论文部分内容阅读
2008年以来,已经连续10年在黄海大面积暴发绿潮灾害,对附近沿岸城市的生态环境、近海养殖以及观光旅游产业造成持续威胁。本文开展基于无人机的多源数据黄海绿潮监测研究,以弥补传统卫星遥感监测手段在绿潮早期监测和区域绿潮监控治理方面存在的空间和时间分辨率不足的问题。首先采用四种基于无人机RGB影像的颜色指数分别对岸滩绿潮、海面漂浮绿潮以及紫菜筏架附着绿潮藻进行监测识别,确定不同情景下的最佳绿潮识别算法。在此基础上,根据无人机的现场调查数据,提出辐射沙洲区绿潮藻初始生物量估算模型,并结合S2A影像和现场调查数据对辐射沙洲区绿潮藻初始生物量进行估算。综合利用无人机、航次调查以及GF-1 WFV数据对MODIS绿潮监测的误差进行定量分析,并利用MODIS数据分析2015年以来黄海绿潮的时空变化特征,为绿潮的综合防控提供参考依据。主要结论如下:(1)利用无人机对岸滩、海面、筏架三种情景下的绿潮进行监测时,精度最高的常用颜色指数分别是GLI、NGBDI和NGRDI。(2)验证了紫菜养殖筏架梗绳上附着绿潮藻是辐射沙洲区绿潮藻初始生物量的主要来源。(3)基于卫星遥感、无人机航拍以及现场调查数据估算,2017年有2900 t绿潮藻被丢弃入海,成为绿潮暴发的初始生物量。(4)多源验证数据表明MODIS仍是目前绿潮监测的重要数据源。MODIS数据对10 m以下绿潮斑块监测精度较低,对于100 m以上绿潮具有较高的监测精度;MODIS数据对绿潮的位置信息具有较高的监测精度,对大范围绿潮进行面积估算时有50%左右的监测误差。(5)2016年是黄海绿潮2008年暴发以来面积最大的一年,2017年有下降的趋势;绿潮整个生消过程符合“形成→发展→爆发→治理→消亡”的规律,当绿潮处于“发展”阶段并处在苏北浊水区时是最佳的绿潮打捞治理时机。论文创新点:1)验证了适用于不同环境下绿潮监测的无人机颜色指数。2)提出一种辐射沙洲区筏架绿潮藻初始生物量估算模型,对2017年筏架绿潮藻入海生物量进行估算。3)利用多源同步数据定量揭示MODIS绿潮监测误差。