赤潮高发期间厦门海域叶绿素值预报方程建立及应用于灾害性赤潮预报模式的研究

吴玉芳

（厦门市海洋与渔业环境监测站，福建厦门 361005）

赤潮高发期间厦门海域叶绿素值预报方程建立及应用于灾害性赤潮预报模式的研究

吴玉芳

（厦门市海洋与渔业环境监测站，福建厦门 361005）

利用厦门海域2005—2008年海洋水质自动连续监测仪器的多年全天24 h连续监测所获取的海水各项因子的有关数据，对其进行24 h滑动平均处理后，再进一步筛选整理形成统计所需样本，采用逐步回归统计方法建立28 h预报方程，试图能对和赤潮产生有紧密关系的叶绿素含量变化做出短期预报，并尝试将预报结果应用于灾害性赤潮预报业务。

叶绿素含量；24 h滑动平均；样本；预报

1 引言

赤潮是危害渔业、水产养殖等行业的重大自然灾害之一，是一种小概率事件，它的成因实质上是由海洋生物、海洋化学、海洋物理和气候等诸多因素共同影响的结果，这可能是国内外目前仍未能真正运用客观方法做赤潮预报的关键所在。有关赤潮发生、发展机理及预报方法的研究工作一直受到广泛的重视。多数研究结果表明赤潮的发生与海水环境直接相关。发生赤潮时，海水中叶绿素值含量也会随着赤潮的强弱变化而产生同步变化[1]。

随着海洋水质自动连续监测仪器多年应用于厦门海域全天24 h对海水各项因子的连续跟踪和监测，近年已有学者利用海洋水质自动连续监测仪器所获取的数据对厦门海域赤潮发生情况进行研究[2-3]，我们对获取的连续数据进行分析，发现在赤潮高发期间叶绿素值的变化与溶解氧、溶解氧饱和度、叶绿素值日变化、叶绿素值日变化梯度有着显著的相关性。

2 数据

从2004年5月开始我们在位于厦门同安湾刘五店海域近布设了1个自动连续观测站（见图1），对海水进行6年的长期、连续、自动、实时、定点监测。监测项目包括水温、盐度、溶解氧、溶解氧饱和度、叶绿素、和pH等。本研究将仪器的监测频率设定为每30 min监测1次，可在监测终端随时对各监测站点进行数据查询访问。监测数据采用由YSI仪器公司提供的专用配套数据处理软件EcoWatch进行数据转换处理。为保证监测数据的可靠性，监测期间定期对仪器进行维护清洗和校对，使仪器能运行在最佳的工作状态。并且将监测数据与实验室国标方法进行比对以保证数据准确。在叶绿素值出现异常、赤潮形成的高位阶段和消亡阶段时辅以人工采样，分析赤潮生物种类和生物量。

3 数据预处理

恰当的数据预处理和合理的样本选择有利于揭示赤潮发生的内在规律。现有的数据包括2005—2008年连续四年的海洋浮标观测数据，结合厦门海域的赤潮高发期在6—9月的时间特点，海洋浮标站建设的延续性以及资料订正等技术手段的发展情况，采用以下方法对数据进行处理。

图1 厦门海域连续观测站位

3.1 数据质量检查与控制

对2005—2008年6—9月的海洋浮标观测数据进行初步质量检查，去除明显的与统计无关的错误数据。

3.2 24 h滑动平均处理

图2 2007年6—9月叶绿素含量分布

监测数据由于受不可预测的人类活动以及仪器本身的异常影响使得监测值存在一定的噪音“干扰”，同时也会随海洋环境的潮汐、水温等的日变化而变化，对数据进行24 h滑动平均处理不仅可以降低噪音的影响，同时也避免了日变化的影响[4]。以2007年6—9月的数据处理结果为例（见图2—3），经过滑动平均处理，降噪效果较好。

3.3 样本筛选与整理

为了获得较好的统计回归效果，需要对所有样本进行整理，剔除对回归结果正面影响不大的样本，即期望通过一些简单的方法，剔除未来24 h内肯定不会出现赤潮的样本，理想状态是通过剔除仅保留原样本数的2/3左右。

方法：以当日14时—次日14时若发生赤潮，对应当日10时最小叶绿素含量（2 μg/L）作为标准，进行统计样本剔除。经过筛选，共选取样本254个。

具体地，利用2005—2007年6—9月份观测数据，以当日14时至次日14时视为一个时间段，如果期间发生赤潮（叶绿素值含量超过12 μg/L），则把对应的当日10时叶绿素值选出，将以上所有10时叶绿素值进行比较，取最小值（经计算为2 μg/L）。经过上述过程，可以判断，如果某日10时观测叶绿素含量低于2 μg/L，则判定当日14时至次日14时不会出现赤潮，由此剔除该样本。

图3 2007年6—9月叶绿素含量24 h滑动平均分布

4 用统计回归方法建立叶绿素值预报方程

监测数据经过处理、筛选和整理后，得到所需样本。采用2005—2007年6—9月的观测数据建立统计回归方程，并用2008年6—9月的观测数据进行试验预报和分析。

4.1 预报因子和预报量

按照赤潮预报业务的要求，在每天上午10时后发布预报结论。把当日14时、20时，次日02时、08时、14时的叶绿素含量以及当日14时—次日14时的叶绿素含量最大值作为预报量。而把当日02时、08时，前一日14时、20时浮标观测数据（6要素）以及要素值的日变化、要素值日变化的时间梯度（1日）都作为预报因子，并把当日10时观测海水叶绿素含量也作为预报因子。采用经过降噪处理的2005—2007年6—9月的海洋浮标观测数据来建立预报方程。

对于第n天进行的一次赤潮预报，共有73个预报因子，6个预报量。预报第n天的14时—第n＋1天14时的海水叶绿素含量，预报因子和预报量的构建方式（见表1—4）。

构建预报因子，举例：

X5(n)=X1(n)-X1(n-1)

X9(n)=X1(n)-2 X1(n-1)+X1(n-2)

4.2 进行逐步线性回归，建立统计预报方程

对经处理、筛选和整理后的254个样本进行统计分析，用逐步线性回归方程建立28 h预报方程，试图对和赤潮产生有紧密关系的叶绿素值变化做出短期预报。

逐步线性回归过程，以F值（回归方程的显著性检验水平，预测变量所解释的变异与误差变异的比值）所对应的P值（相关系数单边检验结果）为剔选变量准则。选入变量的显著性水准为0.05，剔除变量的显著性水准为0.1。表5所示是部分预报因子与预报量的相关关系。

表1 浮标观测要素作为预报因子

表2 浮标观测要素日变化作为预报因子

表3 浮标观测要素日变化梯度作为预报因子

表4 海水叶绿素含量作为预报量

表5 相关系数表

表6 2008年各方程试报评分表

采用逐步线性回归方法，建立的统计预报方程结果如下：

5 赤潮试预报

将2008年6—9月预处理后的样本进行赤潮试预报，28 h内Y1—Y6六个预报量中有3个及以上的预报量值超过叶绿素值的阈值（即8 μg/l）我们即认为在未来的24 h内将有可能发生赤潮，统计其预报准确率，将预报结果与浮标仪器实测值及赤潮发生实况进行比较分析。

2008年6—9月实际赤潮发生情况共4次，分别在6月24日、7月15—18日、8月15日、9月11日4个时间段。

5.1 2008年6月24日赤潮试预报

从预报结果看，6月份23—24日Y1—Y6的叶绿素预报值和实测值虽均有上升的趋势，但都未达到临界值9 μg/l的标准。因此与实测值对比，实报、空报漏报均为0。与赤潮发生实况对比，漏报1次。

5.2 2008年7月15—18日赤潮试预报

从预报结果看，7月份预报量表征14—16日均出现赤潮，实测值表征13—16日均出现赤潮，赤潮发生实况为15—18日出现赤潮。因此，与实测值对比，共1次漏报，3次实报。与赤潮发生实况对比，共1次空报，2次实报，2次漏报。

5.3 2008年8月15日的赤潮试预报

从预报结果看，8月份预报值表征11—14日均出现赤潮，实测值表征10—14日均出现赤潮，实况为15日发生赤潮，因此与实测值对比，共一次漏报，4次实报。与赤潮发生实况对比，4次空报，1次漏报。

5.4 2008年9月11日赤潮试预报

从预报结果看，9月份预报值表征11—12日发生赤潮，实测值表征10—12日发生赤潮。因此与实测值对比，1次漏报，2次实报；与赤潮发生实况对比，1次实报，1次空报。

通过以上分析，我们将分析结果用预报正确率和预报空报率指数评分[5]，2008年的灾害性赤潮过程预报正确率采用以下公式计算：

P=预报正确次数/（预报正确次数+空报次数+漏报次数）×100%

结果见表6，统计发现预报值对实测值的预报结果较好，实报率达75%，无空报。漏报的事件均为实报前的事件，表明预报值能很好的反应叶绿素的真实变化情况，敏感度高，但反应有稍微滞后的现象。预报值对实况的预报效果较差，实报率仅23%，空报率和漏报率高达46%和31%。但可以发现，这个结果是有客观原因存在的，实际预报时由于浮标直接置于海水中，对海水的各种监测要素反映灵敏而及时，而实际赤潮报告时间是在浮标数据出现异常升高后到现场监视、监测，根据现场实际监视监测结果判断赤潮发生情况。因此，实际赤潮报告往往会较浮标实测值晚，所以才会出现预报值总是较实况早几天出现赤潮情况，这也正好体现了预报的功能意义。

6 叶绿素模拟值应用于灾害性赤潮的预报流程模式设计

叶绿素模拟值应用于监测实况数据的预报效果较好，与赤潮实况预报比较则都相对提早几天，但是正确客观的反映了实际变化情况，因此我们认为该模拟值无论是用于监测实况数据的预报还是灾害性赤潮预报均有应用价值，长期内仍需通过继续的数据积累进一步优化赤潮预报模式。

现就根据前面的研究过程对灾害性赤潮预报流程方案进行设计数据预处理模块（带入各预报方程对当日10时以前的数据进行向前24 h滑动平均）→直接引入或计算预报因子X1—X73→带入各预报方程，计算预报结果Y1—Y6→根据预设阈值，进行灾害性赤潮预报。

7 讨论

赤潮的发生是一种小概率事件，因此对赤潮预报是一个十分困难的工作。使用传统的逐步回归分析法,在资料处理中引入了滑动平均值降噪方法,剔除了日变化以及各种不规则甚至人为的活动而造成的误差。因此这是本方法的特点之一，这为今后工作及提高方程的稳定提供了基础。

在赤潮试预报过程中，预报值虽较赤潮实况预报有所提前，但是与监测实测值相关性较强，因此我们认为该模拟值无论是用于监测实况数据的预报还是用于灾害性赤潮预报均有较高应用价值。在建立灾害性赤潮预报方案时，将Y1—Y6对预报赤潮的贡献值视为相等，今后的工作仍需进一步摸索它们的不同贡献值，对预报方案进一步优化。

通过分析可以认为浮标观测所得的数据通过建立模拟方程用于赤潮预报有一定的利用价值，有一定的时间提前性，但这些变化的监测数据仅仅代表一个局部海水环境的变化结果，福建海域的赤潮发生情况与气象要素密切相关[6]，如果从宏观的大尺度把包括水文气象等各方面能涉及到的对赤潮生消有影响的因子一并考虑无疑将会把赤潮的预警预测工作进一步提前，这为我们的今后工作指明了方向。

致谢：本文得到国家海洋环境预报中心王咏亮研究员的悉心指导，在此表示感谢。

[1]蔡励勋.厦门同安湾海域赤潮期间叶绿素变化的若干典型特征[J].海洋环境科学,2008,27（4）:331-334.

[2]庄宏儒.水质自动监测系统在厦门同安湾赤潮短期预报中的应用[J].海洋环境科学,2006,25(2):58-61.

[3]蔡励勋.厦门海域赤潮发生规律初探[J].福建水产,2008,117(2):75-79.

[4]裴益轩,郭民.滑动平均法的基本原理及应用[J].火炮发射与控制学报,2001,1:21-23.

[5]黄卓.气象预报产品质量评分系统[M].北京：中国气象局预测减灾司,2001.

[6]张春桂,任汉龙,吴幸毓,等.福建沿海赤潮灾害气象预报[J].气象科技,2010,38(2):253-258.

[7]蔡励勋.厦门海域溶解氧日变化特征的分析[J].海洋渔业,2008,30（3）:213-218.

[8]苏灵江.厦门海域血红哈卡藻赤潮的环流形势和水文气象条件分析[J].福建水产,2009,3:62-65.

[9]孙沛文.大连湾海域赤潮发生的叶绿素a临界值[J].中国环境科学,1989,9(3):179-182.

Establishment of a chlorophyll forecast equation and its application in red tide forecasting in Xiamen offshore area

WU Yu-fang

(Xiamen Marine&Fisheries Environmental Monitoring Station,Xiamen 361005 China)

Marine water quality automatic monitor,placed in Xiamen offshore waters,was continually collecting data for each hour during 2005 to 2008.In this study,a 24-hour sliding average is applied to the data,and samples are selected to establish a 28-hours forecasting equation using stepwise regression analysis.A short-term prediction of chlorophyll concentration,which has close relationship with the occurrence of red tide,is made based on the established forecasting equation.Furthermore,we also attempt to apply the forecasting results to the operational red-tide forecast.

chlorophyll content;24-hour sliding average;sample;forecast

X55

A

1003-0239（2012）02-0039-06

2011-05-26

国家科技支撑计划（2006BAC03B01）

吴玉芳（1980-），女；工程师，主要从事海洋与渔业环境监测。E-mail:xmscs_wu@yahoo.cn