伍玉梅，王 芮，程田飞，唐峰华，张胜茂

(中国水产科学研究院东海水产研究所,农业农村部远洋与极地渔业创新重点实验室,上海 200090)

赤潮，也被称为红潮，是一种异常的海洋生态现象，是海水中某些浮游植物、原生动物或细菌在一定环境条件下，短时间内突发性增殖或聚集而引起的一种水体变色的生态异常现象[1]，赤潮暴发时，水体颜色一般会发生变色，多数表现为赤红色。赤潮生物在营养元素消耗殆尽后，不断死亡，细菌分解这些有机物需要消耗水体中大量的溶解氧，使得溶解氧减少，形成缺氧环境，进而导致海洋生物窒息而死，对渔业资源产生严重的负面影响，也会打破原有的生态平衡，破坏海洋生态环境。赤潮生物释放的毒素会对海洋中的鱼、虾、贝等生物产生不良影响，严重时还会导致摄入赤潮毒素的海洋生物死亡；另外，其他动物误食富集着赤潮毒素的海洋生物后也会产生毒害作用。近二三十年，随着沿海地区的工、农业发展和人口的不断增长，向沿岸海域排放的工、农业废水和生活污水量剧增，富营养化程度日趋严重；同时，沿海地区开发速度加快，海水养殖业发展规模加大，使得赤潮的发生频率升高、发生面积增大，带来的影响和危害也大大增加[2]。因此，开展赤潮及其环境的监测和研究具有重要的现实意义。 相比于实地观测调查，遥感技术可以为赤潮的监测和研究提供良好的观测信息，有助于及时掌握突发、持续时间短和影响范围较大的赤潮灾害情况。自20世纪80年代以来，随着卫星观测平台和传感器的不断发展，卫星遥感在赤潮监测和研究中得到了较快的发展，不同的遥感平台，搭载不同的传感器，构建不同的反演算法，可为赤潮观测研究提供大范围、长时间、实时的观测信息。以卫星发射的先后次序对国内外用于赤潮提取监测的6个主要卫星/传感器进行逐一介绍，分析不同卫星/传感器的设计特点、观测优势及在赤潮研究方面开展的工作进展。

1 卫星遥感提取赤潮信息的依据

卫星遥感提取赤潮信息的原理主要是依据赤潮与非赤潮时水体光谱特性上的差异，通过水体光谱特征的差异对赤潮进行识别。赤潮发生时，海水中的浮游植物、原生动物或者细菌过度繁殖会使水体颜色发生变化，一般海水会呈现红、黄、绿或者褐色，导致卫星接收到水体反射的光学信号发生改变。RUDDICK等[3]通过对水体光谱的分析，发现赤潮水体在450 nm和660 nm波段附近会出现吸收峰，在700 nm波段处有反射峰，该反射峰随叶绿素a浓度的变化而发生移动，当叶绿素a浓度增加时，其会向长波方向移动；而非赤潮水体在上述3个波段附近则不出现明显的吸收峰和反射峰。不同藻类引发的赤潮光谱曲线也会有所差异，这种差异则成为利用遥感技术提取赤潮信息的依据。另外，海面温度、盐度、叶绿素a浓度、光照、流场、水文气象等因子也与赤潮发生特征具有一定的关系，可以将其作为遥感反演赤潮的参考因素。

2 国内外赤潮遥感监测研究进展

目前，用于赤潮遥感监测的水色传感器数量众多，按照搭载传感器的卫星发射时间顺序，依次为：海岸带水色扫描仪(Coastal Zone Color Scanner，CZCS)、高分辨率辐射计(Advanced Very High Resolution Radiometer，AVHRR)、海洋宽视场传感器(Sea-viewing Wide Field-of-view Sensor，SeaWiFS)、中分辨率成像光谱仪(Moderate Resolution Imaging Spectrometer，MODIS)、中等分辨率成像光谱仪(Medium Resolution Imaging Spectrometer，MERIS)和地球同步海洋水色成像仪(Geo-stationary Ocean Color Imager，GOCI)。

2.1 海岸带水色扫描仪(CZCS)

CZCS是搭载在卫星Nimbus-7上的一个主要传感器，于1978年发射升空，是第一颗为海洋研究而开发设计的传感器，虽然仅运行了8年，但是其开启了海洋水色卫星遥感的时代。CZCS上设置了6个观测通道，中心波长分别为443 nm、520 nm、555 nm、670 nm、750 nm和11.5 μm。

STEIDINGER等[4]基于CZCS数据对佛罗里达海域开展赤潮研究，结果发现当赤潮发生时，该海域内的叶绿素a浓度相对非赤潮期时偏高。HOLLIGAN等[1]根据赤潮水体光谱特征，利用CZCS获得的第1波段(中心波长为443 nm)和第3波段(中心波长为555 nm)的遥感反射率，提出了反演赤潮的双波段比值模型，反演效果比较理想，为后来的学者提出多波段差值比值模型奠定了基础。VARGO等[2]利用CZCS遥感图像开展赤潮发生面积和初级生产力的研究，估算了佛罗里达西海岸的赤潮发生面积，研究认为赤潮对初级生产力有积极贡献，赤潮发生时的初级生产力比非赤潮时增加了2～5倍。

CZCS作为第1个海洋水色传感器，对监测赤潮有一定的应用潜力，但是其重访周期较长。另外，其影像采集和处理方面也有一定的延迟，因此不太适合用于开展赤潮的业务化监测。

2.2 高分辨率辐射计(AVHRR)

AVHRR是搭载在NOAA系列卫星上的重要传感器之一，主要用于日常的气象观测；此外，有一些学者采用其第1波段(580～700 nm)和第2波段(720～1 000 nm)开展海洋光学参数的观测研究。

GROOM等[5]建立了AVHRR单波段反演赤潮的遥感模型，采用AVHRR第1波段观测到悬浮泥沙、赤潮水体及清洁水体的反射率值。由于赤潮生物细胞颗粒对入射光有较强的散射作用，使得赤潮水体的反射率高于正常海水，AVHRR正是利用了这一原理进行赤潮观测研究。由于AVHRR不能很好地区分赤潮水体与非赤潮水体的高反射率，所以其不适用于Ⅱ类水体的识别。STUMPF等[6]利用AVHRR的近红外光和可见光两个波段获得的水体反射率值构建叶绿素a浓度反演的双波段比值模型，结果显示，该模型比较适用于与叶绿素a浓度密切相关的赤潮观测研究，但不适用于悬浮泥沙浓度较大的海域。GOWER[7]采用信号差值法，利用AVHRR在第1波段(580～680 nm)和第2波段(725～1 000 nm)获得的遥感信息建立了AVHRR双波段差值反演模型，并开展了加拿大西岸的赤潮研究。SVEJKOVSKY等[8]将AVHRR和SAR等两种资料有效结合，也采用信号差值法开展了美国西部海域离岸赤潮的反演研究。楼琇林等[9]采用AVHRR 3个波段获取的遥感反射率和海表温度构建了反演赤潮的3层BP(back propagation)神经网络模型，反演精度达到78.5%，但研究样本较少。潘德炉等[10]将中国研制的太阳同步轨道气象卫星风云一号C卫星(FY-1C)观测的数据用于赤潮监测研究，采用了FY-1C反演的叶绿素a浓度数据，结合AVHRR红外通道反演的海表温度信息，根据海洋水色及水温的变化对赤潮进行了监测研究。

1970年，NOAA发射第1颗卫星之后，累计共发射了19颗卫星，其中编号NOAA-15之后搭载的AVHRR传感器可用于水色研究，但其观测的空间分辨率较低，对赤潮的研究有一定限制。NOAA系列观测卫星积累了近50年的长时间观测资料，并且具有1 d内可对同一海域实现多次重复观测等优势，在赤潮的监测研究中有一定的应用价值。

总的来说，AVHRR具有免费、实时、重访周期短等特点，但观测通道少、波段宽、灵敏度不高等缺陷限制了其监测赤潮信息的能力。

2.3 海洋宽视场传感器(SeaWiFS)

SeaWiFS是搭载在海洋卫星Seastar上的一个主要传感器，于1997年8月发射升空，其空间分辨率为1.1 km×1.1 km，时间分辨率为1～2 d。SeaWiFS设置了8个观测波段，其中心波长分别为：412 nm、443 nm、490 nm、510 nm、555 nm、670 nm、765 nm和865 nm。SeaWiFS比CZCS的波段更多，信噪比更高，且配置了更加合理的波段进行大气校正，这些改进使其更有利于建立色素反演算法。尤其在采用补偿悬浮物散射的大气校正算法和局地叶绿素a算法的情况下，能反演得到较高精度的叶绿素a浓度。

毛显谋等[11]开展了东海区Ⅱ类水体的赤潮水体、叶绿素a和悬浮泥沙的光谱观测，对比了双波段差值比值法和多波段差值比值法的优缺点，认为可以依据不同赤潮藻种特点选择多波段组合反演模式提高赤潮反演的精度。孙强等[12]基于SeaWiFS数据，利用赤潮水体光谱特征，提出三波段差值法反演赤潮，并将其用于开展1997年秋季暴发的闽南铜绿微囊藻(Microcystisaeruginosa)赤潮研究。STUMPF等[13]采用SeaWiFS开展墨西哥湾腰鞭毛藻(Kareniabrevis)赤潮的暴发和移动等研究，通过计算叶绿素a浓度异常，有效地减少了部分叶绿素a浓度的反演误差。MILLER等[14]基于STUMPF等的研究工作，用叶绿素a浓度中值替代叶绿素a浓度平均值，也获得了赤潮的分布情况。相比于均值法，中值法可以避免异常点带来的误差。AHN等[15]利用SeaWiFS数据，提出估算赤潮生物富集程度的赤潮指数法(Red Tide Index)，先利用SeaWiFS第2、4、5波段的离水辐射率Lw计算赤潮指数，再以赤潮指数为应变参数，构建叶绿素a浓度反演的指数模型，并将该模型用于反演亚洲东北部海域的赤潮，根据实测数据进行方法的精度验证，表明该方法优于OC4算法。

2.4 中分辨率成像光谱仪(MODIS)

MODIS是第一个能从低地球轨道观测叶绿素荧光的卫星传感器，搭载在Terra和Aqua两颗卫星上，这两颗卫星分别在1999年和2002年发射，MODIS配置了36个观测通道，用于海洋水色遥感观测的通道有9个，分别是412 nm、443 nm、488 nm、531 nm、551 nm、667 nm、678 nm、748 nm和867 nm，其空间分辨率为1 km×1 km。MODIS比SeaWiFS多设置了1个荧光通道(中心波长678 nm)，MODIS的第14波段可用于观测叶绿素荧光信号[16]。

GOWER等[17]根据MODIS观测数据特点，建立了荧光基线高度算法(Fluorosence Line Height，FLH)，用于反演叶绿素a浓度，采用MODIS第13、14、15波段观测的数据，其中一个波段观测的是叶绿素荧光的极大值(靠近685 nm)，另外两个波段位于荧光峰的两侧，用来产生荧光峰下的基线。2005年，HU等[18]采用MODIS荧光数据对佛罗里达西南海岸的有害赤潮进行观测研究，尽管荧光线高度分布反演中受到荧光效率等影响，但荧光线高度分布比叶绿素a浓度分布更适用于赤潮观测，其结果也表明，将MODIS 荧光线高度用于海岸带环境赤潮监测具有一定的潜力。王其茂等[19]对渤海海域水体的光谱特性进行分析后，选用MODIS的第3、4、9、11波段获取的遥感数据进行组合，构建渤海赤潮反演方法，并进行赤潮信息提取。李继龙等[20]用MODIS获取的遥感图像提取长江口及邻近水域的赤潮信息，主要采用的是多波段差值比值法，采用19℃海表温度及6 mg·m-3叶绿素a浓度作为赤潮反演的阈值。2014年，张涛[21]基于MODIS数据，采用其第3、4波段的反射率比值，并结合监督分类法对珠江口海域的赤潮信息进行提取，取得良好的效果。

2.5 中等分辨率成像光谱仪(MERIS)

MERIS是欧洲航天局Envisat卫星上搭载的1个主要传感器，于2003年发射，主要用于海洋水体监测。MERIS设置了15个波段，其中心波长分别为412.5 nm、442.5 nm、490 nm、510 nm、560 nm、620 nm、665 nm、681.25 nm、709 nm、753 nm、760 nm、775 nm、865 nm、890 nm和900 nm。与之前的传感器相比，其设置了更多的可见光通道和更高的空间分辨率，并设立了3个用于获取水体荧光信息的荧光通道(中心波长分别为665 nm、681 nm和709 nm)。

2005年，GOWER等[22]利用最大叶绿素a浓度指数法反演加拿大西岸的赤潮，采用的是MERIS的681 nm、709 nm和753 nm 3个波段获取的遥感信息，结果表明MERIS对赤潮有较好的观测灵敏度与应用潜力。BERNARD等[23]采用离水辐射率比值方法进行赤潮的反演，采用了MERIS的709 nm和665 nm 2个波段获取的离水辐射率信息，并与同期获得的现场数据进行对比，结果表明该算法反演精度较好。KUTSER等[24]分析了MERIS光谱特性，发现蓝、绿藻的光谱特征在其第6、7波段存在吸收峰与反射峰，因此将这两个波段的比值用于蓝、绿藻赤潮反演模型，结果显示，MERIS比AVHRR和MODIS有更强的探测能力。2007年，KOPONEN等[25]采用MERIS观测信息提取芬兰附近海域的赤潮，利用的也是MERIS第6、7波段，与机载高光谱数据进行对比，反演精度较好。姜广甲等[26]基于MERIS资料，对4种叶绿素a浓度反演模型在太湖Ⅱ类水体的估算进行了对比，认为改进的三波段算法在这个区域的反演精度较高，其最佳反演波段是第8、9和10波段。刘阁等[27]开展了MERIS资料在洪泽湖叶绿素a浓度的反演应用，分析了5种叶绿素a浓度反演模型在该区域的适用性，并获得了洪泽湖2002—2012年的平均叶绿素a浓度的空间分布情况。

2.6 地球同步海洋水色成像仪(GOCI)

GOCI是搭载在世界第1颗地球静止气象卫星(Communication Ocean and Meteorological Satellite，COMS)的水色遥感器，于2009 年发射，主要用于气象服务和海洋监测研究，从可见光到近红外光共设置了8个波段，中心波长分别为412 nm、443 nm、490 nm、555 nm、660 nm、680 nm、745 nm和865 nm，实时监测区域以韩国为中心，包括韩国、朝鲜、日本、俄罗斯及中国约2 500 km × 2 500 km的区域，其最突出的优势是时间分辨率可达1 h，全天可获得观测区域8景影像，数据幅宽为2 500 km×2 500 km[28]。

GOCI的波段设置与SeaWiFS、MODIS相似，可以很好地进行海洋水色的观测研究；另外，GOCI可对研究区域进行连续观测(09∶00—16∶00)，增加了数据的获取率，降低了云层干扰引起的误差和数据缺失的概率，还有高时空分辨率、长光学路径及高信噪比的优点，在监测海上赤潮及其后续消除治理工作方面具有优势，应用前景好。

江彬彬等[29]利用GOCI的归一化离水辐射率参数进行赤潮的判断，有效地对中国东海海域3次赤潮事件进行监测研究。LOU等[30]提出了新的赤潮遥感信息提取算法，采用GOCI数据开展赤潮在1 d内的变化研究，结果表明，该算法可以较好地提取赤潮信息。王芮等[31]对GOCI获取的东海海域的遥感图像进行了数据分析，并采用3种算法对东海叶绿素a浓度反演进行对比研究，分析了东海叶绿素a浓度在不同时间段的分布及变化情况，为今后研究东海赤潮的日变化规律奠定基础(见图1)。

图1 YOC算法反演的2011年5月29日10∶30—13∶30叶绿素a浓度分布情况Fig.1 Distribution of chlorophyll a concentration retrieved by YOC algorithm during 10∶30 — 13∶30 on May 29th, 2011注：灰色为陆地，白色为有云层覆盖的海域，彩色为叶绿素a浓度分布Note：The gray means the land, the white is the sea covered by cloud and the colorful area indicates the chlorophyll a concentration distribution

3 结论与展望

利用卫星遥感技术开展赤潮监测得到越来越广泛的应用，但也存在着诸多不足，例如受天气影响较大，不能全天侯、全天时工作，阴雨天气和夜晚也无法对赤潮进行监测等；另外，开展海洋水色研究，要求传感器应具有较高的观测频次和空间分辨率，但目前水色卫星及传感器的空间观测分辨率不高，难以达到上述要求。至今，赤潮遥感监测技术还不成熟，没有建立可靠的监测系统和预报体系，要实现有效地业务化运行任重而道远。

利用遥感探测赤潮主要是依据水体中叶绿素a浓度进行判断，因为赤潮主要是由于浮游植物暴发性增殖引起水体变色的一种生态异常现象，海水中浮游生物量及分布可以通过海洋中叶绿素a含量得以反映，因此可以通过遥感反演的叶绿素a浓度用于监测赤潮灾害的发生。当前，赤潮遥感的反演方法主要有叶绿素a浓度法、荧光法、温度法和波段差值比值法，一些试验研究表明，荧光法对于Ⅱ类水体和赤潮水体的叶绿素a浓度反演精度比较好[32-33]。现有的赤潮提取和监测模型普适性不强，一般只适用特定海区和典型赤潮类型，模型的适用性和实用性还需要经过长期地验证和完善。

近年来，国内学者在赤潮发生机理、监测和预报的研究方面取得了较大进步，但在遥感机理研究、赤潮探测与监测技术等方面的探索仍不够深入和成熟，也缺少专用的赤潮遥感卫星。为了更好地将卫星遥感观测技术应用于中国赤潮灾害监测及研究，需要加强卫星遥感技术在赤潮灾害监测、预报、防治和管理等方面的研究工作：1)需要加强赤潮卫星遥感机理研究，尤其是光谱、热红外辐射特性及微波散射特性在赤潮水体的测量和研究；2)针对中国近海Ⅱ类水体特点，重点开展Ⅱ类水体的赤潮卫星遥感探测和识别技术开发；3)提高中国水色遥感卫星的研制能力，提高卫星探测的空间和时间分辨率，并结合中国近海Ⅱ类水体特点，设计适合中国近海赤潮遥感的观测波段。

今后，可借助静止水色卫星时间分辨率高的优势，对局地海域的水色情况开展更细致的变化分析，可分析其1 d内的逐时变化情况，并能针对一些突发事件，例如赤潮、浒苔、台风等灾害，开展实时海上水色监测。