基于靜止軌道海洋水色衛(wèi)星數(shù)據(jù)的海面漂浮綠潮遙感探測方法與逐時變化特征研究.pdf

1、2007至今,我國黃東海每年春夏季都會爆發(fā)一定規(guī)模的綠潮災害,對海洋環(huán)境、海洋漁業(yè)和海洋生態(tài)系統(tǒng)都造成了顯著的影響。衛(wèi)星遙感是大范圍綠潮監(jiān)測的重要手段,但目前的研究和業(yè)務監(jiān)測工作大都是基于極軌衛(wèi)星數(shù)據(jù)的,其重訪周期一般為一天,因此不能用于綠潮逐時變化監(jiān)測與研究。靜止軌道海洋水色衛(wèi)星 GOCI的問世為綠潮逐時變化特征研究提供了可能,但目前針對GOCI數(shù)據(jù)的綠潮遙感探測方法仍有待研究,基于GOCI數(shù)據(jù)的綠潮藻種衛(wèi)星遙感識別技術也未見研究報道

2、,海面漂浮綠潮分布的逐時變化特征的研究工作尚未開展。
　　本文針對以上科學問題,基于黃東海GOCI衛(wèi)星遙感影像,開展了海面漂浮綠潮探測方法、綠潮藻種識別方法和綠潮分布逐時變化特征等研究,主要內容和結論如下:
　　(1)海面漂浮綠潮GOCI遙感探測方法研究
　　針對 GOCI的波段設置特點,評估了主流的綠潮遙感探測算法(NDVI、RVI、EVI、FAI、NDAI、IGAG等)及其波段組合的綠潮探測能力,結果表明:NDVI

3、算法的綠潮探測能力明顯優(yōu)于 RVI、EVI、KOSC、OSABI等四種算法,可作為GOCI綠潮遙感監(jiān)測的首選算法;IGAG算法雖具有一定的應用潛力,但其表現(xiàn)缺乏穩(wěn)定性。對于上述6種算法不同波段組合的對比分析表明:紅光波段選擇GOCI波段5或波段6對綠潮探測結果的影響可以忽略,但近紅外波段選擇波段7或波段8可導致明顯差異。在此基礎上,本文綜合利用 GOCI紅光和近紅外各兩個波段的信息,基于經(jīng)典的 NDVI算法形式,發(fā)展了一種新的針對 GO

4、CI的海面漂浮綠潮探測算法 NDVI-a。
　　(2) GOCI海面漂浮綠潮藻種識別算法研究
　　基于滸苔和馬尾藻等不同綠潮藻種的 GOCI衛(wèi)星數(shù)據(jù),分析了不同藻種(滸苔和馬尾藻)綠潮的光譜差異,結果表明馬尾藻光譜在紅光波段(GOCI波段5、6)反射率值明顯大于滸苔,而滸苔光譜在近紅外波段(GOCI波段7、8)的反射率稍大于馬尾藻。在此基礎上,利用支持向量機 SVM模型發(fā)展了一種新的綠潮藻種遙感識別方法,經(jīng)獨立數(shù)據(jù)檢驗,識別

5、準確率為84％。
　　(3)黃海海面漂浮綠潮分布逐時變化特征及驅動機制研究
　　利用一日8景的 GOCI衛(wèi)星影像,分別提取了2013年6月20日和29日黃海綠潮分布逐時變化信息,結果表明,從8:30到15:30,海面漂浮綠潮覆蓋面積呈先上升后下降的趨勢,在綠潮覆蓋面積最大值出現(xiàn)在13:30,可能的原因是一日之內光照不同導致懸浮綠潮上浮或沉降;利用最大相關系數(shù)(Maximum Correlation Coefficient,M