基于Sentinel-3 OLCI数据的渤海水色状况时空变化特征

王 林,王 祥,陈艳拢,高思雯,曾怡乐,孟庆辉,王新新

基于Sentinel-3 OLCI数据的渤海水色状况时空变化特征

王 林,王 祥*,陈艳拢,高思雯,曾怡乐,孟庆辉,王新新

(国家海洋环境监测中心,辽宁 大连 116023)

采用福莱尔水色计可将自然水体颜色从深蓝到红棕分为21个级别,用来记录全球海洋和内陆水体的颜色.目前,与福莱尔水色计21个级别颜色相对应的FUI(Forel-Ule index)水色指数已有成熟的卫星遥感提取方法.以渤海为研究区,利用Sentinel-3 OLCI卫星数据提取了2018～2022年近5a渤海月度、年度FUI水色指数,研究了水色状况的时空变化特征.结果表明,渤海FUI时空变化特征显著,辽东湾、渤海湾及莱州湾沿岸海域FUI较高,水体浑浊,水色状况较差;而秦皇岛海域及其它离岸海域FUI较低,水体相对清澈,水色状况较好.1～12月,渤海FUI月平均值呈“V”型变化特征,即FUI由大变小再变大,体现出渤海水色状况由浊变清再变浊的过程.2018～2022年,FUI年平均值整体呈现下降趋势,水色状况转好;2018～2019年FUI年平均值的降幅最高,渤海综合治理攻坚战初见成效,2020年降至攻坚战实施期间最低水平,2021年出现小幅回升,2022年FUI年平均值则降至历年最低;与2020年相比,2022年渤海水色状况转好、稳定、变差的海域面积占比分别为36.05%、50.45%、13.50%,达到近5a最佳状态,可见渤海综合治理攻坚战对其生态环境的改善发挥了重要作用.因此,利用遥感技术监测FUI水色指数可有效提升我国海洋生态环境常态化巡查监管能力,具有非常重要的实际应用价值.

FUI水色指数；时空变化；Sentinel-3 OLCI数据；遥感反演；渤海

海洋水色的清浊是公众临海亲海最直观的视觉感受,在一定程度上可反映出海洋生态环境质量的优劣.而水色的现场观测远早于卫星时代,最早可追溯到一百多年前,采用福莱尔水色计(Forel-Ule scale)将自然水体颜色从深蓝到红棕分为21个级别,用来记录全球海洋和内陆水体的颜色,与水温、透明度等成为最古老的时间序列水质观测数据[1].

1978年,美国航空航天局发射了世界上第一颗携带海洋水色传感器海岸带水色扫描仪CZCS的Nimbus-7号卫星,海洋水色遥感研究自此拉开序幕,研究者对水色的观测进入了卫星时代.之后诸多海洋水色系列卫星(Seastar/SeaWiFS、Aqua&Terra/ MODIS、HY-1/COCTS等)相继发射,海洋水色遥感的相关研究不断深入,研究者发现与水色有关的水体成分主要有浮游藻类、悬浮物、有色溶解有机物等,通常称为水色三要素[2],也是海洋水色遥感探测的基本参数[3-4],还包括透明度、净初级生产力、颗粒有机碳及溶解性有机碳等关联参数也一直是海洋水色遥感研究的重点[5-7].

早期时,研究者利用卫星多光谱传感器或现场实测的光谱信息,通过不同处理方式得到CIE标准色度系统中的、、三刺激值,并计算获得色度信息,进而推演水体状况[8-10].随着光学技术的发展,更连续的水体光谱信息被观测到,相关研究更为深入.通过测量实验室中配制的Forel-Ule水色计中21种颜色溶液的透射光谱,得到了21种水体颜色的色度坐标[11].后又经修正,获取了每个颜色对应的色度角α,建立了FUI水色指数与色度角查找表[12],并实现了基于MERIS卫星数据的水体FUI水色指数遥感提取[13].近10a内,研究者进一步证实了FUI水色指数与色度角可以通过多种不同波段设置的遥感传感器以较高的精度获取[14-15].因其不依赖于区域性的水体特征更进一步显示了FUI水色指数遥感提取及应用的优势,FUI成为一种简单且全球有效的方法,在浊度、透明度、CDOM、Chla反演[16-20]及湖泊富营养化评价方面得到广泛应用[21-27],但其在海洋生态环境评价方面的应用潜力仍有待发掘.

“建设美丽海湾”是《“十四五”海洋生态环境保护规划》的主线,在《重点海域综合治理攻坚战行动方案》中“推进美丽海湾建设”被列为重点任务之一,且明确提出“加强海湾生态环境常态化监测监管”,并将“水清滩净、鱼鸥翔集、人海和谐”作为美丽海湾建设的目标要求,进而不断提升公众临海亲海的获得感和幸福感.“水清”即为海洋水色的清浊,也是公众临海亲海最直观的视觉感受.FUI水色指数遥感监测可有效提升海湾生态环境常态化巡查监管能力,具有非常重要的实际应用价值.本文以渤海为研究对象,基于2018～2022年Sentinel-3 OLCI数据,研究了近5a渤海水色状况的时空变化特征,分析了渤海综合治理攻坚战的实施对渤海水色状况的影响,体现了FUI水色指数在海洋生态环境评价方面的应用前景.

1 材料与方法

1.1 研究区域

渤海是我国唯一的半封闭型内海(图1),平均水深18m,面积约7.7万km2.沿岸有黄河、海河、滦河和辽河等40余条河流入海,生态环境受人为因素影响显著[28].改革开放40多年来,随环渤海13个沿海城市的开发建设,陆源污染物排放量逐年增大,渤海生态环境质量受到极大影响[29].自21世纪起,我国政府为渤海环境污染治理制定和实施了若干项政策制度,如《渤海综合整治规划》、《渤海碧海行动计划》、《渤海环境保护总体规划(2008-2020年)》、《国家海洋局关于进一步加强渤海生态环境保护工作的意见》、《关于率先在渤海等重点海域建立实施排污总量控制制度的意见》及《渤海综合治理攻坚战行动计划》等[30].渤海生态环境质量得到一定改善,但整治成效仍不稳固.

图1 渤海研究区示意

1.2 卫星数据

选择哨兵3号(Sentinel-3)卫星搭载的海陆彩色成像仪(OLCI)数据.OLCI共包含21个光谱波段,波段范围在400～1020nm之间,空间分辨率为300m,全球覆盖时间为1～2d,能够实现全球多光谱中等分辨率海洋/陆地观测能力[31].本研究通过欧洲气象卫星组织数据服务官方网站(https://data.eumetsat.int)下载获取了2018～2022年5a期间渤海每日Sentinel-3 OLCI L2 WFR (Full Resolution: Ocean Colour, Water and atmosphere parameters)数据,并采用SNAP软件进行均值处理,得到月度、年度平均数据,进而提取FUI水色指数并进行渤海水色状况的时空变化特征研究.

1.3 水色指数提取方法

为了将颜色进行量化表示,国际照明委员会(CIE)发展了一套CIE-XYZ标准颜色系统[32].将、、作为色度系统中光谱的三刺激值,利用卫星影像的遥感反射率,计算、、的公式如下[14]:

式中:为卫星传感器的波段数量;x、y、z为卫星传感器计算CIE颜色三刺激值的波段线性求和系数,为常数[14].

同时,CIE规定了二维色度图,用来描绘颜色,色度图上二维坐标和由三刺激值、、计算得到,公式如下:

两个值可确定一个颜色,则用CIE-xy色度图[22]能够表示可见光范围内的所有颜色,每种颜色对应一个色度坐标(,).基于色度坐标(,),采用双变量反正切函数(arctan2)可计算得到色度角,公式如下:

因多光谱卫星传感器的波段数量较少且离散,与人眼(等同于高光谱传感器)感知到的真实颜色存在偏差,需进行校正消除偏差[14].此外,偏差校正时需考虑色度角的定义差异,不同的定义方式其校正系数不同[22].偏差校正后通过FUI与的对应关系表[33]最终计算得到FUI水色指数的遥感结果.

2 结果与讨论

2.1 月度水色指数的时空变化特征

图2 1～12月渤海每月水色指数的时空分布

渤海每月FUI水色指数的时空变化特征显著(图2).从空间上看,辽东湾、渤海湾及莱州湾沿岸海域FUI较高,水体浑浊,水色状况较差;而秦皇岛海域及其它离岸海域FUI较低,水体相对清澈,水色状况较好.从时间上看,1～3、11、12月FUI较高,水色状况较差;4、5、9、10月FUI居中,水色状况一般;而6～8月FUI较低,水色状况较好.

表1 1～12月渤海各级水色指数的海域面积占比统计(%)

图3 2018年1月～2022年12月渤海每月FUI平均值的变化

1～12月渤海各级FUI水色指数的海域面积占比统计如表1所示,可发现渤海FUI的主要变化区间为5～17,将各级各月海域面积占比超过10%的占比值加粗标识后呈现出较明显的“倒V”型分布特征,表明1～12月高值FUI的海域面积占比先减小后增大(低值FUI则相反),即浑浊水体的海域面积占比先减小后增大(清澈水体则相反),体现出渤海水色状况“自浊变清再变浊”的变化特征.2018年1月～2022年12月渤海FUI月平均值的范围为7.51～13.47,且每年1～12月均存在显著的“V”型变化特征(图3),也体现了渤海水色状况“自浊变清再变浊”的变化过程;此外,渤海FUI月平均值整体呈现下降趋势,表明渤海水色状况呈转好态势.

陆源径流输入与底层颗粒物再悬浮是影响渤海水色状况的两个主要因素.渤海处在大陆架的内部区域,平均水深仅18m,全海区50%以上水深不到20m,风浪对底层颗粒物的再悬浮作用显著,而渤海月度水色指数的时空变化也主要与风浪作用有关.渤海位于东亚季风区,海表风场具有明显的季节性特征,冬季以西北风为主,风向稳定,风力较强,平均风速约5m/s,最大风速可达7.5m/s;夏季以东南风为主,风向不稳定,风力较弱,风速范围在2～5m/s;春、秋季属于过渡季节,风向零乱、多变、不稳定,风速范围在2～6m/s[34].这恰与1～12月渤海水色状况“由浊变清再变浊”的变化过程相呼应,即“风强则FUI增,风弱则FUI减”.通常而言,夏季强降水过程会引起陆源径流输入量的骤然增加,导致入海河口邻近海域的FUI增大,但其影响时间一般较短,且影响范围主要分布在河口邻近海域,与冬季持续强风引起的颗粒物再悬浮作用相比,降水过程的影响相对较弱.

2.2 年度水色指数的时空变化特征

2018～2022年,渤海每年FUI水色指数存在一定的时空变化特征(图4).受辽河、黄河及海河等陆源径流输入等因素的影响,辽东湾、莱州湾及渤海湾底部沿岸海域FUI常年处于较高水平且远高于其它海域,水体较浑浊;而秦皇岛及渤海中部海域FUI始终处于较低水平,水体较清澈;不同年份渤海各区域FUI均有一定变化,但变化规律并不显著.

图4 2018～2022年渤海每年水色指数的时空分布

图5 2018～2022年渤海每年FUI平均值的变化

渤海FUI水色指数年平均值的范围为9.65～ 10.62(图5),除2021年FUI出现小幅回升外,整体呈下降趋势,表明渤海水色状况日趋平稳且总体向好.其中,2018年,渤海FUI年平均值仍处于较高水平,水色状况较差;2019～2020年渤海综合治理攻坚战实施期间,FUI年平均值较2018年显著降低,水色状况明显转好;2021～2022年攻坚战结束后的2a时间内,渤海FUI年平均值出现一定波动,但仍处于较低水平,尤其是2022年,FUI年平均值降至近5a最低水平,较2018年降幅达9.15%,水色状况达到近5a最佳.

利用M2TMNXFLX全球尺度月均风场数据集(分辨率0.69°×0.55°),以覆盖渤海范围矢量边界提取了2018～2022年度各月平均风速,并以算术平均计算年均风速依次为6.2,6.1,6.1,6.4,6.4m/s,与水色指数的年度变化无明显关联.渤海水色状况的稳中向好可能与近10a来我国政府高度重视生态环境问题紧密相关.自2013年开始,中国政府大力推进生态文明建设,坚持绿水青山就是金山银山的发展理念,极大程度上消减了污染物的排放.2018年底,渤海综合治理攻坚战全面打响,对环渤海周边省市制定了严格的污染减排措施,在很大程度上减少了陆源排污入海的影响,渤海水质大幅好转,2019年优良水质面积恢复到2001年左右的水平,同时富营养化的海域面积总体呈下降趋势,海水中浮游藻类浓度较攻坚战之前明显降低[35],赤潮灾害发生频率显著减少,渤海水色状况随之变好,可见渤海综合治理攻坚战对渤海生态环境的改善起到了关键作用.尽管如此,2021年渤海水色状况出现小幅回升,表明渤海生态环境问题存在长期性和复杂性,治理成效尚不稳固,也印证了持续深化渤海综合治理的必要性.

2.3 水色指数变化量的时空分布特征

通过上节分析可知,2020年渤海综合治理攻坚战圆满收官时,渤海水色状况达到攻坚战实施期间的最佳水平,因此可将2020年FUI水色指数作为本底基准,用于对比、评价渤海水色状况的优劣变化.

图6 2022年1～12月较2020年同期渤海水色指数变化量ΔFUI的时空分布

与2020年相比,2022年1～12月渤海水色指数变化量ΔFUI的空间差异较大,各区域水色状况的转变存在明显波动(图6).统计分析发现,2022年1、2、4～7月ΔFUI<0的海域面积大于ΔFUI>0的海域面积(图7),表明水色状况转好的海域面积超过变差的海域面积,水色状况较2020年同期转好,其中6月转好最明显,水色状况转好、稳定、变差的海域面积占比分别为75.59%、16.15%、8.26%;3、8～12月相反,水色状况较2020年同期变差,其中12月变差最严重,水色状况转好、稳定、变差的海域面积占比分别为12.86%、20.01%、67.13%.年度统计分析发现,与2020年相比,2022年渤海水色状况转好、稳定、变差的海域面积占比分别为36.56%、48.57%、14.87%,可见渤海大部分区域的水色状况呈稳定或转好趋势(图8);其中,辽东湾北部大部分海域、渤海湾及相邻海域水色状况明显转好,而渤海湾沿岸海域、莱州湾大部分海域、辽东湾西部沿岸海域及渤海海峡西北部分海域水色状况变差.

图7 2022年1～12月较2021年同期渤海水色状况转好(ΔFUI<0)、稳定(ΔFUI=0)、变差(ΔFUI>0)时的海域面积占比统计

整体看来,月度同期FUI的变化非常大,很多区域超过5,冬季尤为明显,究其原因可能在于同期月份对比所获取的有效卫星数据在同一区域的海面风速存在较大差异,而海面风的扰动对局地FUI的变化影响强烈;此外,潮流的平流输运对近岸区域FUI的变化也有一定影响.以11月为例,筛选FUI变化非常大的渤海湾(118.768°E,38.621°N)、渤海中部(120.529°E,39.361°N)两位置,利用羲和能源大数据平台(https://xihe-energy.com,数据来源为欧洲中期天气预报中心历史再分析数据集)下载上述位置风速数据,并计算得到2022、2020年11月具有有效影像的所有日期的风速均值.分析发现,渤海湾坐标位置处FUI明显变小,而2022年11月的风速均值(6.06m/s)较2020年同期(6.30m/s)减小;渤海中部坐标位置处FUI明显变大,2022年11月的风速均值(7.03m/s)较2020年同期(5.93m/s)增大,进一步表明区域风速越大,FUI越大,反之亦然.年度对比采用的卫星数据量非常大,消弱了海面风、潮流等自然因素对局地水色状况的影响,渤海各区域FUI的年度变化相对较小,主要分布在-1～1之间,在一定程度上体现了人类活动因素(增减排污等)的干预影响,对水色状况发生改变的区域需引起相关管理部门的关注.

图8 2022年较2020年渤海水色指数变化量ΔFUI的时空分布

3 结论

3.1 渤海每月FUI水色指数呈现显著的时空变化特征,受陆源河流输入影响,辽东湾、渤海湾及莱州湾沿岸海域FUI较高,水体浑浊,水色状况较差;而秦皇岛海域及其它离岸海域FUI较低,水体相对清澈,水色状况较好.1～12月渤海FUI月平均值呈“V”型变化特征,体现出渤海水色状况“由浊变清再变浊”的变化过程,主要与渤海季风变化对底层颗粒物的再悬浮作用有关.

3.2 近5a,渤海水色状况日趋平稳且总体向好. 2018年,渤海FUI年平均值仍处于较高水平,水色状况较差;2019～2020年渤海综合治理攻坚战实施期间,FUI年平均值较2018年显著降低,水色状况明显转好;2021年FUI出现小幅回升,但2022年FUI年平均值降至近5a最低水平,较2018年降幅达9.15%,水色状况达到近5a最佳.本文研究结果证实了渤海综合治理攻坚战对渤海生态环境的改善发挥了关键作用.

3.3 将2020年FUI水色指数作为本底基准,月度同期对比发现2022年1～12月渤海部分区域水色指数的变化量ΔFUI超过5,尤以冬季最为明显,考虑主要与海面风的扰动作用对局地FUI的强烈影响有关.年度统计分析发现,与2020年相比,2022年渤海水色状况转好、稳定、变差的海域面积占比分别为36.56%、48.57%、14.87%,可见渤海大部分区域的水色状况呈稳定或转好趋势.

[1] 马本昌.基于色度角的中国近海水色要素遥感研究[D]. 南京:南京信息工程大学, 2022. Ma B C. Remote sensing of ocean color elements in the Chinese offshore based on chromaticity angle [D]. Nan Jing: Nanjing University of Information Science and Technology, 2022.

[2] Prieur L, Sathyendranath S. An optical classification of coastal and oceanic waters based on the specific spectral absorption curves of phytoplankton pigments, dissolved organic matter, and other particulate materials [J]. Limnology and Oceanography, 1981,26(4): 671–689.

[3] O'Reilly J, Maritorena S, Mitchell B G, et al. Ocean color chlorophyll algorithms for SeaWiFS [J]. Journal of Geophysical Research: Oceans, 1998,103(C11):24937–24953.

[4] Tang J W, Wang X M, Song Q J, et al. The statistic inversion algorithms of water constituents for the Huanghai Sea and the East China Sea [J]. Acta Oceanologica Sinica, 2004,23(4):617–626.

[5] Lee Z P, Shang S L, Hu C M, et al. Secchi disk depth: A new theory and mechanistic model for underwater visibility [J]. Remote Sensing of Environment, 2015,169:139–149.

[6] Silsbe G M, Beherenfeld M J, Halsey K H, et al. The CAFE model: A net production model for global ocean phytoplankton [J]. Global Biogeochemical Cycles, 2016,30:1756–1777.

[7] Bonelli A G, Loisel H, Jorge D S F, et al. A new method to estimate the dissolved organic carbon concentration from remote sensing in the global open ocean [J]. Remote Sensing of Environment, 2022,281: 113227.

[8] Alföldi T T, Munday J. Water quality analysis by digital chromaticity mapping of Landsat data [J]. Canadian Journal of Remote Sensing, 1978,4(2):108–126.

[9] Bukata R P, Bruton J E, Jerome J H. Use of chromaticity in remote measurements of water quality [J]. Remote Sensing of Environment, 1983,13(2):161–177.

[10] Bukata R P, Pozdnyakov D V, Jerome J H. et al. Validation of a radiometric color model applicable to optically complex water bodies [J]. Remote Sensing of Environment, 2001,77(2):165–172.

[11] Wernand M R, van der Woerd H J. Spectral analysis of the Forel-Ule ocean colour comparator scale [J]. Journal of the European Optical Society Rapid Publications, 2010,5:10014s.

[12] Novoa S, Wernand M R, Van der Woerd H J. The Forel-Ule Scale revisited spectrally: Preparation protocol, transmission measurements and chromaticity [J]. Journal of the European Optical Society: Rapid Publications, 2013,8:13057.

[13] Wernand M R, Hommersom A, van der Woerd H J. MERIS-based ocean colour classification with the discrete Forel-Ule scale [J]. Ocean Science, 2013,9(3):477–487.

[14] van der Woerd H J, Wernand M R. True colour classification of natural waters with medium-spectral resolution satellites: SeaWiFS, MODIS, MERIS and OLCI [J]. Sensors, 2015,15(10):25663–25680.

[15] van der Woerd H J, Wernand M R. Hue-angle product for low to medium spatial resolution optical satellite sensors [J]. Remote Sensing, 2018,10(2):180.

[16] Wernand M R, van der Woerd H J, Gieskes W W. Trends in ocean colour and chlorophyll concentration from 1889 to 2000, worldwide [J]. Plos One, 2013,8(6):e63766.

[17] Garaba S P, Badewien T H, Braun A, et al. Using ocean colour remote sensing products to estimate turbidity at the Wadden Sea time series station Spiekeroog [J]. Journal of the European Optical Society-Rapid Publications, 2014,9:14020.

[18] Garaba S P, Voß D, Zielinski O. Physical, bio-optical state and correlations in North–Western European Shelf Seas [J]. Remote Sensing, 2014,6(6):5042–5066.

[19] Garaba S P, Friedrichs A, Voss D, et al. Classifying natural waters with the Forel-Ule Colour Index System: results, applications, correlations and crowdsourcing [J]. International Journal of Environmental Research and Public Health, 2015,12(12):16096–16109.

[20] Pitarch J, van der Woerd H J, Brewin R J W, et al. Optical properties of Forel-Ule water types deduced from 15years of global satellite ocean color observations [J]. Remote Sensing of Environment, 2019, 231:111249.

[21] Chen Q, Huang M T, Tang X D. Eutrophication assessment of seasonal urban lakes in China Yangtze River Basin using Landsat 8-derived Forel-Ule index: a six-year (2013～2018) observation [J]. The Science of the total environment, 2020,745:135392.

[22] 王胜蕾.基于水色指数的大范围长时序湖库水质遥感监测研究[D]. 北京:中国科学院大学, 2018. Wang S L. Large-scale and long-time water quality remote sensing monitoring over lakes based on water color index [D]. Bei jing: University of Chinese Academy of Sciences, 2018.

[23] Wang S L, Li J S, Shen Q, et al. MODIS-based radiometric color extraction and classification of inland water with the Forel-Ule scale: a case study of Lake Taihu [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015,8(2):907–918.

[24] Wang S L, Li J S, Zhang B, et al. Changes of water clarity in large lakes and reservoirs across China observed from long-term MODIS [J]. Remote Sensing of Environment, 2020,247:111947.

[25] Wang S L, Li J S, Zhang B, et al. Trophic state assessment of global inland waters using a MODIS-derived Forel-Ule Index [J]. Remote Sensing of Environment, 2018,217:444–460.

[26] Li M J, Sun Y H, Li X J, et al. An improved eutrophication assessment algorithm of estuaries and coastal waters in Liaodong Bay [J]. Remote Sensing, 2021,13:3867.

[27] Zhou Y D, He B Y, Fu C J, et al. An improved Forel–Ule index method for trophic state assessments of inland waters using Landsat 8 and sentinel archives [J]. GIScience & Remote Sensing, 2021,58(8):1316– 1334.

[28] 张海波,王丽莎,石晓勇,等.渤海中部营养盐季节变化及限制统计分析[J]. 中国环境科学, 2019,39(4):1579–1588. Zhang H B, Wang L S, Shi X Y, et al. Spatial distributions and seasonal variations of nutrients and statistical analysis of nutrient limitation in the center of the Bohai Sea, China [J]. China Environmental Science, 2019,39(4):1579–1588.

[29] 王利明,马 蕾,杨晓飞,等.渤海环境污染的治理与保护对策[J]. 中国资源综合利用, 2020,38(3):109–111. Wang L M, Ma L, Yang X F, et al. The countermeasures for the pollution control and protection in the Bohai Sea [J]. China Resources Comprehensive Utilization, 2020,38(3):109–111.

[30] 于春艳,朱容娟,隋伟娜,等.渤海与主要国际海湾水环境污染治理成效比较研究[J]. 海洋环境科学, 2021,40(6):843–850. Yu C Y, Zhu R J, Sui W N, et al. Comparative study on the effectiveness of water environmental pollution control between Bohai Sea and major international bays [J]. Marine Environmental Science 2021,40(6):843–850.

[31] 王 林,王 祥,王新新,等.基于Sentinel-3 OLCI影像的秦皇岛海域悬浮物浓度遥感反演[J]. 中国环境科学, 2022,42(8):3867–3875. Wang L, Wang X, Wang X X, et al. Retrieval of suspended particulate matter concentration from Sentinel-3 OLCI image in the coastal waters of Qinhuangdao [J]. China Environmental Science, 2022,42(8): 3867–3875.

[32] CIE. Commission internationale de l‘eclairage proceedings 1931 [R]. Cambridge: Cambridge University Press, 1932:19–29.

[33] Chen X D, Liu L Y, Zhang X, et al. An assessment of water color for inland water in China using a Landsat 8-Derived Forel–Ule Index and the Google Earth engine platform [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021, 14:5773–5785.

[34] 任惠茹,李国胜,郭腾蛟,等.1950～2011年渤海地区海表风场的季节特征与多尺度变化分析[J]. 地理科学, 2017,37(9):1430–1438. Ren H R, Li G S, Guo T J, et al. Multi-scale variability of surface wind direction and speed on the Bohai Sea in 1950～2011 [J]. Scientia Geographica Sinica, 2017,37(9):1430–1438.

[35] 孟庆辉,王 林,陈艳拢,等.2002～2021年渤海叶绿素a浓度变化及环境响应分析[J]. 中国环境监测, 2022,38(6):228–236. Meng Q H, Wang L, Chen Y L, et al. Change of chlorophyll a concentration and its environmental response in the Bohai Sea from 2002 to 2021 [J]. Environmental Monitoring in China, 2022,38(6): 228–236.

Spatiotemporal variation of water color conditions in the Bohai Sea based on Sentinel-3OLCI data.

WANG Lin, WANG Xiang*, CHEN Yan-long, GAO Si-wen, ZENG Yi-le, MENG Qing-hui, WANG Xin-xin

(National Marine Environmental Monitoring Center, Dalian 116023, China)., 2023,43(9)：4828～4836

The Forel-Ule scale was introduced to record the colors of oceans and inland waters. It classified natural water colors into 21 grades ranging from dark blue to reddish brown. With satellite data, it has been possible to extract the Forel-Ule index (FUI) , which correspond to 21 levels of the Forel-Ule scale. Based on Sentinel-3OLCI satellite data, the monthly and annual FUI of the Bohai Sea for the past five years from 2018 to 2022 was extracted. In addition, spatial and temporal variations in water color conditionswere investigated. As can be seen from the results, both the spatial and temporal variation of FUI in the Bohai Sea was significant. High FUI values were observed in the coastal waters of Liaodong Bay, Bohai Bay, and Laizhou Bay. This indicated turbid water and poor water color. In contrast, low FUI values were observed in Qinhuangdao and other offshore waters, reflecting relatively clear water and good water color. A "V" shaped change, i.e., the FUI varied from large to small and then to large, from January to December, in the variation of the monthly FUI average in the Bohai Sea was captured, illustrating the process of the Bohai Sea's water color condition from turbid to clear and then to turbid. An overall decreasing trend in the annual FUI average value was detected, corresponding to the water color condition getting better, from 2018 to 2022. During this period, the highest decreasing rate happened from 2018 to 2019, subject to the Bohai Sea comprehensive management battle. The lowest level was in 2020, followed by a slight rebound in 2021. The annual FUI average value reached its lowest level in 2022. Compared with 2020, the percentage of sea area with improved, stable, and deteriorating water color in 2022 was 36.05%, 50.45%, and 13.50% respectively. This was the best performance in five years. Therefore, it was seen that comprehensive management of the Bohai Sea had played an active role in improving its ecological environment. Monitoring FUI with remote sensing increased the capacity for regular inspections and supervision of China's marine ecological environment. This was of great practical importance.

Forel-Ule Index (FUI)；spatiotemporal variation；Sentinel-3 OLCI satellite data；remote sensing retrieval；Bohai Sea

X55

A

1000-6923(2023)09-4828-09

王 林(1981-),男,河北沧州人,副研究员,硕士,主要从事海洋生态环境遥感研究.发表论文40余篇.wanglin198110@yeah.net.

王 林,王 祥,陈艳拢,等.基于Sentinel-3 OLCI数据的渤海水色状况时空变化特征 [J]. 中国环境科学, 2023,43(9):4828-4836.

Wang L, Wang X, Chen Y L, et al. Spatiotemporal variation of water color conditions in the Bohai Sea based on Sentinel-3OLCI data [J]. China Environmental Science, 2023,43(9):4828-4836.

2023-02-21

国家重点研发计划项目(2019YFC1407904,2018YFC1407605)

* 责任作者, 副研究员, xwang@nmemc.org.cn