公里以下，因此對于較小的赤潮和詳細的赤潮信息來講，也不太合適。而且CZCS衛星與SeaWiFS衛星的分辨率也不太高，對于沿海區域來講，這些數據不夠精細。因此利用這些衛星遙感技術對赤潮進行監測的正確率有時候就不太高。

MODIS（Moderate Resolution Imaging Spectroradiometer，中分辨率成像光譜儀）位于美國新一代對地觀測系統兩顆在軌業務衛星之上，它的探測頻道很多，達到36個。有人把它看作是海洋水色衛星上的SeaWiFS傳感器的延續。MODIS與SeaWiFS都有250 nm和500 nm探測通道，它們主要用來探測可見光。除此之外，MODIS還將0.66 μm～0.68 μm通道劃分成兩個，這樣就可以滿足提取二類水體中葉綠素a的需要。張春桂等[14]利用MODIS衛星遙感數據反演得到了一個葉綠素a濃度分布圖，然后根據現場觀測到的葉綠素a濃度分布情況，進行了分析與對比；然后采用美國出品的SeaDAS軟件所提供的一些算法對福建沿海水域的葉綠素a濃度進行反演，所得的結果都有不同程度的偏高。從中得到OC3標準經驗算法比較適合于福建近海葉綠素a濃度反演的結論。

由于各地近海水域水質不同，引起赤潮發生的植物種類也有所區別，在衛星數據表現上也有所不同。因此，不管利用何種衛星數據對近海葉綠素a進行反演時，都需要經過長時間多次迭代反演，從而找到適合當地的反演模型，為當地赤潮災害的預防做出一定的貢獻。

4 總結

從20世紀90年代以來，我們近海發生赤潮的次數呈現出不斷增加并在高位徘徊的趨勢，由于赤潮會給人類帶來巨大的損失，對于赤潮的監測則顯得非常重要。而赤潮的發生與水體中葉綠素a的濃度之間有著非常大的聯系，通過多種衛星監測數據反演出近海水域中葉綠素a的濃度分布，并結合現場數據掌握赤潮發生的情況，從而找到赤潮發生的規律，可以為將來找到赤潮發生原因并減少赤潮發生次數打下良好的基礎。

[1] 王明翠,劉雪芹,張建輝.湖泊富營養化評價方法及分級標準[J].中國環境監測,2002,18(5)∶47-49.

[2] 張永豐,李欣陽,張萬磊,張建樂.微微型藻華爆發海域硅酸鹽與葉綠素a分布特征研究[J].生態科學,2013,32(4)∶509-513.

[3] 顧德宇,許德偉,陳海穎.赤潮遙感進展與算法研究[J].遙感技術與應用,2003,18(6)∶434-440.

[4] 趙輝,張淑平.中國近海浮游植物葉綠素,初級生產力時空變化及其影響機制研究進展[J].廣東海洋大學學報,2014, 34(1)∶98-104.

[5] Holligan P M, Viollier M, Dupouy C, et al. Satellite and ship studies of coccolithophore product ion along a continent al shelf edge[J]. Nature, 1983, 304∶ 339-342.

[6] 孫強,楊燕明,顧德宇,等.SeaWiFS探測1997年閩南赤潮模型研究[J].臺灣海峽,2000,19(1)∶70-74.

[7] 胡德永,王杰生,王振生.陸地衛星TM觀測到渤海灣赤潮[J].遙感信息,1991,6(3)∶11-14.

[8] Gower J F R. Red tide monitoring using AVHRR HRPT imagery from a local receiver[J]. Remote Sensing of Environment, 1994, 48∶ 309- 318.

[9] Stumpf R P, Mary A Tyler. Satellite detection of bloom and pigment distributions in estuaries[J]. Remote Sensing of Environment, 1998, 24∶ 385- 404.

[10] Kahru M, Mitchell B G. Spectral reflectance and absorption of a massive red tide off Southern California[J]. Journal of Geophysical Research, 1998, 103∶ 21601-21609.

[11] Cullen J J, Ciotti A M, Davis R F, et al. Optical detect ion and assessment of algal blooms[J]. Limonl Oceang, 1997, 42∶ 1223-1239.

[12] 黃韋艮,肖清梅,樓秀林.國內外赤潮衛星遙感技術與應用進展[J].遙感技術與應用,2002,17(1)∶32-36.

[13] 趙冬至,傅云娜,趙玲,等.近岸海域水色算法真實性檢驗的不同葉綠素a測試方法換算模型[J].海洋環境科學,2007, 26(1)∶101-106

[14] 張春桂,曾銀東,張星,等.海洋葉綠素a濃度反演及其在赤潮監測中的應用[J].應用氣象學報,2007,18(6)∶821-831.

（責任編輯、校對：田敬軍）

Initially Search of Remote Sensing Monitoring for Offshore Water Quality

MA Ning, MU Jing-qin, DU Rui-qing

(Department of Computer Science, Tangshan Normal University, Tangshan 063000, China)

Water quality presents the tendency of getting worse in Chinese offshore areas due to water body eutrophic. The number of red tide which is related to the concentration of chlorophyll a in sea water has occurred more and more. Though the inversion of distribution of chlorophyll a via satellite data, it is effective to monitor the large area of water for long time and provide scientific reference basis for the marine disaster prevention and mitigation work.

sea water quality; remote science monitoring; water body eutrophic; red tide; chlorophyll-a

TP79

A

1009-9115(2015)02-0069-03

10.3969/j.issn.1009-9115.2015.02.021

唐山市科學研究與發展計劃項目（12140204A-4）

2015-02-03

馬寧（1973-），女，河北唐山人，碩士，副教授，研究方向為計算機應用。