共查询到20条相似文献，搜索用时 140 毫秒
1.
自2007年以来, 黄海海域每年的5月初～8月中下旬浒苔(Ulva prolifera)会周期性地暴发与消亡,导致海洋生态环境被破坏以及经济损失。利用2014 年的HJ-1A/1B遥感影像, 利用神经网络监督分类及RULE规则影像重分类动态阈值法, 对2014年的浒苔的漂移路径、各时期影响的海域面积、分布面积以及暴发高峰期的最大面积进行了动态监测。结果表明, 2014年浒苔持续时间为101 d, 5月中旬开始在江苏省盐城市近海出现零星斑点, 分布面积为2.299 km2, 影响面积为1 744.799 km2; 6月初到6月中旬浒苔广泛分布于黄海海域, 分布面积扩大至1 367.145 km2, 达到当年的峰值; 从6月下旬开始, 浒苔进入衰退期, 浒苔分布面积、相对聚集密度均急剧缩小, 但影响面积的峰值出现在该时期; 8月初消亡于青岛附近海岸, 8月20日遥感影像已难以监测到浒苔的存在。2014年黄海海域浒苔经过了“出现—发展—暴发—衰退—消亡”5个发展阶段。 相似文献
2.
MODIS影像是浒苔业务化卫星遥感监测的重要数据源,但其空间分辨率(250m)较低,混合像元效应导致传统的NDVI(Normalized Difference Vegetation Index)阈值法浒苔提取误差较大。为解决此问题,本文以准同步的较高分辨率的HJ-1CCD影像浒苔提取结果为基准,建立基于MODIS NDVI与浒苔像元丰度(浒苔覆盖面积占像元面积百分比)关系的浒苔信息提取模型,利用该模型可提取每个像元的丰度(即浒苔覆盖率),从而提高整景影像浒苔覆盖面积提取精度。该模型可为浒苔灾害等级的确定以及防灾减灾应急决策提供支持。 相似文献
3.
南黄海浒苔漂移轨迹年际变化规律及驱动因素 总被引：2，自引：0，他引：2
综合利用环境卫星(HJ-1A/1B)CCD影像与MODIS影像,对2011-2017年南黄海海域浒苔信息进行了提取,并结合QuickSCAT海风数据以及ESRL海温数据对浒苔生长及漂移路径的影响进行了分析。结果表明:(1)7年中利用遥感手段最初发现浒苔的日期为5月份,初始发现位置多集中在江苏省盐城市附近海域,且近7年浒苔漂移方向整体上向北,进入山东半岛海域。其中,浒苔中心点距离青岛海域最远约115km(2015年6月21日),最近约9.6km(2012年7月11日)。(2)浒苔中心点漂移方位年际差异较大,整体上浒苔漂移路径方向与海面风风向高度一致。(3)SST是浒苔暴发的关键环境因子,南黄海海域5—8月份SST逐月升高为浒苔生消过程提供了环境条件。 相似文献
4.
青岛近海浒苔光谱特征研究 总被引：2，自引：1，他引：1
针对从2008年以来,每年夏季我国黄海南部暴发大面积的浒苔(Enteromorpha)灾害,对海洋环境及经济造成不利影响的状况,为了进一步研究浒苔特性,为利用遥感手段监测浒苔提供一定的理论依据,通过实地测量不同条件下浒苔的光谱反射率曲线,定性分析了浒苔的光谱特征。结果表明,浒苔的基本光谱特征表现为在蓝光波段和红光波段形成反射谷,在绿光波段形成反射峰,而在近红外波段反射率明显增大,形成高反射峰。因此将红光波段和近红外波段作为敏感波段,利用NDVI(归一化植被指数)提取遥感图像上的浒苔信息,可取得较好效果,有利于浒苔监测。 相似文献
5.
浒苔的暴发会对水体生态环境产生巨大的影响, 对此进行遥感监测具有十分重要的意义。本文基于现场同步实测的有色溶解有机物(colored dissolved organic matter, CDOM)吸收系数、叶绿素浓度以及光谱数据建立遥感反演模型,再结合MODIS卫星影像提取山东半岛南侧近岸海域在各年份浒苔暴发前后CDOM与叶绿素浓度的时空分布特征。结果表明, 浒苔的消亡分解会在水体中产生大量的CDOM, 但浒苔的生长繁殖同样会消耗CDOM, 此外CDOM还受到浒苔暴发时期强烈的光降解作用。在各种因素的综合作用下, 研究区海域CDOM浓度在浒苔暴发时期微弱升高, 浒苔消亡后CDOM浓度则开始回落。浒苔在暴发期会抑制其他浮游微藻的生长, 使研究区海域叶绿素浓度有所降低, 而浒苔消亡后叶绿素浓度有所上升。水体中的叶绿素受多种生物地球化学因素的影响, 因此叶绿素浓度的降低与浒苔的暴发强度之间没有明确的相关性。遥感反演可以大范围快速地提取水体中各种要素的分布情况, 但就浒苔的暴发对海水中各要素的影响机制而言, 还需要结合各种生态环境因子进行综合分析。 相似文献
6.
利用高空间分辨率卫星影像准确监测浒苔绿潮对灾害早期发现、动态跟踪以及沿岸防御具有重要应用价值。目前面向高分辨率遥感影像已有多种浒苔提取方法,但不同遥感算法受到海水背景(浑浊和清澈海水)和外界观测环境(如云层、太阳耀斑、观测几何条件)等干扰,其监测效果可能受到不同程度影响。为此,以国产高分辨率GF-WFV和HJ-CCD影像为例,充分对比了归一化差值植被指数(normalized difference vegetation index,NDVI)、漂浮藻类高度虚拟基线指数(virtual baseline floating macroalgae height,VB-FAH)和绿度指数(tasseled cap greenness,TCG)在常见多种环境背景下提取浒苔的优势和不足。研究结果表明:在清澈海水、浑浊海水和弱太阳耀斑背景下,NDVI、VB-FAH和TCG三种算法均有较好的浒苔识别能力,其精度评价指标F1-score和总体分类精度(overall accuracy, OA)分别超过95.6%和95.2%。对于几何观测条件,VB-FAH和TCG算法对观测几何角度的变化不敏感并表现较高的稳定性,要优于NDVI方法。在云层覆盖和强太阳耀斑背景下,TCG算法的浒苔判识能力最好,并可有效排除云覆盖和强太阳耀斑的干扰,其精度评价指标F1-score和OA分别超过95.2%和95.0%。 相似文献
7.
2015年黄海浒苔演变特征的遥感分析 总被引：2，自引：1，他引：1
为揭示2015年黄海区域浒苔演变特征, 利用MODIS(moderate-resolution imaging spectrometer)数据, 通过计算漂浮藻类指数(floating algae index, FAI)建立了浒苔信息的数据集, 进而获取了浒苔的时空变化规律特征。研究发现, 5月13日浒苔条带最早出现在苏北近岸, 之后浒苔条带向北和向东漂移, 浒苔覆盖面积逐渐变大; 向北漂移的浒苔逐渐发展成大规模聚集的形态, 而向东的条带仍旧是分散的形态; 向北漂移的浒苔条带6月12日到达半岛顶端后出现大规模登陆的情况, 登陆的依次顺序为乳山—青岛—海阳; 在苏北近岸的浒苔一直持续到8月5日。对2015年浒苔时空演变特征与往年情况进行初步对比分析, 发现其与2013年浒苔漂移路径和登陆过程存在显著差异, 具有很强的年际差异。 相似文献
8.
9.
利用MODIS和RADARSAT数据对浒苔的监测研究 总被引：1，自引：0，他引：1
浒苔是一种大型的浮游性海藻,它的爆发给环境造成了很大的影响。本文介绍了利用EOS/MODIS和RADARSAT遥感数据探测2008-2009年发生在黄海及邻近海域(119°E~122°E,34°N~36°30′N之间)的浒苔灾害的研究。本研究首先利用MODIS传感器的1、2波段计算了相应海域的NDVI。在云层较厚的情况下结合RADARSAT图像来辅助判定大型浮游藻类的信息。并计算了长时间序列NDVI,利用阀值分割法计算了浒苔爆发的面积信息,利用ARCVIEW工具对长时间序列的浒苔分布的矢量信息进行处理,得到了浒苔的漂浮路线,起源。初步研究了MODIS监测浒苔的可行性,讨论了浒苔的爆发可能对渔业资源造成的潜在影响。 相似文献
10.
近几年来在我国青岛海域连续暴发的浒苔绿潮造成了巨大的经济损失并且破坏了近海海洋生态系统平衡。因此,浒苔绿潮受到了越来越多的关注。本研究重点关注了绿潮暴发期间不同海域浒苔藻体生理特征和孢子囊形成情况。研究发现,不同海域里浒苔藻体生理特征差异显著,孢子囊比例显著不同,并且观察到漂浮浒苔的原位萌发。2017年5月中旬,我们在苏北浅滩紫菜养殖区域(33.78°N,121.29°E)对筏架绠绳上生长的绿藻,退潮后滩涂散落的绿藻和涨潮时海面上漂浮的绿藻进行为期5天的野外采集。另外,在2017年6月随科考船对浒苔暴发海域的浒苔样本进行采集。采集范围在(33.5°—36.5°N, 120°—124°E)。结果表明,从低纬度到高纬度,浒苔F_v/F_m(光系统Ⅱ最大光化学量子产量)值从0.65逐渐降低至0.3左右;YⅡ(光系统Ⅱ实时光化学量子产量)值也从最高0.5左右降低至最低0.1。此外,定生浒苔F_v/F_m值为0.6—0.8左右,明显高于漂浮浒苔; YⅡ值也有类似趋势。在孢子囊形成比例方面,定生浒苔约有5%藻体形成了孢子囊,而漂浮浒苔中孢子囊形成比例达到20%。数据表明,低纬度区域为浒苔来源地,浒苔生理活性良好,孢子囊形成比例低。随着浒苔往北漂移,其生理活性降低。并且,漂浮浒苔孢子囊形成比例显著性高于定生浒苔。本文认为,浒苔脱离来源区后,孢子囊的快速形成、成熟和孢子释放以及孢子的原位萌发是浒苔生物量激增的重要原因。 相似文献
11.
基于数据挖掘的GF-1 遥感影像绿潮自适应阈值分区智能检测方法研究 总被引：1，自引：0，他引：1
由于受到云雾的影响，可见光影像能够高效用于绿潮检测的数据源较为有限，特别是云覆盖较为严重的可见光影像，基本无法用于检测绿潮。即使影像数据是在薄云、薄雾、无云覆盖的情况下获取的，由于其光谱反射值存在较大差异，依然很难采用同一阈值进行绿潮检测。基于此，为了提高可见光影像的利用率，实现不同云覆盖情况下，绿潮的高精度自适应阈值的自动检测，本文以GF-1影像为数据源，首先采用K-means聚类和C4.5决策树方法实现影像云覆盖情况的自动识别；其次，选取大量不同云覆盖情况下子图像样本（每个子图像样本中均包含绿潮和海水两类），分析得出不同云覆盖情况下绿潮和海水的区分阈值y与影像光谱差x=bandnir-bandred之间所具有的线性关系；然后，利用分析得出的线性关系提出一种适用于GF-1影像的绿潮分区自适应阈值自动检测方法。最后，为验证提出方法的有效性，分别采用NDVI方法、EVI方法和本文提出的自适应阈值自动检测方法进行绿潮提取实验。实验结果表明，对于GF-1卫星遥感数据，本文提出的绿潮自适应阈值分区自动检测方法明显优于传统的NDVI和EVI检测方法，不仅提高了绿潮的监测精度，而且实现了绿潮提取的全自动化。 相似文献
12.
于2017年4月至6月，沿南黄海35°N断面出现了罕见的绿潮、金潮和赤潮等有害藻华共发现象。本研究通过现场定时定速拖网等方法，对黄海35°N断面不同站位的大型漂浮藻类进行了定量观测，并对赤潮区浮游植物进行了显微镜观察。结果表明：沿35°N断面的漂浮绿藻和马尾藻生物量具有明显的时空变化特征，4月下旬漂浮绿藻和马尾藻开始零星出现，5月下旬生物量和分布范围明显增加，在6月上旬达到最大，随后在6月下旬降低。漂浮绿藻和马尾藻的分布区域存在差异，120°30''—122°30''E为两者共同分布海域，向西以漂浮绿藻为主，向东则以马尾藻为主。分别于5月下旬和6月下旬在黄海35°N断面发现了1次米氏凯伦藻（Karenia mikimotoi）赤潮和1次赤潮异弯藻（Heterosigma akashiwo）赤潮。基于现场获取的水文数据，本文对南黄海海域的环境条件及其对有害藻华分布的影响进行了讨论。沿35°N断面共发的绿潮、金潮和赤潮现象表明黄海海域正面临严峻的海洋生态问题，通过对该海域赤潮、金潮和绿潮的长期观测，可望揭示这些藻华灾害形成机制和演变规律，为针对性地开展有害藻华预报、预警和防控提供科学依据。 相似文献
13.
南黄海绿潮暴发与紫菜养殖的关系 总被引：2，自引：0，他引：2
采用现场调查、社会调查和卫星遥感多种手段相结合,调查了南黄海绿潮早期零星漂浮到大面积暴发的时空变化过程,分析了紫菜养殖工艺对绿潮暴发的影响,估算了南黄海不同紫菜养殖区输入海洋的绿潮藻初始生物量,并探讨了主要海域紫菜养殖面积的增长与绿潮暴发的关系。结果表明,受紫菜养殖生产工艺的影响,数以千吨的绿潮藻在短期内被刮落集中输入至海洋,为绿潮的暴发提供了最为直接和充足的绿潮藻初始生物量,其主要来源为竹根沙、蒋家沙和东沙紫菜养殖区。2005年以来,上述3个养殖区的紫菜养殖面积持续扩大,是2007年以来南黄海绿潮持续暴发的主要原因。水温是影响绿潮形成的关键环境因素,4~6月份大量被刮落入海的绿潮藻在适宜环境条件下漂浮和快速生长,并最终形成绿潮。 相似文献
14.
生态因子在黄海绿潮生消过程中的作用 总被引：2，自引：2，他引：0
2008–2017年南黄海海域连续10 a发生绿潮，影响周边沿海城市养殖、旅游和航运安全等。研究绿潮生消过程及其影响因素对于理解黄海绿潮分布特征，开展绿潮灾害的预防与治理有重要意义。本文主要采用MODIS L1B数据，通过归一化植被指数提取绿潮信息。根据逐年绿潮覆盖面积的变化特征，将绿潮生消过程分为3个阶段:触发阶段、快速发展阶段、消衰阶段，分析了海表温度、降水和光照在绿潮生消过程中的作用。结果表明:在触发阶段，温度达到15°C后，有效降水可以刺激绿潮的触发，在降水后的半个月内可以通过MODIS影像发现绿潮。在快速发展阶段，绿潮所在位置海表面温度为16～21°C，适宜绿潮的快速生长；太阳短波辐射集中在250～280 W/m2范围内；降水量是影响绿潮生长规模的一个重要因素，降水量少时绿潮覆盖面积峰值明显较小，而出现绿潮覆盖面积最大值的2016年降水量也极高。在消衰阶段，海表温度上升至22～26°C，绿潮在卫星影像中消失时，平均海表温度超过26°C，最高温度可达27.48°C，较高的海表面温度是导致绿潮消亡的主要原因之一；太阳短波辐射集中在240～260 W/m2，略低于快速发展阶段光照范围；降水量在该阶段相对充足不再影响绿潮的生长。 相似文献
15.
黄河三角洲NDVI时空演化特征及其驱动因素 总被引：1，自引：0，他引：1
为了解黄河三角洲地区植被盖度的时空动态,在利用遥感资料分析归一化植被指数(NDVI)空间分布格局及其年际变化规律的基础上,进一步探讨了影响NDVI时空变化的自然和人为因素。结果显示,黄河三角洲地区2002、2006、2008、2013年10月的NDVI均值分别为-0.04、0.06、0.10、0.16,NDVI0的区域面积分别约1253、1733、1742、2175km~2(分别占区域总面积的43.67%、60.01%、66.82%、81.77%)。在时间动态上,区域NDVI总体呈逐渐增加的良性发展态势,黄河入海口地区尤为突出;在空间格局上,NDVI可分为高植被覆盖区(NDVI0.4)、中等植被覆盖区(NDVI为0.1—0.4)和稀疏植被覆盖区(NDVI0.1),且按离海远近在区域内分别呈现斜"Y"、斑块和条带状。地形高度、地下水和土壤水盐条件(尤其是潜水氯离子浓度,二者之间R=0.737)等环境因素影响NDVI整体空间分布格局,区域降水和气温等气候条件造成NDVI年际动态变化,而黄河下游生态调度对过水区域特别是河口地区NDVI良性变化具有显著的促进作用。黄河三角洲地区应持续加强生态环境保护与修复,提高植被盖度及其综合效益。 相似文献
16.
Detecting massive green algae (Ulva prolifera) blooms in the Yellow Sea and East China Sea using Geostationary Ocean Color Imager (GOCI) data 总被引：2，自引：0，他引：2
The historically massive bloom of the green macroalgae Ulva prolifera reported in June?CAugust 2008 around the Qingdao, Yellow Sea, East China Sea and Japan coasts has recurred in a similar season and region. On June 13, 2011, around Qingdao, China, the world??s first Geostationary Ocean Color Imager (GOCI) detected an enormous bloom of floating green algae, which originated from the nearshore Subei Bank, China. The large floating green algae patches were observed along and across the Yellow Sea and in the East China Sea during 2011 summer by various oceanic cruises. To detect the massive macroalgae blooms from space, we analyzed their spectral characteristics from in situ optical measurements and satellite-derived green algae spectra. An ??Index of floating Green Algae for GOCI?? (IGAG) was developed from the multiple spectral band ratios using three wavelengths (555, 660, 745 nm), which the spectral response of green algae reflected at 555, 745, and 865 nm and absorbed at 660 and 680 nm. The results were compared with those obtained by the normalized difference vegetation index (NDVI), enhanced vegetation index (EVI), and Korea Ocean Satellite Center (KOSC) approaches. An advantage of the IGAG method was that muted or subtle signals of floating green algae were enhanced and separated from surrounding complex water signals. Although maps of floating green algae derived by the other approaches delineated dense green algae, they were less sensitive to subtle (less dense) features and in cases of nearby cloudy or complex water conditions. The floating green algae maps from IGAG provided a more robust estimate of wide floating green algae blooms than those derived using NDVI, EVI, or KOSC approaches. The IGAG approach should be useful for tracing and monitoring changes in green algae blooms on regional and global scales. 相似文献
17.
本文在构建黄海浒苔漂移输运模型的基础上耦合了生长消亡过程的生态模块,利用CFSR(Climate Forecast System Reanalysis)再分析数据、国家海洋环境预报中心全球业务化海洋学预报系统(Chinese Global operational Oceanography Forecasting System,CGOFS)黄东海再分析数据和CFS(Climate Forecast System products)预报数据,结合国家卫星海洋应用中心黄海绿潮遥感资料,选取浒苔灾害在时空动态演变过程方面存在明显差异的2016年和2019年,开展了黄海浒苔漂移输运和生长消亡过程的数值模拟,进行敏感实验和年度预测检验。结果表明,该模型可以有效刻画2016年黄海浒苔发展趋势的显著特征,对浒苔的漂移路径、影响范围和相对生物量变化特征的数值模拟结果与监测实况较为吻合。在2019年的年度预测应用上,针对浒苔漂移输运路径的方向、影响海域的时间、生物量较往年的变化等方面,模拟效果也都比较理想,体现出该模型在实际业务化预报应用中的可靠性和有效性。 相似文献
18.
基于GOCI数据渤海海冰厚度算法研究 总被引：2，自引：0，他引：2
提出一种基于GOCI数据提取渤海海冰厚度方法并将其应用于2014年-2015年冬季渤海海冰厚度动态变化监测。首先基于高时间分辨率的GOCI数据建立GOCI短波宽带反射率与各波段反射率模型,然后建立海冰厚度与GOCI短波宽带反射率模型,并将此模型应用于渤海海冰厚度监测,最后通过基于MODIS数据、热动力学模型（Lebedev和Zubov模型）反演获得的海冰厚度以及实测海冰厚度数据对实验结果进行验证。实验结果表明：基于GOCI数据建立海冰厚度模型所反演的海冰厚度与基于MODIS数据反演的海冰厚度以及Lebedev和Zubov模型具有较高相关性（R2>0.86）,而且反演结果接近实测数据（RMS为6.82 cm）。 相似文献
19.