基于GOCI數據的浙江沿海赤潮監測

李陽東 ，李仁虎，常亮

1.上海海洋大學海洋科學學院，上海 201306；2.農業農村部大洋漁業開發重點實驗室，上海 201306；3.大洋漁業資源可持續開發教育部重點實驗室，上海 201306；4.上海市河口海洋測繪工程技術研究中心，上海 201306

近年來浙江省經濟發展迅速，海洋開發的速度和廣度都有很大程度的提高。赤潮是浙江近岸海域的主要海洋災害，中國最早有記錄的赤潮就是1933年發生在浙江鎮海、臺州、象山石浦一帶的夜光藻暴發。進入21世紀，浙江海域赤潮頻發，并呈現范圍不斷擴大的趨勢，浙江近岸的舟山、南麂等海域更是高發區域。浙江東部沿海赤潮在1—10月均可能發生，多發于5—8月，大部分赤潮事件集中高發于5—6月。因此，對浙江近岸海域海洋赤潮災害研究的要求程度也越來越高。

受制于水質監測起步時間和技術發展程度，早期的赤潮監測主要借助于肉眼、氣味的表觀識別或者人工對監測海域的水樣進行采集，然后帶回實驗室分析各種理化指標，再根據相應的閾值對當前赤潮階段以及未來時間段內赤潮暴發趨勢進行預測。但這種方法費時費力，且僅能夠了解到當時監測海域的赤潮狀況。而近年來，遙感技術的發展為赤潮監測和預警預報提供了一種更為宏觀、及時的新途徑。基于遙感方法可以通過衛星獲取大面積范圍內的時間序列影像來對海洋環境狀況進行監測和反演。就赤潮而言，由于時間序列遙感影像是以宏觀的尺度來展現赤潮特性，因此能夠清楚地反映出對應區域赤潮發生的現狀、空間分布特征以及其遷移擴散趨勢等情況，獲得其它監測手段難以發現的信息。

與MODIS相比，GOCI具有高時間分辨率的特點，國內外許多學者利用GOCI影像也進行了赤潮監測的相關研究。Choi et al.（2014）基于GOCI數據使用CHL-a濃度法對韓國東海有害藻類暴發進行了研究；Lou et al.（2014）基于GOCI遙感反射率數據使用三波段（442、490、555nm）赤潮指數法對中國東海海域的有害藻類暴發事件進行了研究，并進一步研究了有害藻類晝夜垂直遷移的現象；江彬彬等（2017）基于GOCI數據使用555 nm波段歸一化離水輻亮度閾值法提取的中國東海海域的赤潮信息，并以2011年5月、2011年7月和2014年5月的3次東海赤潮事件為例進行了研究；張賀等（2017）基于GOCI瑞利散射校正的反射率數據使用三波段（442、490、555 nm）赤潮指數法，通過對2014年5月15日、26日和28日的渤海赤潮事件為例，驗證了該方法能有效地監測渤海海域的赤潮情況。

浙江近岸海域水體屬于高渾濁度的二類水體，在高渾濁度水體中，由于碎屑和有色可溶性有機物的吸收作用，相較于可見光和近紅外波段，紫外波段的離水輻亮度可被忽略，因此本文采用He et al.（2012）提出的紫外大氣校正方法對GOCI的L1B數據進行大氣校正得到各波段的遙感反射率數據，然后進一步基于遙感反射率數據反演得到總懸浮物濃度（total suspended particulate matter，TPM），并且計算赤潮指數（Red Index，RI）。最后通過設置不同的TPM和RI的閾值獲得不同閾值下的赤潮提取結果，通過統計分析確定TPM和RI的最佳閾值，并以2015年6月16日發生在溫州南麂海域和2016年5月58日發生在蒼南鰲江口附近海域的赤潮事件為例，驗證本文方法對于提取浙江海域赤潮信息的有效性和準確性。最后，以2011年5月29日溫州海域和2014年5月23日舟山海域的赤潮事件為例，使用本文算法對赤潮的日變化情況進行研究。

1 數據與處理方法

1.1 GOCI數據

GOCI是搭載在韓國COMS地球靜止軌道衛星上的海洋水色傳感器（Yang et al.，2012），是世界首個地球靜止軌道海洋水色傳感器，其發射于2010年6月27日。GOCI設置有8個波段，每個波段可以提供不同的信息（詳細信息見表1），GOCI的時間分辨率和空間分辨率分別為1 h和500 m，影像覆蓋區域面積為2 500 km×2 500 km（Ryu et al.，2012）。

1.2 總懸浮物濃度

浙江近岸海域的海水屬于典型的二類水體，海水較為渾濁，TPM較高。相關研究表明，TPM高的水體會在紅色光波段和近紅外波段出現強反射的現象，會對赤潮水體的準確提取產生影響，同時，TPM高的水體中不易暴發赤潮（丘仲鋒等，2011）。所以提高赤潮水體提取的準確性，本研究在提取浙江海域赤潮水體時需要先找到合適的總懸浮物濃度閾值來對高渾濁水體進行掩膜。

表1 GOCI各波段信息1)Table1 GOCI bands information

本文使用He et al.（2013）基于GOCI數據針對杭州灣和長江口海域TPM反演提出的一種算法來進行浙江沿岸海域TPM的反演。該算法是一種經驗算法，算法公式如下：

其中，Rrs7和Rrs3分別是GOCI第7波段和第3波段的遙感反射率。

1.3 赤潮指數

赤潮指數RI最早是由Ahn et al.（2006）提出的，其使用SeaWiFS的443、510、555 nm波段的離水輻亮度組合比值的赤潮指數方法來對韓國近岸海域水體赤潮信息進行提取。之后，Zhao et al.（2016）對Ahn和Shanmugam的RI模型進行了改進，使用MODIS離水輻亮度數據對提取阿拉伯灣海域的赤潮信息進行了研究。張賀等（2017）基于適用于渤海海域的RI模型提取了渤海海域的赤潮信息，該模型利用了GOCI瑞利校正的反射率數據。王芮（2018）基于GOCI數據使用CHL-a濃度閾值法和RI閾值法對于東海海域赤潮監測進行了研究，結果表明RI閾值法比CHL-a閾值法更優。

丘仲峰等（2011）通過對比正常水體和赤潮水體的實測遙感光譜曲線發現，正常水體與赤潮水體的遙感反射率存在明顯差異，赤潮水體有兩個反射峰（570—600、680—700 nm），而正常水體只有單峰（500—600 nm）；正常水體在490—555 nm波段遙感反射率的斜率明顯小于赤潮水體。所以，本文使用GOCI第3和第4波段對應的遙感反射率組合比值來計算RI，具體如下：

依據《河北省土地整治項目管理辦法》，對責任主體滅失的礦山廢棄地進行修復綠化時，對適宜復墾的礦山廢棄地，實施土地復墾工程。復墾新增的耕地可用于耕地占補平衡，增加的建設用地指標可調整到異地使用。此外，指標流轉的收益可用于礦山環境恢復治理。在此過程中，將工礦廢棄地復墾與耕地占補平衡、土地轉用、項目資金整合等多方面政策結合，適用了相關政策和支持政策，整合了資金和力量，有效推進了示范區建設進程。

2 結果與分析

本文首先通過對浙江省赤潮數據進行統計分析，討論了浙江省赤潮發生的時間規律，進而可以根據浙江省赤潮發生的年際和月際規律，提取典型時間段的赤潮信息。在提取浙江赤潮信息時，通過統計不同TPM和RI閾值下得到的赤潮信息并進一步分析確定浙江海域赤潮提取的TPM和RI最佳閾值組合。以2015年6月和2016年5月浙江沿海區域發生的赤潮事件為例，驗證了本文赤潮提取算法的效果。

2.1 浙江赤潮時間特征

浙江近海是赤潮高發海域，為了解赤潮發生的頻次和范圍情況，我們對來源于2011—2017年浙江省海洋災害公報上該海域的赤潮數據按年和月進行了統計。由2011—2017年浙江海洋災害公報可獲得2006—2017年浙江省赤潮發生的年累計次數、面積信息和2011—2017年浙江省赤潮月累計次數、面積信息。圖1為2006—2017年浙江省年赤潮發生的次數和累計海域面積。圖2是2011—2017年多年的月赤潮發生累積次數和累計面積。

圖1 2006—2017年浙江省年赤潮發生次數與累計海域面積Fig.1 Interannual accumulative times and area for the red tides of Zhejiang coast between 2006 and 2017

圖2 2011—2017年浙江省各月赤潮發生次數與累計海域面積Fig.2 Monthly accumulative times and area for the red tides of Zhejiang coast between 2011 and 2017

由圖2中可以看出，除2012—2015年間出現波動外，浙江省赤潮發生次數與累計海域面積在2006—2012年呈現下降趨勢，而在2015—2017年又有所上升；圖3顯示，浙江海域的赤潮最早出現在2月，多發于5、6、7月這3個月，峰值出現于5月，5月赤潮發生的累計次數和累計海域面積分別為49次和5 209.9 km2，5月之后赤潮的累計次數和累計海域面積一直下降，赤潮最晚出現在9月。根據浙江省赤潮發生的時間規律可以看出，春末和夏季是浙江赤潮的高發期，應重點加強這段時間的赤潮監測和防治。

圖3 2015年6月16日11:30浙江海域赤潮提取結果Fig.3 The result of red tide extraction for Zhejiang coast in June 16, 2015

2.2 赤潮提取結果

本文首先使用紫外大氣校正方法獲得GOCI的遙感反射率數據，進而根據公式（1）（2）反演得到TPM數據，同時根據公式（3）計算得到RI。通過設置不同的TPM和RI閾值提取了2011—2016年浙江沿海的赤潮信息，與赤潮公報中的赤潮信息對比，發現對于浙江沿岸海域TPM的最佳閾值是17 mg·L-1，RI的最佳閾值是0.23，表2是該閾值下的幾次赤潮事件統計結果。在這些赤潮事件發生的過程中，對應海域GOCI影像的質量較好，云覆蓋范圍較少，有效像元數較多。從表2中可以看出，本文算法提取赤潮面積的誤差范圍為20.45%—127.34%，平均面積誤差為64.86%。

表2 浙江海域赤潮提取結果統計Table 2 Statistic for the extraction results of red tides occurred in Zhejiang coast

前面對提取的赤潮面積進行了定性統計評價，為進一步驗證本文赤潮提取算法的有效性，分別以2015年6月和2016年5月浙江沿海區域發生的赤潮事件為例對所提取赤潮發生區域的準確性進行了驗證。根據赤潮公報的資料，2015年6月12—21日溫州南麂海域（赤潮事件1）發生最大面積為390 km2的赤潮，赤潮優勢種為多紋膝溝藻；2016年05月22—30日蒼南鰲江口至霞關海域（赤潮事件2）發生最大面積為100 km2的赤潮，優勢種為東海原甲藻。使用本文前述赤潮提取方法，對這兩個赤潮事件的赤潮范圍進行了提取，其結果分別如圖3和圖4所示，圖中白色代表無效值（云覆蓋區域），藍色代表正常水體，紅色代表赤潮水體。由圖可見，針對這兩個赤潮事件所提取得到的赤潮發生區域與公報中的位置一致。

在現有基于GOCI影像的浙江海域赤潮監測的研究中，與赤潮公報中的赤潮面積對比時，提取面積一般都會存在偏大的情況，如江彬彬等（2017）基于GOCI數據提取的浙江海域的赤潮面積誤差最大達到了525.00%；王芮（2018）使用GOCI數據以赤潮指數法進行東海海域赤潮面積提取時，其面積誤差范圍為59.00%—105.00%，平均誤差為73%。如表2所示，本文算法提取的赤潮面積誤差范圍為20.45%—127.34%（平均面積誤差為64.86%）。雖然對于面積較小的赤潮事件（如2011年5月29日—6月1日的赤潮事件），其結果誤差相對較大（面積誤差為127.34%），但仍在可接受的范圍內。總體上，通過赤潮面積和赤潮發生海域的提取結果分析可知，本文使用的赤潮提取方法能有效地提取浙江海域的赤潮信息，可用于浙江海域的赤潮監測。

圖4 2016年5月28日11:30浙江海域赤潮提取結果Fig.4 The result of red tide extraction for Zhejiang coast in May 28, 2016

3 赤潮日變化特征

為了探究浙江海域赤潮的日變化特征，分別提取了2011年5月29日溫州海域和2014年5月23日舟山海域的每日8幅GOCI影像數據的赤潮信息，結果分別如圖5、6所示。這兩日赤潮發生海域的遙感影像質量較好，有利于赤潮信息的提取和赤潮日變化情況的分析。圖7是以2011年5月29日發生在溫州海域和2014年5月23日發生在舟山海域為代表的浙江海域各時刻赤潮面積的統計信息。

圖5 2011年5月29日溫州海域赤潮日變化Fig.5 Red tide daily change of Wenzhou coastal area in May 29, 2011

圖6 2014年5月23日舟山海域赤潮日變化Fig.6 Daily change of red tide occurred in Zhoushan coastal area in May 23, 2014

圖7 浙江海域赤潮面積日變化Fig.7 Red tide daily area change of Zhejiang coastal area

如圖5所示，2011年5月29日發生于溫州海域的赤潮在09:30出現于洞頭西南部海域，隨后主要向南擴散移動，在10:30面積有所減少，但之后一直到13:30面積都在增加，并保持向南的擴散，到14:30時面積下降，并且赤潮影響范圍縮減至霞關附近海域，在08:30和15:30時未提取到赤潮信息。圖6是2014年5月23日發生在舟山海域的赤潮提取結果，在08:30時刻提取到小范圍的赤潮區域，09:30赤潮在枸杞至岱山海域零星分布，之后赤潮向南北方向擴散，影響面積逐漸增加，在12:30達到最大值，之后赤潮面積減少，到15:30時僅有少量出現于東極島和舟山本島以東海域。圖7中，虛線是2011年5月29日發生于溫州海域的赤潮面積日變化曲線，在09:30—11:30曲線出現波動，但在08:30—13:30整體趨勢是增加的，在13:30達到最大值，最大面積為114.25 km2，13:30—15:30曲面一直下降；實線是2014年5月23日發生在舟山海域的赤潮面積日變化曲線，可以看出在08:30—12:30赤潮面積持續增加，在12:30面積達到最大值，為475.25 km2，特別是在09:30—11:30之間，赤潮面積增長速度較高，隨后在12:30—15:30赤潮面積又以較快的速度減少。

圖7中的兩條曲線表明兩天的赤潮發生區域對應的面積都呈明顯的先增后減的變化規律且在12:30—13:30（可認為是正午時刻）左右達到最大值；進一步觀察圖中兩條曲線的變化速度和赤潮面積大小發現，曲線在08:30—11:30面積增長速度較快，在14:30—15:30面積又以較大的幅度減小。圖7反映出的赤潮面積的日變化特征與浮游植物晝夜垂直遷移的規律一致，赤潮面積的日變化可能是浮游植物晝夜垂直遷移導致的（Lou et al.，2014；張賀等，2017）。需要指出的是，在08:30和15:30都有提取的赤潮面積為0的情況，說明本文算法在這兩個時段提取赤潮面積偏小，具體原因有待進一步討論驗證。

4 總結與討論

本文主要利用赤潮統計資料和具有高時空分辨率的GOCI影像對浙江海域赤潮發生時空規律和赤潮信息提取展開了研究，并基于赤潮指數模型提出了一種考慮TPM的赤潮提取方法。首先，通過統計2011—2017年浙江海洋災害公報中的赤潮災害數據，分析了浙江赤潮災害發生的年際和月際變化規律。在基于GOCI數據提取浙江海域赤潮信息時，在利用紫外大氣校正方法對GOCI數據進行大氣校正后，利用得到的遙感反射率反演計算TPM和RI。然后通過對比根據TPM和RI組合提取的赤潮信息和對應的海洋公報上的赤潮數據，對浙江海域赤潮提取的TPM和RI的最佳閾值組合進行確定并選用案例進行驗證。最后，使用本文方法以分別發生在溫州和舟山的兩次赤潮事件為例研究了浙江海域赤潮的日變化情況。通過研究，形成以下結論。

（1）與2002—2015年趨勢相反，2015—2017年來浙江省赤潮發生呈上升的趨勢。同時具有明顯的月際變化規律。浙江海域赤潮最早會出現在2月，多發于5、6、7月這3個月，峰值出現于5月，春末和夏季是浙江赤潮的高發期。

（2）通過設置TPM和RI閾值提取浙江海域赤潮信息，實驗結果表明TPM和RI的最佳閾值分別為17 mg·L-1和0.23。對于2011—2016年5次典型赤潮事件提取結果的面積誤差為20.45%—127.34%，平均面積誤差為64.86%。同時以2015年6月和2016年5月溫州海域的兩個赤潮事件為例對赤潮發生位置提取結果的準確性進行了驗證，結果表明本文方法能較好地提取浙江海域的赤潮信息。

（3）以2011年5月29日溫州海域和2014年5月23日舟山海域的赤潮事件為例研究了赤潮的日變化情況，發現赤潮面積變化存在明顯的日變化特征，赤潮面積先增后減，在正午時刻左右達到最大值，赤潮面積日變化很可能與浮游植物的晝夜垂直遷移有關。

本文在提取赤潮信息時使用了TPM和RI這兩個參數，下一步將會結合其它與赤潮相關的海洋環境參數提高赤潮監測的準確性，進而在赤潮監測的基礎上建立赤潮預警預報模型。同時，也可進一步研究該方法對于中國其他海域赤潮監測的適用性。此外，由于海洋水色傳感器獲取的遙感數據易受云的影響，接下來將會結合一些云檢測算法，減小云對提取結果準確性的影響。本文方法在提取08:30和15:30這兩個時段的赤潮信息時存在面積偏小的情況，具體原因有待進一步討論驗證并進行改進。