基于船載無(wú)人機(jī)的綠潮漂移速度估算與分析

姜曉鵬，高志強(qiáng)，吳曉青，王躍啟，寧吉才

(1.中國(guó)科學(xué)院海岸帶環(huán)境過(guò)程與生態(tài)修復(fù)重點(diǎn)實(shí)驗(yàn)室，山東煙臺(tái)264003；2.中國(guó)科學(xué)院大學(xué)，北京100049；3.中國(guó)科學(xué)院煙臺(tái)海岸帶研究所山東省海岸帶環(huán)境過(guò)程重點(diǎn)實(shí)驗(yàn)室，山東煙臺(tái)264003)

1 引言

自2007年夏季，黃海綠潮已連續(xù)暴發(fā)14年，成為黃海海域一種常態(tài)化的海洋生態(tài)災(zāi)害[1–2]，對(duì)青島、海陽(yáng)、日照等沿海城市的濱海旅游、海水養(yǎng)殖、生態(tài)環(huán)境等造成了嚴(yán)重的危害[3]。已有研究確認(rèn)了黃海綠潮的原因種為滸苔(Ulva prolifera)[4–5]，通過(guò)野外調(diào)查、遙感以及數(shù)值模擬等手段證明了黃海綠潮最初起源于蘇北淺灘海域[6–7]，然后向北進(jìn)入黃海，邊漂移邊生長(zhǎng)，并最終在山東半島東部沿海聚集堆積[8–10]。黃海綠潮具有長(zhǎng)時(shí)間跨區(qū)域輸運(yùn)、異地成災(zāi)的特點(diǎn)，準(zhǔn)確掌握其漂移速率、方向與軌跡等動(dòng)態(tài)信息，能為綠潮災(zāi)害預(yù)警與防控提供重要參考。

以往綠潮漂移速度的研究數(shù)據(jù)多源于衛(wèi)星遙感。如衣立等[11]利用2009年6月24?25日的MODIS的綠潮影像，提取了黃海3個(gè)區(qū)域的綠潮漂移速率，分別為0.2 m/s、0.4 m/s和0.12 m/s；夏深圳[12]基于MODIS與GOCI數(shù)據(jù)，估算了2013?2015年黃海綠潮漂移速率的變化范圍，為0.01 ～0.98 m/s，并指出綠潮漂移速度存在明顯的時(shí)變特征。陳曉英等[13]利用GF-4衛(wèi)星影像，基于最大相關(guān)系數(shù)法追蹤綠潮，分析了9時(shí)與15時(shí)綠潮漂移速度的不同變化。從MODIS的1 d，到GOCI的1 h，再到GF-4衛(wèi)星的20 s，雖然所用影像的時(shí)間分辨率不斷提高，但衛(wèi)星遙感極易受到天氣及云層的干擾，如2013?2015年5?7月的MODIS數(shù)據(jù)中，可用于綠潮速度研究的影像只占20.7%[12]。GF-4衛(wèi)星在南黃海區(qū)域的重訪周期并不恒定，不能滿足綠潮災(zāi)害應(yīng)急監(jiān)測(cè)的要求，且MODIS與GOCI的空間分辨率分別為250m與500m，低分辨率的影像中存在著大量的混合像元[14?15]，從而影響綠潮提取及速度估算的精度。

無(wú)人機(jī)遙感具有時(shí)空分辨率高、不受云層干擾等優(yōu)勢(shì)，能根據(jù)任務(wù)需求靈活開展航測(cè)作業(yè)，在陸地災(zāi)害評(píng)估、測(cè)繪、作物估產(chǎn)等方面發(fā)揮了重要的作用，是地面調(diào)查與衛(wèi)星遙感的重要補(bǔ)充[16]。近年來(lái)，隨著小型旋翼無(wú)人機(jī)技術(shù)的發(fā)展，無(wú)人機(jī)應(yīng)用也逐漸擴(kuò)展到海洋環(huán)境監(jiān)測(cè)[17]、綠潮初始生物量估算[18]等海洋研究領(lǐng)域。無(wú)人機(jī)與科考船的聯(lián)合作業(yè)，可發(fā)揮船載設(shè)備能同時(shí)獲取海上氣象、水文等數(shù)據(jù)的優(yōu)勢(shì)。

本文利用科考船作為無(wú)人機(jī)起降平臺(tái)，首次獲取了雙時(shí)相的綠潮正射影像，基于可見光波段的漂浮藻類指數(shù)（RGB-FAI）[19]提取了無(wú)人機(jī)可見光影像中的綠潮，計(jì)算出高精度的綠潮漂移速度，并與GOCI影像反演的速度結(jié)果進(jìn)行對(duì)比。同時(shí)結(jié)合船載氣象儀的風(fēng)速數(shù)據(jù)與已有研究的潮流數(shù)據(jù)，分析了綠潮漂移對(duì)風(fēng)與潮流的響應(yīng)。本文以期擴(kuò)展無(wú)人機(jī)在綠潮監(jiān)測(cè)方面的應(yīng)用，為綠潮災(zāi)害的應(yīng)急預(yù)警與防災(zāi)減災(zāi)提供高精度的技術(shù)支撐。

2 數(shù)據(jù)與方法

2.1 研究區(qū)

研究區(qū)位于南黃海海域（圖1）。南黃海為山東半島成山角與朝鮮半島長(zhǎng)山串連線南部的黃海區(qū)域，面積約為30.9×104km2，平均水深約46m，其西部沿岸海域?yàn)橐?guī)則半日潮。南黃海受東亞季風(fēng)影響，秋、冬季盛行北風(fēng)或西北風(fēng)，平均風(fēng)速達(dá)6～8m/s，海流多為偏南向流。春季，風(fēng)向多變，風(fēng)力減弱；夏季，東亞夏季風(fēng)與副熱帶高壓帶來(lái)平均風(fēng)速為4～6m/s的偏南風(fēng)，海流為偏北向流，海表面溫度達(dá)到一年中的最大值[13,20]。2007年后，南黃海在每年的春夏季都會(huì)出現(xiàn)大規(guī)模的綠潮，其通常開始于3月末至4月的蘇北淺灘海域，約5月中下旬進(jìn)入暴發(fā)期，自7月則逐漸衰退，直至最終消亡[21]。

2.2 無(wú)人機(jī)數(shù)據(jù)及預(yù)處理

利用大疆“悟1”無(wú)人機(jī)獲取3個(gè)站點(diǎn)（圖1）的海上綠潮影像。該四旋翼無(wú)人機(jī)體積小，為垂直起降方式，可在小面積場(chǎng)地起降，其慣性測(cè)量單元模塊以及最大5級(jí)的抗風(fēng)能力，能保證無(wú)人機(jī)在海上復(fù)雜氣象條件下的飛行姿態(tài)穩(wěn)定。該無(wú)人機(jī)采用GLONASS+GPS雙系統(tǒng)定位，搭載4K可見光高清鏡頭，獲取的航拍圖像具有坐標(biāo)信息，在小范圍的大比例尺測(cè)圖中已得到了應(yīng)用與精度驗(yàn)證[22]。無(wú)人機(jī)對(duì)綠潮進(jìn)行航測(cè)作業(yè)時(shí)，以科考船甲板為起降平臺(tái)，飛行高度盡可能使單幅圖片能容納所拍攝的綠潮斑塊寬度，并保證圖像的航向重疊度大于60%，以滿足后期圖像拼接的要求。對(duì)漂移的同一綠潮斑塊分別執(zhí)行2次航拍（圖2），生成其在2個(gè)時(shí)相的數(shù)字正射影像。

圖1 航拍站點(diǎn)、驗(yàn)潮站及研究區(qū)示意圖Fig.1 Map of aerialphotography sites,tide station and study area

圖2 船載無(wú)人機(jī)獲取綠潮正射影像示意圖Fig.2 Green-tidalorthophoto taken by ship-borne unmanned aerialvehicle (UAV)

2.3 基于無(wú)人機(jī)RGB影像的綠潮提取方法

采用RGB-FAI與閾值分割法提取無(wú)人機(jī)正射影像中的綠潮。RGB-FAI是一種基于基線校正思想，用于從可見光影像中提取綠潮的植被指數(shù)，其提取精度高，并能適用于薄霧氣象條件下對(duì)零散、小面積綠潮斑塊的提取與監(jiān)測(cè)[19]。RGB-FAI的算術(shù)公式如下：

式中，R表示反射率或像元值；λ表示中心波長(zhǎng)，下標(biāo)red、green、blue分別表示紅光波段、綠光波段、藍(lán)光波段，其中，λred=700 nm, λgreen= 546.1 nm,λb=lu4e35.8 nm[23]。

由于綠潮不斷漂移，為減小速度估算的誤差，在整個(gè)綠潮斑塊選取一定數(shù)量的子斑塊，通過(guò)計(jì)算子斑塊速度的平均值來(lái)表示該站點(diǎn)綠潮的漂移速度。首先，子斑塊的選取原則為：（1）盡可能均勻分布在整個(gè)綠潮范圍內(nèi)；（2）子斑塊形狀清晰、明顯，容易識(shí)別；（3）形態(tài)特征在兩幅影像中基本不變。其次，為保證兩個(gè)時(shí)相影像中相同子斑塊的代表點(diǎn)位一致，利用A rcmap軟件的Mean Center工具生成這些子斑塊的地理中心點(diǎn)。然后，量測(cè)各地理中心點(diǎn)（子斑塊）的位移，通過(guò)子斑塊所在圖像的拍攝時(shí)間獲得其漂移時(shí)長(zhǎng)，最終可計(jì)算出各個(gè)子斑塊的漂移速率與方向，并求出它們的平均值。整個(gè)綠潮漂移速率Vave為這些子斑塊漂移速率的算術(shù)平均值，而漂移方向Dirave取子斑塊的矢量平均值，兩者的計(jì)算公式如下：

式中，i與n分別代表子斑塊及其數(shù)量；S、t和Dir分別表示漂移的距離、時(shí)間和方向。

2.4 GOCI影像數(shù)據(jù)及其綠潮提取方法

GOCI（Geostationary Ocean Color Imager）影像從韓國(guó)海洋衛(wèi)星中心網(wǎng)站（http://kosc.kiost.ac.kr/）下載，影像包含從412～865 nm的可見光及近紅外光共8個(gè)波段，每天可提供從北京時(shí)間08:30?15:30的8景逐小時(shí)影像，其時(shí)間分辨率（1 h）和空間分辨率（500m）優(yōu)勢(shì)可用于黃、渤海及東海海域的海洋環(huán)境監(jiān)測(cè)[24]。

GOCI影像首先利用GDPS（GOCIData Processing System）進(jìn)行輻射校正，然后基于GLT（Geographic Lookup Table）進(jìn)行幾何校正，選取并裁切出2幅影像中同時(shí)未被云層遮擋的海域。參考已有的綠潮提取算法研究，采用NDVI指數(shù)[25?26]，并基于Jenks的自然斷裂點(diǎn)分級(jí)法和目視解譯，提取海水中的綠潮。其中，NDVI=(RNIR?RRED)/(RNIR+RRED)，RNIR、RRED分別對(duì)應(yīng)于GOCI影像的第7近紅外波段（波長(zhǎng)為745 nm）與第5紅光波段（波長(zhǎng)為660 nm）。

2.5 風(fēng)速與潮流數(shù)據(jù)

2.5.1 數(shù)據(jù)來(lái)源

本文的風(fēng)速數(shù)據(jù)分為航次站點(diǎn)的風(fēng)速數(shù)據(jù)與南黃海區(qū)域的風(fēng)場(chǎng)數(shù)據(jù)。航次站點(diǎn)的風(fēng)速數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院海洋研究所海洋大數(shù)據(jù)中心（http://msdc.qdio.ac.cn/）在2019年6月的透明海洋共享航次，由“科學(xué)三號(hào)”的“XZC6-1型船用自動(dòng)氣象儀”所獲取的1min平均真風(fēng)速、真風(fēng)向數(shù)據(jù)。海域的風(fēng)場(chǎng)數(shù)據(jù)來(lái)源于歐洲中期天氣預(yù)報(bào)中心（ECWMF）發(fā)布的再分析資料（ERA 5），從中提取出南黃海海域在6月19日當(dāng)天1 000 hPa大氣壓下，海面10m高處的逐小時(shí)風(fēng)場(chǎng)數(shù)據(jù)，空間分辨率為0.25 °×0.25 °。

潮流數(shù)據(jù)引用了已發(fā)表的成果，為南黃海6月表層的漲落潮流數(shù)據(jù)。此外，潮汐表用于查詢站點(diǎn)作業(yè)時(shí)的潮位，其來(lái)源于中國(guó)海事服務(wù)網(wǎng)（https://www.cnss.com.cn/tide/），考慮到站點(diǎn)S1、S2所在的緯度（36°N）與青島港驗(yàn)潮站（36°04′N）相近，站點(diǎn)S3的緯度（35°N）與嵐山港驗(yàn)潮站（35°05′N）相近（圖1），因此分別選取了青島港2019年6月19日與嵐山港2019年6月16日的潮汐表的潮位數(shù)據(jù)。

2.5.2 站點(diǎn)有效風(fēng)速數(shù)據(jù)的選取與處理

由船載氣象儀記錄的風(fēng)速數(shù)據(jù)可知，風(fēng)速在作業(yè)時(shí)段變化較大。若航拍所記錄的綠潮漂移時(shí)間段為T0～T1，則作用于該時(shí)段綠潮漂移的有效風(fēng)速時(shí)段，并不等同于船載氣象儀風(fēng)速資料中的T0～T1。這是由于以下兩點(diǎn)：第一，各個(gè)站點(diǎn)中，科考船與航拍綠潮的距離有數(shù)百米至1 km，風(fēng)通過(guò)這段距離，需要一定時(shí)間（設(shè)為△t，單位：m in）；第二，綠潮漂移具有慣性，對(duì)風(fēng)等外力驅(qū)動(dòng)作用有一定的滯后時(shí)間，本文將該響應(yīng)時(shí)間設(shè)為2m in。通過(guò)量測(cè)各站點(diǎn)船載氣象儀與綠潮中心在風(fēng)向上的投影位移，結(jié)合風(fēng)速，可估算出△t。當(dāng)科考船位于綠潮的上風(fēng)向時(shí)，將航拍記錄的時(shí)段整體前移△t，選取的有效風(fēng)速時(shí)段為T0?△t?2～T1?△t；下 風(fēng) 向 時(shí)，則 整 體 后 移△t，為T0+△t?2～T1+△t。則站點(diǎn)S1、S2和S3的△t的值分別為?1m in、5m in、5m in。各站點(diǎn)選取的有效風(fēng)時(shí)段如圖3 中的紅色豎線間所示。

圖3 3個(gè)站點(diǎn)作業(yè)期間的1m in平均風(fēng)速矢量Fig.3 The 1-minuteaverage wind data of threesites during operation

最后，用選取時(shí)間段內(nèi)的1 min平均真風(fēng)速和風(fēng)向數(shù)據(jù)來(lái)計(jì)算風(fēng)速的算術(shù)平均值V風(fēng)速和風(fēng)向的矢量平均值Dir風(fēng)向，表示作用于綠潮漂移的有效風(fēng)。兩者的計(jì)算公式如下：

式中，Vi代表第i時(shí)刻的1m in平均真風(fēng)速；Diri代表第i時(shí)刻的1min平均真風(fēng)向。

3 結(jié)果與分析

3.1 基于RGB-FAI指數(shù)提取綠潮斑塊

用RGB-FAI分別提取3個(gè)站點(diǎn)中的綠潮。為檢驗(yàn)該指數(shù)提取綠潮的精度，從S1站點(diǎn)的綠潮分布圖中，截取寬為317 m、長(zhǎng)為662 m的矩形區(qū)作為樣例（圖4 a），計(jì)算其RGB-FAI（圖4 b），并設(shè)定閾值提取出綠潮，同時(shí)在圖像區(qū)域內(nèi)生成999個(gè)隨機(jī)驗(yàn)證點(diǎn)（圖4 c），利用無(wú)人機(jī)影像的高空間分辨率（0.12 m）、易目視識(shí)別的特點(diǎn)，對(duì)該矩形區(qū)域的綠潮提取結(jié)果進(jìn)行精度評(píng)價(jià)，基于誤差矩陣表獲得生產(chǎn)者精度與用戶精度(表1)，并計(jì)算提取結(jié)果的總精度與kappa系數(shù)。

表1 綠潮提取誤差矩陣表Table 1 Error matrix of green-tide extraction

圖4 綠潮提取步驟Fig.4 Steps of extracting green-tide

計(jì)算出綠潮提取的總精度為97.9%，kappa系數(shù)為0.95。kappa系數(shù)為一致性檢驗(yàn)指標(biāo)，值域?yàn)?1～1，當(dāng)系數(shù)在0.81 ～1時(shí)，認(rèn)為分類結(jié)果與真實(shí)狀況幾乎完全一致[27]，因此，基于以上驗(yàn)證結(jié)果，認(rèn)為RGBFAI能夠適用于無(wú)人機(jī)可見光影像的海上綠潮提取。

3.2 基于無(wú)人機(jī)雙時(shí)相影像的綠潮速度計(jì)算

基于RGB-FAI，對(duì)3個(gè)站點(diǎn)的雙時(shí)相無(wú)人機(jī)正射影像進(jìn)行綠潮提取，并在3個(gè)站點(diǎn)各選出6～8個(gè)子斑塊，量測(cè)出子斑塊地理中心點(diǎn)的位移、時(shí)間、方向（圖5），計(jì)算出各子斑塊的漂移速度。利用公式（2）、公式（3），依次計(jì)算出各站點(diǎn)的綠潮漂移速率和方向，并按照2.5 節(jié)中確定的有效風(fēng)速時(shí)間段，計(jì)算各站點(diǎn)的平均風(fēng)速與平均風(fēng)向，結(jié)果如表2 所示。

表2 綠潮斑塊漂移速度與風(fēng)速的統(tǒng)計(jì)Tab le 2 Statistics of green-tide drifting velocity and the corresponding wind velocity

圖5 3個(gè)站點(diǎn)的綠潮斑塊漂移圖Fig.5 Thegreen-tide drifting map of three sites

在站點(diǎn)S1，綠潮漂移速率為0.257 m/s，其北向速度分量較大，符合綠潮北漂的整體趨勢(shì)。站點(diǎn)S2，綠潮漂移速率達(dá)到0.439 m/s，其東向速度分量較大。在站點(diǎn)S3，綠潮漂移速率為0.256 m/s，方向?yàn)闁|南方向，有南向的速度分量。結(jié)果表明，綠潮在從蘇北淺灘海域到山東近岸的北向漂移過(guò)程中，甚至?xí)袝簳r(shí)向南漂移的時(shí)段（S3）；在一天中的不同時(shí)刻，鄰近海域的綠潮漂移速率和方向也會(huì)明顯不同（S1、S2），無(wú)人機(jī)遙感可以精確地揭示出綠潮的瞬時(shí)漂移狀態(tài)。

3.3 綠潮漂移的驅(qū)動(dòng)分析

一般而言，海面漂浮物在長(zhǎng)時(shí)段（大于12 h）的漂移軌跡受風(fēng)與局部洋流的共同影響，但短時(shí)間內(nèi)的漂移則會(huì)明顯受潮流的驅(qū)動(dòng)[28]。本文計(jì)算綠潮速度所記錄的漂移時(shí)長(zhǎng)為2～29m in，遠(yuǎn)小于潮汐漲落1次所需的約12 h，因此，綠潮的驅(qū)動(dòng)需要結(jié)合潮汐流進(jìn)行分析。此外，風(fēng)是綠潮漂移的重要驅(qū)動(dòng)因素。本文利用船載氣象儀記錄的風(fēng)速數(shù)據(jù)、驗(yàn)潮站記錄的潮汐表以及南黃海6月表層的漲落潮流場(chǎng)，將綠潮漂移與同一時(shí)刻的風(fēng)速（表2）、潮流進(jìn)行一致性分析。

南黃海區(qū)域漲潮與落潮時(shí)的潮流方向并非簡(jiǎn)單的朝向正西、正東。于曉杰[29]基于FVCOM（Finite Volume Coastand Ocean Model）海洋數(shù)值模式計(jì)算出了南黃海6月M2分潮的漲落潮流場(chǎng)，即1個(gè)潮周期內(nèi)4個(gè)主要時(shí)刻（高潮時(shí)、落潮中間時(shí)、低潮時(shí)、漲潮中間時(shí)）的表層流場(chǎng)分布。本文的航拍作業(yè)同為6月的南黃海海域，查詢S1、S2、S3站點(diǎn)同緯度近岸驗(yàn)潮站的潮汐表，根據(jù)各站點(diǎn)的作業(yè)時(shí)間查詢出航拍時(shí)段的潮汐狀態(tài)（圖6）。據(jù)此，在南黃海6月表層“低潮時(shí)流場(chǎng)分布圖”中可得到S1站點(diǎn)的潮流方向（圖7 b），在“落潮中間時(shí)流場(chǎng)分布圖”中可得到S2、S3站點(diǎn)航拍時(shí)的潮流方向（圖7 d）。

圖6 3個(gè)站點(diǎn)航拍作業(yè)時(shí)的潮位Fig.6 Tidal height during aerial photography of three sites

在站點(diǎn)S1，綠潮漂移方向位于風(fēng)向右側(cè)約57°，與潮流同為東北向（圖7 a，圖7 b），風(fēng)在綠潮漂移方向上的速率分量為1.7 m/s，約為綠潮速率的6.7 倍。在站點(diǎn)S2，綠潮方向偏于風(fēng)向右側(cè)約62°，與潮流方向基本一致，夾角約為20°，為偏東向（圖7 c，圖7 d），風(fēng)在綠潮漂移方向上的速率分量約為1.5 m/s，為綠潮速率的3.5 倍。在站點(diǎn)S3，綠潮漂移方向在風(fēng)向右側(cè)約1°，與潮流方向夾角約為24°，同為東南向（圖7 d，圖7 e），風(fēng)在綠潮漂移方向上的速率分量為1.7 m/s，約為綠潮速率的6.8 倍。可以看出，3個(gè)站點(diǎn)的綠潮漂移與潮流方向基本一致，位于風(fēng)向右側(cè)1°～62°。風(fēng)在綠潮漂移方向上的速率分量為綠潮速率的3.5 ～6.8 倍，非恒定系數(shù)。

圖7 綠潮、風(fēng)、潮流的移動(dòng)矢量圖Fig.7 Motion vector of green-tide,wind and tidal current

3.4 無(wú)人機(jī)與衛(wèi)星反演綠潮速度結(jié)果的對(duì)比

GOCI影像的時(shí)間分辨率為1 h，同樣可應(yīng)用于綠潮漂移速度的估算，因此，可與同時(shí)段下無(wú)人機(jī)遙感的速度做對(duì)比分析。

S1、S3站點(diǎn)航拍時(shí)段的海面綠潮，在GOCI影像上被云層覆蓋，本文選取了與S2站點(diǎn)同一時(shí)段，即19日09:30與10:30的兩景GOCI影像反演綠潮速度。由于S2站點(diǎn)被云遮擋，在另兩處無(wú)云海域提取綠潮。利用Arcmap軟件計(jì)算兩個(gè)區(qū)域綠潮在兩景影像的中心點(diǎn)，量測(cè)出中心點(diǎn)在09:30?10:30的移動(dòng)距離和方向，分別算出兩個(gè)區(qū)域綠潮的漂移速度（圖8），最后取兩者的均值作為GOCI影像反演的綠潮漂移速度。經(jīng)計(jì)算，綠潮漂移速率均值為0.547 m/s，方向均值為北偏東58.4°。

圖8 基于GOCI影像的綠潮逐時(shí)漂移圖Fig.8 Theone-hour drifting map of green-tide from GOCI images

與S2站點(diǎn)的無(wú)人機(jī)遙感結(jié)果相比（表3），兩種方式反演的綠潮漂移方向基本一致，同為東北向，漂移速率上相差0.108 m/s。需要說(shuō)明的是，由當(dāng)天10時(shí)的風(fēng)場(chǎng)數(shù)據(jù)（圖8 a）可知，S2站點(diǎn)與GOCI反演海域在風(fēng)速與風(fēng)向的相對(duì)偏差分別為0.58 m/s和3%，因此兩個(gè)海域綠潮漂移速度的實(shí)際值可能也存在差異。由于無(wú)人機(jī)影像的時(shí)空分辨率遠(yuǎn)高于衛(wèi)星影像，若能獲取同時(shí)段、同位置綠潮漂移的兩種影像，則無(wú)人機(jī)可以為衛(wèi)星反演大范圍海域的綠潮漂移速度提供高精度校準(zhǔn)。

表3 基于UAV和GOCI影像的綠潮漂移速度提取結(jié)果的對(duì)比Table 3 Com parison of green-tide drifting velocity derived from UAV and GOCI images

4 討論

4.1 不確定性分析

本文通過(guò)無(wú)人機(jī)遙感與船載氣象儀獲取的綠潮漂移速度與風(fēng)速數(shù)據(jù)具有較高精度，但在以下方面存在不確定性。首先，對(duì)于綠潮漂移的驅(qū)動(dòng)分析，用于分析的數(shù)據(jù)樣本只有3個(gè)，對(duì)綠潮漂移的定量分析還需要更多樣本數(shù)據(jù)的支持。第二，在綠潮對(duì)風(fēng)驅(qū)動(dòng)作用的滯后時(shí)間上，根據(jù)主觀經(jīng)驗(yàn)設(shè)置為2 min，而這需要相關(guān)專業(yè)后期理論與實(shí)驗(yàn)的探索。第三，本文引用了基于海洋數(shù)值模式的潮流數(shù)據(jù)，能用于綠潮漂移方向的驅(qū)動(dòng)分析，未來(lái)研究可考慮利用船載的聲學(xué)多普勒流速剖面儀（ADCP），獲取更精準(zhǔn)的海水表層流場(chǎng)數(shù)據(jù)，為綠潮漂移的定量分析提供更精準(zhǔn)的數(shù)據(jù)支撐。

4.2 船載無(wú)人機(jī)對(duì)綠潮漂移速度研究的優(yōu)勢(shì)

受風(fēng)、浪、流的影響，海上綠潮斑塊的形態(tài)在超過(guò)6 h時(shí)變化較大[13]，因此綠潮漂移速度的研究需要高時(shí)間分辨率的遙感影像。常用的衛(wèi)星影像中MODIS、GOCI與GF-4能滿足時(shí)間分辨率的要求，但MODIS和GOCI影像的空間分辨率較低，GF-4衛(wèi)星的成像范圍并不固定在綠潮發(fā)生區(qū)，且衛(wèi)星影像易受云層影響。

而基于船載起降的無(wú)人機(jī)，可依靠科考船實(shí)時(shí)追蹤綠潮，具備作業(yè)靈活、獲取影像的時(shí)空分辨率高、不受云層干擾等優(yōu)勢(shì)，可快速、連續(xù)、更為精細(xì)地監(jiān)測(cè)綠潮漂移。這些優(yōu)勢(shì)，一是可用于對(duì)重點(diǎn)區(qū)域的綠潮應(yīng)急監(jiān)測(cè)與災(zāi)害預(yù)警，如海濱景區(qū)、重要設(shè)施（核電站進(jìn)水口等）的附近海域；其次，可校正衛(wèi)星遙感提取結(jié)果，實(shí)現(xiàn)更大范圍海域上綠潮漂移的精確監(jiān)測(cè)。最后，可為數(shù)值模型預(yù)測(cè)綠潮漂移等研究提供高精度的驗(yàn)證數(shù)據(jù)與方法。同時(shí)，科考船搭載的溫鹽深儀、ADCP、自動(dòng)氣象儀等設(shè)備，可以測(cè)量海水的溫度、鹽度、葉綠素濃度、海流速度、流向以及大氣溫度、風(fēng)、氣壓等諸多水文與氣象參數(shù)，這些數(shù)據(jù)與船載無(wú)人機(jī)獲取的綠潮面積、形態(tài)、漂移速度等高精度結(jié)果相結(jié)合，可以為綠潮生長(zhǎng)、漂移相關(guān)的研究提供更加充分的數(shù)據(jù)支持。

5 結(jié)論

本文基于船載無(wú)人機(jī)獲取了黃海綠潮雙時(shí)相的數(shù)字正射影像，開展了綠潮漂移速度的估算，并與GOCI衛(wèi)星影像反演的綠潮速度進(jìn)行對(duì)比，同時(shí)分析了風(fēng)、潮流對(duì)綠潮漂移的驅(qū)動(dòng)。結(jié)論如下：

（1）RGB-FAI可有效提取可見光影像中的綠潮信息（kappa系數(shù)為0.95），可輔助無(wú)人機(jī)高精度的估算綠潮漂移速度；3個(gè)站點(diǎn)的綠潮漂移速率為0.26 ～0.44 m/s，漂移方向在一天中會(huì)發(fā)生明顯變化，甚至有南向分量的漂移。

（2）綠潮短時(shí)間內(nèi)的漂移受風(fēng)與潮流的共同影響。綠潮漂移方向與M2分潮的潮流方向基本一致，位于風(fēng)向的右側(cè)1°～62°。

（3）船載無(wú)人機(jī)對(duì)綠潮漂移狀態(tài)的監(jiān)測(cè)，可校正衛(wèi)星遙感的結(jié)果，能為綠潮災(zāi)害的應(yīng)急監(jiān)測(cè)、預(yù)警及相關(guān)研究提供重要的數(shù)據(jù)與技術(shù)支撐。

致謝：感謝中國(guó)科學(xué)院海洋研究所海洋大數(shù)據(jù)中心（http://msdc.qdio.ac.cn/）提供數(shù)據(jù)支持。