基于HJ-1A/1B的2014年黃海海域滸苔災害時空分布

薛 瑞, 吳孟泉, 劉 楊, 孫 曉

?

基于HJ-1A/1B的2014年黃海海域滸苔災害時空分布

薛 瑞, 吳孟泉, 劉 楊, 孫 曉

(魯東大學地理與規劃學院, 山東煙臺 264025)

自2007年以來, 黃海海域每年的5月初~8月中下旬滸苔()會周期性地暴發與消亡, 導致海洋生態環境被破壞以及經濟損失。利用2014年的HJ-1A/1B遙感影像, 利用神經網絡監督分類及RULE規則影像重分類動態閾值法, 對2014年的滸苔的漂移路徑、各時期影響的海域面積、分布面積以及暴發高峰期的最大面積進行了動態監測。結果表明, 2014年滸苔持續時間為101 d, 5月中旬開始在江蘇省鹽城市近海出現零星斑點, 分布面積為2.299 km2, 影響面積為1 744.799 km2; 6月初到6月中旬滸苔廣泛分布于黃海海域, 分布面積擴大至1 367.145 km2, 達到當年的峰值; 從6月下旬開始, 滸苔進入衰退期, 滸苔分布面積、相對聚集密度均急劇縮小, 但影響面積的峰值出現在該時期; 8月初消亡于青島附近海岸, 8月20日遙感影像已難以監測到滸苔的存在。2014年黃海海域滸苔經過了“出現—發展—暴發—衰退—消亡”5個發展階段。

黃海; 滸苔(); 漂移路徑; HJ-1A/1B

滸苔()亦稱“苔條”、“苔菜”, 屬綠藻綱, 石莼科, 主要生長在溫帶海區的潮間帶, 滸苔對海水溫度、鹽度、pH值和光照強度的適應范圍分別為10~30℃、7.2~35、6~9、1 000~10 000 lx, 最適范圍分別為15~25℃、20.2~26.9、7~9、5 000~6 000 lx[1-2]。滸苔沒有毒性, 但由于全球氣候變化、水體富營養化等原因, 大型海藻滸苔綠潮暴發, 將致使阻塞航道, 破壞海洋生態系統, 嚴重威脅沿海漁業、旅游業發展。滸苔作為世界性的生態災害, 在我國已連續暴發8 a, 其中2008年滸苔大規模暴發, 嚴重影響了奧帆賽場的順利進行; 2009~2013年滸苔連續5 a在黃海海域暴發, 對青島、日照、煙臺等地造成了不同程度的經濟損失。在國外亦有類似的大型藻類在沿岸聚集事件, 如芬蘭灣[3]、法國的大西洋海岸[4]以及其他地域[5]。因此從根本上防止、治理滸苔具有重要意義。

滸苔暴發機理復雜, 分布范圍廣, 暴發的位置隨著各種因素進行漂移, 難以固定檢測, 采取一種更快更準對滸苔進行大規模檢測的方法勢在必行。衛星遙感具有快速、宏觀、連續性、大范圍同步觀測的優勢, 成為國內外學者對滸苔預報監測的重要途徑。目前國內外在綠潮的起源與發生過程[6]、時空分布特征[7]、滸苔信息提取[8-12]等方面的研究取得了長足的進展。邢前國[13]等利用不同空間分辨率、多時相衛星遙感數據, 對2007~2010年黃海、東海發生的綠潮進行了監測與評估; 衣立[14]等利用EOS衛星的多通道資料結合衛星遙感的海面風場、降水、云中液態水含量、海表面溫度(SST)、POM模式模擬的海流等資料分析了滸苔水文氣象條件; 李慶亭[15]等通過模態航空數字相機(MADC)獲得的數據資料, 為奧帆賽區警戒水域及周邊海域提供滸苔分布面積、密集度等應急動態監測信息,為決策部門提供了準確的數據支持和決策依據; 喬方利等[16]利用準業務化中國近海海浪-潮流-環流耦合數值模式研究了在風場和表層海流場的共同作用下滸苔的漂移路徑。由于滸苔的研究多采用MODIS等空間分辨率較差的數據, 結果精度與現實相差甚遠。本文采用空間分辨率精度為30 m的HJ-1A/1B(CCD)遙感數據影像對滸苔進行監測, 以期獲得更精準的數據結果, 為滸苔暴發的時期、分布規律提供幫助。

1 數據源及處理

1.1 數據來源

本文采用從中國資源衛星應用中心(http: //www. cresda.com/n16/index.html)下載的2014年HJ-1A/ 1B(CCD)遙感數據, 結合過去幾年滸苔發生、發展、暴發、到最終消亡的生命周期的時間, 最終確定研究時間為5月中旬~8月中旬的12景無云或少云數據。本文研究區范圍為119°~124°E, 32°~35°N, 南至江蘇省鹽城市滸苔發現地, 北到山東半島沿海城市。

表1 數據列表

1.2 數據處理

HJ-1A/1B數據處理主要包括數據預處理和滸苔提取兩部分(圖1)。

1.2.1 數據預處理

該實驗采用擴展工具定標, 完成數據定標, 輻亮度數據波段組合, 以及讀取頭文件3個過程。為了消除大氣和光照等因素對地物反射的影響, 獲得地物反射率、輻射率或者地表溫度等真實物理模型參數, 對影像進行FLASSH模塊大氣校正處理。

1.2.2 滸苔信息提取方法

滸苔在可見光波段(b1、b2、b3)反射率較低, 在近紅外(b4)波段反射率較高; 水體在藍綠光率相對較高, 近紅外波段反射率近乎為0。因此利用NIR、R、G合成偽彩色圖像, 使滸苔和海水背景區分明顯, 增強滸苔信息。眾多學者利用自然海水表面和滸苔覆蓋海水表面光譜特征的差異, 通常會采用單波段閾值分割法[17]、雙波段比值法[18]、歸一化植被指數法[19]、浮游植物指數法[20]、歸一化藻類指數法[21]及輻射傳輸模型法[22]等提取滸苔。

本文就目前應用最廣泛的方法, 即歸一化植被指數法與神經網絡監督分類方法, 進行了多次比較。實驗結果發現, 由于HJ-1A/1B(CCD)影像的噪聲嚴重, 利用歸一化植被指數閾值法提取滸苔時, 波段嚴重受到噪聲的影響, 提取的滸苔中存在部分噪點, 嚴重影響提取精度。神經網絡具有良好的非線性特點, 可自適應調整濾波器的窗口大小和濾波器參數, 對消除圖像的混合噪聲、保護圖像的邊緣信息具有明顯的效果[23]。神經網絡監督分類是通過計算機模擬人腦的結構, 用許多小的處理單元模擬生物的神經元, 用算法實現人腦的識別、記憶、思考過程, 應用于圖像分類[24]的遙感圖像監督分類方法比較研究, 不需要進行波段運算, 精度明顯增加, 最終決定采用神經網絡監督分類方法提取滸苔(圖2)。

白色: 滸苔

white mass:

在訓練階段, 對輸入影像中已知的地物(包括滸苔、非滸苔)建立訓練樣區。然后, 采集每個訓練樣區中每個像元的光譜信息, 并送入神經網絡的輸入層。因對兩種地物分類, 故選取輸入節點數=2, 輸出節點數=2, 隱節點數=2, 訓練閾值和權值為0.9, 將兩類遙感圖像樣本進行逐個輸入神經網絡往復訓練, 訓練1 000次后, 直到精度RMS≤0.01時停止訓練。得到分類后的圖像以及規則圖像。因為每幅規則圖像代表與該ROI類的相似度, 相似度越高亮度越大, 根據這一特性對規則圖像中滸苔類的灰度圖像進行重分類, 結合閾值分割法對滸苔信息進行重新提取。為盡可能地不漏掉滸苔信息, 需要設置動態閾值, 如表2。

表2 RULE規則影像重分類動態閾值

通過閾值法對滸苔進行提取后, 將得到的二值圖與原影像進行疊加, 檢驗滸苔提取的精確度。最后將結果圖像導入到ArcMap中, 進行柵矢轉化, 統計滸苔分布面積、影像面積、相對聚集密度以及各個時期滸苔的分布重心, 研究其漂移路徑。

2 結果與分析

2.1 滸苔的時空分布

由于黃海上空云量的影響, 能夠監測到滸苔的天數有限, 我們從中選取了從滸苔出現、發展、暴發、衰退、消亡5個階段(5月12日~8月20日)為期3個多月的7個時期影像進行研究。滸苔時空分布圖如圖3。

2.1.1 滸苔的分布面積

應用ArcMap的Statistic功能對每一時相提取的滸苔實際分布范圍進行統計, 即為對應時相的滸苔分布面積; 利用ArcGIS 的Mean Center 工具找出各時相滸苔的中心位置, 以此代表該時相滸苔的漂移重心, 根據相鄰兩個時相重心的距離L, 計算得到滸苔漂移的速度。漂移速度=/, 其中為兩相鄰時相的間隔時間。

對滸苔的分布情況分析發現, 5月12日在江蘇省鹽城市與連云港交界處近海岸出現零星斑點, 分布面積僅為2.299 km2; 5月下旬滸苔以平均30.5 km/d的遷移速度, 向北生長繁殖, 外緣最近距離青島與日照海域東部海岸116 km, 分布面積增加到154.895 km2。6月12日從山東半島的海陽市到鹽城市與南通市交界處都有滸苔存在, 縱向跨度達到324 km, 滸苔面積擴大至1 367.145 km2, 達到峰值。6月中旬滸苔開始衰退, 6月30日滸苔繼續向北向東遷移延伸到威海東南海岸附近, 滸苔面積減少至523.165 km2, 遞減速率為46.89 km2/d; 7月14日, 滸苔面積縮減至200.086 km2并逐漸向煙威及青島海岸靠近。8月初, 滸苔剩余35.459 km2, 整體集中在距青島海岸30 km左右范圍。利用HJ-1A/1B 30 m×30 m的分辨率優勢可以探究滸苔真正消亡的時間, 所以我們把研究日期擴展到了8月16日, 當日滸苔面積僅有1.376 km2。根據這一研究結果以及滸苔每個時期減少的速率可以大致得出: 滸苔完全消亡的時間大約為8月20日。

根據上述監測結果, 2014年黃海海域滸苔總體生長過程可歸納為: 發現(5月10日~5月15日), 發展(5月15日~6月初), 暴發(6月初~6月中旬), 衰退(6月中旬~8月初), 消亡(8月上旬、中旬)5個過程。

表3 2014年黃海海域滸苔分布動態變化表

2.1.2 滸苔的影響面積

在ArcMap的聚類面分析中(Aggregate Polygon)設置合適的參數(本文參數設置為Aggregation Distance: 10000, Minimum Area: 900, Minimum Hole Size: 0), 將零星的滸苔整合成相對集中的斑塊, 把整合后斑塊的總面積作為滸苔的影響范圍, 即為滸苔的影響面積。根據滸苔的分布面積及影響面積計算相對聚集密度, 即相對聚集密度=1/2, 其中1表示滸苔實際的分布面積,2表示聚合后滸苔影響面積[25]。

2014年滸苔的分布面積、影響面積與相對聚集密度的綜合研究顯示, 滸苔于5月中旬在鹽城市射陽縣近海海域發現。由于氣溫、風向、光照、降水、鹽度等條件的影響, 6月上旬滸苔遷移到江蘇、山東海域, 并進入快速繁殖發展階段, 其數量、影響面積、相對聚集密度逐漸增大。6月中旬滸苔分布范圍與相對聚集密度范圍達到峰值, 滸苔的影響范圍擴大至鹽城至青島附近海域; 6月下旬, 滸苔數量減少、相對聚集密度降低, 但影響面積的峰值出現在該時期, 滯后于滸苔面積和聚集密度的峰值一個階段。在此階段滸苔進入衰退期, 影響規模移至煙威、青島海岸附近。從7月初到8月中旬, 由于海洋環境的改變以及人類干預因素, 滸苔面積以20.19 km2/d的速度衰退, 其影響面積及相對聚集密度逐漸縮小。7月14、8月4日以及8月16日, 影響面積分別為: 15 066.240、4 698.081、16.104 km2; 聚集密度為: 0.013 3、0.007 5、0.008 6(圖4)。

2.2 滸苔漂移路徑

利用ArcGIS 的Mean Center 工具找出各時相滸苔的中心位置, 以此代表該時相滸苔的漂移重心并繪制滸苔的移動路線。5月中旬在江蘇省鹽城市射陽縣海域發現零星滸苔, 半個月之后, 滸苔在黃海大部分海域堆積, 漂移重心距離青島海岸116 km, 是2014年滸苔距離海岸最遠的時期; 6月中旬滸苔逐漸向膠州半島沿岸靠近; 6月底大量滸苔在向北漂移過程中陸續在青島、煙臺、威海登陸。7月中旬滸苔中部外緣距青島最近距離約30 km, 威海附近海面滸苔大面積減少。7月下旬, 滸苔向西漂移過程中開始侵入膠州灣, 并大面積登陸青島。8月上旬滸苔進入消亡階段, 幾乎整個青島沿岸都有滸苔涌入堆積。8月中旬青島海岸滸苔消亡, 僅在距青島沿岸37 km處有極少量分布。滸苔漂移路徑如圖5。

由滸苔移動路徑圖可知, 2014年滸苔從鹽城市向東北方向漂移, 并逐到達威海東南部榮成市海岸, 由于滸苔復雜的生長機理因素的持續變化, 逐漸向西南方向漂移, 最后停留在青島沿岸, 直到消亡。

滸苔的最初發生在江蘇省鹽城市, 當地5月中旬海洋溫度為20~22℃, 適宜滸苔繁殖發育。在滸苔發展階段主要由于綠潮漂移路徑受海面風場和東海環流的影響比較大[27], 日照至青島海域間的余流基本平行于海岸向東北方向[28], 導致滸苔大規模的向黃海海域流動。當滸苔漂移到山東半島南岸時, 由于表層流向東北流動, 流速較小。在夏季, 黃海近岸表層流為向北然后轉為向東北流動, 形成順時針旋轉的環流。而環流產生的流隔和青島外海的渦旋使滸苔向環流中心的輻聚, 以及滸苔從黃海中部海區向青島沿岸海區的漂移和聚集[29]。由于7月中旬到8月中旬黃海海域的溫度升至27℃, 已超出滸苔最適生長環境, 滸苔開始衰退直至消亡。符合滸苔漂移受表層流和溫度的控制的特點, 這一特點驗證了本文研究的有效性。

3 結論與討論

本文基于HJ-1A/1B(CCD)衛星遙感數據, 利用神經網絡監督分類及Rule規則影像重分類動態閾值法, 監測了2014年黃海海域綠潮的漂移路徑、分布面積以及漂移路徑的時空分布變化與以往5 a衛星遙感監測綠潮的變化過程大體一致:

1) 黃海滸苔首先發現于江蘇鹽城市近海附近。隨后鹽城市至青島海域逐漸出現滸苔, 并隨時間逐漸向北漂移, 繁殖量增多繁殖速度不斷加快, 最遠到達煙威海岸; 在衰退期滸苔向南向西移至青島海域, 進入膠州灣, 最后在青島近海20 km處消亡。

2) 2014年黃海海域滸苔經過“出現—發展—暴發—衰退—消亡”五個發展階段。5月中旬滸苔開始在江蘇省鹽城市出現; 5月下旬是滸苔的大規模發展階段, 滸苔的分布面積、影響面積和相對集密度均逐漸增加; 6月中旬滸苔的數量及相對聚集密度范圍達到峰值, 標志著滸苔的全面暴發; 6月下旬滸苔進入衰退階段, 滸苔的數量及相對聚集密度逐漸縮小。影響面積的峰值出現, 滯后于滸苔面積和影響面積的峰值一個生長階段。8月中旬近海還漂浮少量零星滸苔, 于8月20日滸苔完全消亡。

對于滸苔的生長影響因素、運移機制本文未談及, 這些方面將作為我們今后研究的重點。

[1] 李瑞香, 吳曉文, 韋欽勝, 等. 不同營養鹽條件下滸苔的生長[J]. 海洋科學進展, 2009, 27(2): 211-216. Li Ruixiang, Wu Xiaowen, Wei Qinsheng, et al. Nutrients on the growth of Ulva prolifera and Ulva intestinalis[J]. Advances in Marine Science, 27(2): 211-216.

[2] 何進, 邵紅兵, 劉東艷.不同溫度與營養鹽條件對滸苔()和腸滸苔()的生長影響[J]. 海洋通報, 2013, 32(5): 573-580. He Jin, Shao Hongbing, Liu Dongyan, et al. Impact of temperature and nutrients on the growth ofand[J]. Marine Science Bulletin, 2013, 32(5): 573-580.

[3] Vahteri P, Makinen A, Salovius S, et al. Are drifting algal mats conquering the bottom of the Archipelago Sea, SW Finland?[J]. Ambio: A Journal of the Human Environment, 2000, 29( 6): 338.

[4] Charlier R H , Morand P, Finkl C W. How Brittany and Florida coasts cope with green tides[J]. International Journal of Environment al Studies, 2008, 65( 2): 191.

[5] Fan X, Xu D, et al. The effect of nutrient concentrations, nutrient ratios and temperature on photosynthesis and nutrient uptake by: implications for the explosion in green tides[J]. Journal of Applied Phycology , 2013, 26(1): 537-544.

[6] 范士亮, 傅明珠, 李艷, 等. 2009—2010年黃海綠潮起源與發生過程調查研究[J]. 海洋學報, 2012, 11.34(6): 188-193. Fan Shiliang , Fu Mingzhu, Li Yan, et al.Origin and development of Huanghai (Yellow) Seagreen-tides in 2009 and 2010[J]. Acta Oceanol Ogica Sinica, 2012, 11.34(6): 188-193.

[7] 吳孟泉, 郭浩, 張安定, 等. 2008年—2012年山東半島海域滸苔時空分布特征研究[J]. 光譜學與光譜分析, 2014.5, 34(5): 1312-1328. Wu Mengquan, Guo Hao, Zhang Anding, et al. Research on the characteristics ofin Shandong Peninsula during 2008—2012 based on MODIS data[J]. Spectroscopy and Spectral Analysis, 2014, 5, 34(5): 1312-1328.

[8] 蔣興偉, 鄒亞榮, 王華, 等．基于SAＲ快速提取滸苔信息應用研究[J]. 海洋學報, 2009, 31(2): 63-68． Jiang Xingwei, Zou Yarong, Wang Hua, et al. Application study on quick extraction ofinformation using SAR data[J]. Acta Oceanol Ogica Sinica, 2009, 31(2): 63-68.

[9] 劉振宇, 江濤．基于MODIS數據的滸苔信息提取方法研究[J]. 測繪科學, 2008, 33( S1): 113-114． Liu Zhenyu, Jiang Tao.The research on the way of extracting Hu Moss on the basis of MODIS[J]. Science of Surveying and Mapping, 2008, 33(S1): 113-114.

[10] 胡亞麗, 李晶珩, 閆子衿, 等. 數字影像分析技術在海灘環境監測的應用[J]. 海洋科學, 2014, 38(5): 95-99. Hu Yali, Li Jingheng, Yan Zijin, et al. Application of digital image analysis technology in beach environment monitoring[J]. Marine Sciences, 2014, 38(5): 95-99.

[11] Huo Y Z, Zhang, J H, Chen L P, et al. Green algae blooms caused byin the southern Yellow Sea: Identification of the original bloom location and evaluation of biologicalprocesses occurring during the early northward floating period[J]. Limnol Oceanogr, 2013, 58 (6), 2206-2218.

[12] Lee C K, Park T G, et al. Monitoring and trends in harmful algal blooms and red tides in Korean coastal waters, with emphasis on[J]. Harmful Algae, 2013, 30: S3-S14.

[13] 邢前國, 鄭向陽, 施平等. 基于多源、多時相遙感影像的黃、東海綠潮影響區檢測[J]. 光譜學與光譜分析, 2011, 31(6): 1644-1647. Xing Qianguo, Zheng Xiangyang, Shi Ping, et al. Monitoring “Green Tide”in the Yellow Sea and the East China Sea using multi-temporal and multi-source remote sensing images[J]. Spectroscopy and Spectral Analysis, 2011, 31, (6): 1644-1647.

[14] 衣立, 張蘇平, 殷玉齊, 等. 2009年黃海綠潮滸苔爆發與漂移的水文氣象環境[J], 中國海洋大學學報, 2010, 40(10): 15-23. Yi Li, Zhang Suping, Yin Yuqi, et al. Influence of enviormental hydro-meterorological conditions toblooms in Yellow Sea, 2009[J]. Periodical of Ocean University of China, 2010, 40(10): 15-23.

[15] 李慶亭, 劉海霞, 方俊永, 等. MADC 在滸苔空間分布信息提取中的應用[J]. 遙感學報, 2010, 14(2): 283-293. Li Qingting, Liu Haixi, Fang Junyong, et al. Application of MADC system in spatial distribution information extraction of[J]. Journal of Remote Sensing, 2010, 14(2): 283-293.

[16] 喬方利, 馬德毅, 朱明遠, 等. 2008年黃海滸苔爆發的基本狀況與科學應對措施[J]. 海洋科學進展, 2008, 26(3): 409-410. Qiao Fangli, Ma Deyi, Zhu Mingyuan, et al. The basic situation and measures for macroalgal bloomsin the Yellow Sea in 2008[J]. Advances in Marine Science, 2008, 26(3): 409-410.

[17] 李穎, 梁剛, 于水明, 等. 監測滸苔災害的微波遙感數據選取[J]. 海洋環境科學, 2011, 30(5): 739-742. Li Ying, Liang Gang, Yu Shuiming, et al. Selection of microwave remote sensing data of monitoringofdisaster[J]. Marine Environmental Science, 2011, 30(5): 739-742.

[18] 王國偉, 李繼龍, 楊文波, 等. 利用MODIS和RADARSAT數據對滸苔的監測研究[J]. 海洋湖沼通報, 2010(4): 1- 8. Wang Guopan, Li Jilong, Yang Wenbo, et al. Parimary study of green algae prolifra using the MODIS and RADARSAT[J]. Transactions of Oceanology and Limnology, 2010(4): 1-8.

[19] 樊彥國, 白羽, 陳潘潘, 等. 青島近海滸苔光譜特征研究[J]. 海洋科學, 2015, 39(4): 87-91.Fan Yanguo, Bai Yu, Chen Panpan, et al. Research of spectrum characteristics of enteromorpha in Qingdao offshore[J]. Marine Sciences, 2015, 39(4): 87-91.

[20] Hu C M.A novel ocean color index to detect floating algae in the global ocean [J]. Remote Sensing of Enviorment , 2009, 113(10): 2118-2129.

[21] Cui T W , Zhang J , Sun L E , et al. Satellite monitoring of massive green macroalgae bloom(GMB): Imaging ability comparison of multi-source data and drifting velocity estimation[J]. Int J Remote Sens, 2012, 33(17): 5513-5527.

[22] Carder K L, Chen E R, Cannizzaro J R, et al. Performance of the MODIS semi - analytical ocean color algorithm for chlorophyll-a[J]. Advances in Space Research , 2004, 33(7): 1152-1159.

[23] 鄧超, 王瑞, 張濤. 基于改進神經網絡的CCD圖像去噪方法研究[J]. 中北大學學報(自然科學版). 2010, 31(2): 127-133. Deng Chao, Wang Rui, Zhang Tao, et al. Denoising method of CCD image vased on improved neural network[J]. Journal of North University of China, 2010, 31(2): 127-133.

[24] Garcial R A, Fearns P, Keesing J K, et al. Quantification of floating macroalgae blooms using the scaled algae index[J]. Journal of Geophysical Research: Oceans, 2013, 118: 26-42.

[25] 賈麗莉, 張安定, 吳孟泉．基于MODIS 的2013 年黃海海域滸苔災害的時空分布[J]. 魯東大學學報(自然科學版), 2015, 31( 2): 172-177.Jia Lili, Zhang Anding, Wu Mengquan. Spatial and temporal distribution characteristic of Enteromorphain Shandong Peninsula in 2013 on the basis of MODIS data[J]. Ludong University Journal(Natural Science Edition) , 2015, 31(2): 172-177.

[26] 李德萍, 楊育強, 董海鷹, 等. 2008年青島海域滸苔大爆發天氣特征及成因分析[J]. 中國海洋大學學報, 2009, 39(6): 1165-1170. Li Deping, Yang Yuqiang, Dong Haiying, et al. Cause analysis and synoptic characteristics for outbreaks of Enteromorpha around Qingdao in 2008[J]. Periodical of Ocean University of China, 2009, 39(6): 1165-1170.

[27] 左成軍, 徐珊珊, 石少華, 等. 東中國海環流對2008年滸苔事件的影響[J]. 河海大學學報(自然科學版) , 2011, 5(9): 561-568. Zuo Chengjun, Xu Shanshan, Shi Shaohua, et al. Impact of East China Sea current on algal bloom in 2008[J]. Journal of Hohai University(Natural Sciences), 2011, 5(9): 561-568.

[28] 李曰嵩, 潘靈芝, 肖文軍. 風對黃海綠潮藻漂移的影響[J]. 海洋環境科學, 2014, 10, 33(5): 772-776. Li Yuesong, Pan Lingzhi, Xiao Wenjun, et al. Effect of wind on the drifting of green macroalgae in the Yellow Sea[J]. Marine Environmental Science, 2014, 10, 33(5): 772-776.

[29] 王寧, 曹叢華, 黃娟, 等. 基于遙感監測的黃海綠潮漂移路徑及分布面積特征分析[J]. 防災科技學院學報, 2013, 15(4): 24-29. Wang Ning, Cao Conghua, Huang Juan, et al. Feature analysis of green tide DRIFT path and distribution area on the sea based on remote sensing monitoring[J]. Journal of Institute of Disaster Prevention, 2013, 15(4): 24-29.

Spatial and temporal variability ofin the Yellow Sea, China in 2014

XUE Rui, WU Meng-quan, LIU Yang, SUN Xiao

(Institute of Geography and Planning, Ludong University, Yantai 264025, China)Received：Sept. 11, 2015

the Yellow Sea;; floating path; HJ-1A/1B

A recurrent floating green algae bloom has been detected in the Yellow Sea since 2007. The algae,, is non-toxic, but the massive accumulations can cause significant environmental damage and result in economic loss for the marine industry. In this study, we investigate the spatial and temporal patterns ofgreen tides in the Yellow Sea during 2014 using HJ-1A/1B satellite images, Neural Network Supervised Classification (NNSC), and RULE Image classification threshold segmentation. Results show that a littlewas discovered in the sea adjacent to Yan Cheng and Jiangsu Province in mid-May, with a distribution area of 2.299 km2and an area of influence of 1 744.799 km2. The bloom reached a maximum, 1 367.145 km2, in mid-June and was widely distributed in the Yellow Sea. Distribution area and relative aggregation density decreased rapidly after the end of June, however, the area of influence reached a peak value. In early Augustdied out around coastal of Qingdao and was absent from remote sensing images on August 20. It existed for about 101 days in total. Thebloom experienced five successive stages, i.e. appearance, development, outbreak, recession, and demise. It drifted from the Yancheng coast of Jiangsu Province to the Qingdao coast of Shandong Province, and reached its farthest extent at the Yantai coast.

P76

A

1000-3096(2016)07-0115-09

10.11759/hykx20150911002

2015-09-11;

2016-01-19

山東省自然基金(ZR2015DM015); 煙臺市科技項目(2013ZH094); 國家自然基金(41471223)

[Foundation: Natural Science Foundation of Shandong, No. ZR2015DM015; Yantai Science & Technology Project, No.2013ZH094; National Science Foundation of China, No. 41471223]

薛瑞(1993-) 女, 山西大同人, 主要研究海洋遙感、空間分析及3S應用研究, E-mail: XR416917118@163.com; 吳孟泉,通信作者, 博士, 副教授, 主要研究環境遙感、空間分析及3S應用研究, E-mail: irsa_wmq@163.com

(本文編輯: 李曉燕)