应用气象学报  2017, 28 (6): 714-723   PDF    
Himawari-8气象卫星黄海浒苔动态监测
王萌1, 郑伟1, 李峰2     
1. 国家卫星气象中心, 北京 100081;
2. 山东省气候中心, 济南 250031
摘要: 基于Himawari-8气象卫星数据,研究了利用归一化植被指数提取浒苔信息方法,并提出了浒苔强度和移动速度估算方法。对2016年5-7月黄海海域浒苔信息进行监测,获得了浒苔暴发的时间、地点、面积、强度、影响范围、漂移路径及移动速度。结果表明:2016年5月19日Himawari-8气象卫星首次监测到黄海海域出现浒苔信息;6月中下旬进入暴发期,浒苔面积、影响范围及强度达到最大值;7月上旬,伴随着浒苔大面积登陆青岛、烟台、威海等地,浒苔进入缓慢消亡阶段。多时次浒苔强度合成产品显示:2016年浒苔在黄海中部海域、烟台以东海域覆盖强度较大,在初始位置一带覆盖强度较小。浒苔漂移路径整体为从东南外海逐渐开始向西北近海海域靠近,日移动速度不断变化。浒苔的动态变化与水文气象环境密切相关,适宜的温度是浒苔生长和发展的基础,浒苔出现后,盛行风向是浒苔漂移方向的主要驱动力,2016年5-7月强劲的南风使浒苔一直向北漂移,并最终抵达威海,浒苔的移动与风向大致相同。
关键词: Himawari-8    黄海    浒苔    
Application of Himawari-8 Data to Enteromorpha Prolifera Dynamically Monitoring in the Yellow Sea
Wang Meng1, Zheng Wei1, Li Feng2     
1. National Satellite Meteorological Center, Beijing 100081;
2. Shandong Provincial Climate Center, Jinan 250031
Abstract: As a new generation geostationary meteorological satellite, Himawari-8 can provide measurements dynamically monitoring of Enteromorpha prolifera, with its high temporal-spatial resolution. According to the normalized differential vegetation index NDVI, by studying reflection characteristics of enteromorpha, a method using Himawari-8 data is proposed for enteromorpha information detection, drift speed and intensity estimation. Using the above methods, the outbreak processes of enteromorpha prolifera in the Yellow Sea from May to July in 2016 are monitored including the appearing time, location, areas, intensity, range of influence, drift path and drift speed. Results show that the enteromorpha are detected firstly on 19 May 2016 in the Yellow Sea and areas are relatively small. It outbreaks in mid and late June with its continuous growth, and areas, range of influence and intensity all reach the maximum in this period. The enteromorpha enters recession period in early July near the coast of Shandong Province, the Yellow Sea, such as Qingdao, Yantai, Weihai and so on. The calculation shows that enteromorpha intensity changes with time, and multi-temporal enteromorpha intensity are accumulated into enteromorpha intensity synthetic product. The multi-temporal enteromorpha intensity synthetic product shows that enteromorpha intensity covers more in the central Yellow Sea and the east of Yantai waters, and less in initial position. The moving path of enteromorpha from appearance to disappearance shows that the drift path of enteromorpha is from the southeast open sea to the northwest offshore, and the average daily drift speed changes constantly. Dynamic changes of enteromorpha are closely related to the environmental hydro meteorological conditions, such as temperature, wind speed and direction. The suitable temperature is the basis for enteromorpha's growth and development. In late May, enteromorpha growth are detected near the northern coast of Jiangsu Province firstly, where the temperature is stably 20℃. And then in early June, enteromorpha area increases rapidly with the increasing temperature, and then outbreaks in mid-June when the temperature reaches 20℃ in east of Shandong Peninsula sea. In early July, the average temperature of the Yellow Sea is above 25℃, making the enteromorpha decay and disappear gradually. It shows that dominant wind direction is the main driving force of enteromorpha drift, the calculation shows that enteromorpha drifts northward with large and steady south wind from May to July in 2016, and finally arrive in Weihai coast, and the moving direction is in line with the wind.
Key words: Himawari-8     the Yellow Sea     Enteromorpha prolifera    
引言

浒苔(Enteromorpha prolifera)为石莼科绿藻,广泛分布在中低潮区的砂砾、岩石、滩涂和石沼海岸上,具有一定的食用和药用价值[1-3],浒苔的聚集不会影响海水水质,对海洋生态环境不会产生直接的负面作用,但暴发性生长会遮挡阳光,消耗水中的氧气,影响其他海洋生物的正常生长,导致一系列生态和环境问题,大规模暴发还会阻塞航道,造成区域景观、经济和生态的巨大损失。浒苔暴发机理复杂,分布范围广,暴发的位置随着各种因素进行漂移,利用卫星遥感技术可以对浒苔进行有效监测[4]。众多学者开展了利用EOS,FY-3,HJ-1A/1B,TM,SAR等卫星资料的浒苔监测方法研究[5-12],在浒苔信息提取[5-9]、时空分布特征[10-11]、浒苔分布的水文气象条件[12]等方面取得了一定成果。李三妹等[5]通过对浒苔的光谱特性分析,建立了基于极轨气象卫星和环境卫星资料监测浒苔的技术方法,分析浒苔的影响范围及移动路径;蒋兴伟等[9]运用一种基于区域增长面向对象的影像尺度分割方法,调整影像的分割尺度,利用SAR数据快速提取浒苔信息;薛瑞等[10]基于HJ-1A/1B遥感数据,利用神经网络监督分类及RULE规则影像重分类动态阈值法,对2014年黄海海域浒苔的漂移路径、各时期影响的海域面积、分布面积以及暴发高峰期的最大面积进行动态监测。贾丽莉等[11]基于EOS数据,利用归一化植被指数提取黄海海域浒苔信息,并探讨其时空分布特征。张苏平等[12]将EOS卫星的多通道资料与利用卫星遥感反演的海上风场、降水、云中液态水含量、海表面温度等资料结合,分析了浒苔暴发期间的水文气象条件、浒苔聚集和定向移动的原因。

极轨卫星资料由于其受云覆盖和过境时间的影响,在时效性与动态跟踪等方面均不能很好地满足对浒苔的动态监测需求。本文研究了利用静止气象卫星Himawari-8资料的浒苔监测方法,对黄海海域2016年的浒苔分布范围、变化情况、强度、移动轨迹及速度进行时空分析,可为浒苔灾害的预防、打捞和治理提供参考。

1 数据与方法 1.1 数据

静止气象卫星Himawari-8(简称Himawari-8)于2014年10月7日发射,具有16个通道:3个可见光通道,3个近红外通道,10个红外通道,空间分辨率为0.5~2 km,10 min可完成1幅地球全圆盘图,具备了高空间覆盖度、高时间分辨率的特点,有利于及时获取浒苔信息,Himawari-8高级成像仪(advanced himawari imager,AHI)通道参数见表 1。研究中使用2016年5—8月Himawari-8观测数据,利用其中心波长为0.64 μm、空间分辨率为0.5 km的通道3数据,以及中心波长为0.86 μm、空间分辨率为1 km的通道4数据监测浒苔信息,并将通道4数据重采样为0.5 km, 与通道3数据相匹配。

表 1 Himawari-8高级成像仪通道参数表 Table 1 Channel parameters of Himawari-8/AHI

FY-3B气象卫星搭载的中分辨率光谱成像仪(MERSI)有5个250 m通道(表 2):3个可见光通道,1个近红外通道和1个远红外通道,通道1~4的波长范围与Himawari-8通道1~4的波长范围基本一致。高分一号(GF-1)卫星搭载的多光谱相机包括可见光到近红外范围的4个通道(表 3),其数据空间分辨率为16 m,波长分布范围与Himawari-8通道1~4基本一致。FY-3B和GF-1数据用于对Himawari-8浒苔监测结果进行检验。对以上所用遥感数据进行辐射校正、几何校正、投影转换和裁剪等预处理以及浒苔信息提取。

表 2 FY-3B中分辨率光谱成像仪参数 Table 2 Channel parameters of FY-3B/MERSI

表 3 GF-1多光谱相机通道参数 Table 3 Channel parameters of GF-1/WFV

1.2 浒苔识别方法

浒苔在可见光波段反射率较低,在近红外波段反射率较高,与植被的光谱曲线极其相似;海水在蓝绿光波段的反射率相对较高,近红外波段反射率近乎为0,与浒苔的光谱差异十分明显[13-16]。利用红(R)、近红外(NIR)、绿(G)合成假彩色图像,浒苔覆盖海水常呈现为翠绿色斑块,自然海水为深蓝色或黑色,使浒苔和自然海水区分十分明显。根据浒苔及海水在可见光-近红外波段的光谱反射特性,众多学者采用单波段阈值分割法[17]、双波段比值法[18]、归一化植被指数法[19-20]、浮游藻类指数法[21]等提取浒苔信息。

Himawari-8可见光波段(通道3)和近红外波段(通道4)设置可以反映浒苔,针对Himawari-8的波段设置,本文利用归一化植被指数

(1)

式(1) 中,RNIRRR分别为近红外波段和可见光红光波段反射率,采用阈值法提取浒苔信息,判别式为

(2)

式(2)中,INDV代表判识像元归一化植被指数值,It代表判识阈值,为保证浒苔提取精度,该阈值通过人机交互判识确定。针对判识区域,当INDV大于该阈值时,认为该像元为浒苔像元。

1.3 浒苔强度估算方法

浒苔强度是指像元内浒苔的覆盖程度,通常分为无浒苔、轻度浒苔、中度浒苔和重度浒苔,无浒苔指像元内浒苔覆盖度为0,轻度浒苔指像元内浒苔覆盖度为(0,30%],中度浒苔指像元内浒苔覆盖度为(30%,60%],重度浒苔指像元内浒苔覆盖度为(60%,100%]。浒苔强度对反映浒苔发生程度和空间分布有一定的指示意义。

线性光谱混合模型是混合像元分解中最常用的方法,在该模型中,像元在某一光谱波段的反射率是由构成像元的基本组分的反射率及其所占像元面积的比例为权重系数的线性组合。考虑浒苔监测海域,其组分主要是浒苔和海水,根据线性光谱混合模型INDV可表示为

(3)

式(3)中,IV为浒苔归一化植被指数,IS为海水归一化植被指数,C为浒苔覆盖度,则

(4)

其中,IVIS采用样本统计方法确定,通过统计2015年5月、6月、7月、8月Himawari-8黄海海域晴空浒苔、海水1050240个(21个时次)有效归一化植被指数数据,选取其中最大5%数据求平均,作为IV;选取其中最小5%数据求平均,作为IS。经计算,IV采用0.7作为参考值,IS采用-0.4作为参考值。

1.4 浒苔移动速度估算方法

由于浒苔的分布范围十分广泛,通常以浒苔漂移重心的移动速度代表浒苔的移动速度,其计算公式为

(5)

式(5)中,V为浒苔的移动速度,S1为研究初始浒苔重心距离某海岸的距离(单位:km),S2为研究结束浒苔重心距离该海岸的距离(单位:km),t1为研究初始时间,t2为结束时间;当研究时长(t2-t1)设定为1 d,则V为浒苔的日移动速度。

2 Himawari-8黄海浒苔动态监测 2.1 浒苔监测精度验证及对比

图 1为不同卫星2016年黄海浒苔监测图像,水中绿色为浒苔。本文选取浒苔暴发区域内两个自动气象站数据,站点1(34.96°N,120.62°E)位于苏北沿海浒苔暴发区,站点2(36.18°N,121.22°E)位于山东半岛东部近海浒苔聚集区(见图 1)。由5月19日11:10(北京时,下同)Himawari-8和GF-1黄海浒苔监测图像可见,浒苔零星分布于江苏省盐城市海域,影响面积相对较小,Himawari-8与GF-1监测浒苔的分布区域一致。由6月1日11:30 Himawari-8和GF-1黄海浒苔监测图像可见,6月1日浒苔主要分布在黄海中南部海域,江苏省连云港市东部、盐城市北部海域,北部抵达山东省日照市东部海域,距离海岸相对较远,Himawari-8与GF-1监测浒苔的分布区域一致。由6月17日14:00 Himawari-8和FY-3B黄海浒苔监测图像可见,6月17日浒苔聚集于黄海大部分海域,横跨江苏盐城、连云港、山东日照、青岛、烟台海域,距离海岸相对较近,Himawari-8与FY-3B监测浒苔的分布区域一致。由6月25日13:40 Himawari-8和FY-3B黄海浒苔监测图像可见,6月25日浒苔大量集聚于山东省日照、青岛、烟台和威海近岸,Himawari-8与FY-3B监测浒苔的分布区域一致。

图1 2016年黄海海域浒苔监测图像 Fig.1 Enteromorpha monitoring images of the Yellow Sea in 2016

定量对比分别计算浒苔面积,结果显示:5月19日Himawari-8监测浒苔面积为128 km2,GF-1监测浒苔面积为136.7 km2,Himawari-8与GF-1相对误差为-6.4%;6月1日Himawari-8监测浒苔面积为1107 km2,GF-1监测浒苔面积为1203 km2,Himawari-8与GF-1相对误差为-8%;6月17日Himawari-8监测浒苔面积为3023 km2,FY-3B监测黄海浒苔面积为3069 km2,Himawari-8与FY-3B相对误差为-1.5%;6月25日Himawari-8监测浒苔面积为2911 km2,FY-3B监测浒苔面积为2962 km2,Himawari-8与FY-3B相对误差为-1.7%。

2.2 浒苔空间分布与发展过程

利用Himawari-8数据对2016年黄海海域浒苔进行动态监测,由于黄海上空云量的影响,能够监测到浒苔的日数有限,从中选取了浒苔出现期间(2016年5月19日—7月22日)的12幅影像进行研究。2016年黄海海域浒苔时空分布见图 2,水中绿色为浒苔。本文从浒苔分布范围、影响面积、移动路径、强度等方面进行统计。

图2 2016年黄海海域浒苔时空分布 Fig.2 Enteromorpha distribution of the Yellow Sea in 2016

图 2可见,浒苔经历了“出现—发展—暴发—衰退—缓慢消亡”的生命周期,各时期面积统计见表 4。针对部分有云覆盖影像,利用相邻时次影像进行滤云处理,并分别提取浒苔信息。2016年5月19日Himawari-8首次监测到黄海海域出现浒苔信息,零星分布于江苏省盐城市海域,距盐城海岸80 km,分布面积约为128 km2,影响海域面积为3000 km2。随后浒苔逐渐向北、向东发展,5月25日抵达连云港海域,分布面积为600 km2,影响海域面积为7200 km2。6月1—9日浒苔不断发展,逐渐从江苏盐城、连云港方向涌向黄海海域,分布面积为1860 km2,影响海域面积为17000 km2。6月9—17日浒苔面积扩大至3023 km2,分布范围急剧增加,影响海域面积达38000 km2,浒苔外缘距离青岛最近约65 km,浒苔面积达到2016年度监测最大值,浒苔全面暴发。6月17—25日浒苔分布位置明显改变,大量浒苔涌向山东省日照、青岛、烟台和威海近岸,分布面积为2980 km2,影响海域约37000 km2。6月25日—7月18日浒苔大面积登陆青岛、烟台、威海等地,同时分布范围和面积均逐渐减少,浒苔进入缓慢消亡阶段。7月18日仅在青岛北部海域监测到零星浒苔斑点,面积为130 km2。7月22日卫星影像未监测到浒苔信息。

表 4 2016年浒苔面积统计 Table 4 Enteromorpha areas in 2016

根据上述监测结果,2016年黄海海域浒苔总体发展过程可归纳为出现(5月19日前后)、发展(5月下旬—6月上旬)、暴发(6月中旬、下旬)、衰退(7月上旬)、消亡(7月中旬、下旬)5个过程。

2.3 浒苔强度变化分析

根据式(4)计算浒苔强度,结果见图 3图 3可见,浒苔强度随时间不断变化,浒苔发现之初,5月19日—6月1日以轻度浒苔为主;随着时间的推移,6月9日中度和重度浒苔有所增多;6月13—17日浒苔分布范围急剧扩大,中度和重度浒苔有所减少;6月25日由于大量浒苔向近岸集聚,造成中度和重度浒苔大量增多;7月上旬,伴随着浒苔的缓慢消亡,中度和重度浒苔逐渐减少。

图3 2016年黄海海域浒苔强度 Fig.3 Enteromorpha intensity of the Yellow Sea in 2016

对多个时次的浒苔强度进行累加,形成多时次浒苔强度合成产品,从而清晰地显示出浒苔的分布区域和覆盖强度(图 4)。2016年5月下旬以来浒苔在黄海中部海域覆盖强度较大,另外,在烟台以东海域覆盖强度也较大,而浒苔初始位置一带的覆盖强度较小。

图4 2016年5月19日—7月18日黄海海域浒苔强度合成图 Fig.4 Enteromorpha composed intensity of the Yellow Sea from 19 May to 18 Jul in 2016

2.4 浒苔移动路径和速度 2.4.1 浒苔移动路径

利用ArcGIS工具找到各时刻浒苔的中心位置, 以此代表该时刻浒苔的漂移重心, 并绘制浒苔的移动路线。2016年5月19日在江苏省盐城市海域发现零星浒苔,漂移重心距离青岛海岸246 km;6月1日大量浒苔涌向黄海海域,漂移重心距离青岛海岸208 km;6月中旬,浒苔全面暴发,在黄海大部分海域堆积,漂移重心距离青岛约120 km;6月下旬, 浒苔向西漂移过程中开始侵入胶州湾;7月浒苔大面积登陆青岛、烟台、威海等地,并开始逐渐消亡,整个生命周期漂移路径见图 5

图5 2016年黄海海域浒苔移动路径 Fig.5 Enteromorpha drift path of the Yellow Sea in 2016

2.4.2 浒苔移动速度

以浒苔的漂移重心距离青岛海岸的距离为例,根据式(5)计算浒苔移动速度,结果见表 5表 5可见,浒苔重心的平均日移动速度不断变化,其中6月1—6日移动速度最快,为17.6 km·d-1;7月2—14日移动速度最慢,为1.2 km·d-1

表 5 2016年浒苔移动速度 Table 5 Enteromorpha drift speed in 2016

3 浒苔动态变化与水文气象要素的关系

浒苔的形成与发展与很多因素相关,除自身强大的繁殖能力和生长能力外,适宜的温度、pH值、光照强度、盐度和风场等水文气象环境是浒苔暴发和迁移的重要外部因素,对浒苔的大发生起到促进作用。浒苔对海水温度、pH值、盐度、光照强度的适应范围分别为10~30℃,6~10,16~40,大于9 μmol/(m2·s),最适范围分别为20~25℃,8~9,24~28,大于18 μmol/(m2·s)[22-24]。浒苔在海面上漂移,其漂移路径受海面风场和海洋环流影响,定量分析表明,浒苔密集区的移动更倾向于与盛行风向一致,向下风方向漂移[25]。近年来浒苔的发生频率、影响规模和地理范围均呈现明显的上升趋势,浒苔暴发期间的水文气象条件、浒苔聚集和定向移动的原因成为学者关注的热点,以期为防治、治理浒苔提供帮助。

3.1 温度

温度是影响浒苔对营养物质的吸收及自身生长的重要因素,对浒苔的光合作用、呼吸作用及藻体的酶活性都有显著的影响[26-28]。2016年5—7月站点1、站点2逐日气温见图 6。由图 6可见,2016年5—7月黄海海域平均气温逐渐升高。5月下旬苏北海域平均气温稳定在20℃,适宜浒苔的生长,5月下旬浒苔首先出现在苏北沿海。6月上旬随着温度的上升浒苔影响面积迅速增长;6月中旬山东半岛东部海域平均气温达到20℃,浒苔全面暴发。7月上旬黄海海域平均气温超过25℃,同时受人类干预、其他生存条件恶化等因素影响, 浒苔由暴发期进入衰退期, 该阶段浒苔数量和影响范围均开始减少, 并最终消亡。

图6 2016年黄海浒苔暴发区域内两站点逐日气温 Fig.6 Temperature of the Yellow Sea observed by meteorological stations

3.2 风场

2016年浒苔暴发,持续向北—西北方向漂移,最终抵达山东威海,图 7为站点1、站点2在2016年5月1日—7月31日每小时风向玫瑰图,可以看到这段时间内站点1以南—东南风为主,站点2以南—西南风为主,该时段强劲的南风使浒苔一直向北漂移,并最终抵达威海,浒苔移动(图 4)与风向大致相同。

图7 2016年站点1(a)和站点2(b)风向玫瑰图 Fig.7 Wind direction of Station 1(a) and Station 2(b) in 2016

4 结论

本文利用Himawari-8数据对2016年黄海海域浒苔进行动态监测。分析浒苔的空间分布和发展过程,计算浒苔强度,探讨浒苔动态变化与水文气象要素的关系,得到以下主要结论:

1) 浒苔强度随时间不断变化,多时次浒苔强度合成产品显示:浒苔在黄海中部海域、烟台以东海域覆盖强度较大,在初始位置一带的覆盖强度较小。浒苔漂移路径整体为从东南外海开始逐渐向西北近海海域靠近,日移动速度不断变化。

2) 浒苔的动态变化与水文气象环境密切相关。5月苏北海域适宜的气温是浒苔生长和出现的重要因素,6月气温升高,对浒苔的全面暴发起促进作用。苏北海域生成的浒苔向北漂移,并最终抵达山东威海,主要是该时间内黄海海域盛行南风,强劲的南风使浒苔一直向北漂移,浒苔移动与风向大致相同。

参考文献
[1] 张金荣, 唐旭利, 李国强. 浒苔化学成分研究. 中国海洋大学学报, 2010, 40, (5): 93–95.
[2] Zhao J, Jiang P, Liu Z Y, et al. Genetic variation of Ulva (Enteromorpha) prolifera (Ulvales, Chlorophyta)-the causative species of the green tides in the Yellow Sea, China. J Appl Phycol, 2011, 23: 227–233. DOI:10.1007/s10811-010-9563-1
[3] Cho M, Yang C, Kim S M, et al. Molecular characterization and biological activities of watersoluble sulfated polysaccharides from Enteromorpha prolifera. Food Science and Biotechnology, 2010, 19, (2): 525–533. DOI:10.1007/s10068-010-0073-3
[4] 张春桂, 曾银东, 马治国. 基于模糊评价的福建沿海水质卫星遥感监测模型. 应用气象学报, 2016, 27, (1): 112–122. DOI:10.11898/1001-7313.20160112
[5] 李三妹, 李亚军, 董海鹰, 等. 浅析卫星遥感在黄海浒苔监测中的应用. 应用气象学报, 2010, 21, (1): 76–82. DOI:10.11898/1001-7313.20100110
[6] 刘振宇, 江涛. 基于MODIS数据的浒苔信息提取方法研究. 测绘科学, 2008, 33, (增刊Ⅰ): 113–114.
[7] Huo Y Z, Zhang J H, Chen L P, et al. Green algae blooms caused by Ulva prolifera in the southern Yellow Sea:Identification of the original bloom location and evaluation of biological processes occurring during the early northward floating period. Limnology & Oceanography, 2013, 58, (6): 2206–2218.
[8] Lee C K, Park T G. Monitoring and trends in harmful algal blooms and red tides in Korean coastal waters, with emphasis on Cochlodinium polykrikoides. Harmful Algae, 2013, 30: 3–14. DOI:10.1016/j.hal.2013.10.002
[9] 蒋兴伟, 邹亚荣, 王华, 等. 基于SAR快速提取浒苔信息应用研究. 海洋学报, 2009, 31, (2): 63–68.
[10] 薛瑞, 吴孟泉, 刘杨, 等. 基于HJ-1A/1B的2014年黄海海域浒苔灾害时空分布. 海洋科学, 2016, 40, (7): 115–123. DOI:10.11759/hykx20150911002
[11] 贾丽莉, 张安定, 吴孟泉. 基于MODIS的2013年黄海海域浒苔灾害的时空分布. 鲁东大学学报(自然科学版), 2015, 31, (2): 172–177.
[12] 张苏平, 刘应辰, 张广泉, 等. 基于遥感资料的2008年黄海绿潮浒苔水文气象条件分析. 中国海洋大学学报, 2009, 39, (5): 870–876.
[13] 张春桂, 曾银东, 张星, 等. 海洋叶绿素a浓度反演及其在赤潮监测中的应用. 应用气象学报, 2007, 18, (6): 821–830. DOI:10.11898/1001-7313.200706124
[14] 荀尚培, 翟武全, 范伟. 巢湖水体叶绿索a浓度反演模型. 应用气象学报, 2009, 20, (1): 95–99. DOI:10.11898/1001-7313.20090112
[15] 王国伟, 李继龙, 杨文波, 等. 利用MODIS和RADARSAT数据对浒苔的监测研究. 海洋湖沼通报, 2010, (4): 1–8.
[16] 李云波, 张永刚, 唐海川, 等. 基于海气通量算法的海上蒸发波导诊断模型. 应用气象学报, 2009, 20, (5): 628–633. DOI:10.11898/1001-7313.20090515
[17] 李颖, 梁刚, 于水明, 等. 监测浒苔灾害的微波遥感数据选取. 海洋环境科学, 2011, 30, (5): 739–742.
[18] 韩秀珍, 吴朝阳, 郑伟, 等. 基于水面实测光谱的太湖蓝藻卫星遥感研究. 应用气象学报, 2010, 21, (6): 724–731. DOI:10.11898/1001-7313.20100609
[19] 樊彦国, 白羽, 陈潘潘, 等. 青岛近海浒苔光谱特征研究. 海洋科学, 2015, 39, (4): 87–91. DOI:10.11759/hykx20130715003
[20] 陈怀亮, 刘玉洁, 杜子璇, 等. 黄淮海地区植被生长季变化及其气候变化响应. 应用气象学报, 2011, 22, (4): 437–444. DOI:10.11898/1001-7313.20110406
[21] Hu C M. A novel ocean color index to detect floating algae in the global ocean. Remote Sens Environ, 2009, 113, (10): 2118–2129. DOI:10.1016/j.rse.2009.05.012
[22] 何进, 邵红兵, 刘东艳. 不同温度与营养盐条件对浒苔(Ulva prolifera)和肠浒苔(Ulva intestinalis)的生长影响. 海洋通报, 2013, 32, (5): 573–580. DOI:10.11840/j.issn.1001-6392.2013.05.015
[23] 李瑞香, 吴晓文, 韦钦胜, 等. 不同营养盐条件下浒苔的生长. 海洋科学进展, 2009, 27, (2): 211–216.
[24] 王建伟, 闫斌伦, 林阿朋, 等. 浒苔(Enteromorpha prolifera)生长及孢子释放的生态因子研究. 海洋通报, 2007, 26, (2): 60–65.
[25] 衣立, 张苏平, 殷玉齐, 等. 2009年黄海绿潮浒苔爆发与漂移的水文气象环境. 中国海洋大学学报, 2010, 40, (10): 15–23.
[26] 吴孟泉, 郭浩, 张安定, 等. 2008年-2012年山东半岛海域浒苔时空分布特征研究. 光谱学与光谱分析, 2014, 34, (5): 1312–1328.
[27] Yamaguchi H, Mizushima K, Sakamoto S, et al. Effects of temperature, salinity and irradiance on growth of the novel red tide flagellate Chattonella ovate (Raphidophyceae). Harmful Algae, 2010, 9, (4): 398–401. DOI:10.1016/j.hal.2010.02.001
[28] Song W, Peng K, Xiao J, et al. Effects of temperature on the germination of green algae micro-propagules in coastal waters of the Subei Shoal, China. Estuarine Coastal & Shelf Science, 2015, 163: 63–68.