浒苔遥感监测方法的研究进展

叶 娜，贾建军，田 静，苏红波，雒伟民，张 峰，肖 康

(1.国家海洋局东海信息中心，上海 200137;2.中国海监总队，北京 100860;3.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室，北京 100101)

0 引言

浒苔是海洋中极为丰富的大型浮游藻类，属绿藻门石莼科海洋植物。作为海区重要的初级生产者，具有吸收利用水体营养盐和增加溶解氧的功能，经过加工后还有一定的食用、药用功能[1]。少量浒苔的聚集不会影响海水水质，对海洋生态环境不会产生直接的负面作用，因此浒苔的遥感监测与赤潮遥感监测相比较少[2]。但当浒苔大量繁殖浮于海面时也会形成灾害性的后果。如遮蔽阳光，改变正常的水下光照及生物化学条件，引发水下生物活动的异常，影响海洋生物的生长和活动，引起赤潮的爆发等[3-4];大规模的浒苔爆发还会严重影响景观，干扰旅游观光和水上运动的进行。2008年6月，浒苔在我国青岛近海大规模爆发，对第29届奥帆赛造成了严重的影响。在国外，浒苔爆发事件也时有发生，严重影响海洋环境。近年来日本三番濑和金泽湾遭遇的浒苔大面积繁殖现象已使得海滨管理出现了严重问题;法国西北部海岸的布列塔尼从1991年至今一直备受浒苔大规模繁殖的困扰;菲律宾的马卡哈拉湾近年来浒苔的大量聚集已经成为当地渔村的公害问题[5]。

浒苔一类大型绿藻的爆发在国际上被称为“绿潮”，与赤潮一样，被视为一种海洋灾害[6]。治理费时费力，成本较高。据统计，青岛奥帆赛浒苔爆发期间，我国投入的治理费用超过1亿美元[7]。近年来，浒苔在我国黄海、东海海域的爆发频繁发生，已经引起国家海洋局的高度重视，浒苔的监测工作随之得到了较多开展。遥感技术凭借其大尺度、多空间分辨率、多光谱、快速和动态的观测能力，具有传统调查取样和实测方法不可替代的优势，已经成为大范围绿潮监测的重要手段，在绿潮发生的起源、空间分布、时间过程、规模和迁移路线的监测方面发挥了重大作用。本文综述了国内外直接用于浒苔监测的遥感方法，为相关研究者和应用部门提供参考。

1 浒苔遥感监测的基本原理

浒苔的遥感监测原理与浒苔在海水中的状态(漂浮和悬浮)和遥感数据类型(光学遥感和微波遥感)有关。光学遥感监测浮于水面浒苔的方法是基于自然海水表面和浒苔覆盖海水表面光谱特征的差异展开的。浒苔含有丰富的叶绿素，当其覆盖海面时，由于叶绿素对太阳光的反射、吸收和散射作用，海水表面光谱将发生显著变化，使得海水光谱曲线在可见光的蓝光波段和红光波段产生吸收谷，在近红外波段出现类似于植被光谱曲线的高反射峰。浒苔覆盖越厚，近红外波段的高反射现象越明显[8]。张娟[9]，梁刚[10]，李三妹[1]和 Elijah[11]等对浒苔覆盖海水光谱信息的实际观测得出，浒苔在蓝光和红光波段的吸收谷具体出现在400～500 nm和670 nm附近，在近红外波段的反射峰出现在675～800 nm范围内。而正常海水在可见光波段反射率很小，在近红外波段反射率几乎为0。因此利用浒苔覆盖海水与正常海水在可见光和近红外波段的光谱特性差异建立浒苔遥感监测模型，这是光学遥感提取水面浒苔信息的基础。

与光学遥感相比，微波遥感具有全天时、全天候对地表进行观测的优点，目前常作为光学遥感监测水面浒苔的辅助手段，并以主动雷达遥感数据应用为主。在雷达图像上，由浒苔、水体、船只和陆地回波信号所得到的灰度值或后向散射系数差异十分明显[12]，基于此，根据浒苔所在的灰度或后向散射系数的有效范围，通过图像的阈值分割法可以实现水面浒苔信息的提取。这类方法研究才刚刚起步，因此目前开发的方法还比较简单。

与水面浒苔监测方法相比，悬浮于海水中的浒苔的信息提取受水体中悬浮泥沙和黄色物质的影响明显，因此水中浒苔监测方法主要基于物理基础较强的辐射传输模型。具体是利用浒苔、叶绿素、海水、海水中的悬浮泥沙和有机黄色物质的吸收与弹性散射系数，荧光和拉曼散射贡献建立辐射传输方程，模拟卫星接收到的海洋辐亮度信息。具体参数包括:纯海水吸收和散射光谱、浒苔吸收和散射光谱、悬浮泥沙吸收和散射光谱、黄色物质吸收和散射光谱、叶绿素和黄色物质荧光散射和水体拉曼散射的贡献率等[13]。根据浒苔的厚度和深度，泥沙量和黄色物质量的不同这些参数值不同。基于实际观测数据或经验值，利用辐射传输模型反演，一方面可以直接分离浒苔与其他海洋信息，另一方面可以通过反演叶绿素浓度达到探测和监测浒苔的目的。

2 浒苔遥感信息提取的主要方法

2.1 单波段阈值分割法

根据浒苔覆盖海水在可见光和近红外波段的波谱特性，单波段阈值分割法应用的波段主要集中在波谱的反射峰或吸收谷位置，由于近红外波段的反射峰与正常海水相比差异最大，因此该波段通常被选作单波段阈值法的最优波段，主要用于水面浒苔的监测。通过设定波段图像的灰度值或者反射率的阈值，将正常海水与浒苔覆盖海水区分开，其表达形式为Rmin＜R1＜Rmax，其中R1是灰度值或反射率，Rmin和Rmax是浒苔的最小和最大灰度或反射率值。梁刚[10]利用单波段法，基于MODIS数据第2波段的灰度值，对2008年6月青岛海域浒苔爆发的分布范围和覆盖的水域面积进行了估算，设定2008年第179天，Rmin和 Rmax值为2 000 和6 000，第180 天为1 000和 2 000。

目前应用于水面浒苔监测的雷达数据主要有ENVISAT-ASAR，ALOS-PALSAR，RADARSAT-1和COSMO-SkyMed数据。与光学遥感的单波段阈值分割法相似，通过确定浒苔在雷达图像上的灰度值或后向散射系数的有效范围提取浒苔信息。雷达遥感用于浒苔的监测处于起步阶段，因此目前的应用以这种简单的方法为主。如李颖等[14]使用ENVISAT-ASAR，ALOS-PALSAR和RADARSAT-1这3种星载雷达数据，通过专家先验知识根据形状、大小、位置等目标物质识别特征，首先判读雷达图像上浒苔分布的典型区域，再对浒苔的灰度值和正常海水的灰度值进行分析，得出不同极化方式下浒苔灰度值的主要动态范围;蒋兴伟等[15]运用一种基于区域增长面向对象的图像尺度分割方法调整图像的分割尺度，指出COSMO-SkyMed数据中灰度值在75～175时浒苔图像最明显，实现了浒苔信息的快速提取;Gui等[16]对ENVISAT-ASAR与环境灾害小卫星(HJ-1A/B)监测2009年我国黄海浒苔爆发的结果进行了对比，指出二者的平均百分比差异为15%。

由于不同大气条件和观测条件下遥感图像灰度值存在很大差别，导致不同日期遥感图像上浒苔灰度值有效范围差异很大，没有统一的规律可言，因此以灰度值为基础的阈值分割法不确定性很大。以反射率和后向散射系数为基础确定阈值相对稳定，但需要较精确的遥感图像大气校正和去噪声处理，因此遥感图像处理对地表反射率和后向散射系数的准确获取至关重要。遥感方法获取的海水光谱信息还受许多其他因素的影响，如海洋浮游生物或植物的影响，太阳耀光对航空光学遥感的影响等，这些信息与浒苔信息掺杂在一起，导致简单的阈值法判读精度较低。

2.2 多波段比值法

由于多波段比值法能够扩大浒苔吸收谷与反射峰之间的差异，起到增强信息消除噪音的作用，且方法简单易操作，因此常被用于水面浒苔的监测。主要有双波段比值法、归一化植被指数法(normalized differential vegetation index，NDVI)、浮游藻类指数法(floating algae index，FAI)[2]和归一化藻类指数法(normalized difference algae index，NDAI)[17]。

双波段比值法主要指蓝、绿波段比值和红光、近红外波段比值。水面浒苔的光谱特征可以反映水体叶绿素浓度[18-19]，因此能够用于浒苔的监测。与双波段比值法相比，NDVI方法能够更好地减少大气和云的影响，监测原理也是通过反映水体叶绿素浓度来反映浒苔信息，是目前应用最多的方法，即

式中，RNIR和RRED分别为海洋近红外和红光波段的表面反射辐射。王国伟等[4]利用MODIS数据计算长时间序列的NDVI，认为当NDVI＞0.5时就表明海面有大规模浒苔覆盖，并据此研究了2008年和2009年我国黄海海域的浒苔爆发和漂移路线情况;孙凌等[20]利用FA-3A MERSI数据计算 NDVI值，对2008年5月至7月第29届奥帆赛举办期间，青岛海域的绿潮状况进行了监测分析;邢前国等[3]基于MODIS和TM遥感数据，以NDVI为定量监测指标，针对不同水体状况设定不同NDVI阈值，监测了2007—2010年间黄海、东海的绿潮，并指出在水体浑浊区需要使用高空间分辨率遥感图像进行监测更加有效。李三妹等[1]以NDVI方法为基础监测了2008年5—8月我国黄海海域浒苔的出现，影响范围和移动路径。NDVI方法已经被作为国家海洋局浒苔灾害卫星遥感应急监视监测系统的业务化方法使用[21]。

2008年，南弗罗里达大学的学者[22]利用MODIS数据，使用NDVI方法也对2008年青岛海域浒苔爆发的范围和原因进行了研究，指出NDVI方法在大型藻类的监测中存在较大的不确定性，因为NDVI对卫星观测时的大气条件，观测角度，太阳角度和海洋环境的变化十分敏感，在应用中需要配合图像处理技术和人工判读才能实现准确监测。为了克服NDVI应用的不确定性，他提出了一种新的海洋浮游藻类指数 FAI[2]，即

式中，R(rc，NIR)，R(rc，SWIR)，R(rc，RED)分别是经过瑞利散射校正后近红外、短波红外和红光波段的海洋表面反射辐射，λNIR，λSWIR，λRED分别指近红外，短波红外和红光波段的波长。运用这个指数，Hu[2，23]成功进行了2008年我国青岛海域浒苔的监测和原因分析，并证明该方法比NDVI法更加准确。Keesing等[24]基于MODIS获取的灰度值使用这个方法，研究了2007—2009年间我国黄海浒苔绿潮的年季变化，分析了与海岸带水藻养殖的关系。

相似的基于波段比值法的遥感藻类指数还有Shi等[17]提出的归一化藻类指数 NDAI，其计算公式为

式中，R(t，NIR)，R(t，RED)分别是近红外波段和红光波段的天顶反射辐射;R(r，NIR)，R(r，RED)分别是近红外波段和红光波段的瑞利散射反射辐射。利用这个方法和MODIS数据，Shi等[17]得出 2008年 5—7月我国青岛海域浒苔覆盖面积最高达到了4 000 km2。

与单波段阈值法相同，多波段比值法也主要用于对水面浒苔的监测。

2.3 辐射传输模型法

辐射传输模型法主要用于水中浒苔的监测，其应用是通过对叶绿素a浓度的反演提取浒苔信息。但利用叶绿素a浓度信息提取浒苔信息的定量研究目前在国内外基本处于空白阶段，还有待深入发展，目前有关辐射传输模型法的研究大多都集中在叶绿素a浓度的反演上。

叶绿素a浓度的估算是海洋水色遥感的重要研究内容，除了对海洋浮游植物的监测具有重要作用外，对海洋初级生产力和海洋-大气系统中碳循环研究也具有重要意义，因此国内外有大量研究成果。建立海水表面光谱辐射特征与海水中叶绿素a浓度的经验关系是最简单的方法，因而在国内外的应用十分普遍。如针对SeaWiFs海洋水色卫星数据的各种算法和针对MODIS数据的叶绿素算法等[25-27]。经验方法的缺点就是需要实测的叶绿素a浓度数据，且具体情况不同经验参数不同，因此基于实测数据建立的经验公式不存在普遍适用性[28]。与经验法相比，叶绿素a浓度反演模型法利用生物光学模型描述水体组分和水体光谱辐射特征之间的相关性，具有较强的物理基础，主要有代数法、人工神经网络法、非线性最优化法和主成分分析法。代数法是用代数表达式描述叶绿素等各个变量的吸收系数和散射系数等固有光学变量和各变量浓度的关系，再利用各种假设最大限度地简化公式，减少未知量，从而使代数方程可求解。人工神经网络法是通过建立遥感信息与水体信息的某种近似映射关系而完成海水成分信息提取的，被认为在二类水体复杂的光学特性与各成分浓度的非线性关系描述上比经验法和代数法更有优势[29]。非线性最优化算法的原理是提出一种预测模型，通过改变作为预测模型输入变量的气溶胶光学厚度以及叶绿素、总悬浮物、黄色物质几种水体组分的浓度值，使根据模型计算光谱辐射的预测值和实际测量值之间的误差最小[30]。Krawczyk等[31]提出了基于主成分分析(principal component analysis，PCA)的水色反演算法，该方法的核心是得到大气顶部光谱辐射和地球物理量之间的分段线性关系，并将大气参数和水体组分浓度各参数都看作未知量同时反演，因而不必进行大气校正，这是主成分分析法的最大优点。

虽然叶绿素浓度的定量遥感方法很多，但由于浒苔的遥感监测在近几年才得到广泛重视，因此直接用于浒苔监测的应用实例还较少。另外，海洋浮游植物几乎都含有叶绿素，通过叶绿素信息如何准确鉴别浒苔这种植物类型仍是这种方法应用面临的挑战。目前，在由叶绿素a浓度信息提取浒苔信息的研究方面还鲜有文献报道。

3 存在的问题与发展趋势

根据上述浒苔遥感监测方法的分析可以看出，单波段阈值分割法和多波段比值法因其简单易操作，目前应用最广，是现阶段水面浒苔遥感监测的主要方法，而专门针对水中浒苔遥感监测的辐射传输模型法则刚处于起步阶段，目前还停留在对叶绿素a浓度的反演研究上。从算法的原理和应用中也可以看出，它们在浒苔遥感监测的研究还需要进一步完善，主要存在如下3个问题和发展趋势:

1)3种方法都无法将浒苔信息与其他海洋浮游植物区分开来，因为几乎所有的海洋浮游植物都含有叶绿素，呈现出与浒苔相似的光谱特性。当监测区域内有较多其他浮游植物干扰时，上述方法监测误差会明显增加。而有效地区分浒苔与其他浮游植物是极早发现浒苔，实现浒苔灾害预报，从而抑制其大规模爆发的关键。要解决这个问题，未来浒苔遥感监测方法的重点将是开展更细致的浒苔与其他藻类光谱特性的差异分析，应用图像分析技术、色素分析技术及表观和固有光谱法等，增强藻种间的匹配差异[32]。高光谱遥感的应用也将会是进行浮游植物分类的重要手段。

2)水下浒苔监测方法有待深入研究。上文分析已经指出，目前水中浒苔监测使用的辐射传输模型法大多都集中在叶绿素a浓度的反演上，如何利用叶绿素a浓度信息提取浒苔信息的研究基本处于空白状态，因此有关这方面的研究还需要深入开展。另外，二类水体中的悬浮泥沙和黄色物质使水体光谱呈现复杂的光学特性，水中浒苔的鉴别难度与一类水体相比显著增加。这种情况下，利用实验观测手段和辐射传输模型法定量研究泥沙和黄色物质等杂质对水体光谱的影响，发展针对二类水体的水中浒苔监测方法十分必要。浒苔覆盖厚度、密度和悬浮深度不同也会呈现不同的光谱特性，研究这些因素对浒苔海水光谱的影响及变化规律也是准确监测水中浒苔必需的内容[13]。

3)与决策支持密切相关的浒苔信息监测不足。目前浒苔的遥感监测大多只能给出其覆盖面积、空间分布范围、时间过程和规模等级，除此之外，决策部门还需要充分掌握浒苔总量、漂移预报和浒苔长势等更加详细的信息，才能制定有效的应急处理方案。因此考虑监测信息使用者需求，开发解决现有监测能力不足与监测信息使用者需求之间矛盾的手段和方法是未来浒苔遥感监测的重要研究方向。

[1]李三妹，李亚君，董海鹰，等.浅析卫星遥感在黄海浒苔监测中的应用[J].应用气象学报，2010，21(1):76-82.Li S M，Li Y J，Dong H Y，et al.Satellite remote sensing application to Enteromorpha prolifera monitoring in the Yellow Sea[J].Journal of Applied Meteorological Science，2012，21(1):76-82.

[2]Hu C M.A novel ocean color index to detect floating algae in the global oceans[J].Remote Sensing of Environment，2009，113(10):2118-2129.

[3]邢前国，郑向阳，施 平，等.基于多源、多时相遥感影像的黄、东海绿潮影响区检测[J].光谱学与光谱分析，2011，31(6):1644-1647.Xing Q G，Zheng X Y，Shi P，et al.Monitoring“green tide”in the Yellow Sea and the East China Sea using multi-temporal and multi-source remote sensing images[J].Spectroscopy and Spectral Analysis，2011，31(6):1644-1647.

[4]王国伟，李继龙，杨文波，等.利用MODIS和RADARSAT数据对浒苔的监测研究[J].海洋湖沼通报，2010(4):1-8.Wang G W，Li J L，Yang W B，et al.A primary study of Enteromorpha prolifra using the MODIS and RADARSAT[J].Transactions of Oceanology and Limnology，2010(4):1-8.

[5]宋宁而，王 琪.从国外浒苔治理经验看海洋环境应急管理社会组织的重要性[J].海洋开发与管理，2010，27(9):33-40.Song N E，Wang Q.The importance of the social organization of marine environmental emergency management according to the administering experience of Enteromorpha prolifra[J].Ocean Development and Management，2010，27(9):33-40.

[6]Schramm W，Nienhuis P H，FletcherR L.The occurrence of“green tides”:A review，in marine benthic vegetation:Recent changes and the effects of Eutrophication[M]//Schramm W，NienhuisPH.Berlin:Springer，1996:7-43.

[7]Wang X H，Li L，Bao X，et al.Economic cost of an algae bloom cleanup in China’s 2008 olympic sailing venue[J]，Eos，American Geophysical Union Transactions，2009，90(28):238-239.

[8]谢宏全，卢 霞，周 立，等.基于连云港海域浒苔光谱的高光谱特征参数分析[J].安徽农业科学，2011，39(27):16964-16966.Xie H Q，Lu X，Zhou L，et al.Analysis of hyperspectal character parameters based on the reflectance spectra of Enteromorpha prolifra in Lianyungang sea area[J].Journal of Anhui Science，2011，39(27):16964-16966.

[9]张 娟.浒苔遥感监测方法研究及软件实现——以青岛奥帆赛场及周边海域为例[D].成都:电子科技大学，2009.Zhang J.The method and the software implementation of monitoring macroalgae by remote sensing[D].Chengdu:University of Electronic Science and Technology of China，2009.

[10]梁 刚.大型藻类遥感监测方法研究[D].大连:大连海事大学，2011.Liang G.The method of monitoring macroalgae by remote sesning[D].Dalian:Dalian Maritime University，2011.

[11]Elijah R，Amina R，Mads S T，et al.Spectral definition of the Macro-algae Ulva curvata in the Back-barrier Bays of the eastern shore of Virginia，USA[J].Int J Remote Sens，2012，33(2):586-603.

[12]顾行发，陈兴峰，尹 球，等.黄海浒苔灾害遥感立体监测[J].光谱学与光谱分析，2011，31(6):1627-1632.Gu X F，Chen X F，Yin Q，et al.Stereoscopic remote sensing used in monitoring Enteromorpha prolifra disaster in Chinese Yellow Sea[J].Spectroscopy and Spectral Analysis，2011，31(6):1627-1632.

[13]赵文静，张 杰，崔廷伟，等.水下悬浮浒苔海面光谱响应的辐射传输模拟[J].光谱学与光谱分析，2009，29(6):1656-1660.Zhao W J，Zhang J，Cui T W，et al.Enteromorpha prolifera underwater spectral research based on simulation of radiation transmission[J].Spectroscopy and Spectral Analysis，2009，29(6):1656-1660.

[14]李 颖，梁 刚，于水明，等.监测浒苔灾害的微波遥感数据选取[J].海洋环境科学，2011，30(5):739-742.Li Y，Liang G，Yu S M，et al.Selection of microwave remote sensing data of monitoring of Entermorpha prolifera disaster[J].Marine Environmental Science，2011，30(5):739-742.

[15]蒋兴伟，邹亚荣，王 华，等.基于SAR快速提取浒苔信息应用研究[J].海洋学报，2009，31(2):63-68.Jiang X W，Zou Y R，Wang H，et al.Application study on quick extraction of Entermorpha prolifera information using SAR data[J].Acta Oceanologic Sinica，2009，31(2):63-68.

[16]Cui T W，Zhang J，Sun L E，et al.Satellite monitoring of massive green macroalgae bloom(GMB):Imaging ability comparison of multi-source data and drifting velocity estimation[J].Int J Remote Sens，2012，33(17):5513-5527.

[17]Shi W，Wang M.Green macroalgae blooms in the Yellow Sea during the spring and summer of 2008[J].Journal of Geophysical Research，2009(114):C120010，doi:10.1029/2009JC005513.

[18]Ekatrand S.Landsat TM based quantification of chlorophyll-a during algae blooms in coastal waters[J].Int J Remote Sens，1992，l3(10):1913-1926.

[19]李素菊，吴 倩，王学军，等.巢湖浮游植物叶绿素含量与反射光谱特征的关系[J].湖泊科学，2002，14(3):228-234.Li S J，Wu Q，Wang X J，et al.Correlations between reflectance spectra and contents of chlorophyll-a in Chaohu Lake[J].Journal of Lake Science，2002，14(3):228-234.

[20]孙 凌，郭茂华，李三妹，等.用FY-3A MERSI进行青岛海域浒苔监测[J].遥感信息，2010，(1):64-68.Sun L，Guo M H，Li S M，et al.Enteromorpha prolifera monitoring with FY-3A MERSI around the sea area of Qingdao[J].Remote Sensing Information，2010，(1):64-68.

[21]蒋兴伟，刘建强，邹 斌，等.浒苔灾害卫星遥感应急监视监测系统及其应用[J].海洋学报，2009，31(1):52-64.Jiang X W，Liu J Q，Zou B，et al.The satellite remote sensing system used in emergency response monitoring for Entermorpha prolifera disaster and its application[J].Acta Oceanologica Sinica，2009，31(1):52-64.

[22]Hu C M，He M X.Origin and offshore extent of floating algae in olympic sailing area[J].Eos，American Geophysical Union Transactions，2008，89(33):302-303.

[23]Hu C M，Li D Q，Chen C S，et al.On the recurrent Ulvaprolifera blooms in the Yellow Sea and East China Sea[J].Journal of GeophysicalResearch，2010(115):C05017.doi:10.1029/2009JC005561.

[24]Keesing J K，Liu D Y，Fearns P，et al.Inter-and Intra-annual patterns of Ulvaprolifera green tides in the Yellow Sea during 2007-2009，their origin and relationship to the expansion of coastal seaweed aquaculture in China[J].Marine Pollution Bulletin，2011，62(6):1169-1182.

[25]O’Reilly J E，Maritorena S，Mitchell B，et al.Ocean color chlorophyll algorithms for SeaWiFS[J].Journal of Geophsical Research，1998，103(C11):24937-24953.

[26]Carder K L，Chen E R，Cannizzaro J R，et al.Performance of the MODIS semi-analytical ocean color algorithm for chlorophyll-a[J].Advances in Space Research，2004，33(7):1152-1159.

[27]Esaias W E，Abbott M R，Barton I，et al.An overview of MODIS capabilities for ocean science observations[J].IEEE Transactions on Geoscience and Remote Sensing，1998，36(4):1250-1263.

[28]李四海，恽才兴，唐军武.河口悬浮泥沙浓度SeaWiFS遥感定量模式研究[J].海洋学报，2004，24(2):51-58.Li S H，Hui C X，Tang J W.A study on the quantitative remote sensing model for the sediment concentration in estuary[J].Acta Oceanologica Sinica，2004，24(2):51-58.

[29]Keiner L E，Brown C W.Estimating oceanic chlorophyll concentrations with neural networks[J].Int J Remote Sens，1999，20(1):189-194.

[30]丛丕福.海洋叶绿素遥感反演及海洋初级生产力估算研究[D].北京:中国科学院遥感应用研究所，2006.Cong P F.Inversion of oceanic chlorophyll concentrations and the estimation of ocean primary production by remote sensing[D].Beijing:Institute of Remote Sensing Applications Chinese Academy of Sciences，2006.

[31]Krawczyk H，Neurnarm A，Walzel T，et al.Investigation of interpretation possibilities of spectral high dimensional measurements by means of principal component analysis-a concept for physical interpretation of those measurements[C]//Chavez P S.Proceedings of the society of photo-optical instrumentation engineers(SPIE)，Orlando:Spie-international Society for Optical Engineering，1993(1938):40l-411.

[32]殷 蕾，唐军武，宋庆君.基于遥感反射比光谱的一种藻类识别方法[J].海洋学报，2011，33(3):55-62.Yin L，Tang J W，Song Q J.A method of classification for algal species based on remote sensing reflectance spectra[J].Acta Oceanologica Sinica，2011，33(3):55-62.