基于MODIS數據的2016年黃海綠潮災害動態監測研究

徐福祥, 高志強, 鄭翔宇, 寧吉才, 宋德彬

?

基于MODIS數據的2016年黃海綠潮災害動態監測研究

徐福祥1, 2, 高志強1, 鄭翔宇1, 2, 寧吉才1, 宋德彬1, 2

(1. 中國科學院煙臺海岸帶研究所, 山東煙臺 264003; 2. 中國科學院大學, 北京 100049)

本研究利用高分辨率的GF-1衛星影像對MODIS數據綠潮監測的精度進行驗證, 并在此基礎上利用MODIS數據對2016年黃海綠潮過程進行連續動態監測, 結果表明: 相較于GF-1衛星影像, MODIS 數據對綠潮的監測誤差高于50%; 2016年黃海綠潮移動路徑總體呈先向北, 然后沿山東半島海岸線向東北方向移動, 并最終停滯于青島、威海附近海域; 此次綠潮持續時間為80天左右, 并呈現出與往年類似的“出現→發展→暴發→治理→消亡”的規律; 其中“出現”的時間為5月12日, “發展”階段時間為5月中下旬, 此時綠潮主體分布于蘇北渾水區, 適宜前置打撈治理, 當5月底6月初綠潮進入清水區之后才開始進入“暴發”階段, 本年度綠潮災害“暴發”規模較大, 對山東沿海水產養殖業及旅游業影響嚴重。本研究成果對于綠潮預警和防控具有科學和實際意義。

MODIS; 綠潮; GF-1; 驗證; 動態監測

自2008年以來黃海大面積暴發以滸苔為主要藻類的綠潮災害, 數萬平方公里的海面上漂浮著幾百平方公里的綠潮, 生物量在幾百萬噸以上[1]。大量的綠潮死亡沉降后會消耗掉水中的溶解氧, 造成養殖的魚蝦減產, 甚至海洋生物的死亡, 同時漂浮的綠潮還影響海濱景觀和旅游業, 給沿岸的經濟、生態環境、養殖業等帶來重大影響[2-5]。

由于綠潮的分布范圍極廣, 傳統的調查監測手段很難對綠潮進行大范圍監測, 衛星遙感因其較高的時效性、經濟性以及大面積同步觀測的能力而成為綠潮動態監測的重要手段[6-7]; 其中, MODIS影像由于獲取方便和較高的時間分辨率(一天兩次)而在綠潮監測中得到廣泛應用[8]。吳孟泉等[9]利用MODIS數據結合NDVI指數法提取2008年至2012年山東半島綠潮暴發的時間、面積、影響范圍等參數, 綜合對比發現2008年和2009年綠潮較其他年份暴發較為嚴重; 邢前國等[10]利用MODIS及landsat-TM數據對2007-2010年間黃海和東海綠潮進行了監測; Hu[11]提出FAI指數并對青島附近海域綠潮進行監測, 監測結果與NDVI指數進行對比, 發現FAI指數法能較好的從衛星影像中提取綠潮信息; Kessing等[12]和Liu等[13]利用MODIS數據和SAI、NDVI分類法提取了2007年至2009年黃海綠潮暴發情況, 并認為江蘇淺灘附近的紫菜養殖和綠潮暴發有密切關聯。然而受到分辨率和天氣條件的限制, 基于MODIS數據的綠潮監測存在一定誤差。但是由于驗證方式的不同, 不同學者對于modis綠潮監測的誤差有不同的觀點。Qiao等[14]認為監測誤差是數量級水平, 而鐘山等[15]利用HJ-CCD數據對比MODIS監測結果發現其誤差在30%左右。

本研究擬用高分辨率的GF-1數據對MODIS綠潮監測精度進行驗證, 并在此基礎上利用MODIS數據對2016年綠潮進行動態監測, 揭示其來源、動態、時空分布等特征, 以期為綠潮監測、防控及研究提供科學參考。

1 研究方法

1.1 研究區概括

研究區域主要位于南黃海海域, 為32°~37°N, 119°~124°E, 區域內有連云港、青島、日照、威海等主要沿海城市, 蘇北淺灘也在此區域內, 是綠潮的主要暴發海域[15], 每年的5~8月份綠潮都會在此暴發, 給當地的旅游業和養殖業等造成巨大的損失[9]。

1.2 數據處理

本研究使用MODIS數據和中國GF-1衛星數據進行綠潮綠潮的監測和驗證工作。GF-1衛星數據為2016年6月1日黃海綠潮暴發區寬視場多光譜影像(WFV), 數據下載自中國資源衛星應用中心(http: // www.cresda.com), 同時從NASA網站(https: //ladsweb. nascom.nasa.gov/)下載時間接近的6月1日modis影像, 并經過了幾何校正、數據鑲嵌、水陸掩膜等預處理。

用于2016年綠潮動態監測的MODIS影像為從NASA網站下載的2016年4月至8月的黃海綠潮暴發海域MODIS(Terra/Aqua)L1B數據, 其中包括空間分辨率為250 m、以及1 000 m地理定位文件(MOD03),共篩選出86景無云或少云的影像, 這些影像包含黃海綠潮發生、發展、暴發到最終消亡的整個生長周期。

1.3 研究方法

漂浮有綠潮的水體在可見光波段反射率較低, 近紅外波段反射率較高, 這與植被的光譜特征極其相似, 而與水體的光譜差異十分明顯[16]。根據綠潮及海水在可見光-近紅外波段的光譜反射特性, 利用歸一化植被指數(NDVI)法能很好地提取綠潮信息[17]。

式中,1表示紅光波段的反射率, 對應MODIS的第1通道(0.620~0.670 μm),2表示近紅外波段的反射率, 對應MODIS的第2通道(0.841~0.876 μm);1、2兩波段的空間分辨率均為250 m。

通過NDVI閾值分割法結合目視解譯進行綠潮信息提取。目視解譯主要依據合成的RGB假彩色影像, 合成通道分別對應MODIS L1B的第1通道、第2通道、第1通道, 漂浮有綠潮的水體呈翠綠色, 云呈現白色, 而海水則呈紫色或者黑色, 三者差異明顯, 利用這一特性經過水陸掩膜處理后可以有效識別綠潮及水體。

2 結果與討論

2.1 MODIS綠潮監測精度

6月1日時間相近的GF-1影像和MODIS影像對相同位置的綠潮斑塊的監測結果表明(圖1), 兩者監測的綠潮分布輪廓整體上基本一致, 但如圖1中黑色圓圈和紅色方框所示, 對于一些細小的綠潮圖斑和大型綠潮的邊緣MODIS的監測結果還是存在較大誤差。

對不同綠潮分布密度下MODIS監測誤差進行統計分析, 結果表明綠潮分布較少的區域(圖1 c) modis監測結果為23.49 km2, 比GF-1監測的6.22 km2高227.65%; 而在綠潮分布密集的區域(圖1d)modis的綠潮結果為55.75 km2, 與實際的誤差較小, 僅為50.43%。這說明隨著綠潮覆蓋密度的增加, MODIS綠潮監測的精度也隨之升高。這可能是因為較密的綠潮區域在衛星影像上混合像元較少, 而密度較小的區域混合像元嚴重, 在綠潮斑塊提取時將海水誤認為是漂浮綠潮斑塊, 導致誤差較大, 進而表現出MODIS綠潮監測的精度隨綠潮分布的密度增加而增加的現象。

圖1b和圖1d中紅色圓圈中所示的較大綠潮斑塊在GF和modis兩傳感器的監測下面積相差很小, 而邊緣的紅色矩形內的綠潮面積則相差較大, 這證明低分辨率的MODIS衛星影像綠潮監測誤差具有明顯的邊緣性, 即目標對象中間部分誤差小, 邊緣部分誤差大。這是因為較大的綠潮斑塊中間對應完整的MODIS像元, 混合像元較弱, 而大型綠潮斑塊邊緣部分往往以混合像元的形式與MODIS像元對應。

2.2 2016年綠潮綠潮前鋒運移趨勢

以綠潮前進方向的邊緣為邊界, 做出2016年綠潮的趨勢線, 如圖2, 結果顯示2016年綠潮總體趨勢是先向北移動, 而后往東北方向漂移, 經過青島等地, 最后達到乳山、榮成, 自此消失, 運移趨勢結果和往年相類似[18-19]。其中可以看出漂浮綠潮前鋒由6月1日的舌狀變化為6月16日的從連云港連綿到青島的大范圍的條帶狀(圖2, 圖3), 并在幾天后的6月24日于青島、日照、乳山一線海岸登陸, 對山東沿海水產養殖業及旅游業影響嚴重。

綠潮短時間內由小范圍的舌狀前鋒發展為大面積的條帶狀綠潮前鋒的可能原因是綠潮暴發前期主要分布在蘇北淺灘的渾水區, 受光照等因素限制, 綠潮生長繁殖速度相對較慢, 而到了6月中下旬, 綠潮主要分布區已經漂移到清水區, 較強的光照條件導致綠潮迅速生長繁殖, 其繁殖率甚至可以達到每天10%~37%, 短時間內綠潮就可以增加上千倍[20], 綠潮的前鋒也就由舌狀變化為蔓延整個山東半島南部的條狀。因此對黃海綠潮進行打撈防治的最佳區域應該在綠潮進入清水區之前的渾水區, 因為一旦漂浮的綠潮進入清水區, 打撈防治的難度將隨著綠潮生長繁殖速度的增加而迅速增大。

2.3 2016年黃海綠潮時空分布變化

2016年黃海綠潮綠潮暴發的時間范圍為5月12日至7月30日, 持續時間為80 d(表1), 呈現出與往年類似的“出現→發展→暴發→治理→消亡”的規律[9, 21]。5月12日最先在蘇北淺灘附近發現綠潮覆蓋面積為26.87 km2, 分布面積為2 567.36 km2。隨后, 綠潮綠潮暴發面積進一步“發展”, 到5月17日覆蓋面積增加了3倍至78 km2, 分布面積更是增加近10倍, 達到24 421.60 km2。此后綠潮暴發面積逐漸增加, 并于6月26日達到最大值, 最大分布面積為59 685.75 km2, 最大覆蓋面積為1 634.89 km2, 綠潮進入“暴發”階段。而后綠潮暴發面積逐漸縮小, 分布范圍也不斷減少, 到7月30日綠潮覆蓋面積不足9 km2, 分布面積也小于5 000 km2, 黃海綠潮開始進入“治理”、“消亡”期, 30日以后未在附近海域發現明顯綠潮分布, 表明此次綠潮綠潮已經結束。

表1 2016年黃海綠潮綠潮暴發面積統計表

通過分析, 可以看出2016年黃海綠潮綠潮暴發期間綠潮分布面積和覆蓋面積均呈先緩慢增加, 而后快速增加到最大值并在短時間內維持相對穩定, 最后面積急劇減小, 直至消失。5月19日之前, 綠潮覆蓋面積增加速率較為緩慢, 僅為9.95 km2/d; 5月19日至6月24日, 綠潮覆蓋面積快速增加, 平均增加速率達到40.01 km2/d, 這與黃海綠潮“暴發”期特征相一致; 6月24日至6月26日綠潮覆蓋面積維持短時間的穩定, 而后覆蓋面積急劇減小, 截止到7月22日綠潮覆蓋面積平均減少速率為56.62 km2/d, 而后綠潮月7月底消失。從綠潮分布面積來看, 綠潮暴發初期分布面積增加較快, 為3 642.37 km2/d; 5月中旬到5月底綠潮分布面積變化較小, 5月17日至5月30日綠潮分布面積增加6 361.1 km2, 平均增加速率為454.36 km2/d, 僅為前期綠潮分布增加速率的12.47%; 而后綠潮分布面積快速增加, 至6月24日分布面積已達到58 955.90 km2, 并在26日前維持短時間的穩定; 26日至7月25日綠潮分布面積急劇減少, 平均減少面積速率為1 651.06 km2/d。

3 結論

本研究基于高分辨率的GF-1衛星影像對2016年MODIS綠潮監測的結果精度驗證基礎上, 利用MODIS數據對2016年黃海綠潮過程進行連續動態監測, 研究發現:

以高分辨率的GF-1影像為基準, MODIS 數據對綠潮的監測誤差高于50%; 2016年黃海綠潮綠潮移動路徑總體呈先向北, 然后沿山東半島海岸線向東北方向移動, 并最終停滯于青島、威海附近海域。2016年黃海綠潮綠潮持續時間約80 d, 呈現出與往年類似的“出現→發展→暴發→治理→消亡”的規律, 其中“出現”的時間為5月12日, “發展”階段時間為5月中下旬, 此時綠潮主體分布于蘇北混水區, 此時綠潮分布面積較小, 適宜前置打撈治理, 當綠潮進入清水區之后才開始進入“暴發”階段, 并迅速在山東沿海登陸, 造成災害, 嚴重影響了山東沿海的水產養殖及旅游業。

[1] 黃娟, 吳玲娟, 高松, 等. 黃海綠潮分布年際變化分析[J]. 激光生物學報, 2014, 23(6): 572-578. Huang Juan, Wu Lingjuan, Gao Song , et al. Analysis on the interannual distribution variation of green tide in Yellow Sea[J]. Acta Laser Biology Sinica, 2014, 23(6): 572-578.

[2] Keesing J K, Liu D, Shi Y, et al. Abiotic factors influencing biomass accumulation of green tide causingspp. On pyropia culture rafts in the Yellow Sea, China[J]. Mar Pollut Bull, 2016, 105(1): 88-97.

[3] Lyons D A, Arvanitidis C, Blight A J, et al. Macroalgal blooms alter community structure and primary productivity in marine ecosystems[J]. Global Change Biology, 2014, 20(9): 2712-2724.

[4] Wang C, Yu R C, Zhou M J. Effects of the decomposing green macroalga(enteromorpha) prolifera on the growth of four red-tide species[J]. Harmful Algae, 2012, 16(2): 12-19.

[5] Xing Q, Tosi L, Braga F, et al. Interpreting the progressive eutrophication behind the world’s largest macroalgal blooms with water quality and ocean color data[J]. Natural Hazards, 2015, 78(1): 7-21.

[6] 吳玲娟, 曹叢華, 高松, 等. 我國綠潮發生發展機理研究進展[J]. 海洋科學, 2013, 37(12): 118-121. Wu Lingjuan, Cao Conghua, Gao Song, et al. A review on the development mechanism of Green Tide in China[J]. Marine Sciences, 2013, 37(12): 118-121.

[7] 趙英時. 遙感應用分析原理與方法[M]. 北京: 科學出版社, 2013: 34-44. Zhao Yingshi. The Principle and Method of Analysis of Remote Sensing Application[M]. Beijing: Science Press, 2013: 34-44.

[8] 邱亞會, 盧劍波. 滸苔遙感監測研究進展[J]. 生態學報, 2015, 35(15): 4977-4985. Qiu Yahui, Lu Jianbo. Advances in the monitoring of Enteromorpha prolifera using remote sensing[J]. Acta Ecologica Sinica, 2015, 35(15): 4977-4985.

[9] 吳孟泉, 郭浩, 張安定, 等. 2008~2012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, 34(5): 1312-1318.Wu Mengquan, Guo Hao, Zhang Anding, et al. Research on the characteristics of Ulva Prolifera in Shandong Peninsula during 2008-2012 Based on MODIS data[J]. Spectroscopy and Spectral Analysis, 2014, 34(5): 1312-1318.

[10] 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.

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

[12] Keesing J K, Liu D, Fearns P, et al. Inter- and intra-annual patterns of ulva prolifera green tides in the yellow sea during 2007-2009, their origin and relationship to the expansion of coastal seaweed aquaculture in china[J]. Mar Pollut Bull, 2011, 62(6): 1169- 1182.

[13] Liu D, Keesing J K, Dong Z, et al. Recurrence of the world's largest green-tide in 2009 in yellow sea, china: Porphyra yezoensis aquaculture rafts confirmed as nursery for macroalgal blooms. Mar Pollut Bull, 2010, 60(9): 1423-1432.

[14] Qiao F L, Wang G S, Lü X G, et al. Drift characteristics of green macroalgae in the yellow sea in 2008 and 2010[J]. Chinese Science Bulletin, 2011, 56(21): 2236- 2242.

[15] 鐘山, 丁一, 李振, 等. Modis滸苔遙感監測誤差分析研究[J]. 遙感信息, 2013, 28(1): 38-42. Zhong Shan, Ding Yi, Li Zhen, et al. Error analysis on Enteromorpha Prolifera monitoring using MODIS data[J]. Remote Sensing Information, 2013, 28(1): 38-42.

[16] Hu C, Li D, Chen C, et al. On the recurrent ulva prolifera blooms in the yellow sea and east china sea[J]. Journal of Geophysical Research Atmospheres, 2010, 115(C5): 640-646.

[17] 李三妹, 李亞君, 董海鷹, 等. 淺析衛星遙感在黃海滸苔監測中的應用[J]. 應用氣象學報, 2010, 21(1): 76-82. Li Sanmei, Li Yajun, Dong Haiying, et al. Satellite remote sensing application to Enteromorpha Prolifera monitoring in the Yellow Sea[J]. Journal of Applied Meterological Science, 2010, 21(1): 76-82.

[18] 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 Haixia, Fang Junyong, et al. Application of MADC system in spatial distribution information extraction of enteromorpha prolifera[J]. Journal of Remote Sensing, 2010, 14(2): 283-293.

[19] 高松, 黃娟, 白濤, 等. 2008年與2009年黃海綠潮漂移路徑分析[J]. 海洋科學, 2014, 38(2): 86-90. Gao Song, Huang Juan, Bai Tao, et al. Analysis on drifting path of Green Tides in the Yellow Sea in 2008 and 2009[J]. Marine Science, 2014, 38(2): 86-90.

[20] 鄭向陽, 邢前國, 李麗, 等. 2008年黃海綠潮路徑的數值模擬[J]. 海洋科學, 2011, 35(7): 82-87. Zheng Xiangyang, Xing Qianguo, Li Li , et al. Numerical simulation of the 2008 green tide in the Yellow Sea[J]. Marine Sciences, 2011, 35(7): 82-87.

[21] 梁宗英, 林祥志, 馬牧, 等. 滸苔漂流聚集綠潮現象的初步分析[J]. 中國海洋大學學報: 自然科學版, 2008, 38(4): 601-604.Liang Zongying, Lin Xiangzhi, Mamu, et al. A preliminary study of the Enteromorpha prolifera drift gathering causing the Green Tide phenomenon[J]. Periodical of Ocean University of China, 2008, 38(4): 601-604.

Spatial and temporal distribution characteristic of green tides in the Yellow Sea in 2016 based on MODIS data

XU Fu-xiang1, 2, GAO Zhi-qiang1, ZHENG Xiang-yu1, 2, NING Ji-cai1, SONG De-bin1, 2

(1. Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China)

This paper analyses the errors of the Green Tides monitoring results from MODIS data with high resolution GF-1 WFV satellite images based on the assumption that pixels of GF-1 WFV data are pure. On this basis, continuous and dynamic monitoring of the Green Tides of the Yellow Sea in 2016 were performed. The results show that the total error of the monitoring results using MODIS data is higher than 50%; the Green Tide moved northwards first, then moved in the northeast direction along the coastline of Shandong Peninsula, and finally was stranded in the sea areas near Qingdao and Weihai in 2016; Green Tides lasted around 80 days at this time, and showed a regularity similar to that of previous years, that is, it first appeared, developed and exploded, then was disposed, and finally disappeared. In detail, it appeared on May 12, it developed in mid- to late-May, at which period the main body of the Green Tide was distributed in muddy water in Subei Shoal, and began to explode in late May and early June after entering clear water. Based on these aspects, the macroalgal blooms caused byin 2016 were very serious and had huge impacts on the coastal aquaculture and tourism industry of Shandong Province.

MODIS; Green Tides; GF-1; error analysis; dynamic monitoring

(本文編輯: 梁德海)

[Aoshan Science and Technology Innovation Program of Qingdao National Laboratory for Marine Science and Technology, No. 2016ASKJ02; Key Program of the Chinese Academy of Sciences, No.KZZD-EW-14; Strategic priority Research Program of the Chinese Academy of Sciences, No.XDA11020000; Basic Special Program of Ministry of Science and Technology, No.2014FY210600; Talent Fund of Yantai Institute of Coastal Zone Research]

Dec. 5, 2016

X87

A

1000-3096(2017)05-0080-05

10.11759/hykx20160922003

2016-12-05;

2017-01-11

青島海洋科學與技術國家實驗室鰲山科技創新計劃項目(2016ASKJ02); 中國科學院重點部署項目(KZZD-EW-14); 中國科學院戰略性先導科技專項(A類)(XDA11020000); 科技部基礎支撐項目(2014FY210600); 中國科學院煙臺海岸帶所人才引進項目

徐福祥(1989-), 男, 山東濟寧人, 博士研究生, 主要從事海洋災害監測及應對研究, E-mail: fxxu@yic.ac.cn; 高志強, 通信作者, 研究員, 博士生導師, E-mail: zqgao@yic.ac.cn