论文部分内容阅读
浒苔绿潮和马尾藻金潮灾害是近年来我国近海常见的两种大型漂浮藻类灾害,严重影响海洋生态环境并造成巨大经济损失。自2007年以来,我国黄海海域每年夏秋两季都会暴发大规模的绿潮灾害,分布面积可达数万平方千米。但是从2013年6月开始,青岛、日照附近海域还发现了大量的漂浮马尾藻,不仅造成了马尾藻金潮这一新的有害藻华问题,而且增加了浒苔绿潮的监测和治理难度。因此需要采取有效手段对浒苔与马尾藻等漂浮藻类进行监测、预防和治理。利用卫星遥感技术可以准确获取大型藻类的位置、面积和漂移路径等信息,这为藻类灾害的早期发现、动态跟踪以及灾后评估等提供技术支持。因此,本研究结合静止水色卫星GOCI（Geostationary Ocean Color Imager）传感器的波段特征,基于缨帽变换算法开发了一种简单有效的绿潮指数算法（Green Tide Index from TCT,TCT-GTI）以及基于国产卫星GF-1提出了马尾藻指数算法（Sargassum Index from TCT,TCT-SI）。同时,针对浒苔和马尾藻混生区域,利用高空间分辨率卫星Landsat 8卫星提出了SUI指数（Sargassum and Ulva prolifera Index）,有望对我国黄渤海区域包括浒苔和马尾藻在内的大型藻类进行实时监测。另外,本研究也分析了包括风场在内的海洋气象因素对大型藻类的影响。主要研究结论如下:（1）利用缨帽变换算法设计了一种简单有效的绿潮指数算法（TCT-GTI）。通过目视判断绿潮识别结果和两种已存在的遥感算法（AFAI和IGAG算法）监测结果对比发现,TCT-GTI算法的绿潮遥感监测结果精度较高,具有较高的可信度。将TCI-GTI算法应用到2017年多景GOCI影像,对中国黄海海域绿潮信息进行提取,并分析绿潮覆盖面积的日变化特征及研究2017年绿潮暴发事件的漂移轨迹。研究结果表明,绿潮覆盖面积在中午12:30达到最大,这可能受光合作用等因素的影响。2017年绿潮暴发事件经历了西北-东北的漂移路径,由江苏盐城外海海域向西北方向漂移至南黄海东部,然后继续向东北方向移动,抵达山东半岛南岸,逐渐消亡。（2）基于分析卫星影像中马尾藻和海水的瑞利校正反射率(Rayleigh-corrected reflectance,Rrc)光谱特征,提取其光谱特征差异,提出了马尾藻指数算法（TCT-SI）。研究结果表明,基于TCT-SI算法的马尾藻遥感监测结果精度较高,具有较高的可信度,而NDVI算法更易受到环境的影响,同时会将一部分水体误判为马尾藻。（3）通过分析卫星影像中马尾藻、浒苔和海水的Rrc光谱特征,发现海水、马尾藻和浒苔的光谱特征差异明显。可见光波段,海水反射率一般低于浒苔和马尾藻,浒苔光谱在510-580 nm波段间,形成一个反射峰波段,而马尾藻反射峰在580-650 nm波段间,浒苔和马尾藻的光谱特征在510-650 nm波段间存在差异。近红外波段,浒苔和马尾藻反射率都很高,海水反射率一般很低,海水、浒苔和马尾藻光谱近红外波段差异最大。因此提出的SUI指数进一步区分浒苔和马尾藻。本文采用两个步骤,第一步将海水和大型藻类（浒苔和马尾藻）分开,第二步鉴定出浒苔和马尾藻。对于第二步骤,新建了浒苔马尾藻识别算法,该算法在Landsat 8卫星影像鉴别浒苔和马尾藻实证研究中取得了较好的效果,特别在浒苔和马尾藻混生现象中能有效鉴别出这两类藻体。本文开发出了有效准确且易操作的浒苔、马尾藻识别算法以及浒苔马尾藻区分算法,达到浒苔和马尾藻两种大型藻类的区分,给浒苔和马尾藻精确溯源工作提供支持,有利于最大程度上减少经济损失,同时为浒苔和马尾藻灾害的监测、预报预警提供技术支撑。