基于2002—2018 年MODIS 數(shù)據(jù)的黃海葉綠素a時空變化研究

田洪陣，劉沁萍，Joaquim I.Goes，Helga do Rosario Gomes，楊萌萌

（1.天津工業(yè)大學 經(jīng)濟與管理學院，天津 300387；2.哥倫比亞大學 拉蒙特多爾蒂地球觀測站，美國 紐約 10964；3.名古屋大學 環(huán)境學研究生院，日本 愛知 4648601）

海洋浮游植物提供了全球約一半的初級生產(chǎn)量（Boyce et al，2010），作為食物鏈的基礎(chǔ)（高月鑫等，2018），對海洋生態(tài)系統(tǒng)具有重要影響（陳悅等，2018；田洪陣等，2019），因而一直都是海洋生態(tài)學研究的重要對象（柳欣，2012）。黃海作為我國重要的漁場，因商業(yè)捕撈過度，90 %的漁業(yè)資源面臨枯竭的危險（Jin，2017）。有關(guān)該區(qū)浮游植物的研究對海洋生態(tài)系統(tǒng)保護和漁業(yè)資源開發(fā)利用與保護具有重要意義。

葉綠素a 濃度是反映浮游植物生物量的重要指標（Blondeau-Patissier et al，2014）。對黃海葉綠素a 濃度的研究始于20 個世紀60 年代，現(xiàn)在基本弄清了其空間分布特征（朱明遠等，1993）。隨著數(shù)據(jù)的積累，對葉綠素a 濃度的研究也擴展至年際變化（Yamaguchi et al，2012；Hao et al，2019）。研究方法也從最初的實地觀測（朱明遠等，1993；劉述錫 等，2011），逐步擴展至遙感監(jiān)測（金松等，2017；Hao et al，2019），對葉綠素a 濃度分布與變化原因的探討也逐步深入（金松 等，2017；孫曉，2018；Sun et al，2018）。

已有研究大大增進了對黃海浮游植物分布與變化的認識（李寶華等，1999；王勇等，1999；鄭國俠等，2006；王丹，2008；高爽等，2009；傅明珠等，2009；李曌，2010；張江濤等，2010；劉述錫等，2011；Jang et al，2013；劉春穎等，2014；劉光興 等，2015；化成君 等，2015；Liu et al，2015；楊洋等，2016；Sun et al，2018），但是尚存在研究的時間尺度短、限于局部海域以及分析影響因子少等不足，因而難以全面認識黃海浮游植物時空分布與變化特征及其與環(huán)境因子的關(guān)系。本文利用2002-2018 年MODIS Aqua 葉綠素a 濃度數(shù)據(jù)，研究其在黃海的時空分布與變化特征，并分析氣候、水文、地理因素對其分布與變化的影響，以期加深對黃海浮游植物的分布變化及其原因的理解。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

黃海位于119°4＇F-127°4＇F，31°55＇N-39°57＇N，是太平洋西部的一個邊緣海，西側(cè)為中國大陸，東側(cè)為朝鮮半島，西北部通過渤海海峽與渤海相通，南部與東海相連，面積約380 000 km2，平均深度約44 m（李琳，2018）。主要入海河流有淮河、鴨綠江、大同江和漢江等。黃海地處暖溫帶和東亞季風區(qū)，冬季盛行偏北風，夏季盛行南風和東南風（Zhu et al，2017；孫曉，2018）。黃海海流較弱，表層流受風力制約，具有風海流性質(zhì)（孫曉，2018），該海域主要水團有沿岸水團、中央冷水團和南黃海高鹽暖水團（Zhu et al，2017；2018）。

1.2 技術(shù)路線

以美國航空航天局（National Aeronautics and Space Administration，NASA）葉綠素a 濃度數(shù)據(jù)為數(shù)據(jù)源，采用谷歌地球引擎（Google Farth Fngine，GFF）平臺對其進行處理得到黃海葉綠素a 濃度數(shù)據(jù)，并分析其時空分布與變化特征。后結(jié)合海洋表面溫度、風速、鹽度、光合有效輻射和混合層厚度數(shù)據(jù)分析葉綠素a 濃度時空分布與變化的原因，具體技術(shù)路線見圖1。

1.3 葉綠素a 濃度數(shù)據(jù)及處理方法

葉綠素a 濃度數(shù)據(jù)為美國航空航天局Goddard航天飛行中心的海洋生物學處理組（Ocean Biology Processing Group）制作的3 級SMI 產(chǎn)品，傳感器為搭載在Aqua 衛(wèi)星上的MODIS（MODerate resolution Imaging Spectroradiometer）傳感器，時間分辨率為天，空間分辨率為4 km，本文所用數(shù)據(jù)時間跨度為2002 年7 月4 日—2018 年9 月30 日。該數(shù)據(jù)產(chǎn)品是由440～670 nm 的可見光波段與實測葉綠素a 濃度的經(jīng)驗關(guān)系計算得到。在具體的計算過程中，把波段比值算法和顏色指數(shù)算法相結(jié)合，并取0.15 ＜CI（顏色指數(shù)）＜0.2 mg/m3作為兩個算法的過渡區(qū)，以保證結(jié)果的平滑（NASA，2018）。Cui等（2004）利用實測數(shù)據(jù)計算了該數(shù)據(jù)集的誤差，在近岸海域其誤差為32 %，優(yōu)于SeaWiFS（Seaviewing Wide Field-of-view Sensor） （誤差40%） 和MFRIS（Medium Resolution Imaging Spectrometer）（誤差54%）數(shù)據(jù)。根據(jù)生產(chǎn)該數(shù)據(jù)的算法特征，在遠海其精度會更高。

圖1 技術(shù)路線圖

本文主要通過谷歌地球引擎平臺對MODIS Aqua 葉綠素a 濃度數(shù)據(jù)進行處理。具體包括：利用GFF 將葉綠素a 濃度日值數(shù)據(jù)轉(zhuǎn)化成月值數(shù)據(jù)，再利用月值數(shù)據(jù)計算得到各季和全年的數(shù)據(jù)，最后計算得到了各月、各季和全年（1-12 月）的葉綠素a 濃度空間分布和變化數(shù)據(jù)。利用GFF 計算了區(qū)域平均的日值葉綠素a 濃度數(shù)據(jù)，然后利用Access 由日值數(shù)據(jù)計算得到了各月、各季和全年的葉綠素a 濃度時間序列數(shù)據(jù)和各月的多年平均葉綠素a 濃度數(shù)據(jù)。在計算的過程中，剔除了有效值比例低于10 %的數(shù)據(jù)。有效值比例計算方法為：具有有效值像素的個數(shù)除以區(qū)域總像素數(shù)再乘以100%。季節(jié)劃分方法為：冬季為上一年的12 月至本年2 月，春季為3-5 月，夏季為6-8 月，秋季為9-11 月。

1.4 海洋表面溫度數(shù)據(jù)及處理方法

海洋表面溫度數(shù)據(jù)來自美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）的第二版氣候數(shù)據(jù)集（Clayson et al，2016）。其時間跨度為1988 年至今，空間分辨率為0.25°，時間分辨率為3 小時。在GFF 中將其轉(zhuǎn)化成日值數(shù)據(jù)后，再轉(zhuǎn)化成月值數(shù)據(jù)，然后利用月值數(shù)據(jù)計算得到各季和全年的數(shù)據(jù)，最后計算得到了各月、各季和全年的海洋表面溫度空間變化數(shù)據(jù)。利用GFF 計算了區(qū)域平均的日值海洋表面溫度數(shù)據(jù)，再利用Access 計算得到月值數(shù)據(jù)和年值數(shù)據(jù)。各個季節(jié)的海洋表面溫度數(shù)據(jù)則由月值數(shù)據(jù)平均得到，季節(jié)劃分方法同葉綠素a 濃度數(shù)據(jù)。

1.5 風速數(shù)據(jù)及處理方法

風速數(shù)據(jù)來自美國國家海洋和大氣管理局（NOAA） 的第二版氣候數(shù)據(jù)集（Clayson et al，2016）。其時間跨度為1988 年至今，空間分辨率為0.25°，時間分辨率為3 小時。其計算方法與海洋表面溫度數(shù)據(jù)處理方法相同。

1.6 鹽度數(shù)據(jù)及處理方法

鹽度數(shù)據(jù)來自美國國家海洋合作計劃（National OceanPartnershipProgram，NOPP）所支持的HYCOM聯(lián)盟（https://www.hycom.org/） （Cummings et al，2013）。其時間跨度為1992 年至今，空間分辨率為0.08°，時間分辨率為天。選取了2 m 深處的鹽度日值數(shù)據(jù)，計算方法與海洋表面溫度數(shù)據(jù)處理方法相同。

1.7 光合有效輻射數(shù)據(jù)及處理方法

光合有效輻射數(shù)據(jù)來源于美國航空航天局（NASA）Goddard 航天飛行中心的海洋生物學處理組制作的3 級SMI 產(chǎn)品（NASA，2018），傳感器為搭載在Aqua 衛(wèi)星上的MODIS 傳感器，時間分辨率為天，空間分辨率為4 km，本文所用數(shù)據(jù)時間跨度為2002 年7 月4 日—2018 年9 月30 日。使用NCL 語言計算得到了各月、各季和全年的光合有效輻射空間變化數(shù)據(jù)，并計算區(qū)域平均的日值數(shù)據(jù)，后續(xù)計算方法與海洋表面溫度數(shù)據(jù)處理方法相同。

1.8 混合層厚度數(shù)據(jù)及處理方法

混合層厚度數(shù)據(jù)來源于美國國家海洋和大氣管理局（NOAA） 全球海洋數(shù)據(jù)同化系統(tǒng)（Global Ocean Data Assimilation System，GODAS）。其時間跨度為1980 年至今，其緯向精度為1°，經(jīng)向精度為0.33°，時間分辨率為月。使用NCL 語言計算得到了各月、各季和全年的光合有效輻射空間變化數(shù)據(jù)，并計算區(qū)域平均的月值數(shù)據(jù)，后續(xù)計算方法與海洋表面溫度數(shù)據(jù)處理方法相同。

2 葉綠素a 濃度時空分布特征

2.1 葉綠素a 濃度空間分布特征

全年葉綠素a 濃度的空間分布表現(xiàn)出明顯的由近岸向黃海中部遞減的特征，近岸葉綠素a 濃度多高于4 mg/m3，而黃海中部的濃度值多在1～2 mg/m3之間。葉綠素a 濃度在各個季節(jié)的空間分布與全年的空間分布總體特征類似，但是在春季由近岸向黃海中部遞減的特征最不明顯，而夏季最明顯。在春季，黃海中部葉綠素a 濃度在1～4 mg/m3之間，為各季最高值，在夏季，黃海中部的葉綠素a 濃度值低于1 mg/m3，為各季最低值，見圖2。

除4 月份外，其余各月葉綠素a 濃度的空間分布表現(xiàn)出由近岸向黃海中部遞減的特征，在6-9月這一特征最為明顯，該時段黃海中部的葉綠素a 濃度值低于1 mg/m3。4 月份葉綠素a 濃度的高值分布在近岸和黃海中部，而低值分布在過渡區(qū)域，見圖3。

2.2 葉綠素a 濃度時間分布特征

葉綠素a 的峰值出現(xiàn)在4 月份，為3.97 mg/m3，其低值出現(xiàn)在6、7 月份，分別為1.74 mg/m3和1.68 mg/m3，見圖4。

圖2 全年與各季黃海葉綠素a 濃度空間分布

圖3 各月黃海葉綠素a 濃度空間分布

圖4 各月黃海葉綠素a 濃度

3 葉綠素a 濃度時空變化特征

3.1 葉綠素a 濃度空間變化特征

黃海大部分區(qū)域的全年葉綠素a 濃度呈現(xiàn)增加趨勢，但是增速不大，多在0.01～0.1 mg/（m3·a）之間，但是黃海西部的海州灣增速較大。夏季，黃海中部的大部分區(qū)域葉綠素a 濃度保持穩(wěn)定，在近岸出現(xiàn)了葉綠素a 濃度降低的區(qū)域，尤其是靠近朝鮮黃海南道的海域（東北部海岸突起海域）降低較明顯，見圖5。

1-7 月份，海州灣葉綠素a 濃度增加較明顯。在黃海中部西南海域與東北海域3、4 月份葉綠素a濃度的變化出現(xiàn)了相反的趨勢，即3 月份西南海域增加，東北海域減少，而4 月份西南海域減少而東北海域增加。在11 月份黃海中部的西南海域葉綠素a 濃度有較明顯的增加，而12 月份該海域則出現(xiàn)了較明顯的減少趨勢。2 月份以及6-8 月份，黃海中部較多區(qū)域葉綠素a 濃度較穩(wěn)定，見圖6。

3.2 葉綠素a 濃度時間變化特征

2003—2017 年，全年葉綠素a 濃度呈現(xiàn)增加趨勢，但是增加趨勢并不顯著，見圖7 和表1。2002—2018 年，春秋季葉綠素a 濃度呈現(xiàn)減少趨勢，夏冬季呈現(xiàn)增加趨勢，見圖8 和表1。

圖5 全年與各季黃海葉綠素a 濃度空間變化趨勢

圖6 各月黃海葉綠素a 濃度空間變化趨勢

圖7 黃海葉綠素a 濃度年值變化

表1 2002-2018 年黃海全年與各季節(jié)葉綠素a 濃度變化

圖8 黃海各季葉綠素a 濃度變化

2、4、9、10 和11 月份葉綠素a 濃度呈現(xiàn)減少趨勢，其他月份均呈增加趨勢，其中減少量最大的為2 月份，2003—2018 年減少了0.26 mg/m3，增加量最大的為5 月份，2003—2018 年增加了0.90 mg/m3，見圖9 和表2。

圖9 黃海各月葉綠素a 濃度變化

表2 黃海各月葉綠素a 濃度變化

4 討論

雖然不同時段（月、季、年）黃海葉綠素a 濃度空間分布存在細節(jié)上的差異，但是其共同特征是由近岸向黃海中部遞減（圖2、3）。其可能原因是，沿岸河流注入黃海，近岸海域陸源營養(yǎng)物質(zhì)豐富；另外，環(huán)繞黃海中央冷水團周圍的帶狀上升流可以把更多的營養(yǎng)物質(zhì)從海洋底層帶到上層（真光層） （呂新剛，2010；Bao et al，2017），有利于浮游植物的生長。而在黃海中部，深層海水營養(yǎng)物質(zhì)較豐富，但是受黃海中央冷水團等因素影響，營養(yǎng)物質(zhì)難以被浮游植物利用，故該區(qū)葉綠素a 濃度較低。

葉綠素a 濃度的最大值出現(xiàn)在4 月份，最小值出現(xiàn)在6、7 月份（圖4）。冷季，該區(qū)受冬季風影響，風速較大，且海洋表面溫度較低，這些因素有利于海水混合對流，深層海水中的營養(yǎng)物質(zhì)被帶到上層。在3、4 月份，風速逐漸減少、海洋表面溫度逐漸增加（Xuan et al，2011），海水開始層化，同時光合有效輻射增加，已有營養(yǎng)物質(zhì)的儲備與適宜的自然條件，使得浮游植物大量繁殖。另外，春季出現(xiàn)的沙塵天氣，可以把亞洲中部干旱半干旱地區(qū)的沙塵輸送至黃海海域，為浮游植物的生長提供更多營養(yǎng)物質(zhì)（Tan et al，2014），從而導致葉綠素a濃度的增加。此后，表層營養(yǎng)物質(zhì)被不斷消耗，春季黃海中部中央冷水團開始形成，夏季達到成熟階段（Zhu et al，2018），海水層化嚴重，深層海水中的營養(yǎng)物質(zhì)難以帶到海表，所以，在6、7 月份浮游植物減少，葉綠素a 濃度較低。

海州灣葉綠素a 濃度增速較大（圖5、6）可能與蘇北沿岸海域鹽度增加以及富營養(yǎng)化有關(guān)。江蘇省海洋環(huán)境質(zhì)量公報顯示，靠近蘇北沿岸海域海水污染較嚴重，水體富營養(yǎng)化，主要污染物活性磷酸鹽濃度增加。磷可能是該海域浮游植物生長的限制性因子（Liu et al，2003），故磷的增加有助于浮游植物的生長，葉綠素a 濃度的增加。

為了研究黃海葉綠素a 濃度變化與環(huán)境因子之間的關(guān)系，計算了月、季和年值葉綠素a 濃度與同時段海洋表面溫度、風速、鹽度、光合有效輻射以及混合層厚度的相關(guān)系數(shù)。發(fā)現(xiàn)：除了在月值數(shù)據(jù)中存在顯著的相關(guān)關(guān)系外（表3），季和年值數(shù)據(jù)中均無顯著的相關(guān)關(guān)系。這可能表明，影響浮游植物生長的因素比較復雜，在全年和各季中不存在主導影響因子，在某些月份可能存在主導影響因子，但是不同月份的主導影響因子也不盡相同。在所有顯著的相關(guān)關(guān)系中，除了海洋表面溫度為負相關(guān)外，其他因素與葉綠素a 濃度均呈現(xiàn)正相關(guān)。2 月份葉綠素a 濃度出現(xiàn)減少趨勢可能與光合有效輻射減少有關(guān)；7 月份葉綠素a 濃度出現(xiàn)增加趨勢可能與風速增加有關(guān)；9 月份葉綠素a 濃度出現(xiàn)減少趨勢可能與海洋表面溫度增加有關(guān)；10 月葉綠素a濃度出現(xiàn)減少趨勢可能與鹽度降低有關(guān)；11 月份葉綠素a 濃度出現(xiàn)減少趨勢可能與光合有效輻射減少有關(guān)；12 月份葉綠素a 濃度出現(xiàn)增加趨勢可能與光合有效輻射增加有關(guān)（表2、表3）。

表3 不同環(huán)境因子與葉綠素a 濃度相關(guān)系數(shù)

5 結(jié)論

本文研究了2002—2018 年黃海葉綠素a 濃度的分布與變化特征，并結(jié)合區(qū)域氣候、水文與地理特征以及海洋表面溫度、風速、鹽度、光合有效輻射和混合層厚度數(shù)據(jù)分析了葉綠素a 濃度分布與變化的原因。主要結(jié)論如下：受陸源營養(yǎng)物質(zhì)輸入、近岸上升流以及黃海中央冷水團影響，葉綠素a 濃度分布呈現(xiàn)由近岸向黃海中部遞減特征；在季風、氣候、水文的控制下，受風速、海洋表面溫度、光合有效輻射、中央冷水團的影響，葉綠素a 濃度的最大值出現(xiàn)在4 月份，而最小值出現(xiàn)在6、7 月份；受蘇北沿岸海域海水污染和水體富營養(yǎng)化影響，沿岸海域鹽度明顯增加，海州灣葉綠素a 濃度增速較大；影響黃海葉綠素a 濃度變化的環(huán)境因子較復雜，除了部分月份存在顯著的相關(guān)影響因子外，在全年和各季中不存在主導影響因子。為了進一步提高研究的準確性和可靠性，可以改進葉綠素a 濃度反演算法，以減少其不確定性問題，尤其是在受懸浮物質(zhì)影響較大的近岸海域。另外，可以結(jié)合實地觀測數(shù)據(jù)對葉綠素a 濃度的分布與變化的原因做進一步分析。

致謝：感謝NASA 提供了MODIS 葉綠素a 濃度、光合有效輻射數(shù)據(jù)，NOAA 提供了海洋表面溫度、風速和混合層厚度數(shù)據(jù)以及HYCOM 聯(lián)盟提供了鹽度數(shù)據(jù)。