基于GOCI数据的浙江沿海赤潮监测

李阳东 ，李仁虎，常亮

1.上海海洋大学海洋科学学院，上海 201306；2.农业农村部大洋渔业开发重点实验室，上海 201306；3.大洋渔业资源可持续开发教育部重点实验室，上海 201306；4.上海市河口海洋测绘工程技术研究中心，上海 201306

近年来浙江省经济发展迅速，海洋开发的速度和广度都有很大程度的提高。赤潮是浙江近岸海域的主要海洋灾害，中国最早有记录的赤潮就是1933年发生在浙江镇海、台州、象山石浦一带的夜光藻暴发。进入21世纪，浙江海域赤潮频发，并呈现范围不断扩大的趋势，浙江近岸的舟山、南麂等海域更是高发区域。浙江东部沿海赤潮在1—10月均可能发生，多发于5—8月，大部分赤潮事件集中高发于5—6月。因此，对浙江近岸海域海洋赤潮灾害研究的要求程度也越来越高。

受制于水质监测起步时间和技术发展程度，早期的赤潮监测主要借助于肉眼、气味的表观识别或者人工对监测海域的水样进行采集，然后带回实验室分析各种理化指标，再根据相应的阈值对当前赤潮阶段以及未来时间段内赤潮暴发趋势进行预测。但这种方法费时费力，且仅能够了解到当时监测海域的赤潮状况。而近年来，遥感技术的发展为赤潮监测和预警预报提供了一种更为宏观、及时的新途径。基于遥感方法可以通过卫星获取大面积范围内的时间序列影像来对海洋环境状况进行监测和反演。就赤潮而言，由于时间序列遥感影像是以宏观的尺度来展现赤潮特性，因此能够清楚地反映出对应区域赤潮发生的现状、空间分布特征以及其迁移扩散趋势等情况，获得其它监测手段难以发现的信息。

与MODIS相比，GOCI具有高时间分辨率的特点，国内外许多学者利用GOCI影像也进行了赤潮监测的相关研究。Choi et al.（2014）基于GOCI数据使用CHL-a浓度法对韩国东海有害藻类暴发进行了研究；Lou et al.（2014）基于GOCI遥感反射率数据使用三波段（442、490、555nm）赤潮指数法对中国东海海域的有害藻类暴发事件进行了研究，并进一步研究了有害藻类昼夜垂直迁移的现象；江彬彬等（2017）基于GOCI数据使用555 nm波段归一化离水辐亮度阈值法提取的中国东海海域的赤潮信息，并以2011年5月、2011年7月和2014年5月的3次东海赤潮事件为例进行了研究；张贺等（2017）基于GOCI瑞利散射校正的反射率数据使用三波段（442、490、555 nm）赤潮指数法，通过对2014年5月15日、26日和28日的渤海赤潮事件为例，验证了该方法能有效地监测渤海海域的赤潮情况。

浙江近岸海域水体属于高浑浊度的二类水体，在高浑浊度水体中，由于碎屑和有色可溶性有机物的吸收作用，相较于可见光和近红外波段，紫外波段的离水辐亮度可被忽略，因此本文采用He et al.（2012）提出的紫外大气校正方法对GOCI的L1B数据进行大气校正得到各波段的遥感反射率数据，然后进一步基于遥感反射率数据反演得到总悬浮物浓度（total suspended particulate matter，TPM），并且计算赤潮指数（Red Index，RI）。最后通过设置不同的TPM和RI的阈值获得不同阈值下的赤潮提取结果，通过统计分析确定TPM和RI的最佳阈值，并以2015年6月16日发生在温州南麂海域和2016年5月58日发生在苍南鳌江口附近海域的赤潮事件为例，验证本文方法对于提取浙江海域赤潮信息的有效性和准确性。最后，以2011年5月29日温州海域和2014年5月23日舟山海域的赤潮事件为例，使用本文算法对赤潮的日变化情况进行研究。

1 数据与处理方法

1.1 GOCI数据

GOCI是搭载在韩国COMS地球静止轨道卫星上的海洋水色传感器（Yang et al.，2012），是世界首个地球静止轨道海洋水色传感器，其发射于2010年6月27日。GOCI设置有8个波段，每个波段可以提供不同的信息（详细信息见表1），GOCI的时间分辨率和空间分辨率分别为1 h和500 m，影像覆盖区域面积为2 500 km×2 500 km（Ryu et al.，2012）。

1.2 总悬浮物浓度

浙江近岸海域的海水属于典型的二类水体，海水较为浑浊，TPM较高。相关研究表明，TPM高的水体会在红色光波段和近红外波段出现强反射的现象，会对赤潮水体的准确提取产生影响，同时，TPM高的水体中不易暴发赤潮（丘仲锋等，2011）。所以提高赤潮水体提取的准确性，本研究在提取浙江海域赤潮水体时需要先找到合适的总悬浮物浓度阈值来对高浑浊水体进行掩膜。

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

本文使用He et al.（2013）基于GOCI数据针对杭州湾和长江口海域TPM反演提出的一种算法来进行浙江沿岸海域TPM的反演。该算法是一种经验算法，算法公式如下：

其中，Rrs7和Rrs3分别是GOCI第7波段和第3波段的遥感反射率。

1.3 赤潮指数

赤潮指数RI最早是由Ahn et al.（2006）提出的，其使用SeaWiFS的443、510、555 nm波段的离水辐亮度组合比值的赤潮指数方法来对韩国近岸海域水体赤潮信息进行提取。之后，Zhao et al.（2016）对Ahn和Shanmugam的RI模型进行了改进，使用MODIS离水辐亮度数据对提取阿拉伯湾海域的赤潮信息进行了研究。张贺等（2017）基于适用于渤海海域的RI模型提取了渤海海域的赤潮信息，该模型利用了GOCI瑞利校正的反射率数据。王芮（2018）基于GOCI数据使用CHL-a浓度阈值法和RI阈值法对于东海海域赤潮监测进行了研究，结果表明RI阈值法比CHL-a阈值法更优。

丘仲峰等（2011）通过对比正常水体和赤潮水体的实测遥感光谱曲线发现，正常水体与赤潮水体的遥感反射率存在明显差异，赤潮水体有两个反射峰（570—600、680—700 nm），而正常水体只有单峰（500—600 nm）；正常水体在490—555 nm波段遥感反射率的斜率明显小于赤潮水体。所以，本文使用GOCI第3和第4波段对应的遥感反射率组合比值来计算RI，具体如下：

依据《河北省土地整治项目管理办法》，对责任主体灭失的矿山废弃地进行修复绿化时，对适宜复垦的矿山废弃地，实施土地复垦工程。复垦新增的耕地可用于耕地占补平衡，增加的建设用地指标可调整到异地使用。此外，指标流转的收益可用于矿山环境恢复治理。在此过程中，将工矿废弃地复垦与耕地占补平衡、土地转用、项目资金整合等多方面政策结合，适用了相关政策和支持政策，整合了资金和力量，有效推进了示范区建设进程。

2 结果与分析

本文首先通过对浙江省赤潮数据进行统计分析，讨论了浙江省赤潮发生的时间规律，进而可以根据浙江省赤潮发生的年际和月际规律，提取典型时间段的赤潮信息。在提取浙江赤潮信息时，通过统计不同TPM和RI阈值下得到的赤潮信息并进一步分析确定浙江海域赤潮提取的TPM和RI最佳阈值组合。以2015年6月和2016年5月浙江沿海区域发生的赤潮事件为例，验证了本文赤潮提取算法的效果。

2.1 浙江赤潮时间特征

浙江近海是赤潮高发海域，为了解赤潮发生的频次和范围情况，我们对来源于2011—2017年浙江省海洋灾害公报上该海域的赤潮数据按年和月进行了统计。由2011—2017年浙江海洋灾害公报可获得2006—2017年浙江省赤潮发生的年累计次数、面积信息和2011—2017年浙江省赤潮月累计次数、面积信息。图1为2006—2017年浙江省年赤潮发生的次数和累计海域面积。图2是2011—2017年多年的月赤潮发生累积次数和累计面积。

图1 2006—2017年浙江省年赤潮发生次数与累计海域面积Fig.1 Interannual accumulative times and area for the red tides of Zhejiang coast between 2006 and 2017

图2 2011—2017年浙江省各月赤潮发生次数与累计海域面积Fig.2 Monthly accumulative times and area for the red tides of Zhejiang coast between 2011 and 2017

由图2中可以看出，除2012—2015年间出现波动外，浙江省赤潮发生次数与累计海域面积在2006—2012年呈现下降趋势，而在2015—2017年又有所上升；图3显示，浙江海域的赤潮最早出现在2月，多发于5、6、7月这3个月，峰值出现于5月，5月赤潮发生的累计次数和累计海域面积分别为49次和5 209.9 km2，5月之后赤潮的累计次数和累计海域面积一直下降，赤潮最晚出现在9月。根据浙江省赤潮发生的时间规律可以看出，春末和夏季是浙江赤潮的高发期，应重点加强这段时间的赤潮监测和防治。

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

2.2 赤潮提取结果

本文首先使用紫外大气校正方法获得GOCI的遥感反射率数据，进而根据公式（1）（2）反演得到TPM数据，同时根据公式（3）计算得到RI。通过设置不同的TPM和RI阈值提取了2011—2016年浙江沿海的赤潮信息，与赤潮公报中的赤潮信息对比，发现对于浙江沿岸海域TPM的最佳阈值是17 mg·L-1，RI的最佳阈值是0.23，表2是该阈值下的几次赤潮事件统计结果。在这些赤潮事件发生的过程中，对应海域GOCI影像的质量较好，云覆盖范围较少，有效像元数较多。从表2中可以看出，本文算法提取赤潮面积的误差范围为20.45%—127.34%，平均面积误差为64.86%。

表2 浙江海域赤潮提取结果统计Table 2 Statistic for the extraction results of red tides occurred in Zhejiang coast

前面对提取的赤潮面积进行了定性统计评价，为进一步验证本文赤潮提取算法的有效性，分别以2015年6月和2016年5月浙江沿海区域发生的赤潮事件为例对所提取赤潮发生区域的准确性进行了验证。根据赤潮公报的资料，2015年6月12—21日温州南麂海域（赤潮事件1）发生最大面积为390 km2的赤潮，赤潮优势种为多纹膝沟藻；2016年05月22—30日苍南鳌江口至霞关海域（赤潮事件2）发生最大面积为100 km2的赤潮，优势种为东海原甲藻。使用本文前述赤潮提取方法，对这两个赤潮事件的赤潮范围进行了提取，其结果分别如图3和图4所示，图中白色代表无效值（云覆盖区域），蓝色代表正常水体，红色代表赤潮水体。由图可见，针对这两个赤潮事件所提取得到的赤潮发生区域与公报中的位置一致。

在现有基于GOCI影像的浙江海域赤潮监测的研究中，与赤潮公报中的赤潮面积对比时，提取面积一般都会存在偏大的情况，如江彬彬等（2017）基于GOCI数据提取的浙江海域的赤潮面积误差最大达到了525.00%；王芮（2018）使用GOCI数据以赤潮指数法进行东海海域赤潮面积提取时，其面积误差范围为59.00%—105.00%，平均误差为73%。如表2所示，本文算法提取的赤潮面积误差范围为20.45%—127.34%（平均面积误差为64.86%）。虽然对于面积较小的赤潮事件（如2011年5月29日—6月1日的赤潮事件），其结果误差相对较大（面积误差为127.34%），但仍在可接受的范围内。总体上，通过赤潮面积和赤潮发生海域的提取结果分析可知，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监测。

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

3 赤潮日变化特征

为了探究浙江海域赤潮的日变化特征，分别提取了2011年5月29日温州海域和2014年5月23日舟山海域的每日8幅GOCI影像数据的赤潮信息，结果分别如图5、6所示。这两日赤潮发生海域的遥感影像质量较好，有利于赤潮信息的提取和赤潮日变化情况的分析。图7是以2011年5月29日发生在温州海域和2014年5月23日发生在舟山海域为代表的浙江海域各时刻赤潮面积的统计信息。

图5 2011年5月29日温州海域赤潮日变化Fig.5 Red tide daily change of Wenzhou coastal area in May 29, 2011

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

图7 浙江海域赤潮面积日变化Fig.7 Red tide daily area change of Zhejiang coastal area

如图5所示，2011年5月29日发生于温州海域的赤潮在09:30出现于洞头西南部海域，随后主要向南扩散移动，在10:30面积有所减少，但之后一直到13:30面积都在增加，并保持向南的扩散，到14:30时面积下降，并且赤潮影响范围缩减至霞关附近海域，在08:30和15:30时未提取到赤潮信息。图6是2014年5月23日发生在舟山海域的赤潮提取结果，在08:30时刻提取到小范围的赤潮区域，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扩散，影响面积逐渐增加，在12:30达到最大值，之后赤潮面积减少，到15:30时仅有少量出现于东极岛和舟山本岛以东海域。图7中，虚线是2011年5月29日发生于温州海域的赤潮面积日变化曲线，在09:30—11:30曲线出现波动，但在08:30—13:30整体趋势是增加的，在13:30达到最大值，最大面积为114.25 km2，13:30—15:30曲面一直下降；实线是2014年5月23日发生在舟山海域的赤潮面积日变化曲线，可以看出在08:30—12:30赤潮面积持续增加，在12:30面积达到最大值，为475.25 km2，特别是在09:30—11:30之间，赤潮面积增长速度较高，随后在12:30—15:30赤潮面积又以较快的速度减少。

图7中的两条曲线表明两天的赤潮发生区域对应的面积都呈明显的先增后减的变化规律且在12:30—13:30（可认为是正午时刻）左右达到最大值；进一步观察图中两条曲线的变化速度和赤潮面积大小发现，曲线在08:30—11:30面积增长速度较快，在14:30—15:30面积又以较大的幅度减小。图7反映出的赤潮面积的日变化特征与浮游植物昼夜垂直迁移的规律一致，赤潮面积的日变化可能是浮游植物昼夜垂直迁移导致的（Lou et al.，2014；张贺等，2017）。需要指出的是，在08:30和15:30都有提取的赤潮面积为0的情况，说明本文算法在这两个时段提取赤潮面积偏小，具体原因有待进一步讨论验证。

4 总结与讨论

本文主要利用赤潮统计资料和具有高时空分辨率的GOCI影像对浙江海域赤潮发生时空规律和赤潮信息提取展开了研究，并基于赤潮指数模型提出了一种考虑TPM的赤潮提取方法。首先，通过统计2011—2017年浙江海洋灾害公报中的赤潮灾害数据，分析了浙江赤潮灾害发生的年际和月际变化规律。在基于GOCI数据提取浙江海域赤潮信息时，在利用紫外大气校正方法对GOCI数据进行大气校正后，利用得到的遥感反射率反演计算TPM和RI。然后通过对比根据TPM和RI组合提取的赤潮信息和对应的海洋公报上的赤潮数据，对浙江海域赤潮提取的TPM和RI的最佳阈值组合进行确定并选用案例进行验证。最后，使用本文方法以分别发生在温州和舟山的两次赤潮事件为例研究了浙江海域赤潮的日变化情况。通过研究，形成以下结论。

（1）与2002—2015年趋势相反，2015—2017年来浙江省赤潮发生呈上升的趋势。同时具有明显的月际变化规律。浙江海域赤潮最早会出现在2月，多发于5、6、7月这3个月，峰值出现于5月，春末和夏季是浙江赤潮的高发期。

（2）通过设置TPM和RI阈值提取浙江海域赤潮信息，实验结果表明TPM和RI的最佳阈值分别为17 mg·L-1和0.23。对于2011—2016年5次典型赤潮事件提取结果的面积误差为20.45%—127.34%，平均面积误差为64.86%。同时以2015年6月和2016年5月温州海域的两个赤潮事件为例对赤潮发生位置提取结果的准确性进行了验证，结果表明本文方法能较好地提取浙江海域的赤潮信息。

（3）以2011年5月29日温州海域和2014年5月23日舟山海域的赤潮事件为例研究了赤潮的日变化情况，发现赤潮面积变化存在明显的日变化特征，赤潮面积先增后减，在正午时刻左右达到最大值，赤潮面积日变化很可能与浮游植物的昼夜垂直迁移有关。

本文在提取赤潮信息时使用了TPM和RI这两个参数，下一步将会结合其它与赤潮相关的海洋环境参数提高赤潮监测的准确性，进而在赤潮监测的基础上建立赤潮预警预报模型。同时，也可进一步研究该方法对于中国其他海域赤潮监测的适用性。此外，由于海洋水色传感器获取的遥感数据易受云的影响，接下来将会结合一些云检测算法，减小云对提取结果准确性的影响。本文方法在提取08:30和15:30这两个时段的赤潮信息时存在面积偏小的情况，具体原因有待进一步讨论验证并进行改进。