应用气象学报  2007, 18 (6): 821-831   PDF    
引用本文
张春桂, 曾银东, 张星, 潘卫华, 林晶. 海洋叶绿素a浓度反演及其在赤潮监测中的应用[J]. 应用气象学报, 2007, 18(6): 821-831.
Zhang Chungui, Zeng Yindong, Zhang Xing, Pan Weihua, Lin Jing. Ocean Chlorophyll-a Derived from Satellite Data with Its Application to Red Tide Monitoring[J]. Journal of Applied Meteorological Science, 2007, 18(6): 821-831  
海洋叶绿素a浓度反演及其在赤潮监测中的应用
张春桂1, 曾银东2, 张星3, 潘卫华1, 林晶1     
1. 福建省气象科学研究所, 福州 350001;
2. 福建省海洋环境与渔业资源监测中心, 福州 350003;
3. 福建省气象局, 福州 350001
2007-02-28 收到, 2007-09-10 收到修改稿.
资助项目: 国家863计划重大专项“台湾海峡及毗邻海域洋动力环境实时立体监测系统”(2001AA604) 和中国气象局项目“MODIS资料在福建省陆海环境监测中的应用”(CMATG2005M35) 共同资助。    
摘要: 采用OC2和OC3两种标准经验算法以及Clark和NSMC-CASE2两种半分析算法进行了MODIS海洋叶绿素a浓度反演, 并根据2004年福建近海赤潮监控区内10个站点的叶绿素a浓度观测数据对反演结果进行了分析。 利用2002—2005年MODIS叶绿素a浓度反演结果对同期发生在福建近海的赤潮灾害进行了初步研究, 并探讨了250 m 和500 m 分辨率的MODIS可见光数据对赤潮灾害监测的可能性。 结果表明: 两种标准经验算法和两种半分析算法对叶绿素a浓度的反演均存在不同程度的偏高, 相对而言, OC3标准经验算法比较适合基于MODIS的福建近海叶绿素a浓度反演; MODIS红光 (250 m) 和绿光 (500 m) 通道数据的比值在赤潮灾害发生过程中发生了显著变化, 在灾害发生时其值明显较灾前和灾后均偏大。
关键词: 遥感    赤潮    叶绿素a    MODIS 资料    
Ocean Chlorophyll-a Derived from Satellite Data with Its Application to Red Tide Monitoring
Zhang Chungui1, Zeng Yindong2, Zhang Xing3, Pan Weihua1, Lin Jing1     
1. Fujian Provincal Meteorological Institute, Fuzhou 350001;
2. Monitoring Center for Marine Environment and Fishery Resources , Fuzhou 350003;
3. Fujian Provincial Meteorological Bureau , Fuzhou 350001
Abstract: The signal-to-noise ratio of ocean color channels of MODIS sensor is higher than SeaWiFS sensor and the bandwidth is narrower than SeaWiFS, thus MODIS data are more suitable for the retrieval of chlorophyll-a in ocean. Many standard empirical algorithms and semi-analytical algorithms are supplied to calculate ocean chlorophyll-a by the SeaDAS software which is distributed from NASA. Considering the characteristic of MODIS sensor, the two standard empirical algorithms SeaDAS OC2 and OC3, two semi-analytical algorithms SeaDAS Clark and NSMC-CASE2 are used to calculate ocean chlorophyll-a based on MODIS data, the correlation of MODIS chlorophyll-a and ten stations measured chlorophyll-a is analyzed in Fujian coastal red tide monitoring region in 2004. The statistic result of MODIS chlorophyll-a and ten stations measured chlorophyll-a shows that the correlation index of OC2 standard empirical algorithms is 0.787, and OC3 is 0.839, and Clark semi-analytical algorithms is 0.510, and CASE2 is only 0.133. Although the ocean chlorophyll-a calculated by SeaDAS based on MODIS data is high compared with the chlorophyll-a measured in locale, the chlorophy ll-a variational curve of SeaDAS OC2 and OC3 and Clark is similar to the chlorophyll-a variational curve measured in locale. However, the chlorophyll-a counted by CASE2 semi-analytical algorithms is much higher than the chlorophyll-a measured in locale, and the chlorophyll-a variational curve of CASE2 is very much different to the chlorophyll-a variational curve measured in locale. The red tide occurring in Fujian coastal region at one time with the MODIS chlorophyll-a during 2002—2005 is analyzed also, and the possibility of monitoring red tide based on 250 m and 500 m resolution ratio MODIS visible light data is discussed. The ratio of MODIS red (250 m)and green (500 m) channel obviously changes in the whole course of red tide disaster, the ratio is much higher when the red tide disaster occurs than before and after the red tide disaster occurs. The results show that there is inconsistence high estimate for chlorophyll-a derived from two standard empirical algorithms and two semi-analytical algorithms. On the opposite, SeaDAS OC3 standard empirical algorithms are suitable to calculate ocean chlorophylla in Fujian coastal region based on MODIS data. On the basis of accumulating the chlorophyll-a data measured in locale, the relevant inversion mode for quantitative monitor of remote sensing data of chlorophyll-a on Fujian coastal water will be established with the 250 m and 500 m resolution ratio of MODIS visible light data, and atmospheric correction process will be carried out in MODIS data, thus it is possible that the change of chlorophyll-a on Fujian coastal water will be accurately predicted .
Key words: remote sensing     red tide     chlorophyll-a     MODIS data    
引言

赤潮 (也称有害藻华) 是指由于海洋浮游生物的过度繁殖造成海水变色的现象, 一般认为是一种自然灾害。赤潮除了使渔业经济遭受损失外, 有毒赤潮还会导致海洋生物和人畜死亡, 已成为全球海洋公害, 因此赤潮灾害被列为国际海洋生物研究的重要内容。

随着我国海洋开发和沿海地区经济的快速发展, 我国赤潮灾害发生越来越频繁, 据统计20世纪70年代我国赤潮灾害发生9次, 80年代发生75次, 至90年代猛增到262次[1]。福建沿海是我国赤潮多发区之一, 有记录的赤潮事件共计113起, 并呈逐年增多的趋势, 其中2001年6起, 2002年17起, 2003年29起。在福建沿岸海域已经引发过赤潮灾害的生物达17种, 东海原甲藻、米氏凯伦藻、夜光藻和中肋骨条藻是近年来诱发赤潮灾害的主要生物, 多数无毒无害, 少数甲藻引起的赤潮有毒有害[2]。

赤潮灾害是我国海洋环境研究的重要内容之一, 其监测与防治也成了当今海洋环保的重大课题。目前, 我国对于赤潮灾害的监测手段主要包括船舶定点监测、岸站和浮标监测、卫星 (航空) 遥感监测等手段。与船舶、岸站和浮标监测方法相比, 卫星遥感技术可以提供大面积、长期、定点连续的观测, 是了解赤潮灾害发生时间的变动情况、发生的范围、程度和扩散方向等的重要手段。

采用卫星遥感技术监测赤潮灾害, 国内外学者已做了大量工作[3-4], 从遥感数据源上不仅可以采用CZCS[5]和SeaWiFS[6]卫星资料, 还可采用TM[7-8]和AVHRR卫星资料[9-11], 从技术方法上国外主要以多波段遥感和数值模拟遥感为主, Stumpf等[12]根据赤潮发生时表层水体红光波段反射率下降, 近红外波段反射率不受影响的特征, 采用AVHRR和CZCS的反射率数据之比探测赤潮灾害, Cullen等[13]和Kahru等[14]在大量海洋现场观测资料的基础上, 通过建立辐射传输方程来反演赤潮信息, 国内楼秀林等[15]应用人工神经网络技术建立赤潮信息提取模型, 赤潮探测正确率达到78.5%, 詹海刚等[16]应用遗传算法反演二类水体中的叶绿素a浓度分布, 获得比其他算法更为可靠的结果, 赵冬至等[17]应用归一化差值和现场实测的叶绿素a浓度建立相关关系, 结果表明二者呈显著负相关。从这些赤潮遥感监测研究来看, TM资料由于其卫星重复周期较长, 难以对海洋环境的迅速变化现象进行动态监测, AVHRR资料针对海洋的探测通道极为有限, 同时CZCS, SeaWiFS和AVHRR资料1 km的空间分辨率对近岸海域而言又显得不够精细。

MODIS是美国新一代对地观测系统 (EOS) 两颗在轨业务卫星TERRA和AQUA上的中分辨率成像光谱仪, 共有36个探测光谱通道, 被认为是海洋水色卫星上的SeaWiFS传感器的延续。MODIS与SeaWiFS相比, 除了具有250 m和500 m可见光探测通道外, MODIS还将0.66~0.68 μm通道划分为两个, 目的在于满足对二类水体提取叶绿素a的需要, 同时MODIS的水色波段与SeaWiFS相比具有更高的信噪比和更窄的波段宽度。从目前的文献来看, 利用MODIS传感器数据开展赤潮灾害监测的应用研究还比较少, 本文利用2002—2005年的MODIS数据, 以福建省近海发生的赤潮灾害为例, 通过同步观测的海洋叶绿素a浓度来分析不同算法反演的结果, 并对赤潮灾害的监测进行探讨性的研究分析, 为海洋防灾减灾工作提供科学参考依据。

1 数据来源与预处理

利用2002—2005年来自于国家卫星气象中心和福建省气象科学研究所接收的L1B级MODIS数据, 从36个探测通道中拆出250 m分辨率数据 (MOD02QKM) 、500 m分辨率数据 (MOD02HKM) 、1000 m分辨率数据 (MOD021KM) 和地理定位数据 (MOD03) , 选择相应通道数据进行等经纬度投影处理, 生成福建省海域的局地数据集。MODIS可用于大气校正、海洋水色、浮游生物用途的不同分辨率可见光通道特性见表 1, 在MODIS的通道中, 通道13和14波段分别在高、低两种增益下获取数据。

表 1 MODIS应用于海洋环境监测的探测通道特性 Table 1 Characteristics of MODIS channel applied to ocean

福建省海洋与渔业局从2002年开始, 在三都湾海域、闽江口海域、平潭海域和厦门近岸海域4个赤潮监控区布设38个观测站点, 其中三都湾有8个站点 (FJCHCH01~08) , 闽江口有12个站点 (FJCHCH09~16, 35~38) , 平潭有6个站点 (FJCHCH 25~30) , 厦门有12个站点 (FJCHCH 17~24, 31~34)。观测项目包括水色、透明度、叶绿素a (Chlorophyll-a, 简称Chla) 等参数, 赤潮监控范围, 北部从沙埕港湾口至平潭岛周围海域, 南部主要是厦门西海域和同安湾, 监测面积4000 km2, 监控时间为每年4—10月, 常规观测每月2次。本研究收集了福建省海洋与渔业局提供的2002—2005年发生在福建沿岸海域的赤潮灾害记录资料, 以及2004年赤潮监控区内10个观测站点的叶绿素a数据。10个观测站点的选取考虑了福建赤潮灾害内湾除厦门西海域外其他海湾较少发生的特点, 均匀分布在福建沿海的4个赤潮监控区, 站点经纬度及分布图分别见表 2和图 1。

表 2 福建省赤潮监控区内10个观测站点经纬度 Table 2 Latitude and longitude of ten observation stations of red tide in Fujian

图 1. 福建省赤潮监控区内10个观测站点分布图 Fig 1. The map of ten observation stations of red tide in Fujian

2 叶绿素a浓度反演算法及结果分析

利用卫星遥感数据提取叶绿素a信息, 关键是如何确定水体生物光学算法, 即根据不同水体的固有光学性质, 利用遥感反射率Rrs (λ) 或离水辐射Lw (λ) 估算海洋水色组分, 生物光学算法主要分为经验算法和模型算法两大类, 正在发展的模型算法主要有半分析法、非线性最优化法和神经元网络法等[18]。

本研究采用NASA (美国国家航空与航天局) 发布的SeaDAS 4.7 (海洋数据分析系统) 软件提供的算法来反演MODIS的叶绿素a浓度。SeaDAS 4.7反演叶绿素a浓度主要是基于生物-光学标准经验算法 (Bio-optical Algorithm) , 算法所依据的基础数据来自全球范围内900多个海洋观测站点, NASA应用这些数据对多种经验模型进行评价, 最终提供了几种标准经验算法和半分析算法供选择, 本研究选择其中的OC2和OC3两种标准经验算法和Clark半分析算法。在卫星遥感过程中, 由于大气对遥感信息的影响较为严重[19], 来自水体的辐射量比较微弱, 大气校正是海洋水色遥感应用的基础和关键, SeaDAS 4.7采用Gordon等提出的大气校正方法[20], 该方法有多种校正模式供选择。本研究还采用由国家卫星气象中心提供的CASE2半分析算法进行叶绿素a浓度反演, 该算法只进行云检测, 未进行大气校正, 只作为对比分析时的参考。SeaDAS 4.7两种标准经验算法的表达式[21]见表 3。

表 3 SeaDAS两种标准经验算法表达式 Table 3 The expression of two standard empirical algorithms of SeaDAS

在反演计算中, 福建省海域经纬度范围取23.5°~27.3°N, 117.2°~121.0°E, 大气校正模式选择多次散射的大气气溶胶模式, 并从NASA网站下载当天00:00, 06:00, 12:00 (世界时) 的气象数据和TOVS数据作为辅助数据参与大气校正。

为了与现场采集的叶绿素a浓度数据进行比较, 需从反演得到的叶绿素a浓度分布图上选取相应匹配点。匹配点选取的原则: ①考虑到遥感数据上单个点的数据不具有代表性, 取该点周边3×3个像素点的平均值作为该点的叶绿素a浓度值, 如果9个像素中有SeaDAS软件无法反演的像素点, 则先对其进行剔除, 然后再求平均; ②鉴于福建海域赤潮发生时间主要集中在4—6月, 而此时福建正处于雨季, 天气常常多云、多雨, 与现场匹配的MODIS数据相当少, 所以卫星数据过境时间跨度取48 h。本研究选择了2004年作为进行叶绿素a浓度反演精度分析的主要时段, 由于天气等因素的影响, 最后得到现场观测和遥感反演叶绿素a浓度相匹配的数据样本点共40个, 分布在4个赤潮监控区内, 匹配的现场采集与MODIS反演的叶绿素a浓度结果见表 4。

表 4 现场采集与MODIS数据反演叶绿素a浓度结果 (单位: mg/m3) Table 4 The measured Chlorophyll-a and the calculated Chlorophyll-a base on MODIS data (unit: mg/m3)

从表 4可以看出对于40个样本点, SeaDAS算法可以反演其中的32个样本点, 而未反演的8个样本点均位于厦门海域和三都湾海域的内湾里, 这些内湾的水体泥沙含量浓度偏高, 属于典型的二类水体, 同时这些内湾的大气中有较高浓度的气溶胶, 因此造成SeaDAS软件在这些样本点的大气校正和反演算法具有明显的不适用, 未能得到反演结果。

从现场采集的与MODIS反演的叶绿素a浓度相关分析的结果来看, OC2算法的相关系数为0.787, OC3算法的相关系数为0.839, Clark算法的相关系数为0.510, 而CASE2半分析算法的相关系数仅为0.133(图 2)。

图 2. 现场采集与MODIS数据反演叶绿素a浓度相关分析结果 Fig 2. The result of correlation analyse of measured CChla and calculated CChla base on MODIS data

现场采集与4种算法反演结果的叶绿素a浓度变化曲线见图 3 (图中的样本数取4种算法均有数据的样本点数) 。从图 3来看, OC2, OC3和Clark算法反演的叶绿素a浓度都比现场实测的叶绿素a浓度高, 特别是在叶绿素a浓度小于1 mg/m3的区域, 但在叶绿素a浓度高值区反演结果比实测结果高得不多, 总体偏差在300%之内, 有近1/3偏差在100%以内。虽然反演的叶绿素a浓度比现场实测的叶绿素a浓度高, 但3种SeaDAS算法反演结果曲线与实测值曲线的变化趋势十分相近, 而CASE2半分析算法反演的叶绿素a浓度不仅远远高于现场实测的叶绿素a浓度, 且其反演结果曲线与实测值曲线的变化趋势相差极大。CASE2半分析算法的这种反演结果与该算法未进行大气校正是有关的, 由于CASE2算法未进行大气校正, 造成其算法反演的叶绿素a浓度与现场实测的叶绿素a浓度误差太大。一般将远离海岸带且较清澈的海水定为一类水体, 将海岸带附近且较浑浊的海水定为二类水体。SeaDAS算法所依据的基础数据绝大部分来自处于一类水体、海上气溶胶浓度较低的海洋观测站点, 福建沿海经济较为发达, 近岸海域基本上属于二类水体而且海上气溶胶浓度普遍较高, SeaDAS软件的大气校正方法和叶绿素a浓度反演算法在福建近岸海域明显不适用, 这可能是造成福建近岸海域叶绿素a浓度反演结果偏高的主要原因。从上面分析可以得出, 基于MODIS数据反演叶绿素a浓度, OC2和OC3两种算法均可以考虑采用, 但OC3算法反演的结果与现场实测数据更为接近, 因此采用OC3算法反演叶绿素a浓度有利于对赤潮灾害进行监测与评估。

图 3. 现场采集与MODIS数据反演叶绿素a浓度变化曲线 Fig 3. The curve of measured CChla and calulated CChla

曾银东等[22]曾用SeaWiFS遥感数据采用OC2, OC4和OCTSC 3种标准经验算法, 与走航叶绿素a浓度数据比较了2000年夏季邻近珠江口的南海东北部海区遥感叶绿素a浓度结果与实测叶绿素a浓度的偏差, 结果表明SeaWiFS的OC4产品偏离实测叶绿素a浓度的程度明显小于OC2和OCTSC两种产品。因此, 对于不同的海域和不同的遥感数据源, 应该采用SeaDAS的不同算法。彩图 4是2004年5月3日以上4种算法反演得到的福建海域叶绿素a浓度分布图, 从图中的圆圈区域可以看出同一海域, 不同算法反演的结果存在明显的差异。

图 4. 2004年5月3日福建省海域叶绿素a浓度四种算法的反演结果（单位：mg·m-3） Fig 4. The result of four algorithms of CChla on May 3, 2004 in Fujian ocean (unit: mg·m-3)

3 赤潮灾害监测分析

赤潮灾害的遥感算法是建立在赤潮生物的生态学及其光谱特性基础上的, 叶绿素a浓度、海表温度和多光谱变化指数都是赤潮灾害遥感算法的基础[4]。海洋中叶绿素a含量虽然是难以观察的细微信息, 但它能反映海水中浮游生物分布, 用遥感方法估算水体中叶绿素a浓度并分析其变化, 可以达到监测赤潮灾害的发生、发展和消亡过程的目的。

福建沿海赤潮灾害的时空分布特征较为明显, 赤潮发生的时间90%以上集中在4—6月份, 尤其以5月最为集中, 内湾发生赤潮相对较少[2]。而4—6月又恰好是福建的雨季, 要获得福建近海晴空的卫星数据十分因难。2002—2005年福建海域有记载的赤潮灾害共67例, 通过普查得到有相应MODIS睛空资料的仅16例, 而这16例中发生在罗源湾、厦门湾的4例赤潮无法反演其叶绿素a浓度, 其余12例均能从MODIS数据反演得到叶绿素a浓度, 表 5是近几年来发生在福建海域的12例典型赤潮灾害情况。

表 5 2002—2005年福建海域典型赤潮灾害情况 Table 5 The representative red tide of 2002—2005 in Fujian ocean

本研究选择SeaDAS的OC3算法来反演上述12例典型赤潮灾害的叶绿素a浓度 (彩图 5) 。从监测结果来看, 采用OC3算法能比较客观地反映赤潮灾害发生地的叶绿素a浓度分布状况, 12例典型事例中2002年6月6日连江近岸海域 (彩图 5a) 、2002年11月11日罗源湾海域 (彩图 5b) 、2003年5月31日福鼎至四霜列岛一带海域 (彩图 5e和彩图 5f)、2004年5月3日福鼎沙埕海域 (彩图 5h) 、2004年5月10日四霜列岛海域 (彩图 5i) 和2005年6月9日的三沙海域 (彩图 5k) 的叶绿素a浓度均比周边海域的叶绿素a浓度明显偏高, 这7例赤潮灾害发生时海洋叶绿素a浓度均在10 mg/m3以上, 特别是2003年5月底至6月初发生在福鼎、霞浦及四霜列岛一带海域的赤潮灾害, 造成海水中叶绿素a浓度出现异常高的值 (约50 mg/m3), 这次发生赤潮灾害的生物有米氏凯伦藻和东海原甲藻, 这两种生物一起形成双相赤潮, 而东海原甲藻、米氏凯伦藻是近年来诱发福建赤潮灾害的主要生物种类。12例典型事例中其他5例赤潮灾害 (彩图 5c, 5d, 5g, 5j和5l) 发生时海洋叶绿素a浓度虽然不是很高, 但也均达到了5 mg/m3左右, 从彩图 5c, 5d和5g的MODIS监测结果图来看, SeaDAS在反演这一带海域时有相当多的像素点未能得到结果, 经分析可能与当时这一带海域存在有薄云或者较高浓度的气溶胶直接有关。

图 5. 2002-2005年福建海域典型赤潮灾害叶绿素a浓度反演结果（单位：mg·m-3） (a) 2002-06-06, (b) 2002-11-11, (c) 2003-04-18, (d) 2003-05-20, (e) 2003-05-31, (f) 2003-05-31, (g) 2004-04-27, (h) 2004-05-03, (i) 2004-05-10, (j) 2004-05-26, (k) 2005-06-09, (l) 2005-07-05 Fig 5. The calculate result of CChla of representative red tide during 2002-2005 in Fujian ocean (unit: mg·m-3) (a) 2002-06-06, (b) 2002-11-11, (c) 2003-04-18, (d) 2003-05-20, (e) 2003-05-31, (f) 2003-05-31, (g) 2004-04-27, (h) 2004-05-03, (i) 2004-05-10, (j) 2004-05-26, (k) 2005-06-09, (l) 2005-07-05

由于赤潮生物的存在, 海水呈现出不同于正常水体的光谱特征。赵冬至等[11, 17, 23]在赤潮海域现场实测了海洋水体的光谱吸收特征, 表明随着海水中叶绿素a浓度的增加或赤潮浮游生物细胞数的加大, 在0.44 μm和0.665 μm附近的吸收峰使海水的反射率在蓝光波段和红光波段降低。Kirk等[24-26, 4]研究发现随着叶绿素a浓度的增加在0.55 μm附近的反射峰将使水体的反射率在绿光波段增加。根据赤潮水体在红光和绿光的反射率差异, 本研究采用250 m分辨率的MODIS的通道1(红光) 和500 m分辨率的通道4(绿光) 的反射率数据构成比值指标RA=ACH4/ACH1, 在未进行大气校正的情况下, 研究RA在赤潮灾害发生前后的变化情况, 经过分析得知, 40个样本点的叶绿素a浓度和遥感计算得到的RA的相关程度相当低, 相关系数只有0.176, 主要原因在于40个样本点中有18个样本点位于内湾, 即位于三都湾的样本点FJCHCH06和位于厦门湾的样本点FJCHCH17, FJCHCH20, FJCHCH21, 这些样本点的水体是典型的二类水体, 红绿光比值法在这类水体中往往失效。另外, 在计算RA时没有进行大气校正, 而内湾因为更容易受到沿海城市的污染而造成高浓度的气溶胶, 在未进行大气校正的情况下, RA与实测叶绿素a浓度的相关程度可能不高。为此将位于三都湾和厦门湾的18个样本点进行剔除, 同时对现场观测的叶绿素a数据进行质量控制, 即去除异常的数据点, 有两个异常数据, 2004年5月4日FJCHCH01站点的观测数据9.74 mg/m3明显偏高, 2004年8月9日FJCHCH12站点的观测数据0.07 mg/m3明显偏低。经过质量控制以后最终选择20个样本点进行相关分析, 结果相关系数为0.508, 20个样本点对应的时间和站点代码等数据见表 6, RA与实测叶绿素a浓度的相关分析图见图 6。

表 6 经过质量控制后的20个样本点数据 Table 6 20 samples data after quality cortrol

图 6. RA与实测CChla浓度的相关图 Fig 6. The correlation map of RA and measured CChla

对12例典型赤潮灾害发生前后的RA进行分析比较, 灾前和灾后的取样日期控制在离灾害发生一个月之内, 其中2003年4月18和2003年5月20日的赤潮灾害经过普查无灾后和灾前样本, 对其余10例赤潮灾害进行分析时的样点位置及取样日期见表 7。分析表明, 除2002年6月6日这一例外, RA在赤潮灾害发生过程中发生了显著的变化, 在灾害发生时其值明显比灾前和灾后偏大, 赤潮灾害发生时RA普遍升高, 而赤潮灾害消亡后RA值普遍降低, 结果见彩图 7。

表 7 计算2002—2005年赤潮RA的样点位置及取样日期 Table 7 The sample position and sample date of RA of red tide in 2002—2005

图 7. 赤潮灾害发生前、中、后的RA变化 Fig 7. The change of RA course in red tide

4 结论与讨论

通过对现场观测得到的叶绿素a浓度与利用MODIS卫星遥感数据反演得到的叶绿素a浓度进行初步对比分析表明, 采用SeaDAS软件的3种算法和CASE2半分析算法来反演福建近岸海域的叶绿素a浓度时均存在不同程度的偏高, 相对而言, SeaDAS软件的OC3标准经验算法比较适合于福建近海叶绿素a浓度反演, 因此采用OC3算法反演得到的MODIS叶绿素a浓度产品, 并结合通过其他地面有效手段获得的相关数据可实现对赤潮灾害进行监测与评估。

充分利用MODIS中250 m和500 m卫星遥感数据, 在积累一定现场观测数据的基础上, 建立针对福建近岸海域的叶绿素a反演算法, 并进行大气校正, 有望较准确地预警海水中叶绿素a浓度的变化。

参考文献
[1] 易晓蕾. 我国海洋赤潮管理与减灾. 海洋通报, 2003, 22, (4): 55–59.
[2] 杜琦, 张友权, 高磊, 等. 近年福建海域赤潮的特点及防治对策. 福建水产, 2002, (4): 32–37.
[3] 黄韦艮, 肖清梅, 楼秀林. 国内外赤潮卫星遥感技术与应用进展. 遥感技术与应用, 2002, 17, (1): 32–36.
[4] 顾德宇, 许德伟, 陈海颖. 赤潮遥感进展与算法研究. 遥感技术与应用, 2003, 18, (6): 434–440.
[5] Holligan P M, Viollier M, Dupouy C, et al. Satellite and ship studies of coccolithophore production along a continental shelf edge. Nature, 1983, 304: 339–342. DOI:10.1038/304339a0
[6] 孙强, 杨燕明, 顾德宇, 等. SeaWiFS探测1997年闽南赤潮模型研究. 台湾海峡, 2000, 19, (1): 70–74.
[7] Strong A E, Remote sensing of algal blooms by aircraft and satellite in Lake Erie and Lake Utah. Remote Sensing of Environment, 1974, 3: 99–107. DOI:10.1016/0034-4257(74)90052-2
[8] 胡德永, 王杰生, 王振生. 陆地卫星TM观测到渤海湾赤潮. 遥感信息, 1991, 6, (3): 11–14.
[9] Gower J F R, Red tide monitoring using AVHRR HRPT imagery from a local receiver. Remote Sensing of Environment, 1994, 48: 309–318. DOI:10.1016/0034-4257(94)90005-1
[10] 龚强, 韩玺山, 陈鹏狮. 气象卫星遥感在监测辽宁近海赤潮中的应用. 辽宁气象, 2000, (3): 25–26.
[11] 赵冬至. AVHRR遥感数据在海表赤潮细胞数探测中的应用. 海洋环境科学, 2003, 22, (1): 10–19.
[12] Stumpf R P, Mary A Tyler, Satellite detection of bloom and pigment distributions in estuaries. Remote Sensing of Environment, 1998, 24: 385–404.
[13] Cullen JJ, Ciotti A M, Davis R F, et al. Optical detection and assessment of algal blooms. Limonl Oceangr, 1997, 42: 1223–1239. DOI:10.4319/lo.1997.42.5_part_2.1223
[14] Kahru M, Mitchell B G, Spectral reflectance and absorption of a massive red tide off Southern California. Journal of Geophysical Research, 1998, 103: 21601–21609. DOI:10.1029/98JC01945
[15] 楼秀林, 黄韦. 基于人工神经网络的赤潮卫星遥感方法研究. 遥感学报, 2003, 7, (2): 125–130.
[16] 詹海刚, 施平, 陈楚群. 基于遗传算法的二类水体水色遥感反演. 遥感学报, 2004, 8, (1): 31–36.
[17] 赵冬至, 张丰收, 赵玲. 近岸海域叶绿素a和赤潮的AVHRR归一化差值探测方法研究. 海洋技术, 2003, 22, (3): 30–33.
[18] Sathyendranath S. Remote Sensing of Ocean Colour in Coastal and Other Optically-Complex Waters. Reports of the International Ocean-Colour Coordinating Group, No.3. IOCCG, Dartmouth, Canada, 2000.
[19] 张杰, 王介民, 郭铌. 应用6S模式对EOS-MODIS可见光到中红外波段的大气订正. 应用气象学报, 2004, 15, (6): 651–657.
[20] Gordon H R, Wang M, Retrieval of water-leaving radiance and aerosol optical Thickness over the oceans with SeaWiFS: A preliminary algorithm. Applied Optics, 1994, 33, (3): 443–452. DOI:10.1364/AO.33.000443
[21] O'Reilly J E, Maritorena S, O'Brien MC, et al. SeaWiFS Postlaunch Calibration and Validation Analyses, Part 3. Maryland: NASA Goddard Space Flight Center, 2000.
[22] 曾银东, 商少凌, 张彩云, 等. 南海东北部基于标准经验算法的遥感叶绿素a反演结果比较分析. 海洋科学, 2004, 28, (8): 14–18.
[23] 赵冬至, 张丰收, 赵玲, 等. 近岸海域叶绿素和赤潮的AVHRR波段比值探测方法研究. 海洋环境科学, 2003, 22, (4): 9–12.
[24] Kirk J T O, Light and Photosynthesis in Aquatic Ecosystems. Cambridge: Cambridge University Press, 1983.
[25] 胡雯, 吴文玉, 孔庆欣, 等. 用 FY-1C/CAVHRR 数据估算巢湖蓝藻叶绿素的含量. 南京气象学院学报, 2002, 25, (1): 124–128.
[26] 王其茂, 蒋兴伟, 林明森, 等. HY-1卫星资料在海洋上的典型应用. 遥感技术与应用, 2003, 18, (6): 374–378.