徐晓晖，毛志华，陶邦一

（1.中国科学院 南海海洋研究所，广东 广州 510301；2.国家海洋局 第二海洋研究所，浙江 杭州 310012；3.中国科学院大学，北京 100049）

0 引言

赤潮，又名红潮（red tide or algal blooms），是由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］。赤潮是最严重的海洋灾害之一，它不仅破坏海洋渔业生产、恶化海洋环境、影响滨海旅游业，而且还会因误食被有毒赤潮生物污染的海产品而造成误食者中毒、甚至死亡。东海是我国赤潮灾害的“高发区”，赤潮发生次数和面积均明显高于渤海、黄海和南海3个海区。东海赤潮爆发时呈现出赤潮面积大、区域集中，且有毒有害赤潮增加等特点。应用遥感技术可以大面积、同步、快速监测赤潮，是赤潮监测的最重要、最有效的手段之一。赤潮发生时，赤潮生物大量聚集，使水体的颜色发生变化，因而水体的光谱特性也发生相应的变化，这些变化能被遥感手段探测到。因此，赤潮水体的光谱信息是建立赤潮遥感监测模型、提取赤潮信息的重要依据。

国内外学者对利用赤潮水体的光谱特性提取赤潮信息进行了大量的研究。研究的方法主要有单波段阈值法、双波段比值法以及多波段差值比值法。使用的传感器有 CZCS、AVHRR、SeaWiFS、MODIS、MERIS和FY－1。

1983年 HOLLIGAN et al［2］基于 Nimbus－7卫星CZCS传感器，建立了赤潮遥感双波段比值模型，其表达式为R1／R3＞C，其中R1和R3分别为CZCS第1和第3波段的反射率，C为阈值。1987年GROOM et al［3］建立了基于NOAA卫星AVHRR传感器的单波段赤潮遥感模型，其表达形式为R1＞C，其中R1和C分别为AVHRR第1波段的反射率和阈值。2003年毛显谋等［4］利用多波段差值比值法，发展了针对SeaWiFS和FY－1传感器资料的赤潮监测模型，并对东海海区进行赤潮信息提取处理。2006年王其茂等［5］利用MODIS通道4与通道3的反射率和通道11与通道9的离水辐射率比，再结合悬浮泥沙信息提取了渤海海水中的赤潮信息。2006年AHN et al［6］用赤潮指数（Red Tide Index，RI）法对韩国和中国近岸水体赤潮进行了研究，该方法运用SeaWiFS第2、4、5波段的离水辐射率Lw计算RI，即RI＝（Lw510／Lw555－Lw443）／（Lw510／Lw555＋Lw443），然后根据RI与实测叶绿素a质量浓度的关系，建立指数方程，得到赤潮指数叶绿素a质量浓度算法模型。

近年来，许多学者曾做过根据赤潮水体红光波段的荧光特性来提取赤潮信息的尝试。2005年，HU et al［7］用 MODIS 荧 光 线 高 度 法 （Fluorescence Line Height，FLH）监测了2004年佛罗里达西南沿岸的赤潮。2003年，GOWER et al［8］提出最大色素指数法（Maximum Chlorophyll Index，MCI），并采用该方法研究了发生于加拿大西岸的赤潮。该方法与荧光线高度法类似，以MERIS第8和第10波段的离水辐亮度连线为基线，计算第9波段在基线之上的离水辐亮度，结果表明，该方法对赤潮信息提取有较高的灵敏度。

从前人的研究中可以看出，他们所采用的模型都是选择某一个特定的研究区域，基于特定传感器而展开的。国外的研究模型大多是针对大洋一类水体，而我国海域大多属于典型的二类水体，该水体的光学特性比一类水体复杂得多，一类水体的模型不适合于我国的二类水体。而我国学者所采用的模型也都具有区域适用性，在其它海区不一定适用。因此本文选取东海赤潮高发区作为研究区，把MODIS／Aqua L2级遥感数据作为数据源，利用多次赤潮历史事件中的赤潮水体和非赤潮水体的光谱曲线，检验近年来在我国海区监测赤潮的3种算法，判断其算法能否在本文的研究区中应用，并在此基础上基于赤潮水体和非赤潮水体光谱的差异，建立赤潮信息提取算法，用以提取东海水体的赤潮信息。

1 数据来源

本文主要根据海洋环境公报和赵冬至［9］在《中国典型海域赤潮灾害发生规律》一书中提到的赤潮事件以及2010—2011年海上实测遇到的赤潮事件（表1）加以研究。MODIS／Aqua L2级数据来自 http：／／oceancolor.gsfc.nasa.gov／。

表1 东海典型赤潮事件列表Tab.1 List of typical red tide events in the East China Sea

2 方法

2.1 赤潮水体和非赤潮水体的光谱特性

图1描绘了赤潮水体和非赤潮水体的光谱差异。从图1中可以看到，赤潮水体和非赤潮水体有明显的区别，赤潮水体光谱曲线呈现出2个吸收峰和2个反射峰，而正常海水则呈现出1个反射峰；由于叶绿素a的强吸收，赤潮水体在425～500nm、655～670nm波段存在吸收峰；由于叶绿素a的荧光特性，赤潮水体在680～700nm波段存在荧光峰，此峰是赤潮水体的特征峰，而正常海水不存在这些特征；赤潮水体的反射率低，而正常海水的比较高；正常海水的遥感反射率在蓝光波段和绿光波段较高，在红光波段较低；而赤潮水体的遥感反射率则在蓝光和绿光波段的辐射量明显减小，在红光波段的辐射量相应增大。

2.2 基于光谱特性差异的遥感算法

图1 赤潮水体和非赤潮水体的光谱差异（引自文献［10］）Fig.1 Spectral differences of red tide water and non－red tide water（Quoted from the reference［10］）

对每次赤潮历史事件的MODIS遥感影像选取赤潮位置和近岸非赤潮位置、外海非赤潮位置进行光谱提取，从提取结果中看，赤潮水体的光谱曲线和非赤潮水体的光谱曲线有明显的区别（图2）。从图2可见，赤潮水体光谱曲线和外海非赤潮水体光谱曲线在形状上有明显的区别，赤潮水体光谱曲线在400～500nm波段之间存在低值，在550nm波段附近存在明显的峰值；而外海非赤潮水体光谱曲线在400～500nm之间的值比较高，在550nm波段附近的值比较低。赤潮水体的光谱曲线和近岸非赤潮水体的光谱曲线形状大致相同，在550nm波段附近均存在高值，在400～500nm之间存在低值；近岸非赤潮水体的遥感反射率明显高于赤潮水体的遥感反射率，且在400～550nm波段附近近岸非赤潮水体的遥感反射率随波长的增加而线性增加，而赤潮水体的遥感反射率在400～500nm波段附近变化不大，且值都比较低。

图2 赤潮水体和非赤潮水体的典型光谱曲线Fig.2 Typical spectral curves of red tide water and non－red tide water

利用赤潮历史事件中提取的光谱曲线对3种针对我国海区的赤潮提取算法进行检验，判断其算法能否用到本文的研究区中。选用的3种提取算法分别为毛显谋等［4］提出的多波段差值比值算法、王其茂等［5］提出的波段比值算法和 AHN et al［6］提出的赤潮指数算法。由于这些算法使用的是不同卫星的遥感数据，各个卫星的波段设置不同，因此本文使用MODIS进行检验时选择最邻近的波段代替（表2）。

表2 本文检验的算法列表Tab.2 List of algorithms tested in this study

将从赤潮历史事件中提取出的光谱曲线各个波段的光谱值，按照表2中的算法进行运算，并做统计分析，得到图3～图5的分布直方图。

从图3中可以看出，赤潮水体多波段差值比值算法的结果在－2.4～1.0之间均有分布，主要集中分布在－1.6～0.4之间。外海非赤潮水体差值比值的结果分布在－1.8～1.0之间，主要集中分布在－0.8～0.4之间。近岸非赤潮水体差值比值的结果分布在－2.4～－0.8之间，主要集中分布在－1.8～－0.8之间。因此使用多波段差值比值算法，不能区分出赤潮水体和非赤潮水体，但大致可以区分出外海非赤潮水体和近岸非赤潮水体。

图3 多波段差值比值算法的结果分类统计Fig.3 Classified statistics results of multi－band difference and ratio algorithm

图4 波段比值算法的结果分类统计Fig.4 Classified statistics results of band ratio algorithm

从图4a可以看出，赤潮水体Rrs555／Rrs469的结果分布在1.4～3.6之间，主要集中分布在1.6～3.0之间。外海非赤潮水体Rrs555／Rrs469的结果分布在0.2～1.6之间，主要集中分布在0.2～1.2之间。近岸非赤潮水体Rrs555／Rrs469的结果分布在1.2～1.6之间。因此，使用Rrs555／Rrs469算法，大致可以区分出赤潮水体和外海非赤潮水体，但不能区分出赤潮水体和近岸非赤潮水体。为了进一步区分出赤潮水体和浑浊水体，王其茂等［5］提出使用Lnw531／Lnw443的比值算法。从图4b中可以看出，赤潮水体Lnw531／Lnw443的结果分布在1.2～3.8之间，主要集中分布在1.4～2.8之间。外海非赤潮水体Lnw531／Lnw443的结果分布在0.2～1.8之间，主要集中分布在0.4～1.4之间。近岸非赤潮水体Lnw531／Lnw443的结果分布在1.2～1.8之间，集中分布在1.4～1.8之间。因此，使用Lnw531／Lnw443不能区分出赤潮水体和非赤潮水体。总的来说，使用王其茂等［5］提出的波段比值算法大致可以区分出赤潮水体和外海非赤潮水体，但不能区分出赤潮水体和近岸非赤潮水体。

从图5可以看出，赤潮水体赤潮指数的结果分布在－0.1～0.9之间，主要集中分布在0.0～0.8之间。外海非赤潮水体赤潮指数的结果分布在－0.3～0.8之间，主要集中分布在0.0～0.6之间。近岸非赤潮水体赤潮指数的结果分布在－0.6～－0.2之间，主要集中分布在－0.5～－0.3之间。因此，使用赤潮指数算法可以区分出赤潮水体和近岸非赤潮水体，但是不能区分出赤潮水体和外海非赤潮水体。

图5 赤潮指数算法的结果分类统计Fig.5 Classified statistics results of red tide index algorithm

从上面3种算法的分析中可以看出，将3种算法用于东海赤潮提取时，在一定程度上可以区分赤潮水体和非赤潮水体，但不能完全区分。因此需要开展针对东海赤潮高发区的MODIS赤潮提取算法研究。

本文根据赤潮水体和非赤潮水体的光谱差异提取赤潮信息。赤潮水体由于叶绿素a的强吸收，故在488nm波段形成吸收峰；由于叶绿素a的强反射，故在555nm波段形成反射峰。外海非赤潮水体不具有这些特征。近岸非赤潮水体只在555nm波段形成反射峰，在488nm波段不存在吸收峰，因此可以使用Rrs555／Rrs488的波段比值算法去提取赤潮信息，分类统计结果见图6。从图6中可以看出，赤潮水体Rrs555／Rrs488的结果分布在1.4～3.6之间，主要集中分布在1.4～2.8之间。外海非赤潮水体Rrs555／Rrs488的结果分布在0.2～1.4之间，主要集中分布在0.2～1.0之间。近岸非赤潮水体Rrs555／Rrs488的结果分布在1.0～1.6之间，主要集中分布在1.0～1.4之间。因此，使用Rrs555／Rrs488的波段比值算法可以大致区分出赤潮水体和非赤潮水体，可以明显区分出赤潮水体和外海非赤潮水体，但在区分赤潮水体和近岸非赤潮水体时出现少量的误判。赤潮水体由于叶绿素a的强吸收，故在665nm波段形成吸收峰，而非赤潮水体不存在此吸收峰。因此本文使用Rrs678－Rrs667的波段差值算法区分赤潮水体和近岸非赤潮水体。从图7的分类结果中可以看出，赤潮水体Rrs678－Rrs667的结果分布在0.0000～0.000 9之间，主要集中分布在0.000 1～0.000 9之间。近岸非赤潮水体Rrs678－Rrs667的结果分布在－0.000 6～－0.000 1之间，主要集中分布在－0.000 5～－0.000 2之间。因此，使用Rrs678－Rrs667的波段差值算法可以区分出赤潮水体和近岸非赤潮水体。

基于上述分析可以看出，使用Rrs555／Rrs488＞C1且Rrs678－Rrs667＞C2的算法可以提取出赤潮信息，为了进一步确定C1和C2的取值，本文统计了从赤潮历史事件中提取赤潮水体光谱曲线的运算结果（图6和图7），从图中可以看出，赤潮水体的Rrs555／Rrs488的值均在1.5以上，Rrs678－Rrs667的值均在0.0以上。因此，本文提出基于MODIS的东海赤潮高发区赤潮提取算法：Rrs555／Rrs488＞1.5且Rrs678－Rrs667＞0。运用Rrs555／Rrs488＞1.5的判别值可以区分出赤潮水体和外海非赤潮水体，运用Rrs678－Rrs667＞0的判别值可以区分出赤潮水体和近岸非赤潮水体。

3 赤潮信息提取结果

根据本文提出的赤潮提取算法，对赤潮历史事件进行赤潮信息提取，获得研究区赤潮发生的位置和范围。图8、图10、图12和图14分别给出了2005年5月25日、2005年6月9日、2007年4月11日和2009年5月28日的赤潮信息提取结果。从图中可以看出，公报中公布的赤潮位置，通过该算法均能有效地把它们识别出来，在公报中个别未提到的赤潮事件发生位置，此算法也能提取出该位置的赤潮信息。为了分析赤潮信息提取结果的有效性，本文给出MODIS／Aqua L2级遥感数据反演的相同日期的叶绿素a产品（图9、图11、图13和图15）。从图中可以看出，赤潮信息提取结果和高叶绿素a质量浓度有较好的对应关系，说明赤潮信息提取结果是比较合理的。

表3中列出了使用本文算法提取的赤潮历史事件的面积。由于2010—2011年的赤潮事件是出海实测遇到的，没有具体的面积，无法进行对比，因此在结果中没有列出这些数据赤潮提取结果。本文的结果对比是根据赤潮事件中提到的位置来统计面积的，公报中未提到的位置由于没有办法验证，因此不做统计。从统计的结果中看到，赤潮提取的结果和公报结果吻合得较好，除了当天的遥感影像在赤潮位置没有数据无法统计外，其它均能够较好地识别出赤潮发生的位置。遥感识别的赤潮面积和公报面积相差10～1 000km2不等，相对误差从0.5%～444.44%不等，误差大多在300km2以内，相对误差大都集中在40%以内。总的来说，使用本文提出的算法可以对赤潮进行有效的提取，比如2005年6月4日、2005年6月9日的赤潮事件相对误差在10%之内，个别赤潮事件偏差较大。赤潮识别面积和公报面积相比明显偏大的是2008年5月16日的赤潮事件，赤潮识别面积和公报面积相比明显偏小的是2009年5月28日的赤潮事件。

表3 赤潮信息统计表Tab.3 Statistics of red tide information

4 讨论

东海是我国赤潮高发区，属于典型的二类水体，水体的光学性质比一类水体复杂得多，一类水体的算法不能直接用于二类水体，而针对二类水体发展的算法也都是基于某一个特定区域、特定传感器展开的，因此在用于其它区域、其它传感器的时候，首先要检验算法在该区域、该传感器上是否有效，而往往算法的移植性都比较弱，不能用于其它区域、其它传感器上，因此需要开展针对区域的特定传感器的赤潮提取算法研究。

赤潮发生时，水体聚集大量的浮游植物，使水体颜色变化，相应的光谱特性发生改变，本文根据赤潮水体光谱和非赤潮水体光谱的差异，使用不同的波段比值、差值算法提取赤潮。采用的波段是赤潮水体的特征波段。赤潮发生时，由于叶绿素的强吸收，赤潮水体在488nm波段形成吸收峰，由于叶绿素的强反射，赤潮水体在555nm波段形成反射峰，外海非赤潮水体不存这些特征，因此可以用Rrs555／Rrs488将赤潮水体和外海非赤潮水体区分开来。由于叶绿素的强吸收，赤潮水体在665nm波段存在吸收峰，而近岸非赤潮水体不存在此吸收峰，因此使用Rrs678－Rrs667将赤潮水体和近岸非赤潮水体区分开来。

从提取结果中可以看出，使用本文提出的算法提取出的赤潮信息和高叶绿素质量浓度位置吻合很好，说明本文提出的算法可以有效地确定赤潮发生的位置。从赤潮提取的面积统计结果上看，算法提取的赤潮面积和公报的面积大都一致，个别事件存在偏大和偏小的情况。从遥感数据上看，赤潮提取面积偏小，主要是因为云的影响导致部分海域没有数据。面积偏大可能与阈值的设定有关，2008年5月16日的赤潮识别结果比公报的结果相比，偏差较大。本文将2008年5月16日的光谱曲线进行具体分析计算，得到的赤潮水体的Rrs555／Rrs488值都在1.7以上，Rrs678－Rrs667值都在0.000 1以上。因此赤潮提取面积偏大可能与阈值的设定有关系，于是重新设定阈值对2008年5月16日的赤潮事件进行信息提取。图16为采用算法为Rrs555／Rrs488＞1.7且Rrs678－Rrs667＞0.000 1的赤潮提取结果，赤潮位置和图17所示的高叶绿素a质量浓度分布位置一致，赤潮提取面积为796km2，可以看出阈值的调整对赤潮提取结果有一定的调整作用。再者，赤潮事件的公布面积由于受到观测手段的限制，对实际发生范围的估算往往偏小，而卫星遥感是大范围的观测手段，观测相对全面，可以观测到公报中未观测到的赤潮信息，也是导致面积偏大的原因之一。

5 结论

本文选取东海赤潮高发区作为研究区，MODIS／Aqua L2级遥感数据作为数据源，提取了多次赤潮历史事件中赤潮水体与非赤潮水体的光谱曲线，在分析比较赤潮水体和非赤潮水体的光谱差异的基础上，提出了适合东海赤潮高发区的MODIS赤潮提取算法：Rrs555／Rrs488＞1.5且Rrs678－Rrs667＞0。将算法应用于东海赤潮事件中，进行赤潮水体信息提取，发现该算法能有效地确定赤潮发生的位置，赤潮提取结果与遥感反演的高叶绿素a质量浓度位置有很好的对应关系，提取的面积和公报的面积大部分吻合得较好，个别事件出现偏大和偏小的情况，偏小是由于云的影响导致遥感数据的缺失，偏大可能和阈值的设定有关系，个别事件要根据光谱调整阈值的设定，同时遥感是大范围的观测，可以观测到公报中未观测到的赤潮信息，也是面积偏大的原因之一。总的来说本文提出的算法可有效地确定东海赤潮发生的位置并提取赤潮信息。

（References）：

［1］LI Bo.Ecology［M］.Beijing：Higher Education Press，2000：286.

李博.生态学［M］.北京：高等教育出版社，2000：286.

［2］HOLLIGAN P M，VIOLLIER M，DUPOUY C，et al.Satellite and ship studies of coccolithophore production along a continental shelf edge［J］.Nature，1983，304（5 924）：339－342.

［3］GROOM S B，HOLLIGAN P M.Remote sensing of coccolith－ophore blooms［J］.Advance in Space Research，1987，7（2）：73－78.

［4］MAO Xian－mou，HUANG Wei－gen.Algorithms of multiband remote sensing for coastal red tide waters［J］.Chinese Journal of Applied Ecology，2003，14（7）：1 200－1 202.

毛显谋，黄韦艮.多波段卫星遥感海洋赤潮水华的方法研究［J］.应用生态学报，2003，14（7）：1 200－1 202.

［5］WANG Qi－mao，MA Chao－fei，TANG Jun－wu，et al.A method for detecting red tide information using EOS／MODIS Data［J］.Remote Sensing Technology and Application，2006，21（1）：6－10.

王其茂，马超飞，唐军武，等.EOS／MODIS遥感资料探测海洋赤潮信息方法［J］.遥感技术与应用，2006，21（1）：6－10.

［6］AHN Y H，SHANMUGAM P.Detecting the red tide algal blooms from satellite ocean color observations in optically complex Northeast－Asia coastal waters［J］.Remote Sensing of Environment，2006，103（4）：419－437.

［7］HU C M，MULLER－KARGER F E，TAYLOR C，et al.Red tide detection and tracing using MODIS fluorescence data：A regional example in SW Florida coastal waters［J］.Remote Sensing of Environment，2005，97（3）：311－321.

［8］GOWER J，KING S，BORSTAD G，et al.Use of the 709nm band of MERIS to detect intense plankton blooms and other conditions in coastal waters［R］∥Procceedings of the 2004Envisat ＆ERS Symposium，Austria，2004.

［9］ZHAO Dong－zhi.Red tide disasters law in typical Chinese waters［M］.Beijing：Ocean Press，2010.

赵冬至.中国典型海域赤潮灾害发生规律［M］.北京：海洋出版社，2010.

［10］QIU Zhong－feng，CUI Ting－wei，HE Yi－jun.Retrieve of red tide distribution from MODIS data based on the characteristics of water spectrum［J］.Spectroscopy and Spectral Analysis，2011，31（8）：2 233－2 237.

丘仲锋，崔廷伟，何宜军.基于水体光谱特性的赤潮分布信息MODIS遥感提取［J］.光谱学与光谱分析，2011，31（8）：2 233－2 237.