辛 蕾，黄 娟，刘荣杰，钟 山，肖艳芳，王 宁，崔廷伟

(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)

2007年以来，黄海绿潮灾害连年爆发，经济损失巨大［1-3］。卫星遥感以其大面积、同步、高效率的优势成为绿潮监测的主要手段［4-6］。绿潮灾害卫星遥感监测使用的数据源，主要有250 m分辨率的MODIS和30 m分辨率的HJ-1A/B CCD。但HJ-1A/B的重访周期为2天，无法满足1次/天的业务化监测要求，故在业务化监测中，以250 m分辨率的MODIS数据(2景/天)为主［7］。然而，相关研究表明250 m分辨率的MODIS数据提取的绿潮覆盖面积明显偏大，约是真值的2-3倍［8］，导致业务化监测结果存在偏差。

针对MODIS提取的绿潮面积偏大这一问题，钟山等提出通过使用不同的阈值分别提取大面积聚集和零星分布的绿潮，以减小采用统一阈值带来的绿潮面积偏大的影响［9］。然而这种做法并未从根本上解决混合像元的问题，且大面积聚集的绿潮和零星分布的绿潮常常混合在一起，提取困难。

本文提出了一种基于混合像元分解的绿潮面积精细化提取方法，以减小混合像元对MODIS绿潮信息提取的影响，提高MODIS数据绿潮面积提取的精度。

1 数据与方法

1．1 数据与处理

本文研究区位于胶州湾以东海域(经纬度范围:35°27'45″-36°4'24″N，120°22'34″-121°45'59″E)，为绿潮爆发的主要区域。每年夏季，这一海域都有绿潮大规模爆发，给当地的旅游和养殖业造成大量的经济损失。

研究采用2010年7月9日，2012年5月21日，2013年6月29日和2014年6月12日4景250 m分辨率的MODIS数据以及4景准同步的30 m分辨率HJ-1 CCD数据。其中2012年5月21日，2013年6月29日和2014年6月12日3景MODIS数据及其准同步的HJ-1 CCD数据用于模型建立;2010年7月9日的MODIS数据及其准同步的HJ-1 CCD数据用于模型检验。

在绿潮信息提取之前，对上述MODIS数据进行了一系列处理，包括几何校正、辐射定标和大气校正。其中，大气校正采用的是MODTRAN4+大气辐射传输模型。

图1 研究区位置示意图Fig．1 The study area

1．2 NDVI阈值法与混合像元分解方法

本文所涉及的方法主要包括归一化差值植被指数(NDVI)阈值法和线性混合像元分解法，详细如下:

归一化差值植被指数(NDVI)阈值法是根据绿色植物在红光波段(R)与近红外波段(NIR)的光谱响应特征建立的植被信息提取模型［10］，计算公式如下:

式(1)中，r NIR为近红外波段地表反射率，r R为红光波段地表反射率。

线性混合像元分解法认为像元的反射率是其端元组分的反射率的线性组合［11］，计算公式如下:

式(2)中，γi是混合像元的反射率，aij表示第i个波段第j个端元组分的反射率，xj是该象元第j个端元组分的丰度，ei是第i波段的误差，n表示选定的端元组分数［12］。为使单个象元内各个端元组分的丰度xj具有物理意义，有如下两个约束条件:一是端元面积比例之和为1;二是所有的端元比例都为非负的［13］。

2 MODIS绿潮覆盖面积精细化提取模型

在MODIS影像处理的基础上，本文选取了绿潮样区，对各样区分别利用NDVI阈值法进行绿潮信息提取，并对提取到的像元进行混合像元分解，得到MODISNDVI混合像元分解的绿潮面积。

同样地，在准同步的HJ-1 CCD影像处理的基础上，选取与MODIS样区同一范围的区域，利用NDVI阈值法进行绿潮信息提取，得到HJ-1 CCD影像绿潮面积，并将其作为“真值”。

建立MODISNDVI混合像元分解的绿潮面积与HJ-1 CCD影像面积之间的关系模型。

2．1 样区选取

在2012年05月21日，2013年06年29日和2014年6月12日的3景MODIS影像上选取了10个区块作为建模样区，样区示例见图2。在样区选取时，尽量保证样区空间分布均匀，样区中只包含海水和绿潮，没有云雾遮挡。同时，为了减小绿潮形态分布影响，选取的样区既包含集聚分布的绿潮区域，也包含零星分布的绿潮区域，如图2所示。

图2 2013年6月29日MODIS影像样区选取示意图Fig．2 Selected sample area in MODISImage on June 29th，2013

2．2 模型建立

在样区选择的基础上，对每个样区采用不同的NDVI阈值分别提取绿潮信息，然后对提取结果进行混合像元分解，获得最终的绿潮面积，然后与准同步的HJ-1 CCD数据提取的绿潮面积进行统计分析，建立二者的关系模型(见图3)。

图3表明MODIS数据混合像元分解得到的绿潮面积(x)与HJ-1 CCD数据提取的绿潮面积(y)之间存在着较好的相关性，二者关系表达式如下:

为了验证该模型的有效性，利用2012年7月10日的MODIS和HJ影像，选取了4个样区，进行了模型检验(见图3)。结果显示，利用该方法从MODIS影像提取的绿潮面积与HJ-1 CCD提取的绿潮面积偏差仅为9．25%，远小于传统NDVI阈值法的288%。

图3 MODIS数据混合像元分解与HJ数据绿潮提取结果Fig．3 Scatterplot of green tide area extracted from MODIS image with mixed pixel decomposition method and those derived from HJ-1 CCD image

3 与传统方法的比较

3．1 提取面积比较

为了比较本文所建立模型与传统方法的优劣，文利用2013年06月29日MODIS影像上5个独立检验区分别采用NDVI阈值法、混合像元分解法和本文发展的精细化模型提取绿潮面积，以准同步的HJ-1 CCD影像绿潮提取面积为“真值”，结果见图4。

图4 不同方法提取的MODIS绿潮覆盖面积及与真值的比较Fig．4 Comparison of green tide area extracted from MODISimage with different methods and that from HJ-1 CCD image

由图4可知，三种方法所提取的面积中，NDVI阈值法提取的面积最大，与真值的偏差也最大，约为真值的2．96倍;精细化模型提取结果与真值的偏差最小，约为真值的0．96倍;混合像元分解法提取的绿潮面积最小，约为真值的0．45倍。这说明上述三种方法中，精细化模型表现更好，提取结果更接近于HJ-1影像所提取面积。

3．2 对NDVI阈值的敏感性分析

在建模过程中，我们发现传统的NDVI阈值法对阈值的变化较敏感，NDVI阈值的细微变化会导致提取的绿潮面积有较大变化。为了检验新模型对NDVI阈值的敏感性，利用2013年6月29日影像，选取了同时包含聚集和零星分布的绿潮样区，分别利用NDVI阈值法、混合像元分解法和精细化模型方法，采用不同的NDVI阈值进行了绿潮提取试验。根据目视解译，NDVI阈值区间确定为［-0．20，-0．15］，在该区间上均匀选取了16个值进行绿潮信息提取，结果见图5。

如图5所示，在相同的NDVI阈值变化区间内，NDVI阈值法提取的绿潮覆盖面积增加了41%，而精细化提取模型和混合像元分解法提取的绿潮覆盖面积仅变化了11%。这说明，精细化模型较传统的NDVI阈值法对NDVI取值不敏感。

图5 三种方法对NDVI阈值敏感性Fig．5 Comparison of the sensitivity to NDVI threshold

4 结论

本文针对MODIS数据空间分辨率较低导致绿潮提取面积偏大的问题，提出了一种基于混合像元分解的绿潮信息精细化提取模型。结果表明:与传统方法相比，新方法提取的绿潮覆盖面积更为准确，且对NDVI阈值变化不敏感，可为精细化的绿潮卫星遥感业务监测工作提供了有益参考。

致谢:感谢张杰研究员对本文提出的宝贵意见，蔡晓晴在线性混合像元分解方法上提供的帮助。感谢NASA及中国资源卫星应用中心等机构为本研究提供遥感数据支持。

［1］ 郑向阳，邢前国，李丽，等．2008年黄海绿潮路径的数值模拟［J］．海洋科学，2011，35(7):82-87．ZHENG Xiangyang，XING Qianguo，LI Li，et al．Numerical simulation of the 2008 green tide in the Yellow Sea［J］．Marine Sciences，2011，35(7):82-87．

［2］ 蒋兴伟，刘建强，邹斌，等．浒苔灾害卫星遥感应急监视监测系统及其应用［J］．海洋学报，2009，31(1):52-64．JIANG Xingwei，LIU Jianqiang，ZOU Bin，et al．The satellite remote sensing system used in emergency response monitoring forEntermorpha proliferadisaster and its application［J］．Acta Oceanologica Sinica，2009，31(1):52-64．

［3］ 梁宗英，林祥志，等．浒苔漂流聚集绿潮现象的初步分析［J］．中国海洋大学学报，2008，38(4):601-604．LIANG Zongying，LIN Xiangzhietal．A preliminary study of theEnteromorpha proliferadrift gathering causing the green tide phenomenon［J］．Journal of Ocean University of China，2008，38(4):601-604．

［4］ 李颖，梁刚，于水明，等．监测浒苔灾害的微波遥感数据选取［J］．海洋环境科学，2011，30(5):739-742．LI Ying，LIANG Gang，YU Shuiming，et al．Selection of microwave remote sensing data of monitoring ofEntermorpha proliferadisaster［J］．Marine Environmental Science，2011，30(5):739-742．

［5］ 赵文静，张杰，崔廷伟，等．水下悬浮浒苔海面光谱响应的辐射传输模拟［J］．光谱学与光谱分析，2009，29(6):1656-1660．ZHAO Wenjing，ZHANG Jie，CUI Tingwei，et al．Enteromorpha proliferaunderwater spectral research based on simulation of radiation transmission［J］．Spectroscopy and Spectral Analysis，2009，29(6):1656-1660．

［6］ 王国伟，李继龙，杨文波，等．利用MODIS和RADARSAT数据对浒苔的监测研究［J］．海洋湖沼通报，2010，4:1-8．WANG Guowei，LI Jilong，YANG Wenbo，et al．A primary study ofEnteromorpha proliferausing the MODIS and RADARSAT［J］．Transactions of Oceanology and Limnology，2010，4:1-8．

［7］ 唐泽艳，魏永亮．绿潮卫星遥感监测技术应用研究［J］．遥感信息，2013，28(3):63-68．TANG Zeyan，WEI Yongliang．Green tide monitoring using remote sensing technology［J］．Remote Sensing Information，2013，28(3):63-68．

［8］ CUI Tingwei，ZHANG Jie，SUN Li’e，et al．Satellite monitoring of massive green macroalgae bloom(GMB):imaging ability comparison of multi-source data and drifting velocity estimation［J］．International Journal of Remote Sensing，2012，33(17):5513-5527．

［9］ 钟山，丁一，李振，等．MODIS浒苔遥感监测误差分析研究［J］．遥感信息，2013，28(1):38-42．ZHONG Shan，DING Yi，LI Zhen，et al．Error analysis onEnteromorpha proliferamonitoring using MODIS data［J］．Remote Sensing Information，2013，28(1):38-42．

［10］ DEERING D W．Rangeland reflectance characteristics measured by aircraft and spacecraft sensors［D］．Texas A＆M University，College Station，1978:338．

［11］ 吕长春，王忠武，钱少猛．混合像元分解模型综述［J］．遥感信息(综述)，2003，3:55-58．LV Changchun，WANG Zhongwu，QIAN Shaomeng．A review of pixel unmixing models［J］．Remote Sensing Information(Reviews)，2003，3:55-58．

［12］ 郑有飞，范旻昊，张雪芬，等．基于MODIS遥感数据的混合像元分解技术研究和应用［J］．南京气象学院学报，2008，31(2):145-150．ZHENG Youfei，FAN Minhao，ZHANG Xuefen，et al．Pixel unmixing technology of MODISremote sensing data［J］．Journal of Nanjing Institute of Meteorology，2008，31(2):145-150．

［13］ ICHOKU C，KARNIELI A．A review of mixture modeling techniques for sub-pixel land cover estimation［J］．Remote Sensing Reviews，1996，13(3-4):161-186．