南黃海透明度的時空分異特征及影響因素分析

葉晗，史玥雙，梁涵瑋，毛穎，周振宇，鄭秀蕊，王勝強*，孫德勇

(1.南京信息工程大學 海洋科學學院，江蘇 南京 210044；2.自然資源部海岸帶開發與保護重點實驗室，江蘇 南京 210024；3.南京信息工程大學 地理科學學院，江蘇 南京 210044；4.福建省氣象災害防御技術中心，福建 福州 350005；5.南京信息工程大學 長望學院，江蘇 南京 210044)

1 引言

水體透明度（Zsd）指光穿透水體的程度，能夠有效反映水體的渾濁程度，是評價水體水質最為直觀的光學參數[1–2]之一。水體透明度的變化與諸多海洋生物化學過程和水動力環境過程密切相關，如海洋初級生產力、物質輸送等[1]，因此研究水體透明度的變化特征對于海洋水團分析、初級生產力研究、海洋生態環境保護等具有重要的意義[3]。

對于Zsd的監測，傳統方法常采用賽克盤進行現場測量[4–5]，該方法耗時耗力，而且調查樣本有限，難以獲取Zsd有效的時空分布信息。相比之下，衛星遙感技術具有覆蓋范圍廣、動態性強等諸多優勢，逐漸成為Zsd的主要監測方法。目前針對Zsd的衛星遙感反演算法大致可以分成兩類：經驗算法和分析/半分析算法[6]。經驗算法主要通過建立Zsd和遙感反射率光譜之間的經驗定量關系，從而實現對Zsd的反演，該方法往往依賴于大量的現場數據，區域性較強；分析/半分析方法則基于Zsd與水體光學特性之間的物理理論關系，來實現對Zsd的遙感反演，模型機理清晰、普適性好[7–8]。

近年來，Lee 等[9]通過光學理論推導修正了傳統的Zsd理論模型，提出了新的Zsd理論模型，該理論模型的核心輸入參數是水體漫衰減系數（Kd）。基于此，Lee 等[9]利用半分析算法（Quasi-analytical Algorithm,QAA）從遙感影像先反演了Kd，進而估算了全球海洋的Zsd。當研究者們將Lee 等[9]的模型用于區域水體時，發現新的Zsd理論模型在整體上表現出良好的普適性[10–12]，然而QAA 算法反演的Kd在某些區域（如近岸渾濁水體）存在一定的偏差，這導致Zsd的遙感反演精度不高，因此，在實際應用中需要根據研究水域的水體光學特性對Kd進行重新遙感反演。例如，Mao 等[10]和毛穎等[13]針對渤海、黃海海域提出了Kd的加權聯合反演算法，再利用Lee 等[9]的新理論模型從地球靜止水色儀（Geostationary Ocean Color Imager,GOCI）傳感器數據反演了Zsd，結果與現場實測數據相比具有很好的一致性。

南黃海海域中國沿岸受到陸地徑流輸入、季風、洋流等因素影響，水體特性復雜多變[14]，另外沿岸地區人類活動強度高，對近岸海洋環境的影響越來越引起人們的關注[15–16]。因此，本文以南黃海為研究區域，通過優化校正Mao 等[10]的Zsd算法，使其適用于中等分辨率成像光譜儀（Moderate Resolution Imaging Spectroradiometer,MODIS）傳感器，進而利用MODIS 長時序的遙感數據資料，分析揭示近20 年（2002–2020 年）南黃海水體透明度的時空變化特征，并探討其影響因素。

2 研究區域與數據方法

2.1 研究區域

本文以南黃海海域為研究區域，具體的經緯度范圍為30.8°～36.7°N，119°～126.9°E（圖1）。此外，為深入分析Zsd的時間變化特征及其影響因素，本文選取了4 個具有代表性的子區域（如圖1 紅色方框所示），包括：（1）南黃海中部（Central South Yellow Sea,CSYS），經緯度為34.7°～35.7°N，123.8°～124.8°E，面積為9 101.2 km2。（2）南黃海南部（Southern South Yellow Sea，SSYS），經緯度為32.7°～33.7°N，124.2°～125.2°E，面積為9 101.2 km2；CSYS 和SSYS 代表了水體較為清澈的外海海域，選取這兩個區域可以對比分析近岸與外海Zsd的時空分布及其驅動因素的差異性。（3）長江口（Changjiang River Estuary，CRE），經緯度為31°～31.7°N，122°～122.8°E，面積為5 096.7 km2；該海域代表了長江沖淡水影響區域，選取該海域的目的是對比凸顯南黃海海域Zsd的季節性變化以及懸浮物對其的影響特征。（4）江蘇近海（Jiangsu Coast，JC），從左到右，從上到下4 個頂點的經緯度分別為（34.8°N，119.2°E），（34.6°N，120.6°E），（32.8°N，122°E），（32°N，121.8°E），總面積為21 615.3 km2；該海域為典型的近岸海域，其受潮汐影響明顯，水體常年處于渾濁狀態，此外，江蘇近岸人類活動頻繁，對Zsd也可能存在一定的影響，因而選作代表性區域之一。

圖1 研究區域圖Fig.1 The study area

2.2 透明度遙感模型

Lee 等[9]提出的新的Zsd理論模型可表示為

式中，Kd表示下行輻照度的漫衰減系數（單位：m?1）；Rrs表示與Kd相同波段的遙感反射率；min 表示所有波段對應的Kd最小值。對于Kd的計算，Lee 等[9]建立了如下反演模型

式中，θ0表示太陽天頂角；a表示水體總吸收系數（單位：m?1）；bb表示水體總后向散射系數（單位：m?1），對于a和bb的計算，Lee 等[9]采用了QAA 模型[17]。然而，Mao 等[10]和毛穎等[13]發現QAA 模型反演的Kd在黃海、渤海近岸渾濁水體存在一定誤差，使得透明度反演精度較低。為此，Mao 等[10]和毛穎等[13]提出了Kd遙感反演聯合算法，以提高Kd的遙感反演精度，具體表示為

式中，Kd_hybrid表示聯合算法計算的Kd；Kd_clear為清澈水體的漫衰減系數，仍由QAA 模型計算；Kd_turbid為渾濁水體的漫衰減系數，由針對黃海、渤海近岸渾濁水體的區域算法計算[13]。Kd_turbid的計算最后仍然使用的是式（2），但是其a(490)和bb(490)的計算方法有所不同，如式（4）、式（5）和式（6）所示：

式中，f=0.305；Q=4；B=1.13；bbw(490)=1.1×10?3；aw(665)=0.309；bbw(665)=3×10?4。式（3）中的w1和w2為權重，如式（7）、式（8）所示。該聯合算法的具體推導過程可參見文獻[13]。

本文基于現場實測數據，根據MODIS 傳感器的波段設置，對毛穎等[13]的Kd遙感反演聯合算法進行校正，使其適用于MODIS 傳感器，進而利用Lee 等[9]的Zsd新理論模型估算南黃海的水體透明度。

2.3 距平計算方法

在后續的時空特征分析中，本文分別計算了4 個子區域水體透明度的距平。由于2002 年和2020 年的水體透明度數據不全，所以計算距平時僅選擇了2003–2019 年的數據。具體計算過程為：設2003–2019 年的某子區域i年j月的水體透明度的空間平均值為Mij（i=2003,2004,···,2019；j=1,2,···,12），該子區域2003–2019 年期間j月的平均值Mj計算為

該子區域i年j月的距平DLij則計算為

同理可以計算其他子區域的透明度距平。

2.4 數據資料來源

本研究的現場數據資料采集于2002 年至2003 年間以及2014 年至2016 年間的6 個海上調查航次，調查航次的詳細信息及參數測量方法可參見Mao 等[10]和毛穎等[13]的研究。簡而言之，本文的數據信息及其用途如表1 所示：其中，數據子集A 的測量參數包括Rrs和Kd，用于校正毛穎等[13]的Kd遙感反演聯合算法；數據子集B 的測量參數包括Rrs、Kd和Zsd，用于驗證評價耦合毛穎等[13]Kd遙感反演聯合算法和Lee 等[9]Zsd新理論模型估算的Zsd的精度。

表1 本研究中現場實測數據的相關信息及用途Table 1 Information of field measured data used in this study

本文所使用的衛星數據主要包括遙感反射率Rrs、海表溫度（Sea Surface Temperature，SST）、風速（Wind Speed，WS）、光合有效輻射（Photosynthetic Active Radiation，PAR）以及懸浮顆粒物濃度（Total Suspended Matter，TSM）。其中Rrs、SST 和PAR 均來源于MODIS 的L3 月產品，空間分辨率都為4 km，從https://oceancolor.gsfc.nasa.gov/網站下載獲得；WS 數據從https://www.esrl.noaa.gov/網站獲得，其空間分辨率為1°×1°。TSM 數據則利用YOC 算法[18]從Rrs數據反演得到。以上數據的時間范圍為2002 年7 月至2020 年9 月。

3 結果與討論

3.1 基于MODIS 數據的水體透明度遙感反演精度

利用本文構建的適用于MODIS 傳感器的遙感模型反演Zsd，即先利用優化校正后的毛穎等[13]的遙感反演聯合算法反演Kd，再利用Lee 等[9]的新理論模型計算Zsd；然后利用現場實測數據資料對反演結果進行精度檢驗，本文采用的精度檢驗指標包括：決定系數R2（Coefficient of Determination）、均方根誤差（Root Mean Square Error，RMSE）和平均相對誤差絕對值（Mean Absolute Percent Error，MAPE）。RMSE 和MAPE 計算公式為

式中，xi和yi分別表示第i個樣本的實測值和估測值；N表示樣本數，本研究中N=73。驗證結果如圖2 所示，可以看出，MODIS 傳感器的Zsd遙感模型反演結果與實測數據具有很好的一致性，數據樣本較均勻地分布在1∶1 線附近，其中R2、RMSE 和MAPE 分別為0.91，1.69 m 和 25.1%。以上結果表明MODIS 傳感器的Zsd遙感模型具有良好的反演精度。

圖2 水體透明度（Zsd）遙感反演模型的驗證Fig.2 Verification of water transparency (Zsd) remote sensing inversion model

3.2 南黃海水體透明度的時空變化特征

將Zsd的遙感反演模型應用于2002 年7 月至2020年9 月的MODIS 長時序Rrs數據，構建了近20 年南黃海海域每個月的Zsd遙感產品，將Zsd遙感月產品再進行平均得到了南黃海海域的平均Zsd（圖3a）。從圖中可以看出，南黃海海域的Zsd總體呈現出外海高近岸低的特征。其中，江蘇近岸海域Zsd明顯低于外海，長江口的Zsd進一步降低，同時長江口的低值區呈現出舌狀延伸。為了消除量綱的影響、更好地分析數據的離散程度，計算了Zsd的變異系數（Coefficient of Variation，CV）（圖3b）。可以看出，江蘇近海以及長江口的CV 值較低，表明這些區域的Zsd變化不大，長期處于較低值；而外海區域的CV 值普遍較高，表明這些區域的Zsd可能存在較大的時間變化。

圖3 南黃海水體透明度（Zsd）的平均值（a）和變異系數（b）Fig.3 The mean value (a) and coefficient of variation (b) of water transparency (Zsd) in the South Yellow Sea

針對每個月，進一步計算了Zsd所有年份的平均值，并以此分析了南黃海Zsd的時間變化特征，結果如圖4 所示，可以看出：整體上在不同月份南黃海海域Zsd都呈現出外海高近岸低的特點，但在不同季節也表現出一定的差異。在冬季（12 月至翌年2 月），外海的Zsd基本處于較低值，隨著時間的推移，在夏季（6–8 月）Zsd達到峰值，之后外海的Zsd又逐漸降低，相比之下，近岸的Zsd常年處于低值。以上時間變化特征也使得在冬、春兩季（12 月至次年5 月），外海Zsd與近岸Zsd差異遠小于夏、秋兩季（6–11 月），這種差異在6 月達到最大，在1 月達到最小。

圖4 基于MODIS 數據的南黃海水體透明度（Zsd）月變化Fig.4 Monthly distributions of water transparency (Zsd) in the South Yellow Sea derived from MODIS data

對于中國近海水體透明度，學者們也有開展過一定的研究，例如：薛宇歡等[3]利用2006 年和2007 年的中國近海環境調查的透明度數據，分析了中國近海的水體透明度時空分布特征；Mao 等[10]利用2015 年的GOCI 傳感器數據，反演分析了渤海、黃海Zsd的日變化和月變化；何賢強等[19]利用1998 年和1999 年的SeaWiFS衛星數據，反演分析了中國近海水體透明度的時空變化規律。雖然這些學者對中國近海水體透明度的時空分布特征做了一定的分析，但其數據僅限于某些年份。相比之下，本文是利用了MODIS 近20 年（2002–2020 年）的數據展開分析研究，長時序的數據資料有利于更深入地挖掘水體透明度的時空分布特征。此外，本文定量計算并深入分析了PAR、SST、TSM 和WS 4 種因子對水體透明度時空變化的影響。

為了更深入地明晰南黃海Zsd的時空變化特征，本文選取了4 個典型區域進行分析，包括南黃海中部（CSYS）、南黃海南部（SSYS）、江蘇近海（JC）和長江口（CRE），具體位置如圖1 所示。各區域Zsd時間變化結果如圖5 所示，可以看出：總體上4 個區域的水體透明度呈現出冬低夏高的變化規律，其中南黃海中部、南黃海南部和江蘇近海的Zsd的最大值都出現在夏季，而長江口的Zsd值在夏季卻偏低，這可能是由于夏季長江淡水排放達到最大，導致懸浮泥沙增多，進而使得Zsd降低。此外，在不同季節，南黃海中部Zsd值的年際波動比較小，特別是在冬季，Zsd值很穩定。類似地，南黃海南部的Zsd值在冬季的年際波動也很不明顯，但在春、夏、秋3 個季節的Zsd值相比南黃海中部的波動要大一些。相比之下，江蘇近海和長江口區域的Zsd的年際波動在每個季節都比較大。

為進一步探究南黃海Zsd的長時序變化趨勢，本文計算了南黃海中部、南黃海南部、江蘇近海和長江口4 個子區域Zsd的距平，結果如圖6 所示，可以看出：在南黃海中部、南黃海南部以及長江口的Zsd都呈現出顯著性上升趨勢（p<0.01），尤其是南黃海中部，可以看出在2018 年以后有著明顯的上升趨勢。相比之下，江蘇近海的Zsd卻呈現出顯著下降趨勢（p<0.01）。

圖6 子區域的水體透明度（Zsd）年際變化趨勢Fig.6 Annual trends of water transparency (Zsd) of each sub-area

3.3 南黃海透明度變化的影響因素分析

針對南黃海海域的Zsd時空變化特征，本文對其影響因素（4 個子區域）進行了分析探究。本文選取了PAR、SST、TSM 以及WS 4 種環境因素（每月一組數據），分別計算了它們與南黃海中部、南黃海南部、江蘇近海和長江口Zsd空間均值的皮爾森相關系數，依此分析了它們對Zsd的影響。由圖7 可以看出，PAR和SST 在4 個子區域都與Zsd呈正相關，而TSM 和WS 在4 個子區域都與Zsd呈負相關，而且4 個區域的TSM 與Zsd均呈現出很強的負相關性（相關系數R均大于0.65）。然而，4 個區域Zsd的影響因素也呈現出一定的差異，其中江蘇近海和南黃海南部的Zsd受TSM 和PAR 的影響更為強烈，其R值分別為–0.88、–0.86 和0.75、0.61，而南黃海中部則主要受TSM 與SST 的影響，R值分別為–0.93 和0.81；在長江口，TSM 是Zsd影響因素中最大的一個（R=–0.68），相比于PAR、SST 和WS，其R值的絕對值最大相差0.54，最小相差0.31。此外，可以看出在長江口，PAR、SST、TSM 以及WS 4 種環境因子與Zsd的相關性相對于其他區域都要低一些，這可能是因為影響長江口Zsd的變化因素復雜多變，對于其具體原因仍需進一步的研究。

圖7 各子區域Zsd 與光合有效輻射、海表溫度、懸浮顆粒物濃度以及風速的相關關系Fig.7 Correlation coefficients of Zsd with photosynthetic active radiation,sea surface temperature,total suspended matter and wind speed

在夏季，由于太陽輻射強度最大，使得SST升高，導致表層海水密度小于底層海水密度，上下層海水不能有效混合使得海水出現層化現象[20]，海中懸浮物沉積，上層海水TSM 降低，進而導致Zsd增大；在秋季，太陽輻射逐漸減弱，SST 降低，水體層化現象逐漸減弱，海水混合逐漸增強，Zsd分布情況向冬季過渡；到冬季時，太陽輻射達到最低，SST 最小，此時上下層水體的密度差減小，又因為盛行季風的作用海水上下混合強烈，水體層化現象消失，并且風速越大，混合越強烈[21]，這個過程使得上層海水的TSM 升高，導致Zsd很低；在春季，太陽輻射逐漸增強，SST 升高，WS迅速減弱，海水混合減弱，水體層化增強，使得Zsd分布特征逐漸開始向夏季過渡。以上環境變化過程使得Zsd與PAR 和SST 呈現出明顯的正相關關系，而與WS 和TSM 呈現出明顯的負相關關系。此外，為了進一步明晰長江口Zsd的影響因素，本文收集了大通水文站徑流量數據以代表長江徑流量，將其與長江口洪季的水體透明度做了相關分析，結果發現長江徑流量與長江口的Zsd呈現顯著負相關性（R=–0.50，p<0.01），表明徑流量越大水體透明度越低，這主要是由于徑流攜帶大量懸浮物入海[22–24]，降低了水體透明度。

4 結論

通過本文的相關研究，得到了以下幾點重要結論：

（1）在空間上，南黃海水體透明度Zsd呈現外海高近岸低的特點，從季節變化來看，南黃海中部、南黃海南部和江蘇近海Zsd均呈現出冬低夏高的特點，但對于長江口，夏季的Zsd相對較低，可能與長江淡水排放量在夏季達到最大有關。

（2）近20 年來，南黃海中部、南黃海南部和長江口的Zsd基本呈上升趨勢，而江蘇近海的Zsd卻表現出下降趨勢。

（3）整體上，南黃海Zsd與PAR 和SST 呈正相關關系，而與TSM 和WS 呈負相關，相比之下，TSM 是Zsd的最主要驅動因素。

本研究分析了南黃海海域Zsd的時空變化特征及其影響因素，這為南黃海海域的海洋生態環境、區域海洋學等相關研究提供了一定的科學參考。對于Zsd時空變化的驅動因素分析中，本研究僅做了自然環境影響因素的分析。然而對于江蘇近海，Zsd可能受到人類活動的影響，針對該問題，仍需在下一步工作中結合人類活動數據資料進行深入分析研究。