HY-1C 衛(wèi)星CZI 載荷的黃海綠潮提取研究

劉錦超，劉建強(qiáng)，丁靜, ，陸應(yīng)誠(chéng)*

(1.南京大學(xué) 國(guó)際地球系統(tǒng)科學(xué)研究所，江蘇 南京 210023；2.國(guó)家衛(wèi)星海洋應(yīng)用中心，北京 100081；3.南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室（廣州），廣東 廣州 511458)

1 引言

海洋一號(hào)C（Haiyang-1C，HY-1C）衛(wèi)星是我國(guó)自主設(shè)計(jì)研制的首顆海洋水色業(yè)務(wù)衛(wèi)星，搭載有海岸帶成像儀（CZI）、水色水溫掃描儀（COCTS）、紫外成像儀（UVI）等多套光學(xué)載荷，能為全球海洋水色水溫反演、近海海洋環(huán)境監(jiān)測(cè)提供多種數(shù)據(jù)產(chǎn)品。其中，海岸帶成像儀（CZI）能提供50 m 空間分辨率、950 km刈幅的近海觀測(cè)多光譜數(shù)據(jù)，該數(shù)據(jù)具備優(yōu)良的輻射分辨率、高信噪比等特點(diǎn)，隨著搭載有同樣傳感器的HY-1D 衛(wèi)星發(fā)射，實(shí)現(xiàn)了3 天2 次的高頻次觀測(cè)，能為近海海洋環(huán)境監(jiān)測(cè)、海洋防災(zāi)減災(zāi)、海洋權(quán)益維護(hù)以及江河湖泊的生態(tài)環(huán)境監(jiān)測(cè)提供豐富數(shù)據(jù)支撐[1]。

黃海綠潮是我國(guó)近海較為嚴(yán)峻的自然災(zāi)害之一，不僅影響海上交通，還會(huì)破壞沿岸生態(tài)環(huán)境，對(duì)沿海水產(chǎn)養(yǎng)殖業(yè)、旅游業(yè)等產(chǎn)業(yè)造成巨大經(jīng)濟(jì)損失[2]。2008 年，因綠潮導(dǎo)致的沿海海水養(yǎng)殖業(yè)經(jīng)濟(jì)損失高達(dá)8 億元人民幣[3]，同年更是耗費(fèi)了約7 億元人民幣進(jìn)行打撈清理[4]。有研究表明，綠潮的發(fā)生不僅受陸地?zé)o機(jī)氮和磷等營(yíng)養(yǎng)鹽的匯入影響[5]，也與蘇北沿岸紫菜養(yǎng)殖產(chǎn)業(yè)的不斷擴(kuò)張息息相關(guān)[6]。自2007 年以來(lái)，黃海夏季的綠潮爆發(fā)逐漸發(fā)展為常態(tài)，對(duì)綠潮進(jìn)行連續(xù)有效地觀測(cè)和預(yù)警，對(duì)綠潮災(zāi)害的防治具有重要意義[7]。在這一過(guò)程中，衛(wèi)星遙感技術(shù)可實(shí)現(xiàn)對(duì)綠潮災(zāi)害的大范圍、同步、快速探測(cè)，成為綠潮災(zāi)害跟蹤、預(yù)警和防治的主要手段。

中國(guó)近海綠潮的主要優(yōu)勢(shì)種為石莼屬（Ulva）與滸苔屬（Enteromorpha）大型綠藻[8-9]，藻體依靠中空管狀結(jié)構(gòu)貯存氧氣，長(zhǎng)時(shí)間漂浮于海面之上[10]，具有特定的光譜響應(yīng)特征[11]，使得利用光學(xué)遙感影像探測(cè)綠潮成為可能。憑借與綠色植被相似的“紅邊”光譜特征[11]，可利用植被指數(shù)來(lái)獲取海表綠潮信息，例如歸一化植被指數(shù)（Normalized Difference Vegetation Index,NDVI）[12-13]、差異植被指數(shù)（Difference Vegetation Index,DVI）[14]等。近年來(lái)，為專(zhuān)門(mén)探測(cè)海面大型漂浮藻類(lèi)，相關(guān)研究人員開(kāi)發(fā)了一系列針對(duì)不同傳感器、不同水色背景的藻類(lèi)指數(shù)，如應(yīng)用于MERIS 數(shù)據(jù)的最大葉綠素指數(shù)（Maximum Chlorophyll Index,MCI）[11]、結(jié)合短波紅外大氣校正算法的歸一化藻類(lèi)指數(shù)（Normalized Difference Algae Index,NDAI）[15]、基于波段間基線減法的漂浮藻類(lèi)指數(shù)（Floating Algae Index，F(xiàn)AI）[16]和大型漂浮藻類(lèi)虛擬基線高度法（Virtual Baseline Floating macroalgae Height,VB-FAH）[17]等。上述算法中，基于基線減法設(shè)計(jì)的FAI 不僅對(duì)大氣影響、觀測(cè)幾何、太陽(yáng)耀光等干擾具有較好的適用性[16]，還有利于藻類(lèi)端元的線性解混[14]，從而促進(jìn)準(zhǔn)確量化藻類(lèi)的真實(shí)覆蓋率、生物量等指標(biāo)。參考FAI 算法原理，VB-FAH 通過(guò)建立虛擬基線計(jì)算近紅外波段的相對(duì)基線高度，與FAI 具有較強(qiáng)的一致性[18]，考慮到國(guó)產(chǎn)系列多光譜傳感器缺少短波紅外波段，VB-FAH 算法更適用于中國(guó)海洋水色遙感衛(wèi)星。

在利用不同指數(shù)對(duì)綠潮的遙感監(jiān)測(cè)估算過(guò)程中，一大挑戰(zhàn)在于像元分割閾值的選取[14]（介于“無(wú)藻”和“含藻”之間的藻類(lèi)指數(shù)值），即使在同一景影像的不同區(qū)域，該值也可能發(fā)生變化。針對(duì)這種閾值不一致現(xiàn)象，通過(guò)某些方法模擬藻類(lèi)指數(shù)中無(wú)藻海水的背景圖像并從原圖像中減去，可以達(dá)到消除閾值不一致的效果。本文將這些方法統(tǒng)稱(chēng)為“去背景方法”，典型的去背景方法有縮放藻類(lèi)指數(shù)（Scaled Algae Index,SAI）算法[18]、藻類(lèi)指數(shù)梯度去背景法[14]、四次多項(xiàng)式曲面擬合法[19]等，去背景方法有助于傳統(tǒng)閾值法在背景差異較大的海域圖像中發(fā)揮作用；上述方法是面向粗空間分辨率傳感器數(shù)據(jù)（250 m、500 m 以及1 km 空間分辨率MODIS 數(shù)據(jù)），隨著空間分辨率提升至50 m，背景水色與耀光反射分異會(huì)更加顯著，上述去背景方法的效果尚需要驗(yàn)證。與此同時(shí)，50 m 空間分辨率圖像可探測(cè)的海表目標(biāo)信息更加豐富，海浪、流、海洋鋒面、船尾跡、海面溢油、小尺度云斑等目標(biāo)均能被傳感器探測(cè)到，對(duì)海洋漂浮藻類(lèi)識(shí)別提取形成干擾，成為50 m 分辨率圖像綠潮遙感監(jiān)測(cè)估算的又一挑戰(zhàn)。

針對(duì)上述挑戰(zhàn)，本研究提出一種縮放藻類(lèi)指數(shù)與VB-FAH 指數(shù)融合處理方法，針對(duì)HY-1C/D 衛(wèi)星CZI數(shù)據(jù)的波段構(gòu)成與高異質(zhì)性特征，選擇VB-FAH 指數(shù)實(shí)現(xiàn)海洋漂浮藻類(lèi)的信息增強(qiáng)；針對(duì)高空間分辨率海洋光學(xué)遙感數(shù)據(jù)中的復(fù)雜干擾信息，通過(guò)SAI 滑動(dòng)窗口運(yùn)算，在不生成海水背景圖像的情況下，實(shí)現(xiàn)藻類(lèi)圖像的“去背景化”處理，過(guò)程簡(jiǎn)潔且對(duì)不同空間分辨率數(shù)據(jù)的適用性強(qiáng)。算法應(yīng)用與驗(yàn)證結(jié)果表明，本研究方法針對(duì)HY-1C/D 衛(wèi)星CZI 數(shù)據(jù)中漂浮藻類(lèi)提取具有較高的精度和抗干擾能力，可以為國(guó)產(chǎn)海洋水色衛(wèi)星高分辨率載荷的業(yè)務(wù)化應(yīng)用提供技術(shù)方法參考。

2 數(shù)據(jù)與數(shù)據(jù)預(yù)處理

2.1 HY-1C 衛(wèi)星CZI 數(shù)據(jù)

HY-1C 衛(wèi)星搭載有海洋水色水溫掃描儀、海岸帶成像儀、紫外成像儀、星上定標(biāo)儀和船舶自動(dòng)識(shí)別系統(tǒng)5 個(gè)載荷。其中，多光譜海岸帶成像儀觀測(cè)數(shù)據(jù)是本研究主要使用的數(shù)據(jù)源，CZI 載荷有可見(jiàn)光和近紅外4 個(gè)光譜波段，能提供星下點(diǎn)50 m 空間分辨率數(shù)據(jù)，且具備3 天1 次的重訪周期，在2019 年5 月底至8 月末共獲取了多景云覆蓋較少的黃海觀測(cè)數(shù)據(jù)。50 m 空間分辨率所探測(cè)的漂浮藻類(lèi)具有斑塊狀、條帶狀以及斑點(diǎn)狀等不同形態(tài)特征，可為粗空間分辨率數(shù)據(jù)開(kāi)展大型漂浮藻類(lèi)研究提供驗(yàn)證數(shù)據(jù)，掃描幅寬為950 km，2 景影像即可實(shí)現(xiàn)黃海海域的覆蓋觀測(cè)。HY-1C 衛(wèi)星CZI 數(shù)據(jù)對(duì)于中國(guó)近海的大型漂浮藻類(lèi)監(jiān)測(cè)，在時(shí)間、空間分辨率以及范圍覆蓋方面都具有顯著優(yōu)勢(shì)。

2.2 數(shù)據(jù)預(yù)處理

研究主要使用CZI 數(shù)據(jù)的L1B 級(jí)輻亮度產(chǎn)品，通過(guò)大氣校正生成瑞利校正反射率（Rrc）數(shù)據(jù)，相應(yīng)產(chǎn)品也可通過(guò)中國(guó)海洋衛(wèi)星數(shù)據(jù)服務(wù)系統(tǒng)（https://osdds.nsoas.org.cn/#/）免費(fèi)下載。遙感反射率（Rrs）產(chǎn)品的大氣校正過(guò)程包含瑞利散射校正、氣溶膠校正等步驟，由于氣溶膠校正主要采用暗像元法[21-22]，海面目標(biāo)（如滸苔、馬尾藻與海面溢油等）的近紅外波段圖像通常含有高值信號(hào)，使基于暗像元法的氣溶膠校正結(jié)果出現(xiàn)較大不確定性[23]，因此Rrc數(shù)據(jù)是海面漂浮目標(biāo)遙感研究相對(duì)較好的選擇。幾何校正選擇多項(xiàng)式校正法，利用Python 平臺(tái)開(kāi)發(fā)基于GDAL 庫(kù)Warp 函數(shù)的幾何校正程序，以固定間隔提取經(jīng)緯度文件內(nèi)的地理控制點(diǎn)進(jìn)行多項(xiàng)式校正，該方法對(duì)1 景CZI 數(shù)據(jù)的幾何校正時(shí)間可以控制在3 min 以?xún)?nèi)，相比于ENVI 軟件內(nèi)利用GLT 的幾何校正方法大大縮短了運(yùn)算時(shí)間。最終將Rrc數(shù)據(jù)映射到WGS-84 大地坐標(biāo)系，UTM投影（zone 51N）。通過(guò)數(shù)據(jù)預(yù)處理和遴選，選擇了9 景2019 年黃海綠潮影像作為研究數(shù)據(jù)（圖1），每景影像中都有不同程度的綠潮分布，這些大型漂浮藻類(lèi)的形態(tài)特征差異顯著。

3 基于SAI 的漂浮藻類(lèi)提取

3.1 算法流程

本研究的算法流程主要包含以下步驟：（1）預(yù)處理步驟，包含黃海感興趣區(qū)域選取，云和云陰影等干擾像元識(shí)別與剔除；（2）計(jì)算HY-1C 衛(wèi)星CZI 數(shù)據(jù)的VBFAH 指數(shù)圖像；（3）圖像的SAI 處理，利用SAI 對(duì)VBFAH 圖像進(jìn)行滑動(dòng)窗口計(jì)算，做“去背景化”處理，生成SAI（VB）圖像，調(diào)整TVB閾值分割出“待定”像元與背景海水像元，同時(shí)對(duì)CZI 數(shù)據(jù)的紅光波段（650 nm）進(jìn)行SAI 滑動(dòng)窗口計(jì)算，優(yōu)化TRED閾值，對(duì)干擾因素進(jìn)行剔除，有效區(qū)分“藻類(lèi)”像元與“干擾”像元，得到精確的藻類(lèi)提取結(jié)果。

3.1.1 VB-FAH 指數(shù)

基于波段線性差值方法的VB-FAH 指數(shù)對(duì)于復(fù)雜大氣、耀光反射等具有一定抗干擾能力，在像元解混方面，該指數(shù)與FAI 一樣，具有較好的應(yīng)用特點(diǎn)[14]，特別適用于無(wú)短波紅外波段的HY-1C 衛(wèi)星CZI 數(shù)據(jù)。本研究主要使用VB-FAH 作為藻類(lèi)提取的基本指數(shù)，該指數(shù)的虛擬基線建立在綠光波段反射率和虛擬的近紅外波段反射率（實(shí)際是紅光波段反射率基于近紅外波段的軸對(duì)稱(chēng)點(diǎn)）之上，然后基于虛擬基線計(jì)算近紅外波段反射率的相對(duì)高度，VB-FAH 指數(shù)的計(jì)算公式為

式中，Rrc(λ4)，Rrc(λ3)和Rrc(λ2)分別是CZI 數(shù)據(jù)的825 nm（λ4），650 nm（λ3）和560 nm（λ4）波段的瑞利校正反射率。

3.1.2 云與耀光干擾的消除

在藻類(lèi)提取之前，云與耀光像元應(yīng)當(dāng)被首先剔除，本文利用一種簡(jiǎn)單的波段減法（Cloud &Sunglint,CS）將圖像中的云和耀光信號(hào)剔除，

式中，Rrc(λ1)和Rrc(λ3)分別是CZI數(shù)據(jù)460nm（λ1）和650nm（λ3）波段的瑞利校正反射率。利用TCS閾值分割云和耀光干擾像元，當(dāng)大于TCS時(shí)，將被識(shí)別為云與耀光像元。在2019年HY-1C衛(wèi)星CZI數(shù)據(jù)中，TCS值在0.01～0.02區(qū)間內(nèi)浮動(dòng)。該方法對(duì)亮度較高的云和強(qiáng)耀光的提取效果較好，但仍難以完全消除薄云與小云斑的干擾，這些干擾在后續(xù)誤判處理方案中會(huì)進(jìn)行再次提取與排除。

3.2 SAI 算法

基于閾值分割的方法幾乎都受到大范圍內(nèi)圖像梯度差異的影響[19]，F(xiàn)AI、VB-FAH 等指數(shù)應(yīng)用也存在圖像梯度差異問(wèn)題，由Keesing 等[17]提出的縮放藻類(lèi)指數(shù)，能夠較好地解決藻類(lèi)指數(shù)中的圖像梯度差異問(wèn)題[20]，具體原理如下：

式中，f(x, y)是滑動(dòng)窗口的中心像元；g(x, y)是滑動(dòng)窗口中值；SAI(x, y)是縮放后的像元值。

SAI 依靠滑動(dòng)窗口遍歷整個(gè)圖像的有效像元進(jìn)行計(jì)算，計(jì)算過(guò)程中選取窗口中值作為海水背景值對(duì)中心像元進(jìn)行縮放。如果中心像元為藻類(lèi)像元，縮放過(guò)程將從像元值中減去背景海水像元值；若中心像元為背景海水像元，會(huì)將其縮放到0 值左右。一旦窗口過(guò)小，使得窗口內(nèi)的藻類(lèi)像元占據(jù)多數(shù)，窗口內(nèi)像元中值將不再代表海水背景值，從而部分藻類(lèi)像元被縮放到0 值，進(jìn)而產(chǎn)生算法誤差。因此滑動(dòng)窗口大小必須經(jīng)過(guò)人工調(diào)整以適配圖像中不同形態(tài)大小的藻類(lèi)，如圖2 所示，通過(guò)比較海域中不同尺寸滑動(dòng)窗口提取大、小漂浮藻類(lèi)斑塊的能力差異，發(fā)現(xiàn)大尺寸藻類(lèi)斑塊的準(zhǔn)確提取得益于大尺寸的滑動(dòng)窗口，小尺寸斑塊的提取結(jié)果不會(huì)隨著滑動(dòng)窗口的增大而產(chǎn)生劇烈變化。需要注意的是，滑動(dòng)窗口尺寸過(guò)大會(huì)使算法的運(yùn)算效率下降，因此滑動(dòng)窗口的尺寸并非越大越好?；?019 年夏季黃海藻類(lèi)提取的滑動(dòng)窗口設(shè)置分析，發(fā)現(xiàn)在綠潮暴發(fā)期（6 月8 日至7 月上旬），黃海海域大型條帶狀綠潮頻繁出現(xiàn)，為完整提取這些條帶型綠潮，選擇51×51 像元滑動(dòng)窗口進(jìn)行提取。而位于綠潮發(fā)展的早期與后期（5 月中旬至6 月初、7 月中旬至9 月初），31×31 像元窗口足以完整提取區(qū)域內(nèi)的大型藻類(lèi)斑塊。

圖2 滑動(dòng)窗口尺寸變化下的縮放藻類(lèi)指數(shù)圖像Fig.2 Scaled algae index images with changing size of sliding window

SAI 算法特點(diǎn)是不需要重建海水背景即可將海水背景值縮放到0 值水平，在一定程度上克服了背景反射率分異的影響。在大型漂浮藻類(lèi)生物量的定量遙感估算過(guò)程中，同等覆蓋率的藻類(lèi)也會(huì)因分布于不同海水背景下，而表現(xiàn)出不同的藻類(lèi)指數(shù)，導(dǎo)致其生物量估算含有較大不確定性，通過(guò)SAI 方法計(jì)算的藻類(lèi)指數(shù)可以降低不同背景差異所帶來(lái)的誤差。如圖3所示，通過(guò)對(duì)SAI 處理前后VB-FAH 值剖面線的數(shù)值對(duì)比，對(duì)VB-FAH 圖像經(jīng)過(guò)SAI 計(jì)算后（SAI(VB) ），圖像中的海水背景將縮放到同一水平區(qū)間，而藻類(lèi)目標(biāo)值仍處在較高水平，這將較好地提高漂浮藻類(lèi)提取與估算精度。

圖3 大型漂浮藻類(lèi)虛擬基線高度法（VB-FAH）與對(duì)VB-FAH 圖像經(jīng)過(guò)縮放藻類(lèi)指數(shù)計(jì)算后值（SAI（VB））對(duì)比圖Fig.3 Comparison between virtual baseline floating macroalgae height (VB-FAH) and SAI (VB)

3.3 誤判信息剔除

在較高空間分辨率的海洋光學(xué)遙感數(shù)據(jù)中，海面波浪、海洋鋒面、內(nèi)波、船尾跡、海洋溢油等均可以清晰展現(xiàn)，這也給海洋漂浮藻類(lèi)提取算法帶來(lái)干擾，這些干擾所產(chǎn)生的誤判信息需要進(jìn)一步剔除，進(jìn)而提高藻類(lèi)提取的精度。海面漂浮藻類(lèi)在紅光波段（650 nm）具有一定的吸收特征，圖像中的其他干擾因素，如小云斑、耀光、油氣平臺(tái)及船舶等，在650 nm波段具備高反射特征。可以進(jìn)一步對(duì)650 nm 波段反射率圖像進(jìn)行SAI 處理。此過(guò)程中，漂浮藻類(lèi)因在650 nm 波段不具備高反射特征而被處理成背景，耀光、云斑、船尾跡等干擾信號(hào)則通過(guò)SAI 算法得到增強(qiáng)，從而實(shí)現(xiàn)藻類(lèi)信號(hào)與背景干擾信號(hào)的區(qū)分。圖4顯示了該算法對(duì)小云斑干擾噪聲二次去除的效果，降低了云的干擾與誤判。其他干擾因素的剔除效果如圖5 所示，研究海域中存在多種干擾（如海上平臺(tái)、不同粗糙度水面等），會(huì)被SAI(VB)的分割閾值所誤判；基于SAI(VB)影像閾值分割結(jié)果，計(jì)算其SAI(RED)值，對(duì)誤判信息進(jìn)行再次剔除，有效提高了海面漂浮藻類(lèi)的識(shí)別提取精度。

圖4 基于SAI（RED）的小云斑干擾信息的剔除Fig.4 Elimination for confusion signal of cloud spots based on SAI (RED)

圖5 海面目標(biāo)誤判信息剔除與修正結(jié)果Fig.5 Results of elimination and correction for misclassification of sea surface targets

基于上述SAI-VB 融合識(shí)別方法，HY-1C 衛(wèi)星CZI數(shù)據(jù)（圖1）的海面漂浮綠潮識(shí)別提取結(jié)果如圖6 所示?；谥懈呖臻g分辨率CZI 數(shù)據(jù)提取的海洋大型漂浮藻類(lèi)，對(duì)比粗分辨率數(shù)據(jù)（如MODIS、GOCI、VIIRS 等）而言，具有更為精細(xì)和豐富的空間細(xì)節(jié)信息，尤其在江蘇近岸海域。特別需要指出的是，由于空間分辨率差異所帶來(lái)的混合效應(yīng)，如何有效估算基于CZI 數(shù)據(jù)的含藻像元面積和藻類(lèi)真實(shí)覆蓋面積，還需要進(jìn)一步開(kāi)展細(xì)致的評(píng)估。

圖6 基于HY-1C 星CZI 數(shù)據(jù)提取的2019 年海面漂浮綠潮Fig.6 The information of floating green tides in 2019 extracted from HY-1C CZI measurements

4 精度評(píng)估與不確定性分析

4.1 精度評(píng)估

由于海面實(shí)測(cè)與低空觀測(cè)數(shù)據(jù)的稀缺，且囿于海面漂浮藻類(lèi)具有一定的漂浮速度，難有實(shí)時(shí)同步的衛(wèi)星成像數(shù)據(jù)用于驗(yàn)證，即使只有幾分鐘的成像時(shí)間差異，海面藻類(lèi)的位置和形態(tài)都會(huì)有一定的改變，其不僅受到海面流場(chǎng)、風(fēng)場(chǎng)等多種因素影響，還受到衛(wèi)星數(shù)據(jù)的空間分辨率、波段差異等影響。鑒于如上影響，將采用人工目視解譯結(jié)果和自動(dòng)提取結(jié)果對(duì)比分析的方式來(lái)進(jìn)行本研究算法的精度評(píng)估，精度評(píng)價(jià)數(shù)據(jù)選用2019 年6 月8 日CZI 數(shù)據(jù)的4 個(gè)研究區(qū)（圖1b），目視解譯過(guò)程還參考了同一天的GF-1/WFV1多光譜數(shù)據(jù)（16 m 空間分辨率）。特別需要指出的是，囿于藻類(lèi)形態(tài)和位置變化、空間分辨率以及波段差異等原因，國(guó)產(chǎn)GF-1/WFV1 多光譜數(shù)據(jù)并不能直接用于對(duì)比分析來(lái)評(píng)估算法精度，后續(xù)主要將其用于不確定性分析（見(jiàn)4.3 節(jié)）。4 個(gè)區(qū)域的標(biāo)準(zhǔn)假彩色合成圖像、人工解譯結(jié)果與算法提取結(jié)果如圖7 所示。

基于人工解譯和算法提取的4 個(gè)區(qū)域漂浮藻類(lèi)結(jié)果，利用如下指標(biāo)定量描述算法提取精度：

式中，SSAI為本算法提取的含藻像元面積；S0為人工目視解譯提取的含藻像元面積。結(jié)果表明，算法提取精度最低者為區(qū)域4，λ為8.34%；最高者為區(qū)域1，λ為1.03%；總體精度均比較高，特別是區(qū)域1 到區(qū)域3（表1）。區(qū)域1 到區(qū)域3 中的漂浮藻類(lèi)形態(tài)相對(duì)較大，以大型條帶型、斑塊型等形態(tài)為主，而區(qū)域4 中則包含數(shù)量較多的小斑塊型漂浮藻類(lèi)，由于50 m空間分辨率的遙感混合像元特點(diǎn)，這些小斑塊漂浮藻類(lèi)提取結(jié)果的不確定性較大?？傮w上，本研究應(yīng)用的SAI（VB）算法精度較高，對(duì)中國(guó)首顆海洋水色業(yè)務(wù)衛(wèi)星CZI 載荷取得較好的效果，未來(lái)可以進(jìn)一步用于該載荷的業(yè)務(wù)化應(yīng)用。

表1 精度評(píng)價(jià)Table 1 Accuracy evaluation

4.2 算法的時(shí)間效率

SAI 算法的首次提出是基于MODIS 數(shù)據(jù)，本研究將算法調(diào)整應(yīng)用于國(guó)產(chǎn)HY-1C/CZI 數(shù)據(jù)上，展現(xiàn)出算法在數(shù)據(jù)空間分辨率上的可擴(kuò)展性。隨著空間分辨率提升到50 m，其圖像噪聲、耀光干擾、水色背景等干擾信息得以凸顯，干擾因素也會(huì)隨之增加，但本算法仍能保持較高的提取精度，也一定程度說(shuō)明了算法的穩(wěn)健性。面對(duì)中國(guó)近海廣闊的業(yè)務(wù)化應(yīng)用范圍，還需要關(guān)注算法應(yīng)用的時(shí)間效率。為此，從上述研究區(qū)任意選取了多個(gè)固定大小的區(qū)域（1 000 像元×1 000像元），評(píng)估算法運(yùn)算速度。在如下配置的電腦中（Intel（R）Core（TM）i9-10 900 CPU @ 2.80 GHz～2.81 GHz 32 GB 內(nèi)存），基于MATLAB 編程實(shí)現(xiàn)的SAI 提取算法，對(duì)上述數(shù)據(jù)計(jì)算運(yùn)行時(shí)間平均約為12 s，其中有關(guān)兩步SAI 計(jì)算（SAI（VB）、SAI（RED））的平均耗時(shí)約6 s。本研究是基于滑動(dòng)窗口遍歷圖像的方式進(jìn)行計(jì)算，時(shí)間成本會(huì)隨圖像矩陣面積的增大而增加，對(duì)于整個(gè)黃海海域來(lái)說(shuō)，CZI 圖像矩陣不超過(guò)10 000 像元×10 000 像元，數(shù)據(jù)的計(jì)算時(shí)間可控制在20 min 以?xún)?nèi)。還需要注意的是，高分辨率數(shù)據(jù)包含的豐富海洋環(huán)境信息，也給自動(dòng)識(shí)別提取帶來(lái)挑戰(zhàn)，往往需要基于專(zhuān)家經(jīng)驗(yàn)知識(shí)，采用人機(jī)交互的方式以保證算法精度，這樣一來(lái)將不可避免地犧牲算法效率，因此在業(yè)務(wù)化應(yīng)用過(guò)程中還需要在時(shí)間效率和提取精度間達(dá)到一個(gè)最佳的平衡。

4.3 不確定性分析

光學(xué)遙感數(shù)據(jù)識(shí)別提取的最直觀綠潮規(guī)模指標(biāo)為“含藻像元面積”，并不等同于真實(shí)的藻類(lèi)覆蓋面積?；诓煌臻g分辨率數(shù)據(jù)提取的含藻像元面積也存在較大差異，這不僅與傳感器空間分辨率有關(guān)，還與海洋漂浮藻類(lèi)的真實(shí)形態(tài)有關(guān)。有研究表明，真實(shí)藻類(lèi)面積即使只占像元面積的1%～2%，也可以被識(shí)別并提取出來(lái)[23]，產(chǎn)生的高估效應(yīng)在所難免。為探尋這種像元空間分辨率與真實(shí)藻類(lèi)形態(tài)大小所帶來(lái)的不確定性影響，本研究還選用了同一天（2019 年6 月8 日）準(zhǔn)同步的GF-1/WFV1 數(shù)據(jù)（16 m 空間分辨率）和HY-1C/CZI 數(shù)據(jù)開(kāi)展不確定性分析。上述數(shù)據(jù)均進(jìn)行大氣校正生成Rrc反射率產(chǎn)品，并基于相同的提取流程識(shí)別了海面漂浮藻類(lèi)，以GF-1/WFV1 數(shù)據(jù)結(jié)果作為真值來(lái)評(píng)估HY-1C/CZI 提取結(jié)果的不確定性。研究結(jié)果如圖8 所示，在藻類(lèi)覆蓋差異顯著的海域選擇2 個(gè)典型區(qū)域（區(qū)域1 和區(qū)域2），值得注意的是，兩區(qū)域之間不僅存在明顯的水色差異，漂浮藻類(lèi)斑塊的形態(tài)特征和空間分布也存在巨大差別。區(qū)域1 中大尺寸條帶型漂浮藻類(lèi)占據(jù)主體地位，肉眼觀察到僅有少量小尺寸斑塊形態(tài)漂浮藻類(lèi)分布；區(qū)域2 中則以小尺寸斑塊狀漂浮藻類(lèi)為主，大尺寸條帶型漂浮藻類(lèi)分布較少。這兩個(gè)區(qū)域CZI 數(shù)據(jù)和GF-1/WFV1數(shù)據(jù)的漂浮藻類(lèi)提取結(jié)果顯示（圖8c 至圖8f）），區(qū)域1 的含藻像元面積相近（分別為373.72 km2和342.77 km2，相對(duì)偏差為9.03%），而區(qū)域2 的含藻像元面積差異顯著（分別為254.77 km2和143.46 km2，相對(duì)偏差為77.59%），表明就含藻像元面積指標(biāo)而言，CZI 數(shù)據(jù)提取結(jié)果產(chǎn)生的不確定性也存在明顯的空間分異。藻類(lèi)形態(tài)尺寸空間分異的存在表明：區(qū)域1 中分布數(shù)量較多的大尺寸條帶型漂浮藻類(lèi)一定程度上降低了含藻像元面積的不確定性；相反，區(qū)域2 中大量的小型斑塊分布顯著提高了這種不確定性。這說(shuō)明，基于光學(xué)遙感數(shù)據(jù)反演的含藻像元面積與真實(shí)藻類(lèi)面積之間的不確定性，不僅與傳感器空間分辨率密切相關(guān)，還與漂浮藻類(lèi)的斑塊大小與形態(tài)特征具有密切的關(guān)聯(lián)。今后需通過(guò)進(jìn)一步闡明中國(guó)近海漂浮藻類(lèi)的形態(tài)特征空間分布差異，將對(duì)不同空間分辨率數(shù)據(jù)的優(yōu)化使用以及海洋漂浮藻類(lèi)反演精度的提高具有重要的參考意義。

圖8 2019 年6 月8 日HY-1C/CZI 和GF-1/WFV1 準(zhǔn)同步數(shù)據(jù)反演結(jié)果比較Fig.8 Comparison of inversion results between image of HY-1C/CZI and quasi-synchronous image of GF-1/WFV1 on June 8,2019

5 結(jié)論

面向中國(guó)HY-1C/D 衛(wèi)星CZI 載荷的業(yè)務(wù)化應(yīng)用需求，針對(duì)海洋高空間分辨率數(shù)據(jù)內(nèi)含的豐富信息，本文提出一種利用SAI 與VB 融合的識(shí)別提取算法，算法通過(guò)3 步實(shí)現(xiàn)：（1）采用VB-FAH 指數(shù)進(jìn)行藻類(lèi)信號(hào)增強(qiáng)；（2）通過(guò)SAI 算法對(duì)指數(shù)圖像進(jìn)行去背景處理；（3）對(duì)誤判目標(biāo)進(jìn)行識(shí)別與排除。在中國(guó)近海漂浮大型藻類(lèi)的提取過(guò)程中，算法展現(xiàn)出以下幾點(diǎn)優(yōu)勢(shì)：（1）諸如VB-FAH、NDVI、FAI 等藻類(lèi)指數(shù)在大尺度海域范圍內(nèi)往往表現(xiàn)出背景水色差異，該算法通過(guò)客觀消除背景水色差異，使利用全局閾值分割藻類(lèi)像元成為可能；（2）通過(guò)SAI 計(jì)算的藻類(lèi)像元一定程度消除了自身攜帶的海水背景信號(hào)值，在指示藻類(lèi)的覆蓋規(guī)模方面相比原像元更加精確；（3）誤判識(shí)別步驟有效剔除了多種海面干擾因素，使算法的精度多一重保障。為評(píng)價(jià)算法提取精度，選擇了4 個(gè)不同區(qū)域進(jìn)行人工解譯，對(duì)比發(fā)現(xiàn)，算法提取精度最低者為區(qū)域4，λ為8.34%；最高者為區(qū)域1，λ為1.03%，總體精度均比較高。

此外，本研究結(jié)合準(zhǔn)同步的GF-1/WFV1 數(shù)據(jù)，對(duì)CZI 載荷的漂浮藻類(lèi)提取結(jié)果進(jìn)行了不確定性分析。研究發(fā)現(xiàn)在不同空間分辨率光學(xué)遙感數(shù)據(jù)之間，反演的含藻像元面積指標(biāo)存在較大的不確定性—對(duì)以大型條帶型藻類(lèi)分布為主的海域，CZI 數(shù)據(jù)反演的含藻像元面積不確定性較?。欢鴮?duì)于小型斑塊型藻類(lèi)分布為主的海域，CZI 數(shù)據(jù)反演的含藻像元面積不確定性可以高達(dá)77.59%。因此，本研究認(rèn)為不確定性不僅來(lái)源于空間分辨率的差異，還來(lái)源于漂浮藻類(lèi)形態(tài)大小的空間分異規(guī)律。上述研究也進(jìn)一步指明，今后需要推進(jìn)海洋大型漂浮藻類(lèi)形態(tài)學(xué)的空間分異研究，這將有助于明確不同空間分辨率光學(xué)數(shù)據(jù)反演結(jié)果的不確定性。