黃海綠潮災(zāi)害應(yīng)急遙感監(jiān)測和預(yù)測預(yù)警系統(tǒng)

吳玲娟，高 松，丁 一，曹雅靜，靳熙芳

(1.國家海洋局北海預(yù)報中心，山東青島 266061；2.山東省海洋生態(tài)環(huán)境與防災(zāi)減災(zāi)重點實驗室，山東青島 266061)

黃海綠潮災(zāi)害應(yīng)急遙感監(jiān)測和預(yù)測預(yù)警系統(tǒng)

吳玲娟1，2，高 松1，2，丁 一1，2，曹雅靜1，2，靳熙芳1，2

(1.國家海洋局北海預(yù)報中心，山東青島 266061；2.山東省海洋生態(tài)環(huán)境與防災(zāi)減災(zāi)重點實驗室，山東青島 266061)

黃海綠潮災(zāi)害應(yīng)急遙感監(jiān)測和預(yù)測預(yù)警系統(tǒng)是在綠潮應(yīng)急遙感監(jiān)測技術(shù)、應(yīng)急快速漂移預(yù)測等技術(shù)研究的基礎(chǔ)上，基于GIS技術(shù)構(gòu)建了集綠潮遙感信息解譯和提取、多源監(jiān)測數(shù)據(jù)融合、快速漂移預(yù)測和預(yù)警產(chǎn)品制作和發(fā)布綜合業(yè)務(wù)化平臺。在應(yīng)急遙感監(jiān)測數(shù)據(jù)提取方面主要研發(fā)了信息提取準(zhǔn)自動化技術(shù)和多源多時間窗的綠潮監(jiān)測數(shù)據(jù)融合技術(shù)；在應(yīng)急預(yù)測技術(shù)方面主要基于精細化大氣和海洋環(huán)境動力場，研發(fā)了綠潮快速應(yīng)急漂移預(yù)測模型，并通過海上和后報實驗提高模擬精度。本系統(tǒng)服務(wù)于國家海洋局和政府防災(zāi)減災(zāi)應(yīng)急部門，為海上運動、水產(chǎn)養(yǎng)殖、濱海旅游、交通運輸、漁業(yè)生產(chǎn)等涉?；顒雍秃Ｑ蠊芾硖峁┝丝茖W(xué)可靠的技術(shù)保障，特別在2008年奧運會帆船/板賽和2012年亞洲沙灘運動會的綠潮監(jiān)測和預(yù)測預(yù)警保障工作中發(fā)揮了重要的作用，具有巨大的社會、經(jīng)濟和生態(tài)效益。

綠潮；遙感監(jiān)測；預(yù)測預(yù)警；系統(tǒng)

0 引言

近7年我國黃海海域綠潮連續(xù)暴發(fā)，對2008年青島奧運會帆船/板賽和2012年的海陽亞洲沙灘運動會等諸多海上賽事造成了困難，對水產(chǎn)養(yǎng)殖、濱海旅游、海上交通運輸?shù)认嚓P(guān)產(chǎn)業(yè)的影響十分嚴(yán)重。為了保證賽事、沿海經(jīng)濟和生態(tài)環(huán)境可持續(xù)發(fā)展，我國相關(guān)部門給予了高度重視，啟動相應(yīng)的應(yīng)急預(yù)案，應(yīng)對綠潮災(zāi)害；同時啟動了多項科研和應(yīng)用項目，如2008綠潮專項；2008年“滸苔大規(guī)模暴發(fā)應(yīng)急處置關(guān)鍵技術(shù)研究與應(yīng)用”；2012年國家海洋局公益性項目“黃海綠潮業(yè)務(wù)化預(yù)測預(yù)警關(guān)鍵技術(shù)研究和應(yīng)用”。

國內(nèi)外學(xué)者主要在大型藻類及滸苔綠潮的遙感監(jiān)測方面進行研究。Gower等[1]第一次用MERIS 300m分辨率數(shù)據(jù)，采用MCI(最大葉綠素指數(shù))算法監(jiān)測到墨西哥灣大面積線形馬尾藻類海草，但MERIS衛(wèi)星傳感器掃描寬度窄，限制了遙感監(jiān)測范圍。張娟[2]，李三妹[3]和Elijah[4]等根據(jù)滸苔光譜特性建立了其遙感監(jiān)測模型。李穎等[5]利用不同3種星載雷達數(shù)據(jù)，判讀雷達圖像上滸苔分布的典型區(qū)域，對滸苔的灰度值和正常海水的灰度值進行分析，得出不同極化方式下滸苔灰度值的主要動態(tài)范圍。蔣興偉等[6]運用一種基于區(qū)域增長面向?qū)ο蟮膱D像尺度分割方法調(diào)整圖像的分割尺度，實現(xiàn)了滸苔信息的快速提取。Gui等[7]利用ENVISAT-ASAR與環(huán)境災(zāi)害小衛(wèi)星(HJ－1A/ B)監(jiān)測2009年黃海滸苔爆發(fā)過程，指出二者平均差異為15%。Hu等[8－9]提出了一種新的海洋浮游藻類指數(shù)(FAI)，并運用這個指數(shù)監(jiān)測2008年我國青島海域滸苔，結(jié)果顯示該方法比NDVI(Normalized Difference Vegetation Index)方法更加準(zhǔn)確。Keesing等[10]基于MODIS獲取的灰度值方法，研究了2007～2009年黃海滸苔綠潮的年際變化，分析了其與海岸帶水藻養(yǎng)殖的關(guān)系?；诓ǘ伪戎捣ǖ倪b感藻類指數(shù)，Shi等[11]提出的歸一化藻類指數(shù) NDAI。國家海洋局北海預(yù)報中心用RGB圖像和歸一化植被值數(shù)NDVI方法，對MODIS、SAR COSMO和HY－1B等衛(wèi)星遙感數(shù)據(jù)進行提取，并融合航空遙感、船舶、陸岸等其他監(jiān)測結(jié)果，得到綠潮的綜合監(jiān)測

結(jié)果，為綠潮漂移預(yù)測和溯源提供初始場，同時為研究綠潮分布、發(fā)生發(fā)展和漂移機理等工作提供數(shù)據(jù)[12－14]。國內(nèi)外學(xué)者在綠潮遙感監(jiān)測方面主要集中在綠潮遙感數(shù)據(jù)的提取，但是綠潮遙感監(jiān)測信息自動提取和數(shù)據(jù)融合鮮為報道。

近年來國內(nèi)外科學(xué)家對綠潮的漂移和生長機制等要素進行多方面研究，并得到了初步的成果，但是對綠潮漂移快速模擬的研究較少。Aurousseau等[15]在法國綠潮災(zāi)害比較嚴(yán)重的Brest灣，建立三維生物地球化學(xué)模式，對該海域的漂浮綠潮的生長和腐?。疲两颠M行模擬。Cugier等[16]建立的浮游植物三維生態(tài)學(xué)模型和三維水動力模型[17]，建立適應(yīng)于Brest灣的綠潮特征[18]的三維生物地球化學(xué)模型，同時開展了潮間帶綠潮的預(yù)報研究。Perrot等[19]發(fā)展了預(yù)報潮間帶海藻的簡單方法，并于2007年建立了綠潮在潮間帶生長和漂移的預(yù)報模式。喬方利等[20]利用數(shù)值模式對2010年綠潮漂移進行了模擬研究，發(fā)現(xiàn)風(fēng)場驅(qū)動下的海洋表層流場年際變化是綠潮漂移路徑變異的主要原因。國家海洋環(huán)境預(yù)報中心[21]2008年建立了滸苔漂移路徑預(yù)測系統(tǒng)，向有關(guān)部門發(fā)布滸苔漂移軌跡預(yù)報和海洋環(huán)境預(yù)報，協(xié)助前線應(yīng)急指揮中心完成了滸苔的控制和治理。國家海洋局北海預(yù)報中心利用綠潮綜合監(jiān)測數(shù)據(jù)，啟動應(yīng)急漂移模式，快速預(yù)測和追溯綠潮的漂移方向和路徑[22-23]。

目前國內(nèi)外綠潮的監(jiān)測和數(shù)值模擬已取得一定的研究成果，但從2008年黃海綠潮暴發(fā)開始，綠潮應(yīng)急遙感監(jiān)測和預(yù)測關(guān)鍵技術(shù)不成熟，并缺少業(yè)務(wù)化的綜合平臺，因此，北海預(yù)報中心研發(fā)綠潮應(yīng)急監(jiān)測和預(yù)測預(yù)警關(guān)鍵技術(shù)，并基于GIS技術(shù)建設(shè)集綠潮遙感信息解譯和提取、多源監(jiān)測數(shù)據(jù)融合、快速漂移預(yù)測和預(yù)警產(chǎn)品制作和發(fā)布于一體的綜合業(yè)務(wù)化，以提升我國綠潮防災(zāi)減災(zāi)能力。

1 綠潮應(yīng)急遙感監(jiān)測和預(yù)測預(yù)警系統(tǒng)簡介

綠潮應(yīng)急遙感監(jiān)測和預(yù)測預(yù)警系統(tǒng)(以下簡稱綠潮系統(tǒng))業(yè)務(wù)化運行流程如圖1。綠潮系統(tǒng)可以分為綠潮應(yīng)急遙感監(jiān)測子系統(tǒng)和應(yīng)急漂移預(yù)測子系統(tǒng)，并基于兩個子系統(tǒng)建立綜合業(yè)務(wù)化平臺，對服務(wù)對象發(fā)布監(jiān)測和預(yù)警信息產(chǎn)品。

1.1 綠潮應(yīng)急遙感監(jiān)測子系統(tǒng)

1.1.1 綠潮信息自動化提取

綠潮衛(wèi)星遙感數(shù)據(jù)包括光學(xué)遙感數(shù)據(jù)(MODIS-TERRA/AQUA和HJ－1A、B衛(wèi)星)和微波遙感數(shù)據(jù)(COSMO-SAR、Radarsat、Terra-SAR)。光學(xué)衛(wèi)星影像綠潮信息提取包括輻射定標(biāo)、幾何校正、大氣校正、云掩模和綠潮信息提取五個步驟，可獲取產(chǎn)品有NDVI、云、影像圖、綠潮解譯圖和綠潮光學(xué)報告；微波衛(wèi)星影像信息提取包括輻射定標(biāo)、幾何校正和綠潮信息提取三個步驟，可獲得產(chǎn)品有影像圖、解譯圖和綠潮微波報告。系統(tǒng)發(fā)展的綠潮分布輪廓線自動提取算法，經(jīng)過距離分析、邏輯運算、膨脹腐蝕運算，所提取的輪廓線效果達到了人工操作水平(圖2)。根據(jù)綠潮自動提取結(jié)果可計算綠潮覆蓋面積，并自動生成綠潮分布面并計算分布面積，并結(jié)合業(yè)務(wù)需求，可以統(tǒng)計35°以北以及沿海受災(zāi)地市劃定警戒區(qū)覆蓋面積和分布面積。

1.1.2 多時間窗數(shù)據(jù)源信息融合

通過綠潮應(yīng)急漂移預(yù)測和溯源技術(shù)[22-23]，解決了數(shù)據(jù)源時間不同步的問題。基于不同時間(h1、h2、h3)的應(yīng)急遙感監(jiān)測結(jié)果，利用綠潮應(yīng)急快速漂移(溯源)模型將h1和h3時刻的綠潮數(shù)據(jù)，快速預(yù)測或追溯到h2時刻，為遙感信息匹配融合提供不同數(shù)據(jù)源的h2時刻的綠潮模擬位置。對于高、低分辨率光學(xué)遙感監(jiān)測信息，系統(tǒng)研發(fā)融合技術(shù):建立公共區(qū)域內(nèi)低分辨率遙感影像NDVI值與高分辨率遙感影像覆蓋率的統(tǒng)計關(guān)系，修正整景低分辨率遙感影像的綠潮監(jiān)測結(jié)果。基于上述技術(shù)，研發(fā)了多源衛(wèi)星影像監(jiān)測信息的融合技術(shù)，其主要流程以2014年7月4日6:56 Radarsat和9:46 HJ－1A兩景監(jiān)測數(shù)據(jù)(圖3)的數(shù)據(jù)融合過程為例:1)由于兩景數(shù)據(jù)成像時刻不同，利用綠潮應(yīng)急漂移預(yù)測技術(shù)，將6:56 Radarsat數(shù)據(jù)漂移到9:46時刻，解決時間不同的問題；2)判別兩類監(jiān)測解譯結(jié)果是否有重疊區(qū)，如果無，則融合結(jié)果為兩種遙感數(shù)據(jù)綠潮探測結(jié)果的直接疊加；3)如果存在疊加區(qū)域，那么判斷疊加區(qū)域是否有云覆蓋，如果有云覆蓋，選用受云覆蓋影響小的影像提取結(jié)果(Radarsat影像)；如果無云，那么選擇分辨率較高影像(Radarsat提取結(jié)果)(圖3)；4)最終得到9:46時刻的綠潮分布情況。

圖1 綠潮系統(tǒng)業(yè)務(wù)化運行流程Fig.1 Operational Process of Remote-sensing M onitoring，F(xiàn)orecasting and W arning System on Green Tide in Yellow Sea

圖2 綠潮二值影像(左圖)和提取結(jié)果(右圖)Fig.2 The Binary Image of Green Tide(left)and the Extraction Resu lt(right)

1.1.3 綜合分布圖制作

利用綠潮信息自動化提取技術(shù)和多時間窗數(shù)據(jù)源信息融合技術(shù)提取并融合多源遙感數(shù)據(jù)，獲得綠潮的分布面積和覆蓋面積等信息，最終制作綜合分布圖(圖5，紅色線代表綠潮的外緣線)，為綠潮應(yīng)急預(yù)測子系統(tǒng)提供初始場、邊界場和驗證場。

1.2 黃海綠潮快速漂移預(yù)測子系統(tǒng)

1.2.1 黃海環(huán)境動力業(yè)務(wù)化模式

圖3 2014年7月4日Radarsat(a)和HJ－1A(b)衛(wèi)星遙感解譯結(jié)果，Radarsat衛(wèi)星遙感數(shù)據(jù)漂移到9:46時刻的模擬結(jié)果(c，藍色點)與同時刻HJ－1A衛(wèi)星數(shù)據(jù)(c，綠色點)疊加結(jié)果(c)、數(shù)據(jù)融合結(jié)果(d)Fig.3 The Interp retation of 6:56 Radarsat(a)and 9:46 HJ－1A(b)on 4 July，2014；Superposition of HJ－1A data(c，green dots)and Drift Sim ulation Result of Radarsat Data to 9:46(c，blue dots)and Fused Result(d)

黃海環(huán)境動力業(yè)務(wù)化模式主要包括氣象和海洋環(huán)境動力模式。氣象模式采用美國大氣研究中心開發(fā)的WRF(Weather Research and Forecasting Model)，采用了多重嵌套技術(shù)，建立中國海海域、東中國海海域、北海區(qū)和青島近海模型，并在青島進行加密計算，水平分辨率達3 km，同時采用三維變分方法24 h循環(huán)同化GTS、海洋站和浮標(biāo)等實時觀測數(shù)據(jù)。根據(jù)綠潮所在位置、范圍以及政府部門對應(yīng)急預(yù)測的不同需求，采用多重嵌套技術(shù)，建立中國海區(qū)、北海區(qū)和青島近海小區(qū)海流模型。該模型采用WRF風(fēng)場和熱通量場為大氣強迫場，中國海區(qū)采用ROMS模式，計算范圍為99°～148°E，9°S～44.05°N，水平分辨率為0.1°× 0.1°，垂向分25層；北海區(qū)采用ROMS模型，模型范圍為117°E～127°E，32°N～41°N，水平分辨率為1/30°×1/30°，垂向分6層。近海小區(qū)海流預(yù)報采用FVCOM模式，對關(guān)注海域局部加密，分辨率最小可達10 m。同時海洋模型采用改進集合Kalman濾波同化技術(shù)實現(xiàn)對地波雷達海流實時觀測數(shù)據(jù)的同化[24]，進一步提高了海洋模式的預(yù)報精度。

1.2.2 黃海綠潮快速漂移預(yù)測模型

在不考慮綠潮自身生態(tài)特征的情況下，其在海水中的移動，可以看作是質(zhì)點跟隨海流的物理運動，所以綠潮應(yīng)急漂移預(yù)測，采用拉格朗日粒子追蹤方法?；诶窭嗜沼^點，粒子的漂移速度V?L計算公式為:

式中:V?W—由風(fēng)力和波浪作用產(chǎn)生的速度分量；V?t—潮流作用產(chǎn)生的速度分量；V?r—潮致余流作用產(chǎn)生的速度分量；V?h—環(huán)流(包括:風(fēng)海流和密度流)作用產(chǎn)生的速度分量；潮流流速分量V?t和V?r，由潮流調(diào)和常數(shù)預(yù)報得到。環(huán)流流速分量

V?h，綠潮環(huán)境動力業(yè)務(wù)化預(yù)報系統(tǒng)提供。

基于黃海綠潮環(huán)境動力數(shù)值模擬結(jié)果，利用綠潮斑塊海上漂移實驗修正了海流和風(fēng)力系數(shù)的比值[25]，并分析風(fēng)拖曳角度變化對綠潮分布的影響，確定模型參數(shù)。該模式能自動搜索綠潮所在區(qū)域，并考慮圍欄和流網(wǎng)障礙物的阻擋，快速預(yù)測綠潮斑塊漂移路徑[22]。

1.2.3 綠潮漂移預(yù)測結(jié)果驗證

由于綠潮(滸苔)的繁殖擴展速度非常之快，相差一天的滸苔衛(wèi)星圖片表現(xiàn)出來的綠潮分布形狀將大為不同，很難辨別出昨天的綠潮在今天是在什么位置。6月底至7月青島至日照近海綠潮密集度比較高，分布特征也比較明顯。我們在青島至日照近海收集到3次時間間隔僅相差幾個小時的衛(wèi)星圖片，可以明顯地辨別出上一時刻在下一時刻的位置，作為實測滸苔漂移位置，與模式計算漂移位置作對比檢驗。三組觀測對比資料分別為2008年7月16日18時16分COSMO－1 SAR和19時4分COSMO－2 SAR，2011年7月11日SAR COSMO 06:02和MODIS 10:59，2014年7月16日RADARSAT－2衛(wèi)星6:53和18:08監(jiān)測數(shù)據(jù)。2014年7月16日RADARSAT－2衛(wèi)星于兩個時刻經(jīng)過該海域，分辨率分別為50m和25m (圖4)。RADARSAT－2成像基本不受云覆蓋的影響，對比兩張影像圖，在6:53的監(jiān)測結(jié)果中選取綠潮形狀變化不大的區(qū)域(藍色方框)提取有效信息作為綠潮漂移模式的初始場，預(yù)測其到18:08綠潮的位置，并與同時刻監(jiān)測結(jié)果作比較(圖5)。受青島近海風(fēng)和流的影響，綠潮向西北向漂移。三組綠潮的漂移軌跡預(yù)報結(jié)果檢驗如表1。綜合考慮綠潮有可能會沉降、不同衛(wèi)星的成像也會出現(xiàn)一些差別等因素，綠潮數(shù)值預(yù)報結(jié)果與監(jiān)測結(jié)果大體一致，因此黃海綠潮快速應(yīng)急模型能夠準(zhǔn)確快速預(yù)測綠潮斑塊的漂移軌跡和方向。

圖4 2014年6月17日RADARSAT－2衛(wèi)星6:53(a)和18:08(b)綠潮(滸苔)解譯圖Fig.4 The Green Tide In terpretation of RADARSAT－2 at 6:53(a)and 18:08(b)，on 17 June，2014

表1 綠潮漂移軌跡預(yù)報結(jié)果檢驗Tab.1 The Forecasting Results Test of Green Tide

圖5 2014年6月17日18:08綠潮監(jiān)測(綠點)和預(yù)測(紅點)結(jié)果比對Fig.5 The Observation(green dots)and Prediction(red dots)of Green Tide at 18:08 on June 17，2014

1.3 黃海綠潮綜合業(yè)務(wù)平臺的建立

基于綠潮應(yīng)急遙感監(jiān)測子系統(tǒng)和應(yīng)急漂移預(yù)測子系統(tǒng)，建立一套集黃海綠潮災(zāi)害應(yīng)急遙感信息解譯、多源數(shù)據(jù)融合、漂移預(yù)測和預(yù)警產(chǎn)品制作和發(fā)布的綜合業(yè)務(wù)平臺。該平臺包含綠潮應(yīng)急遙感監(jiān)測和預(yù)測預(yù)警兩個子平臺；兩者既獨立又相互聯(lián)系，其框架如圖6。綠潮遙感監(jiān)測子平臺的關(guān)鍵技術(shù)為基于K－均值聚類算法的綠潮散點抽稀、業(yè)務(wù)化專題圖制作；應(yīng)急預(yù)測子平臺的關(guān)鍵技術(shù)主要是綠潮數(shù)值模擬與GIS系統(tǒng)的無縫集成、模式自動調(diào)用和并行計算、不同類型的綠潮制圖輸出、業(yè)務(wù)化快報制作和發(fā)布。以2013年6月29日為例，基于綠潮遙感監(jiān)測子平臺準(zhǔn)自動化提取當(dāng)天綠潮衛(wèi)星和航空等遙感數(shù)據(jù)信息得到多源綜合解譯結(jié)果(圖7左圖)，并制作綜合圖和綠潮遙感快報，可以進行快報發(fā)布或?qū)⒈O(jiān)測結(jié)果導(dǎo)入綠潮應(yīng)急預(yù)測子系統(tǒng)(圖7右圖)，進行綠潮應(yīng)急漂移預(yù)測，根據(jù)需要選擇不同時刻、不同斑點的綠潮預(yù)測結(jié)果，制作綠潮趨勢預(yù)測圖(圖8錯誤!未找到引用源。左圖)，并制作主要包括綠潮綜合分布圖、綠潮趨勢預(yù)測圖、綠潮斑點漂移圖、預(yù)警區(qū)域面積統(tǒng)計表、海洋環(huán)境預(yù)報表等信息的預(yù)警信息快報，最后發(fā)布預(yù)警信息(圖8右圖)。

圖6 綠潮應(yīng)急遙感監(jiān)測(左圖)子平臺和預(yù)測預(yù)警子平臺(右圖)總體框架圖Fig.6 The Frame Diagram onSub-platform of Remote Sensing M onitoring(left figure)and Forecasting and W arning(right figure)on Green Tide.

圖7 遙感監(jiān)測子平臺中監(jiān)測數(shù)據(jù)的準(zhǔn)自動化提取(左圖)和應(yīng)急預(yù)測子平臺中遙感解譯數(shù)據(jù)導(dǎo)入(右圖)Fig.7 The Quasi-autom atic Extraction ofM onitoring Data on Remote-Sensing M onitoring Sub-p latform(left figure)and Data Im port in the Forecasting and W arning Sub-p latform(righ t figure)

圖8 綠潮漂移預(yù)測結(jié)果圖(左圖)、綠潮快報制作過程(中圖)和監(jiān)測預(yù)警產(chǎn)品輸出(右圖)Fig.8 The Figure on Forecast Result Exported from Platform(left figure)，Express Production(m idd le figure)and Output Products(right figure)for Green Tide

2 討論

黃海綠潮應(yīng)急遙感監(jiān)測和預(yù)測預(yù)警系統(tǒng)從2008年開始研發(fā)到2010年底基本建設(shè)完成，并在應(yīng)用中不斷完善升級，大大提高了工作效率，進一步提升了黃海綠潮災(zāi)害應(yīng)急工作預(yù)警能力。本系統(tǒng)服務(wù)于國家海洋局和山東省海洋與漁業(yè)廳、青島市海洋與漁業(yè)局、威海市海洋與漁業(yè)局、煙臺市海洋與漁業(yè)局、日照市海洋與漁業(yè)局等政府防災(zāi)減災(zāi)應(yīng)急部門，為海上運動、水產(chǎn)養(yǎng)殖、濱海旅游、交通運輸、漁業(yè)生產(chǎn)等涉?；顒雍秃Ｑ蠊芾硖峁┛茖W(xué)可靠的技術(shù)保障，特別是在2008年奧帆船賽和2012年亞沙會的綠潮預(yù)測保障工作中，發(fā)揮了重要的作用，并取得巨大的社會、經(jīng)濟和生態(tài)效益。

海洋中滸苔條帶的寬度通常不大于10 m，而分辨率為25～30 m的SAR圖像中異常條帶的寬度是多個像素點。基于遙感圖像異常對綠潮量的估算可能會偏高1個量級(10倍)左右，所以單獨利用海洋遙感圖像判定綠潮在海面的覆蓋率存在一定問題。所以迫切需要完善海洋綠潮監(jiān)視監(jiān)測系統(tǒng)，衛(wèi)星遙感需緊密結(jié)合航空遙感、陸岸巡視等其他監(jiān)測結(jié)果，并實現(xiàn)多源數(shù)據(jù)充分融合，提高系統(tǒng)的監(jiān)測數(shù)據(jù)提取精度。在多源綠潮融合結(jié)果中，不同影像應(yīng)用基于NDVI與滸苔覆蓋率關(guān)系的混合像元分解方法，提取精度基本達到HJ－1 CCD提取精度，其余SAR影像分辨率各不相同，未將結(jié)果統(tǒng)一到HJ－1提取精度，因此為保證融合結(jié)果各星源信息提取精度統(tǒng)一，需對該問題開展進一步的研究。綠潮的發(fā)生發(fā)展過程十分復(fù)雜，在漂移的過程中會有生長、死亡沉降等生態(tài)現(xiàn)象。我們所采用的方法是在不考慮綠潮自身

生態(tài)特征的情況下，綠潮隨風(fēng)和流等要素漂移的物理過程。特別在6、7月份綠潮暴發(fā)期間，綠潮的生長速度較快，單純的物理模型不能模擬綠潮藻類的生長受溫度、光照、pH、鹽度和營養(yǎng)鹽等諸多環(huán)境因素影響的過程，所以下一步我們將建立綠潮物理—生態(tài)模型進行漂移、分布和生長預(yù)測，從而提高黃海綠潮應(yīng)急監(jiān)測和預(yù)測預(yù)警的能力，為政府相關(guān)部門提供更準(zhǔn)確和豐富的綠潮信息。

[1] Gower J，King S，Goncalves P.Globalmonitoring of plankton blooms using MERISMCI，29(21)，2008，6209－6216.

[2] 張娟.滸苔遙感監(jiān)測方法研究及軟件實現(xiàn)—以青島奧帆賽場及周邊海域為例[D].成都:電子科技大學(xué)，2009.

[3] 李三妹，李亞君，董海鷹，等.淺析衛(wèi)星遙感在黃海滸苔監(jiān)測中的應(yīng)用[J].應(yīng)用氣象學(xué)報，2010，21(1):76－82.

[4] Elijah R，Amina R，Mads S T，et al.Spectral definition of the Macro-algae Ulva curvata in the Back-barrier Bays of the eastern shore of Virginia，USA[J].Int.J.Remote Sens.，2012，33(2): 586－603.

[5] 李穎，梁剛，于水明，等.監(jiān)測滸苔災(zāi)害的微波遙感數(shù)據(jù)選取[J].海洋環(huán)境科學(xué)，2011，30(5): 739－742.

[6] 蔣興偉，鄒亞榮，王華，等.基于SAR快速提取滸苔信息應(yīng)用研究[J].海洋學(xué)報，2009，31(2): 63－68.

[7] Cui T W，Zhang J，Sun L E，et al.Satellite monitoring of massive green macroalgae bloom (GMB):Imaging ability comparison ofmulti-source data and drifting velocity estimation[J].Int.J. Remote Sens.，2012，33(17):5513－5527.

[8] Hu C M，He M X.Origin and offshore extent of floating algae in olympic sailing area[J].Eos，American Geophysical Union Transactions，2008，89 (33):302－303.

[9] Hu C M，Li D Q，Chen C S，et al.On the recurrent Ulvaprolifera blooms in the Yellow Sea and East China Sea[J].Journal of Geophysical Research，2010 (115):C05017.doi:10.1029/2009JC005561.

[10] Keesing J K，Liu D Y，F(xiàn)earns P，et al.Inter-and Intra-annual patterns of Ulvaprolifera green tides in the Yellow Sea during 2007－2009，their origin and relationship to the expansion of coastal seaweed aquaculture in China[J].Marine Pollution Bulletin，2011，62(6):1169－1182.

[11] Shi W，Wang M.Green macroalgae blooms in the Yellow Sea during the spring and summer of2008[J] J.Geophys.R.，2009(114):C120010，doi: 10.1029/2009JC005513.

[12] 高松，黃娟，白濤，等，2008年與2009年黃海綠潮漂移路徑分析[J].海洋科學(xué)，38(2):94－98.

[13] 王寧，曹叢華，黃娟，等.基于遙感監(jiān)測的黃海綠潮漂移路徑及分布面積特征分析[J].防災(zāi)科技學(xué)院學(xué)報，15(4):24－29.

[14] 黃娟，吳玲娟，高松，等，黃海綠潮分布年際變化分析[J].激光生物學(xué)報，2014.

[15] AUROUSSEAU P.Les flux d'azote et de phosphore provenantdes bassins versants de la rade de Brest [J].Comparaison avec laBretagne.Océanis，2001，27:137－161.

[16] CUGIER P，LE HIR P.Three dimensional(3D) ecological modellingof the Bay of Seine(English Channel，F(xiàn)rance)[J].JSea Res，2005，54:104－124.

[17] CUGIER P.P.LE HIR.Development of a 3D hydrodynamicalmodel for coastal ecosystem modeling，Application to the plume of the Seine River(France) [J].Estuar Coast Shelf Sci，2000，55:673－695.

[18] Ménesguen，JC Salomon.Eutrophication modelling as a toolfor fightingagainst Ulva coastalmass blooms，B.A.Schrefler and O.C.Zienkiewicz[eds.] [M].Computer modelling in oceanengineering. Balkema，1988，443－450.

[19] Perrot T，Dion P，Populus J，Guillaumont B，Brault D.A predictiveapproach to the mapping of fucoid beds using Spotmagery and a digital elevation model [C].VIIIth International SeaweedSymposium，June 20－25，2004，Bergen，Norway.

[20] 喬方利.2008與2010年黃海滸苔漂移輸運特征對比[J].科學(xué)通報，2011，56(18):1470－1476.

[21] 李燕，李云，劉欽政.滸苔漂移軌跡預(yù)報系統(tǒng)[J].海洋預(yù)報，2011，56(18):1470－1476.

[22] 黃娟，吳玲娟，高松，等.黃海綠潮應(yīng)急漂移數(shù)值模擬[J]，海洋預(yù)報，2011，28(1):25－32.

[23] 吳玲娟，曹叢華，黃娟，等.黃海綠潮應(yīng)急溯源數(shù)值模擬[J]，海洋科學(xué)，2011，35(6):44－47.

[24] Xu Jiangling， Huang Juan， Gao Song， et al.，Assimilation of High Frequency Radar Data into a Shelf Sea Circulation Model[J]，Journal of Ocean

University of China，2014，13(4):572－578.

[25] 黃娟，徐江玲，高松，等.基于海上試驗對海上漂移物運移軌跡影響因素分析[J].海洋預(yù)報，2014，31(4):97－104.

Remote-sensing M onitoring，F(xiàn)orecasting and Warning System for Emergency Response on Green Tide in Yellow Sea

Wu lingJuan1，2，Gao Song1，2，Ding Yi1，2，Cao Yajing1，2，Jin Xifang1，2
(1.North China Sea Marine Forecast Center ofState Oceanic Administration，Qingdao，Shandong 266061，China；2.Shandong Provincial Key Laboratory ofMarine Ecological Environmentand Disaster Prevention and Mitigation，Qingdao，Shandong 266061，China)

The system on remote-sensingmonitoring，forecasting and warning for emergency response on green tide in Yellow Sea is developed based on the study of monitoring and forecasting techniques.The system could provide remote-sensingmonitoring，information extraction，data collection and analysis，and broadcast of forecast and warning production.On remote-sensing monitoring，the technique on quasi-automatic information extraction and fusion of multi-source，multi-window data is developed；the fast drifting forecastmodel is developed based on fine atmospheric and oceanic field.The system serves the State Oceanic Adm inistration and related government departments，and provides scientific，reliable and technical support for marine sports，aquaculture，tourism，transportation，fishery，and marinemanagement.The system has played important roles in 2008 Olympic Sailing Games and 2012 Asian Beach Games，and has achieved great social，economic and ecological benefits.

green tide；remote-sensingmonitoring；forecasting and warning；system

X

:B

:1673－8047(2015)01－0059－09

2014－10－20

山東省海洋生態(tài)環(huán)境與防災(zāi)減災(zāi)重點實驗室開放基金(201407)；國家海洋局公益性項目(201205010)

:吳玲娟(1979—)，女，博士，高工，主要從事海洋環(huán)境要素預(yù)報和研究和防災(zāi)減災(zāi)工作。