1 中山大学 大气科学学院，广东 珠海 519082
2 热带大气海洋系统科学教育部重点实验室，广东 珠海 519082
3 南方海洋科学与工程广东省实验室（珠海），广东 珠海 519082
4 中国海洋大学 信息科学与工程学部，山东 青岛 266071
5 自然资源部第一海洋研究所，山东 青岛 266061
6 国家海洋技术中心，天津 300112
采用14年（2006~2019年）的CALIOP星载激光雷达数据，基于最新的激光雷达气溶胶类型划分方法，辨识了0.28~8.17 km高度范围内渤海、黄海主导气溶胶类型，揭示了各类气溶胶的垂直分布特征，分析了其长期演变趋势和季节差异。研究发现：（1）受到东亚大陆特别是沙尘输运的显著影响，渤海、黄海主导气溶胶类型为沙尘海洋型（36%）、沙尘型（25%）、清洁海洋型（17%）、煤烟型（11%）和污染沙尘型（9%）（合计>97%），其中与沙尘有关的3种气溶胶类型占比合计近七成。（2）各类型气溶胶的垂直分布特点鲜明：清洁海洋型和沙尘海洋型气溶胶主要分布在2.5 km高度以下；污染沙尘型和煤烟型气溶胶则主要分布在2.5 km高度以上；沙尘型气溶胶占比随高度增加而增大。（3）从长期演变来看，14年间污染沙尘型气溶胶占比呈波动下降趋势，清洁海洋型气溶胶占比逐年增加，煤烟型气溶胶占比逐年降低。（4）各类型气溶胶的占比及垂直分布均具有明显的季节差异。
星载激光雷达 渤海 黄海 气溶胶类型 沙尘 spaceborne Lidar Bohai Sea Yellow Sea aerosol type dust 红外与激光工程
2021, 50(6): 20211030
1 中国海洋大学信息科学与工程学院, 山东 青岛 266100
2 国家海洋局第一海洋研究所, 山东 青岛 266061
基于黄河口海域实测数据,建立了利用745 nm(模型1)和680 nm(模型2)波段遥感反射率的颗粒有机碳(POC)浓度反演模型,得到的平均相对误差(APD)均低于26%,其中模型1表现更优。结合海洋水色成像仪(GOCI)影像和实测数据对两个模型进行了精度评估,平均相对误差均在30%以内。基于所建立的模型和卫星遥感影像,分析了逐时、大风过程(几日之间)、季节变化三种情况下黄河口海域POC浓度的时空变化特征。结果表明,冬季POC浓度整体较高,夏季POC浓度整体较低;渤海湾附近出现POC浓度最高值。三种情况下,POC浓度的变化范围在同一尺度上,表明短时间间隔并不意味着POC浓度变化范围也小,其季节平均效应是显著的。
海洋光学 颗粒有机碳 遥感反演 黄河口 时空分布
1 国家海洋局第一海洋研究所， 山东 青岛 266061
2 中国海洋大学信息科学与工程学院， 山东 青岛 266100
3 南京大学地理与海洋科学学院， 江苏 南京 210023
海上漂浮绿潮生物量的估算对实现绿潮处置资源高效配置、提高应急处置效率具有重要意义。利用现场实验获取的漂浮绿潮单位面积生物量及其地物反射光谱数据，分析了漂浮绿潮光谱特征和多种光谱指数与单位面积生物量之间的响应关系，基于此构建并验证了漂浮绿潮生物量估算模型。结果显示漂浮绿潮近红外波段反射率与单位面积生物量之间存在强相关关系(相关系数R≈0.8)；光谱指数以及960 nm反射峰和1060 nm吸收峰峰值与漂浮绿潮单位面积生物量显著相关(R>0.7)；基于R960/R670和R1060/R670(R670，R960，R1060分别为670,960,1060 nm处的反射率)构建的漂浮绿潮生物量指数估算模型具有较高的精度(R2≈0.9，相对误差RPE≈27%)。研究结果为利用遥感技术实现海面漂浮绿潮生物量估算提供了参考。
光谱学 遥感 生物量 光谱特征 绿潮
1 山东省海洋生态环境与防灾减灾重点实验室, 山东 青岛 266061
2 国家海洋局北海预报中心, 山东 青岛 266061
3 国家海洋局第一海洋研究所, 山东 青岛 266061
本文选取晴好天气条件下的MODIS影像为研究数据, 以“类间距”为评价指标, 对比分析了5种常用的植被指数(NDVI、EVI、ARVI、RVI和DVI)对不同生长阶段绿潮的探测能力, 在此基础上, 利用最优指数开展了2014年黄海绿潮的过程分析, 并与历年监测结果进行了对比。结果表明, NDVI算法对绿潮各个生长阶段的探测能力均最强。2014年黄海绿潮生消过程共计85天, 绿潮密集区先向东北漂移, 然后向西北漂移, 最后转向东北方向漂移。最大覆盖面积为540 km2, 最大分布面积为50 000 km2; 与历年监测结果相比, 2014年黄海绿潮的覆盖面积较小, 但分布面积较大。
植被指数 MODIS数据 绿潮 不同生长阶段 业务化应用 Vegetation Index MODIS data Green Tide Various Stages Operational application
1 山东省海洋生态环境与防灾减灾重点实验室, 山东 青岛266061
2 国家海洋局北海预报中心, 山东 青岛266061
3 国家海洋局第一海洋研究所, 山东 青岛 266061
在绿潮遥感业务化监测中, 250 m分辨率的MODIS卫星数据是主要数据源, 归一化差值植被指数(NDVI) 是绿潮卫星遥感信息提取的主要方法。研究发现, 由于MODIS空间分辨率较低, 存在大量的混合像元, 导致提取的绿潮覆盖面积明显偏大。针对该问题, 本文在MODIS绿潮NDVI计算的基础上, 首先对大于NDVI阈值的像元进行混合像元分解, 得到MODIS NDVI混合像元分解后的绿潮面积, 然后以准同步的30 m分辨率HJ-1 CCD影像提取的绿潮覆盖面积为真值, 建立了MODIS NDVI混合像元分解得到的绿潮面积与HJ-1提取的绿潮面积之间的关系模型, 以实现绿潮面积的精细化提取。与传统的NDVI阈值法和混合像元分解法相比, 该方法提取的绿潮覆盖面积更接近于“真值”, 面积约为“真值”的96%, 而传统的NDVI阈值法和混合像元分解方法提取的面积分别为“真值”的2.96倍和45%。另外, 与传统的NDVI阈值法相比, 新方法对NDVI阈值变化不敏感, 在相同的NDVI阈值变化区间内, 前者提取的绿潮覆盖面积变化了41%, 而新方法的变化仅为11%。本文的工作在很大程度上解决了MODIS空间分辨率低导致的绿潮监测结果不准确的问题, 为精细化的绿潮卫星遥感业务监测提供了参考。
混合像元分解 绿潮监测 Mixed pixel decomposition MODIS MODIS NDVI NDVI green tide monitoring
1 中国海洋大学, 山东 青岛 266100
2 国家海洋局第一海洋研究所, 山东 青岛 266061
研究表明, 多源卫星数据提取的绿潮信息存在较大差异, 通常认为可能的主要原因是不同卫星遥感器的的空间分辨率、过境时间差、波段设置等各不相同, 但对此仍缺乏深入的研究。本文采用波段设置和过境时间完全相同、仅空间分辨率不同的四景MERIS全、降分辨率(300 m和1 200 m)影像, 利用统一的算法(NDVI)进行绿潮信息提取, 量化了空间分辨率对绿潮覆盖面积、密集度(由斑块个数、聚合度表征)卫星遥感信息提取的影响。结果表明: 空间分辨率对绿潮覆盖面积卫星遥感信息提取影响显著, 全、降分辨率MERIS影像提取的绿潮覆盖面积最大相对偏差可达67%, 遥感影像的空间分辨率对绿潮面积提取结果的影响既与绿潮NDVI探测阈值有关, 还可能与绿潮发展阶段有关。绿潮密集度卫星遥感提取结果也受遥感影像空间分辨率的影响, 全分辨率MERIS影像提取的绿潮斑块个数为降分辨率影像的7~21倍, 绿潮聚合度较降分辨率影像高15%~25%。
绿潮 空间分辨率 覆盖面积 密集度 green microalgae bloom MERIS MERIS spatial resolution covered area concentration
1 中国海洋大学信息科学与工程学院, 山东 青岛 266100
2 国家海洋局第一海洋研究所, 山东 青岛 266061
利用渤、黄海407组实测透明度(0.1~18.0 m)与遥感反射率光谱数据, 评估了3种透明度半分析遥感反演算法在渤、黄海的适用性, 包括基于709 nm波段、基于560 nm波段和基于固有光学量准分析算法的透明度半分析算法。结果表明: 3种半分析算法均不适用于渤、黄海水体, 透明度反演值的均方根误差(RMSE)都大于2.2 m, 平均相对误差(APD)都高于68%。其中, 基于560 nm波段的半分析算法反演误差相对较小, RMSE为2.2~4.6 m, APD为68.0~86.7%。
透明度 Secchi 深度 半分析算法 评估 渤海 黄海 transparency Secchi depth semi-analytical algorithm validation Bohai and Yellow Sea
