刘海龙，邢前国，丁静，刘建强，郑向阳，吴玲娟，李琳，陆应诚

1.中国科学院烟台海岸带研究所 中国科学院海岸带环境过程与生态修复重点实验室, 烟台 264003;

2.山东省海岸带环境过程重点实验室, 烟台 264003;

3.中国科学院大学, 北京 100049;

4.自然资源部国家卫星海洋应用中心, 北京 100081;

5.国家海洋局北海预报中心, 青岛 264061;

6.南京大学国际地球系统科学研究所, 南京 210023

由于人类活动与气候变化的影响，海洋大规模漂浮大型藻造成的生态灾害，近20年来在全球范围内呈增加的趋势（Morand 和Merceron，2004；
Hu 等，2011；
Xing和Hu，2016）。遥感也成为监测、评估这一生态现象或灾害的必要手段。利用多日或逐日卫星遥感图像对漂浮大型藻观测，计算其运移速度、研究其运移过程，可用于漂浮大型藻运移过程的数值模拟与预报（郑向阳 等，2011；
Qiao 等，2011；
Xing 等，2017，2018，2019），进而服务于相应的管理，为减轻有害藻华的发生提供数据支持（Guan 等，2022）。

海表漂浮大型藻斑块由藻个体或其聚合体构成，其尺寸小到几个平方厘米、大到几平方公里，其形态往往不规则，空间分布不均。由于海表流场、风场及其他自然或人为影响因素的非均一特性，不同位置的大型藻斑块在运移过程中会形变、聚集或分散，目标斑块在一段时间之后可能难以再为卫星遥感检测到（Cui 等，2012）；
而且，其运移距离至少大于一个像元对应的海表距离时，才可计算其运移速度。因此，利用遥感影像估算漂浮大型藻的运移对其观测时间段、空间分辨率有着相应的要求。

采用较低分辨率的多时相卫星影像进行大型藻漂浮速度估算时，大量混合像元的存在会增加斑块的界定与匹配难度，也需要更长的观测时间段来保证斑块有足够的运移距离（Xing 等，2018）。因此，基于低分辨率的卫星影像，如500 m分辨率的GOCI（蔡晓晴，2014）、250 m 分辨率的MODIS（Cui 等，2012），通常难以获得高精度、高分辨率的漂浮大型藻运移速度场信息。

采用高分辨率卫星数据，则可能获得更精确的大型藻斑块个体及其运移速度信息（袁超 等，2020）。Ciappa 等（2010）基于30 m 分辨率的COSMO-SkyMed SAR 像对、采用最大互相关方法MCC（Maximum Cross Correlation）针对2008年7月青岛附近的浒苔48 min 内的运移速度进行估算；
陈晓英等（2018）利用50 m 分辨率的高分4 号（GF-4）卫星影像，分析了2016年6月25日黄海绿潮漂移速度，结果显示可以实现8—9 min 内的绿潮运移速度观测，采用的上午、下午2 景GF-4影像时间差超过6 h；
Cui 等（2012）利用30 m 分辨率的光学（环境1号HJ-1 CCD，UTC 02：46）和SAR（ENVISAT ASAR，UTC 13：59）影像像对的时间差超过10 h，像对时间间隔较大，大型藻斑块发生形变概率大，点对点匹配跟踪效果降低。

为研究海表漂浮大型藻的运移特征与机制，本研究以黄海绿潮（Liu 等，2009）为例，采用超高分辨率（3 cm）无人机和高分辨率（10 m 至50 m）卫星遥感像对，分别从2 min、30 min 到3 h这3 种不同的高时间分辨率研究分析其运移速度特征，探讨利用光学卫星像对反演海表漂浮大型藻运移速度的潜力。

2.1 影像数据采集与预处理

本研究采用的双时相遥感数据（表1）分别如图1—3 所示，本研究中的图像观测点为南黄海不同的区域，观测的对象为海表漂浮大型绿藻浒苔（Ulva prolifera），如图2 和图3 所示。

表1 遥感数据Table 1 Remote sensing data

高分辨率卫星观测，采用了搭载于中国海洋卫星海洋1 号HY-1C/D 的海岸带成像仪（CZI）获取的50 m 分辨率的双时相数据，以及中国高分6 号（GF-6）WVF（Wide Field of View）和欧空局哨兵2 号（Sentinel-2）MSI（Multi-Spectral Instrument）在同一区域上午采集的双时相数据。本研究使用的GF-6 WVF数据的空间分辨率为16 m，Sentinel-2数据为10 m分辨率。

本研究获取了2021年8月2日海洋卫星HY-1C/D 海岸带成像仪（CZI）采集的双时相图像L1b 数据产品（图1），二者数据采集的时间差为2.45 h。进行地理校正后，基于研究区的地面控制点进一步检测两幅图像的空间几何偏差。基于15 个海上风机等作为控制点的检测结果显示，观测区两幅CZI 图像之间的空间位置偏差不大于一个像素。

本研究同样获取了2019年6月23日上午近岸海域的Sentinel-2 MSI 和GF-6 WVF 高分辨率卫星影像（图2），二者的时间差约为0.5 h。GF-6 图像经重投影使之坐标系统与Sentinel-2 保持一致，且GF-6 经邻近点插值重采样使之与Sentinel-2数据的分辨率一致（即10 m）。采用地面控制点进一步检验发现，本研究区的GF-6 WVF 和Sentinel-2 MSI影像间的空间系统偏差为50 m 左右；
以此系统偏差和Sentinel-2 图像坐标为基准，进一步纠正了GF-6 WVF 图像的相对坐标偏移。

图2 近岸浒苔真彩色合成图像Fig.2 True color composite images of coastal Ulva prolifera

采用无人机悬停定点观测的方式，于2021年6月28日获取了浒苔漂浮区的超高分辨率时间系列图像（图3）。本观测采用的无人机为大疆御2（DJI-Mavic 2）机型，悬停于目标区上空100 m 以上，垂直向下拍摄，其空间分辨率为3 cm。经多次起飞、返回、降落的动态飞行测试结果显示，所采用的无人机实际定位误差不超过20 cm；
在惯性增稳悬停工作状态下，其漂移不超过10 cm。在浒苔运移速度较低时（0.003 m/s），连续观测2 min时，由于定位带来的速度估算误差不超过3%；
观测时间越长，浒苔实际运移速度越大，速度估算的误差会更低。在实际操作过程中，无人机悬停稳定30 s 后开始观测采集图像，以避免无人机飞行起停晃动带来的云台位置、横滚角、偏航角、俯仰角变化的影响。

图3 基于无人机采集的漂浮浒苔时间系列图像及其采集时间（其空间位置如图2（a）中SUAV所示）Fig.3 Time series images of floating Ulva prolifera are collected based on UAV（its spatial location is shown in SUAV in Fig.2a）

2.2 漂浮目标的运移速度估算

遥感影像对大型藻漂移速度的探测是基于对大型藻斑块特征点位移的探测，再结合时间差计算漂移速度（Cui 等，2012）。所以，探测的根本在于对大型藻斑块特征点位移的探测，而位移的识别取决于遥感图像的空间分辨率，以50 m分辨率为例，大型藻斑块特征点的位移需大于一个像素即50 m 才可能被遥感影像探测到。10 m和厘米级分辨率图像，也遵循此规律。最大互相关方法MCC 可用于包括浒苔在内示踪物的速度估算（Ciappa 等，2010；
陈晓英 等，2018）。如图2 中两种原始分辨率不同的像对所示，图2（a）中无耀光区域，图2（b）中右侧过亮部分为耀光区域，目标与背景光学条件较为复杂，MCC 方法难以精细化提取感兴趣目标，故本研究中采用目视解译的方法确定各像对上的对应点。具体采用相关的浒苔指数，如归一化植被指数NDVI（Normalized Difference Vegetation Index）（Hu 和He，2008）、虚拟基线漂浮藻类高度指数VB-FAH（Virtual-Baseline Floating Macroalgae Height ）（Xing 和Hu，2016）及红绿波段虚拟基线漂浮绿藻指数RG-FAH（Red-Green band virtual baseline Floating green Algae Index）（杨国英 等，2021），结合增强后的彩色合成图像，对比两幅图像确定其对应的像对点，记录输出坐标信息，然后进一步计算各点的运移速度。

针对浒苔运移的驱动力，本研究同时采用欧洲中期天气预报中心ECMWF（European Centre for Medium-Range Weather Forecasts）风场同化数据用于辅助分析风场对其运移的影响。

3.1 基于海岸带成像仪CZI的浒苔运移观测

图4（a）和4（b）分别为13：06：55 时HY-1D CZI 数据监测到的漂浮浒苔分布的NDVI 指数图和Red-NIR-Blue 三波段合成图。基于CZI 提取的观测区中的浒苔总面积为32.74 km2，斑块总数为3071 个，其中最大斑块面积为0.63 km2，最小斑块面积为0.003 km2，与无人机观测相比（见章节3.3），浒苔斑块大小分布相对较均一。这种基于50 m 分辨率影像提取的斑块尺寸分布特征与浒苔的空间分布与斑块自身大小有较大关系。本研究观测时间为2021年8月2日，为黄海绿潮的消散阶段，地点为开阔海域，浒苔斑块较小且分布相对分散，而50 m分辨率对应的最小斑块面积为2500 m2，因此，表观斑块面积大小的分布区间相对较窄。

图4 漂浮浒苔分布及运移速度Fig.4 The distribution and movement speed of floating Ulva prolifera

如图4 所示，在上午HY-1C 与下午HY-1D 分别过境成像期间（时差2.45 h），浒苔斑块保持了较清晰可识别的轮廓，其运移距离为2—5 km，平均运移速度为0.380 m/s（标准偏差S.D.（Standard Deviation）=0.059 m/s；
样本数N=151）。如图1（a）中白色框所示，本观测区位于离岸约100 km 的外海区域，各浒苔斑块运移方向与速度变异较小；
期间风速由4.5 m/s 下降到2 m/s，风向较为稳定，浒苔运移方向与平均风向二者间夹角小于15°。在这种风与海洋潮流的方向较为一致的情况下，二者效应叠加（高松 等，2014），使得浒苔的运移速度会相对较高。浒苔斑块的空间形态多为条状，其延伸方向与风向及运移方向相近，夹角多小于10°。黄海夏季漂浮浒苔绿潮的运移及其路径摆动总体上与盛行夏季风的驱动密切相关（Qiao 等，2011；
Xing 等，2009；
Lee 等，2011；
Son 等，2015；
Xu 等，2016）。

3.2 基于GF-6与Sentinel-2的浒苔运移观测

如图5（a）的结果叠加对比所示，在Sentinel-2和GF-6 先后成像的27.34 min 期间，研究区已探测出的漂浮浒苔主要发生了东向、东北向的运动，基于点对点的运移速度计算结果显示其速度空间差异较大（图5（b））。本研究区的东北方向有河流及电厂冷却水排放，可见浒苔主要沿该排水水团边缘分布，位于水团中的几处浒苔则随水团向南（如97 号、98 号浒苔斑块标记），不同于本区域浒苔的主要运动方向。基于ECMWF 同化风场数据显示，成像期间的该区域主导风向为东风，风速约为2.5 m/s，该区域漂浮浒苔的主要运移方向与风向间的夹角约为170°。总体而言，期间其运移主要受潮流与排水引起局部流场的影响。

图5 漂浮浒苔分布Fig.5 The distribution of floating Ulva prolifera

如图2（b）所示，研究区海表在GF-6 图像上存在明显太阳耀光异常区。在高耀光区，传感器接收到强烈的水面反射的太阳直射信号，导致像元值明显增大，视觉上更明亮。如图6（a）展示的剖线（图2 中的P-P’）DN 值所示，GF-6 的4 个波段均存在明显的高耀光区（W1、W2、W3）和低耀光区（D1、D2）；
其中，低耀光区（D2）与NDVI（图6（b））指示的浒苔聚集区有关，Sentinel-2 近红外波段（图6（c））及NDVI指数（图6（d））也显示该处浒苔信号的存在。Sentinel-2 近红外波段指示的低耀光区（图6（c））与GF-6 显示的高耀光区（W3）对应，NDVI 指数（图6（d））显示W3 处有浒苔存在；
但是，在浒苔信号较强的区域，如D2附近（图6（d）），在Sentinel-2 近红外波段没有显示出低耀光的信号特征。这种在不同观测角下呈现出亮、暗的区域，多为水团的锋面或辐聚区，其水面粗糙度相对较低，在不同的观测角度下会导致更多或更少的入瞳太阳耀光（Hu 等，2009；
Liu 等，2014）；
有漂浮浒苔聚集的耀光异常区，也说明了这类耀光异常区的锋面与辐聚物理特征。在本案例中，太阳耀光引起的DN 值异常，导致NDVI 指数在高耀光区的浒苔识别能力减弱（W3），但在视觉上，浒苔斑块的形态特征明显，由太阳耀光异常表征的这类辐聚区在近30 min内持续存在，且发生了明显迁移，其平均速度约为0.2 m/s（图5（b））。

图6 GF-6与Sentinel-2沿剖线P-P’的波段及指数值变化Fig.6 Waveband and index value varied of GF-6 and Sentinel-2 along the section line P-P"

3.3 基于无人机的超高分辨率浒苔运移观测

如图7（a）所示，无人机观测区域的浒苔斑块数目为1193 个，其总像元数为2136189 个，总面积约合2052 m2，斑块个体平均面积为1.7 m2。其中，最大斑块面积为1703 m2；
面积小于0.6 m2（约600 个像元）的浒苔斑块数量占观测区浒苔斑块数量的90%以上，但其面积却只有总面积的5%；
面积低于100 cm2（像元数低于10个）的斑块个数为233个，约占总数的20%，但其面积占比不到0.1%。由此测算，无人机无法探测到的面积小于一个像素的小斑块，其面积占比远低于0.1%，所以，基于3 cm 的超高分辨率无人机遥感图像探测浒苔，其面积估算的精度可高达0.1%。无人机图像的分辨率可达到厘米级，漂浮浒苔斑块及个体都可观测到，其观测到的浒苔斑块面积大小的分布更宽，在本案例中达5个数量级。

ECMWF数据显示，观测时段的风速约为3.5 m/s，基于耀光显示的波浪方向与ECMWF 风向基本一致。如图7所示，该区域的漂浮浒苔的运移平均速度为0.066 m/s，其运移方向与风向的夹角为110°左右。该结果显示，在本观测中，在风速较低、风应力弱的情况下，浒苔的运动方向主要受海表流场所控制，与风向没有明显的一致性；
然而，如图7（a）所示，小斑块浒苔沿风向呈链条状分布的特征，两者的夹角小于15°，说明该处漂浮浒苔的分布与运移正在或曾经受到风的影响。

图7 基于无人机图像反演的浒苔相对分布密度图及其运移速度图Fig.7 Inverted relative distribution density map and movement velocity map of Ulva prolifera based on UAV image

浒苔斑块有着较高的浒苔指数值（RG-FAH），说明具有较高的密度。如图7（a）所示，在本次观测中，不同位置的浒苔斑块的运移速度，与其本身的大小及密度没有明显的相关性。如图7（b）所示，图像的左侧边缘附近的浒苔运移速度较慢，其平均速度为0.034 m/s（SD=0.004 m/s，N=15），只有右侧区域的平均运移速度（0.070 m/s，SD=0.009 m/s，N=100）的一半左右。该结果说明，该区域可能存在由地形促成的局部水团锋面，使得其两侧的海水流速存在较大差异。如图2（a）所示的，该处也存在海表耀光异常，也说明该处可能存在小尺度的海流辐聚区。

基于分辨率分别为50 m、10 m 与3 cm 的卫星与无人机双时相图像数据，本文分别对不同时间间隔内的浒苔运移进行了观测实验，三者分别在3 h、30 min 及2 min 内实现了对浒苔运移速度高精度的观测，其中，基于HY-1C/D双星组网实现了2.45 h内50 m分辨率级别的斑块点对点跟踪，平均运移速度为0.380 m/s；
10 m 级分辨率的MSI、WVF 影像上，可观测到斑块30 min内的运移，平均速度约为0.2 m/s；
基于厘米级超高分辨率无人机图像可实现秒级至分钟级别的漂浮大型藻运移观测，平均速度为0.066 m/s。展示了高分辨率与超高分辨率光学图像数据在高时间分辨率漂浮藻运移监测中的可行性。本研究观测时段的风速较低（低于3.5 m/s），且由于海表流场的影响，观测到的浒苔运移方向与间风向夹角多大于90°，但浒苔斑块分布扩展的方向在不同尺度上表现出与风向的一致性，体现出风的影响。基于海表太阳耀光分析，本研究首次跟踪展示了海流辐聚区在约半小时内稳定存在的现象。中、高风速与高风速下的浒苔分布、运移及海流辐聚区的持续性还有待进一步研究。

志 谢海岸带成像仪CZI 数据来自中国国家海洋卫星应用中心，GF-6WVF数据来自中国资源卫星应用中心（CRESDA），Sentinel-2 数据来自欧空局（ESA）。

猜你喜欢 海表运移高分辨率 曲流河复合点坝砂体构型表征及流体运移机理西南石油大学学报(自然科学版)(2021年3期)2021-07-16基于无人机的海表环境智能监测系统设计与应用海洋信息技术与应用(2020年2期)2020-07-27高分辨率合成孔径雷达图像解译系统雷达学报(2020年3期)2020-07-132016与1998年春季北大西洋海表温度异常的差异及成因热带海洋学报(2020年3期)2020-05-25融合海表温度产品在渤黄东海的对比分析及初步验证海洋通报(2020年6期)2020-03-19东营凹陷北带中浅层油气运移通道组合类型及成藏作用石油地质与工程(2019年3期)2019-09-10太阳总辐照度对热带中太平洋海表温度年代际变化的可能影响成都信息工程大学学报(2019年5期)2019-05-21建筑业特定工序的粉尘运移规律研究江西建材(2018年2期)2018-04-14川西坳陷孝泉-新场地区陆相天然气地球化学及运移特征中国石油大学学报（自然科学版）(2015年2期)2015-11-10高分辨率对地观测系统太空探索(2015年8期)2015-07-18