近海区域海水水质遥感监测方法

马 宁，母景琴，杜瑞庆

（唐山师范学院 计算机科学系，河北 唐山 063000）

近海区域海水水质遥感监测方法

马 宁，母景琴，杜瑞庆

（唐山师范学院 计算机科学系，河北 唐山 063000）

我国近海区域海水水质由于水体富营养而呈现变坏的趋势，发生赤潮的次数越来越多，而赤潮与水体中叶绿素a的浓度有关。通过卫星数据反演出近海区域海水中叶绿素a的浓度分布，可以高效地对大面积海域进行长时间连续地监测，从而为海洋防灾减灾工作提供科学参考依据。

海水水质；卫星遥感监测；水体富营养化；赤潮；叶绿素a

我国近海区域海水水质随着沿海经济的发展呈现变坏的趋势，近几十年由于水体富营养化而发生过多次赤潮，为渔业带来巨大损失，有时候还威胁到人畜的生命。因此，对于近海区域海水水质的监测，并从监测数据中找到发生赤潮的规律及赤潮产生的原因至关重要，除了现场采集海水样品进行分析研究之外，利用卫星遥感数据对海水水质的监测越来越受到专家的重视。

1 水体富营养化

富营养化是指水体在自然因素和（或）人类活动的影响下，大量营养盐（如氮、磷等）随着流水流入到湖泊、水库、河口、海湾等水体，使水体在比较短的时间内由贫营养状态向富营养状态变化的一种现象。在不受人类干扰或很少受到人类干扰的自然条件下，湖泊这种从贫营养状态过渡到富营养状态的自然过程非常缓慢，一般需要上千年或更长时间；而人为排放的工业废水与生活污水中含有大量的使水体富营养化的营养物质，因此在短时间内可以使水体富营养化，且这种状态会持续较长时间[1]。其最主要的表现是：藻类及其它浮游生物的繁殖速度变快，藻类等大量生物越来越多，使水体含氧量下降，水质逐渐恶化，因为缺少氧气而使得鱼类及其他生物大量死亡。

水体出现富营养化现象时的最主要表现是：浮游藻类大量繁殖，即所谓的“水华”。由于占优势的浮游藻类因种类不同而拥有不同的颜色，水面往往呈现不一样的颜色：例如蓝色、红色、棕色、乳白色等。海洋中的“赤潮”就是海水中出现了这样的现象。

富营养化会影响水体的水质，由于大量藻类等浮游生物的快速繁殖，在水面上吸收更多的阳光，而造成水的透明度降低；因此水底的植物很难得到充足的阳光，很难进行充足的光合作用，可能会造成水中溶解氧含量过大，呈过饱和状态。水体中的溶解氧过多还是过少，都会对水中的动物造成大量的损害，甚至造成动物的大量死亡。同时，由于富营养化而疯长的藻类植物，会在水体中表面形成一层“绿色浮渣”，使得水底的有机沉积物在缺少氧气的条件下分解出一些有害气体，这些气体会伤害到水中的动物，特别是鱼类。因富营养化水中含有硝酸盐和亚硝酸盐，若它们的含量超过一定的标准，这种水就会对饮用它的人和动物造成伤害，甚至因此发生中毒生病的现象。在形成“绿色浮渣”后，水下的植物因为氧气的缺少而不能进行充足的光合作用。长此下去，水内氧气会越来越少，到最后也会使得水内的一些植物因缺氧而死亡。死去的藻类和生物增加到一定程度，水体就会开始变臭，因而被污染，再不适合被饮用和使用。近几十年，由于富营养化引起的环境问题变得越来越严重，因此有必要建立一种科学、统一的评价方法，以便加强对湖泊、河口、海湾等水体的管理，保护它们的生态环境。

大部分科学家认为水体中营养物质浓度升高的最主要原因是藻类在短时间内大量繁殖。其中含磷物为其关键因素。影响藻类生长的因素很多，有阳光、水温等物理因素，也有pH值、营养盐类等化学因素，还有一些生物因素。因此，要找到藻类等生物的快速繁殖规律，就需要找到它们繁殖速度与营养物质浓度之间的关系；如果考虑到所有因素，则预测模型是非常复杂而难以得到。因此，采用一些可以观测并计算的方式来进行预测，现在采用最多的指标是：水体中氮含量超过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的淡水中细菌总数每毫升超过10万个，因此而表征藻类数量的叶绿素a含量大于10 μmg/L。因此，可以通过叶绿素a进行水质监测，而且叶绿素a与水体透明度的关系也非常明显。

评价水体富营养化的方法主要有：营养状态指数法，营养度指数法和评分法。营养状态指数法中根据水体透明度制定的卡尔森指数是最常用的评价水体富营养化的方法之一。后来，日本的相崎守弘等人提出了修正的营养状态指数（TSIM），即以叶绿素a浓度为基准的营养状态指数。这也是近海水域海水水质监测使用最多的一个指数[2]。

2 我国近海区域赤潮发生情况

对近海区域海水水质影响最大的自然灾害之一是赤潮。它是由于海水富营养化造成海洋浮游生物过度繁殖而致使海水变色的现象。赤潮一般会造成渔业经济的损失，而且大部分赤潮是有毒的，它们也会导致海洋生物的死亡，甚至会造成人畜死亡。因此，赤潮已经成为全球海洋的公害之一，如何减少赤潮的发生、如何监测赤潮从而得到它的发生规律等科研课题已经成为国际海洋环境研究的重要内容。

随着我国海洋开发和沿海地区经济的快速发展，我国赤潮灾害发生越来越频繁。如图1所示，在上个世纪90年代中期，我国沿海每年发生赤潮的平均次数不超过10次；进入21世纪以来，每年发生的赤潮次数逐年高速增加，2003年是赤潮发生次数最多的年份，为119次；随后10年以来，赤潮发生次数尽管有所减少，但一直维持在60次以上的高位，只是在2011年和2013年发生次数稍低于60次。按此规律发展，我国沿海发生赤潮的次数将维持在40次以上的高位。赤潮灾害是我国海洋环境研究的重要内容之一，其监测与防治成了当今海洋环保的重大课题。

图1 1996年-2013年我国沿海发生赤潮次数

目前，我国对于赤潮灾害的监测手段主要有：船舶定点监测、岸站和浮标监测、卫星（航空）遥感监测等手段。卫星遥感监测是近几十年来发展起来的最新监测手段，它与以前的船舶定点监测和岸站和浮标监测对比而言，拥有不可比拟的优点：它可提供大面积、长期、定点连续的观测。利用多种监测手段对比研究，是了解赤潮发生时间、覆盖面积、发生的程度和扩散方向、发生规律等的重要手段。

3 卫星遥感技术对赤潮发生的监测

国外学者最先利用卫星遥感技术对赤潮灾害进行监测，并通过水色来分析赤潮的发生[3-4]。海洋水色的卫星遥测始于美国的CZCS（Costal Zone Color Scanner，海岸带水色扫描仪）卫星[5]。现在这些卫星数据还来自SeaWiFS（宽视场水色扫描仪）卫星[6]、TM（Thematic Mapper）卫星[7]、AVHRR（Advanced Very High Resolution Radiometer，高级甚高分辨率辐射仪）卫星[8]。

从技术方面来看，国外主要利用数据模拟遥感与多波段遥感技术。Stumpf等[9]在研究赤潮时，根据赤潮的一些规律进行研究：赤潮发生时，因其表层水体颜色发生改变，其红光段反射率下降，而近红外波段反射率仍保持正常值；然后AVHRR和CZCS卫星数据中水体反射率之比进行赤潮发生的认定。Kahru等[10]和Cullen等[11]在分析卫星数据的同时，进行了大量的现场采集海洋观测资料的工作，再通过建立辐射传输方程来反演赤潮的相关信息。国内利用遥感数据对赤潮的研究也在本世纪初就已经开始了。

黄韦艮等[12]在卫星数据的基础上，采用计算机中人工神经网络技术进行计算，从而建立赤潮信息的一个模型，使赤潮探测的准确率提升到78.5%。其他一些学者根据赤潮发生时叶绿素a的变化规律，用遗传算法进行反演，从而得到水体中叶绿素a的浓度分布情况，也获得了较好的效果。赵冬至等[13]利用卫星数据和实测的叶绿素a浓度数据，应用归一化差值方法建立了叶绿素a的浓度分布模型，也取得很好的效果。

从上述的赤潮遥感监测来看，各种卫星资料因卫星探测数据方式不同而所取得的效果也不太一样。比如TM卫星重复的周期较长，很难监测短时间内发生的赤潮，更难探测到迅速发生的赤潮现象。AVHRR卫星对海洋监测的数据通道较少，其分辨率也很难达到1公里以下，因此对于较小的赤潮和详细的赤潮信息来讲，也不太合适。而且CZCS卫星与SeaWiFS卫星的分辨率也不太高，对于沿海区域来讲，这些数据不够精细。因此利用这些卫星遥感技术对赤潮进行监测的正确率有时候就不太高。

MODIS（Moderate Resolution Imaging Spectroradiometer，中分辨率成像光谱仪）位于美国新一代对地观测系统两颗在轨业务卫星之上，它的探测频道很多，达到36个。有人把它看作是海洋水色卫星上的SeaWiFS传感器的延续。MODIS与SeaWiFS都有250 nm和500 nm探测通道，它们主要用来探测可见光。除此之外，MODIS还将0.66 µm～0.68 µm通道划分成两个，这样就可以满足提取二类水体中叶绿素a的需要。张春桂等[14]利用MODIS卫星遥感数据反演得到了一个叶绿素a浓度分布图，然后根据现场观测到的叶绿素a浓度分布情况，进行了分析与对比；然后采用美国出品的SeaDAS软件所提供的一些算法对福建沿海水域的叶绿素a浓度进行反演，所得的结果都有不同程度的偏高。从中得到OC3标准经验算法比较适合于福建近海叶绿素a浓度反演的结论。

由于各地近海水域水质不同，引起赤潮发生的植物种类也有所区别，在卫星数据表现上也有所不同。因此，不管利用何种卫星数据对近海叶绿素a进行反演时，都需要经过长时间多次迭代反演，从而找到适合当地的反演模型，为当地赤潮灾害的预防做出一定的贡献。

4 总结

从20世纪90年代以来，我们近海发生赤潮的次数呈现出不断增加并在高位徘徊的趋势，由于赤潮会给人类带来巨大的损失，对于赤潮的监测则显得非常重要。而赤潮的发生与水体中叶绿素a的浓度之间有着非常大的联系，通过多种卫星监测数据反演出近海水域中叶绿素a的浓度分布，并结合现场数据掌握赤潮发生的情况，从而找到赤潮发生的规律，可以为将来找到赤潮发生原因并减少赤潮发生次数打下良好的基础。

[1] 王明翠,刘雪芹,张建辉.湖泊富营养化评价方法及分级标准[J].中国环境监测,2002,18(5)∶47-49.

[2] 张永丰,李欣阳,张万磊,张建乐.微微型藻华爆发海域硅酸盐与叶绿素a分布特征研究[J].生态科学,2013,32(4)∶509-513.

[3] 顾德宇,许德伟,陈海颖.赤潮遥感进展与算法研究[J].遥感技术与应用,2003,18(6)∶434-440.

[4] 赵辉,张淑平.中国近海浮游植物叶绿素,初级生产力时空变化及其影响机制研究进展[J].广东海洋大学学报,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] 孙强,杨燕明,顾德宇,等.SeaWiFS探测1997年闽南赤潮模型研究[J].台湾海峡,2000,19(1)∶70-74.

[7] 胡德永,王杰生,王振生.陆地卫星TM观测到渤海湾赤潮[J].遥感信息,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] 黄韦艮,肖清梅,楼秀林.国内外赤潮卫星遥感技术与应用进展[J].遥感技术与应用,2002,17(1)∶32-36.

[13] 赵冬至,傅云娜,赵玲,等.近岸海域水色算法真实性检验的不同叶绿素a测试方法换算模型[J].海洋环境科学,2007, 26(1)∶101-106

[14] 张春桂,曾银东,张星,等.海洋叶绿素a浓度反演及其在赤潮监测中的应用[J].应用气象学报,2007,18(6)∶821-831.

（责任编辑、校对：田敬军）

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

唐山市科学研究与发展计划项目（12140204A-4）

2015-02-03

马宁（1973-），女，河北唐山人，硕士，副教授，研究方向为计算机应用。