王 宁，黄 娟，崔廷伟，肖艳芳，蔡晓晴，辛 蕾

(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)

“绿潮”(green tide)是指海洋中大型藻类大量增殖的一种现象。2008年以来，我国黄、东海连年爆发以浒苔为主要藻种的绿潮灾害，对我国近海生态环境、海上生产、旅游观光等活动造成较为严重的影响。快速、准确地获取海上绿潮分布状况，是绿潮灾害应急处置的迫切要求，也是历年绿潮灾害监测与防治的首要任务。MODIS数据光谱信息丰富、覆盖面积大、每天可免费获得至少一景可用数据，是大范围绿潮灾害监测的有效手段［1，2］。

绿潮的光谱特征与陆地健康植被相似，因此，绿潮的卫星遥感监测工作大多沿用陆地植被监测常用的NDVI、EVI、RVI等植被指数［3-14］，但有关这些指数对绿潮，尤其是对不同生长阶段绿潮的探测能力方面的研究尚未见文献报道。仅蔡晓晴等［15］针对GOCI数据评估了RVI、NDVI、EVI、FAI、NDAI、IGAG等指数的绿潮探测能力，他们的研究认为，NDVI是GOCI绿潮遥感监测的首选算法。在目前的绿潮业务化监测工作中，MODIS是主要的数据源，其波段设置与GOCI存在较大差异，上述研究结论不能简单照搬。

因此，本文针对绿潮业务化监测的需要，首先根据历年绿潮卫星遥感监测经验，将绿潮的生消过程分为发生、发展和消亡三个阶段;然后基于MODIS数据对比分析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;最后利用最优算法开展2014年黄海绿潮的过程监测，并与历年监测结果进行了对比分析。

1 数据和方法

1．1 数据源

选用2011至2014年黄海绿潮期间晴好天气条件下的7景MODIS数据，其中，2景处于绿潮发生阶段，2景处于绿潮发展阶段，3景处于绿潮消亡阶段。数据的详细信息如表1所示。

表1 选取的7景MODIS影像的基本信息Tab．1 Selected basic information of 7 MODISimages

1．2 研究方法

1．2．1 植被指数

本文对比分析了5种传统植被指数的绿潮探测能力，分别是归一化植被指数(NDVI)、增强型植被指数(EVI)、大气阻抗植被指数(ARVI)、比值植被指数(RVI)和差值植被指数(DVI)。

其中，ρNIR、ρRED和ρBLUE分别代表近红外波段、红光波段和蓝光波段的反射率。

1．2．2 样本选取

基于MODIS假彩色合成影像(Red:Band1;Green:Band2;Blue:Band1)，从绿潮不同发展阶段的数据中，选择绿潮特征最为明显的像元作为绿潮样本，选择开阔且均匀的海水像元作为海水样本。在样本选取时，确保每景影像中选取的绿潮和海水样本数目相同，且在空间上均匀分布(见表2)。

以2013年6月20日影像为例(如图1)。图中海域内绿色部分为绿潮，红框为绿潮样本选取区域，蓝框为海水样本选取区域。

图1 2013年6月20日MODIS假彩色合成影像及选择的绿潮、海水样本Fig．1 MODISfalse color composite image and green tide，sea water samples on June 20，2013

表2 从7景影像中选取的样本像元数Tab．2 Sample pixel number of the selected 7 images

1．3 绿潮探测能力评价指标绿潮信息提取最主要的是区分绿潮和海水两类地物，因此，借鉴模式识别领域用来区分两类样本的“类间距”概念［16］来评判不同植被指数对绿潮、海水的区分能力:

2 结果与讨论

2．1 植被指数探测能力评价

基于所选取的绿潮和海水样本，利用5种常用植被指数计算两类样本的距离，结果如图2所示。

图2 植被指数探测能力比较Fig．2 Detection capability comparison of 5 vegetation indices

由图可知，在绿潮发生、发展和消亡阶段，绿潮与海水两类样本距离最大的均为NDVI植被指数。其中，在绿潮发生和消亡阶段，NDVI植被指数的类间距略大于其它四种植被指数;在绿潮发展阶段，NDVI植被指数的类间距远大于其它四种植被指数。另外，从类间距值来看，NDVI植被指数的类间距在绿潮的发生和消亡阶段较小，在发展阶段较大，说明利用NDVI指数可以很容易地识别处于发展阶段的绿潮。而其他指数的类间距并没有表现出类似的变化趋势。

综上，与ARVI、EVI、RVI、DVI算法相比，NDVI在MODIS数据探测绿潮方面的能力最强、最稳定，是绿潮业务监测的首选算法。

2．2 2014年黄海绿潮过程分析

基于MODIS数据，利用NDVI植被指数算法开展2014年黄海绿潮过程监测，统计分析了绿潮分布面积(影响海域面积)和覆盖面积(实际覆盖海域面积)，并与历年监测结果进行了对比分析。

图3 绿潮解译结果Fig．3 Green tide interpretation chart

图3给出了2014年黄海绿潮的漂移扩散情况。绿潮最早出现在盐城附近海域，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。

图4 绿潮分布面积和覆盖面积变化趋势图Fig．4 The green tide distribution and coverage trend chart

图4给出了2014年绿潮期间绿潮的覆盖面积和分布面积情况。2014年黄海绿潮的生消过程共计85天。覆盖面积和分布面积总体上呈现先增大后减小的趋势。5月12日首次监测到绿潮，覆盖面积为9平方公里，分布面积为2 600平方公里。随后绿潮的覆盖面积和分布面积不断增大，7月3日覆盖面积最大，为540平方公里;7月14日，分布面积最大，为50 000平方公里。8月12日，绿潮覆盖面积减少至7平方公里，分布面积减少至700平方公里。

结合历年绿潮监测结果，对比分析了2008～2014年绿潮最大覆盖面积、最大分布面积及其出现时间，结果见表3。与历年绿潮监测结果相比［17，18］，2014年黄海绿潮覆盖面积较小，但分布面积较大，说明有较大面积的海域受到绿潮灾害的影响;最大分布面积出现的时间与2010年和2011年相当。

表3 黄海绿潮监测结果统计(2008-2014)Tab．3 Statistics of the green tide in the Yellow Sea(2008-2014)

3 结论

本文选取晴好天气条件下的MODIS数据，对比分析了常用的5种植被指数算法(NDVI、ARVI、EVI、RVI、DVI)对绿潮的发生、发展、消亡等各个阶段的探测能力，将最优算法应用在2014年绿潮卫星遥感监测工作中。主要结论为:

1．探测绿潮能力最强、最稳定的算法为NDVI植被指数，可将其作为绿潮MODIS卫星遥感业务化监测首选算法;

2．2014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50 000 km2;与历年监测结果相比，2014年黄海绿潮覆盖面积较小，但分布面积较大。

［1］ 顾行发，陈兴峰，尹球，等．黄海浒苔灾害遥感立体监测［J］．光谱学与光谱分析，2011，31(6):1627-1632．GU Xingfa，CHEN Xingfeng，YIN Qiu，et al．Stereoscopic remote sensing used in monitoringEnteromor phaprolifradisaster in Chinese Yellow Sea［J］．Spectroscopy and Spectral Analysis，2011，31(6):1627-1632．

［2］ 刘振宇，江涛．基于MODIS数据的浒苔信息提取方法研究［J］．测绘科学，2008，33(增):113-114．LIU Zhenyu，JIANG Tao．The research on the way of extracting Hu Moss on the basis of MODIS［J］．Science of Surveying and Mapping，2008，33(Suppl):113-114．

［3］ 邢前国，郑向阳，施平，等．基于多源、多时相遥感影像的黄、东海绿潮影响区检测［J］．光谱学与光谱分析，2011，31(6):1644-1647．XING Qianguo，ZHENG Xiangyang，SHI Ping，et al．Monitoring“Green Tide”in the Yellow Sea and the East China Sea using multi-temporal and multi-source remote sensing images［J］．Spectroscopy and Spectral Analysis，2011，31(6):1644-1647．

［4］ CUI T W，ZHANG J，SUN L 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．

［5］ 张学艺．基于EOS/MODIS的几种植被指数［J］．安徽农业科学，2009，37(26):12842-12845，12850．ZHANG Xueyi．Introduction of several vegetation Indexes based on EOS/MODIS［J］．J ournal of Anhui Agri，2009，37(26):12842-12845，12850．

［6］ 孟晓峻，冯丽萍．不同MODIS植被指数优劣的探讨［J］．内蒙古气象，2007，6:50．MENG Xiaojun，FENG Lipeng．Discussion on the advantages and disadvantages of different MODISvegetation index［J］．Meteorology Journal of Inner Mongolia，2007，6:50．

［7］ 王正兴，刘闯，陈文波，等．MODIS增强型植被指数EVI与NDVI初步比较［J］．武汉大学学报信息科学版，2006，31(5):407-410，427．WANG Zhengxing，LIU Chuang，CHEN Wenbo，et al．Preliminary comparison of MODIS-NDVI and MODIS-EVI in Eastern Asia［J］．Geomatics and Information Science of Wuhan University，2006，31(5):407-410，427．

［8］ 蔡薇．基于MODIS遥感数据混合像元分解的小麦识别及其面积估算［D］．济南:山东师范大学，2010．CAI Wei．Remote sensing data of wheat identify mixed pixel decomposition and area estimation based on MODIS［D］．Jinan:Shandong Normal University，2010．

［9］ 尚琳琳，马荣华，段洪涛，等．利用MODIS影像提取太湖蓝藻水华的尺度差异性分析［J］．湖泊科学，2011，23(6):847-854．SHANG Linlin，MA Ronghua，DUAN Hongtao，et al．Scale analysis of cyanobacteria bloom in Lake Taihu from MODISobservations［J］．Journal of Lake Sciences，2011，23(6):847-854．

［10］ SON Y B，MIN JE，RYU J H．Detecting massive green algae(Ulva prolifera)blooms in the Yellow sea and East China sea using geostationary ocean color imager(GOCI)data［J］．Ocean Science Journal，2012，47(3):359-375．

［11］ 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，DINGYi，LIZhen，et al．Error analysisonEnteromorpha proliferamonitoring using MODISdata［J］．Remote Sensing Information，2013，28(1):38-42．

［12］ 张娟．浒苔遥感监测方法研究及软件实现-以青岛奥帆赛场及周边海域为例［D］．成都:电子科技大学，2009．ZHANG Juan．Monitoring method study and software realization onEnteromorpha prolifera［D］．Cheng Du:University of Electronic Science and Technology of China，2009．

［13］ 李三妹，李亚君，董海鹰，等．浅析卫星遥感在黄海浒苔监测中的应用［J］．应用气象学报，2010，21(1):76-82．LI Sanmei，LI Yajun，DONG Haiyinget al．satellite remote sensing application toEnteromorpha proliferamonitoring in the Yellow Sea［J］．Journal of Applied Meteorological Science，2010，21(1):76-82．

［14］ 叶娜，贾建军，田静，等．浒苔遥感监测方法的研究进展［J］．国土资源遥感，2013，25(1):7-12．YE Na，JIA Jianjun，TIAN Jing，et al．Advances in the study ofUlva poliferamonitoring with remote sensing［J］．Remote Sensing for Land＆Resources，2013，25(1):7-12．

［15］ 蔡晓晴，崔廷伟，郑荣儿，等．静止海洋水色卫星(GOCI)绿潮遥感探测算法对比研究［J］．遥感信息，2014，29(5):46-52．CAI Xiaoqing，CUITingwei，ZHENG Rongeret al．Geostationary color satellite ocean(GOCI)comparative study on remote sensing detection algorithm of green tide，Remote Sensing Information，2014，29(5):46-52．

［16］ WEBB A．统计模式识别(第二版)［M］．北京:电子工业出版社，2004．WEBB A．Statistical Pattern Recognition(Second Edition)［M］．Beijing:Electronic Industry Press，2004．

［17］ 王宁，曹丛华，黄娟，等．基于遥感监测的黄海绿潮漂移路径及分布面积特征分析［J］．防灾科技学院学报，2013，15(4):24-28．WANG Ning，CAO Conghua，HUANG Juan，et al．Multi-year variability characteristics analysis for green tide monitoring in Yellow Sea［J］．Journal of Institute of Disaster-Prevention Science and Technology，2013，15(4):24-28．

［18］ 中国海洋灾害公报．国家海洋局，2008-2013．Bulletin of China marine disasters．State Oceanic Administration People’s Republic of China，2008-2013．