黄海潮波系统下的GOCI 反演及OSU 模式海表流场数据适用性研究

崔赫 ，陈建裕 *，曹振轶，管卫兵，朱乾坤，龚芳

(1.浙江大学 海洋学院，浙江 舟山 316021；2.自然资源部第二海洋研究所，浙江 杭州 310012)

1 引言

海表流场对于理解海洋的物理和生物地球化学过程至关重要[1]。近海海域高频次、高空间分辨率的海流观测，为航运航行、海上救援行动和环境监测（例如有害藻华、有害物质和沉积物运输）提供了必不可少的数据支撑[2]。

近岸海表流场可经由静止水色卫星遥感反演获取。2010 年6 月27 日，韩国发射了世界上第1 颗搭载了地球同步静止海洋水色成像仪（Geostationary Ocean Color Imager，GOCI）的静止海洋水色卫星（Communication Ocean and Meteorological Satellite,COMS）[3]，其连续获取的东北亚地区的卫星光学影像已成功地应用于所观测海域的海表流场反演。Choi 等[4]使用GOCI数据有效估计了韩国西海岸的悬浮沉积物运动；Yang等[5]利用GOCI 数据实现了朝鲜半岛周围高频次海表流场的反演。

海表流场也可通过海洋模式计算得到。俄勒冈州立大学（Oregon State University,OSU）开发了中国部分海域潮流模式TPXO-CSI2016（China Seas &Indonesia 2016）[6-7]，其覆盖海域包括南海、东海、黄海和渤海以及西北太平洋海域，且同化了大量卫星遥感数据和验潮站数据，空间分辨率为（1/30）°，主要包含了4 个主要全日分潮（K1、O1、P1、Q1）和4 个主要半日分潮（M2、S2、N2、K2）。利用该模式可进行特定区域的潮汐预测或潮流计算，Hu 等[8]利用OSU 区域潮流模式计算获取的M2分潮潮流结果在整体上与GOCI和现场观测结果之间有较好的一致性；与漂流浮标观测数据相比，OSU 模式模拟的潮流椭圆在半长轴、半短轴、相位与椭圆倾角上的平均绝对误差分别为0.08 m/s、0.04 m/s、10°和8°；赵强等[9]利用浙江近岸33 个潮位站的8 个主要分潮的调和常数和潮高对7 个全球/区域潮汐模式的准确度进行了评估，认为该模式在浙江近海的运用具有较高的准确度。

来自北太平洋的大洋潮波系统，经过台湾岛-琉球群岛-日本九州岛一线传入东海大陆架，由于水深变浅，传播速度变慢，在地转偏向力、海岸线及海底地形的影响下，入射波与反射波相互干扰叠加下，形成了整个渤海、黄海、东海较为复杂的旋转潮波系统[10-12]。近年来，国内外对于东海潮汐、潮流的数值计算及海表流场的反演有了较深层次的研究，沈育疆[13]于1980 年首先提出南黄海中部存在半日分潮的南北向往复流带，并于20 世纪90 年代分析了黄海半日潮波系统的形成机制，提出南黄海中部存在一大片半日潮弱流区[14]；金宇豪[15]根据GOCI 数据和现场同步观测的潮汐数据及实测的浮标数据，利用最大相关系数（Maximum Correlation Coefficient,MCC）算法反演江苏沿海辐射沙脊群的海表流场，验证了遥感反演算法的可行性并且可以达到对流场变化的实时监测；Chen 等[16]采用MCC 算法利用GOCI数据反演了东海海域的海表流场，进而提出了一种基于角度约束的流场矢量数据处理方法，处理后的流场数据平均角度误差（Average Angular Error，AAE）值降低了28%～38%；Hu 等[8]利用GOCI 反演的海表流场提取了黄、东海海域M2分潮的潮流信息，并利用大量的实测数据分别对OSU 潮流模式与GOCI反演的M2潮流进行了对比分析，得出三者之间具有较好的一致性。已发表的相关研究中，缺乏考虑复杂的潮波系统对流场数据可用性及精度影响的深入探讨。

因此，本文针对黄海复杂的旋转潮波系统，将GOCI反演流场的潮流提取结果与OSU 模式流场作分区对比，并基于多轨实测的漂流浮标数据验证评估，分析两种流场数据在不同旋转潮波区位的差异。

2 研究区域

黄海是太平洋西部的边缘海，位于中国与朝鲜半岛之间，面积约为3.8×105km2，平均水深为44 m，最大深度为140 m[17]。黄海海流微弱，流速通常只有最大潮流速度的1/10 左右，潮流是黄海海域最重要的水动力过程之一[18-20]。黄海海域的潮流主要以半日潮流为主，除烟台近海和渤海海峡等处为不规则半日潮流外，其他区域均为规则半日潮流。黄海东部海域的流速大于西部，强潮流区位于朝鲜半岛西端的一些水道，观测到最大流速为4.8 m/s；其次为西北部的老铁山水道，最大流速达2.5 m/s 以上[21-22]。

3 材料与方法

3.1 数据集

3.1.1 浮标数据

漂流浮标在海面或一定深度随海流漂动，是海洋观测中较为方便、有效的工具之一[23-24]。漂流浮标在工作时受到风场和海流的影响，其测量海流的原理是利用拉格朗日法描述海水的运动，测量的准确性主要与漂流浮标在海面上下的面积之比有关，本文所使用的漂流浮标海面上部分面积为0.031 m2，海面下部分面积为（0.031+0.7）m2，上下面积比低至0.04，其海面以下的帆中心点在水下3 m 处，因此该浮标受到海流的影响较大，可获取较高精度的海流数据，所用浮标的工作时间范围从2012 年6 月3 日至8 月20 日，浮标移动的范围为33°～39°N，121°～125°E。图1 中所示为漂流浮标的运动轨迹，轨迹主要集中在南黄海的西部及朝鲜半岛的西海岸，其位置数据测量间隔约为0.5 h，在约77 d 的电池生命周期内获得了6 505 个站点的信息，图2 为漂流浮标工作图。

图1 研究区域及其水深地形Fig.1 The study area and its bathymetry topography

图2 漂流浮标工作图Fig.2 Woring diagram of drifting buoy

3.1.2 GOCI 数据

GOCI 数据空间分辨率为500 m，共8 个波段，光谱范围为402～885 nm，可从韩国海洋卫星中心下载（http://kosc.kiost.ac.kr/）GOCI level-1B（L1B）数据。GOCI数据的成像时间是格林尼治标准时间的00:00-07:00（即北京时间上午8:30-15:30），时间间隔为1 h，每天可获得8 组数据。研究表明，多个GOCI 遥感产品可用于流场反演，如总悬浮物（Total Suspended Matter,TSM）浓度、叶绿素a（Chlorophylla,Chla）浓度和归一化离水辐亮度（Normalized Water-leaving Radiance,LWN），其中以TSM 浓度为示踪剂反演的海流能够捕获潮汐相位的变化，且在中低浊度的水域均有较好的反演效果[25-26]。本文使用TSM 浓度作为GOCI 反演的示踪剂。

3.1.3 OSU 潮流模式数据

运用潮汐模型驱动程序（Tidal Model Driver,TMD）运行OSU 潮流模式，可获取特定经纬度、特定时间的潮流u、v分量，进而获取对应的潮流数据[27]。通过与大量近岸观测潮位和潮流数据（http://volkov.oce.orst.edu/tides/YS.html）进行比较，发现该潮流模式模拟的M2半日潮与K1全日潮的均方根误差分别约为4.5 cm和1.3 cm。利用该潮流模式，本研究提取了与GOCI同观测时间的潮流数据（8 个主要分潮叠加的复合分潮数据），并将其匹配到与GOCI 反演结果相同的0.15°×0.15°的网格上以便进行比较。

3.2 方法

3.2.1 GOCI 数据处理

在GOCI 数据处理系统软件GDPS（GOCI Data Processing System）的支持下，对GOCI-L1B 原始数据进行大气校正、掩膜等方面的数据预处理。然后，使用GDPS 提供的内置TSM 浓度算法，将数据处理成L2 级别的 TSM 产品[28]。

最大相关系数算法是从卫星图像中反演海面流场的典型算法[25,29-30]。基于图像匹配方法的MCC 算法如图3 所示，执行该操作可以从同日两个连续GOCI 影像中获取该时段的海表流场矢量。前一幅用于估算当前位置的影像称为“模板窗口”，后一幅影像称为“搜索窗口”。MCC 算法在模板匹配技术的基础上使用相关关系来跟踪示踪物结构的变化。利用式（1）计算“模板窗口”与“匹配窗口”之间的相关系数（ρ）。

图3 最大相关系数算法估算海表流场的示意图Fig.3 A schematic diagram of the maximum correlation coefficient algorithm for estimating the sea surface currents field

式中，i为设置的一个时间标号，从0～7 代表着北京时间8:30-15:30（时间间隔为1 h）；分别为“模板窗口”和“搜索窗口”中的二维矩阵数据。使用式（2）和式（3），可以计算当前流场矢量的大小（Velocity）和方向（Direction）。

式中，xi和yi为“模板窗口”的中心坐标；xi+1和yi+1为“匹配窗口”的中心坐标；h为之间的观察时间，间隔为1 h。

为获得更准确的流场矢量，本研究计算所选取的“模板窗口”大小为20×20，“搜索窗口”大小为36×36，拟合阈值设置为0.9[4,25]。通过计算模板窗口与搜索窗口之间的最大相关系数来确定合适的匹配窗口，如果计算值大于阈值，则将匹配窗口视为模板窗口移动1 h 后到达的正确位置。然后，重复上述操作步骤，获得相对完整的海表流场。

3.2.2 浮标数据处理

漂流浮标数据中包含的信息为每个站点的具体时间、纬度和经度。首先，计算漂流浮标时间序列数据中两个连续站点之间的距离；然后结合两站点之间的时差计算出两站点之间的速度；最后，两个连续站点之间的角度（C）通过勾股定理计算。具体公式为

式中，R是地球半径，计算时将平均半径6 371 km 作为R的值；Alat和Alon表示A 点的纬度和经度；Blat和Blon表示B 点的纬度和经度；L为AB 两点之间的距离。

3.3 评估方法

为了定量地评估卫星反演和模式计算的流场与实测流场在流速大小和方向上的差异性，本文采用了Chen[31]提到的角度误差与相对大小误差的定义方法对反演结果进行验证。此处，海表流场的方向和速度默认为二维s=(u,v)，不考虑垂直方向地的流动。因此，实测速度vbuoy与卫星反演（模式计算）流速vinv之间的角度误差和相对幅度误差可以写成：

4 结果与分析

4.1 研究区域内海表流场对比分析

利用MCC 反演算法或GOCI 反演算法和OSU 潮流模式，1 d 内各可获取7 幅海表流场图。图4 和图5是2012 年8 月5 日GOCI 反演和OSU 模式获取的黄海海表流场，从图中可以看出OSU 模式获取的流场矢量比较规则，GOCI 反演的流场存在杂散矢量，流场中的空白区域是受到了云量或示踪物浓度变化的影响。对比两种方法获取的流场图发现，以36°N 纬线为界线，在其附近海域，OSU 模式获取的流场矢量流速变小，界线南北两侧流场矢量的流向有较大的差异，呈现出往复流的特征。在选取的107 个漂流浮标站点内，GOCI 反演的海表流场的平均流速为0.53 m/s，漂流浮标测量的海表流场平均流速为0.45 m/s，OSU模式的海表流场平均流速为0.42 m/s；GOCI 流场数据AME 值为0.77，AAE 值 为75.56°，OSU 流场数据的AME 值为0.49，AAE 值为50.94°。

图4 2012 年8 月5 日7 个时段的GOCI 反演的海表流场分布Fig.4 GOCI-derived sea surface currents field at seven intervals on August 5,2012

4.2 OSU 潮流模式数据评价

为进一步验证分析OSU 潮流模式的计算结果及黄海中部的流场矢量变化情况，选用实测的漂流浮标数据，将计算得到的潮流值和据实测资料求得的潮流值相比较，同时，在中部区域和近岸区域选取相同数量的流场矢量，比较两区域的矢量值差异，结果见表1和表2。由表1 可以得出，实测数据求得的平均流速为0.37 m/s，OSU 模式计算的平均流速为0.42 m/s，两者平均角度偏差值为39.71°；由表2 可以得出，中部区域的实测数据流速和OSU 模式计算的流速均远小于近岸区域，其角度偏差值远大于近岸区域，再对比表1 两者的流速平均值，其结果证实了黄海中部弱流区的存在。

表1 OSU 模式计算结果与实测值的比较Table 1 Comparison of OSU mode calculation results and actual measured values

表2 中部区域与近岸区域矢量值的比较Table 2 Comparison of vector values between the central region and the nearshore region

图6 为OSU 潮流模式模拟的M2潮流椭圆变化分布情况。在黄海中部海域、黄海北部大部分海域，潮流椭圆的旋转方向为逆时针，在莱州湾、山东半岛的成山头附近及南黄海呈顺时针方向转动，其分布情况与丁文兰[32]和Hu 等[8]所得到结论一致。在黄海中部海域，潮流的流速明显变小，部分潮流矢量的旋转方向也发生了变化，与图5 中流场矢量的变化情况相似。

图5 2012 年8 月5 日7 个时段的OSU 模式计算的海表流场分布Fig.5 OSU-derived sea surface currents field at seven intervals on August 5,2012

东海的潮波系统以半日潮波为主，其中M2分潮占优[12,33]，在黄海海区，复合分潮无潮点的位置分布与M2分潮较为相似。图7 是OSU 模式模拟的M2分潮的同潮图，红色标记点为黄海海区的两个无潮点，周围是以无潮点为中心的逆时针向的半日旋转潮波系统，结合图5 的OSU 流场矢量分布情况和图6 的M2潮流椭圆分布情况，研究表明，在黄海海区以两个无潮点为中心的逆时针旋转潮波系统相互作用，在中部弱流区存在1 个潮波干涉区（图7 中蓝色框线部分），对该位置海域的潮流矢量产生影响。

图7 OSU 模式模拟的黄海M2 分潮同潮Fig.7 The Yellow Sea M2 with the same tide simulated by OSU model

4.3 卫星反演流场的潮流提取

卫星反演的海流主要包含了潮流（周期性）和余流（非周期性），将OSU 模式结果与GOCI 反演的流场直接比较可能会产生较大的误差。因此，本文提取了GOCI 反演流场中的潮流部分与OSU 模式结果进行比较，并对漂流浮标获取的海流做潮流提取，消除了余流带来的误差。

由4.2 节可知，OSU 潮流模式能对潮流进行比较准确地估算。对于GOCI 反演流场的潮流提取，利用卫星反演的海表流场，扣除OSU 模式结果中包含所有潮流分量的潮流数据得到余流，再将每天7 个时次的小时级余流场进行平均，获取日平均余流场。为了去除一些异常值，本文采用最优插值方法对平均余流场进行平滑去噪，最终将GOCI 反演流场数据减去相应的余流数据即得所需的潮流数据。Hu 等[8]也利用此方法对长江口毗邻海域和黄、东海海域的GOCI 反演流场做了相应的余流计算，其结果与空间加权最小二乘法获取的余流数据具有较好的一致性，能够很好地反映研究海域季节性流场特征。

对于漂流浮标的潮流提取，利用浮标计算的海流，扣除OSU 模式结果中包含所有潮流分量的潮流数据得到余流，再将漂流浮标所在1 个潮周期内的小时级余流进行平均，获取平均余流，最终将浮标计算的海流数据减去相应的余流数据即得所需的潮流数据。图8 显示的是漂流浮标的海流（蓝色点）和提取的潮流（红色点），两者的u、v分量具有相同的变化趋势，在同一时刻的差值即为余流的u、v分量。

图8 漂流浮标海流与提取潮流的比较Fig.8 Comparison between the following currents of drifting buoys and the extracted tidal currents

4.4 潮流数据分区对比

由于旋转潮波系统的存在，使得黄海海区的潮流场特征变得复杂，对流场数据进行整体评估可能会产生较大的误差。本文针对OSU 潮流模式的评价结果对GOCI 反演后提取的和OSU 模式获取的潮流数据进行分区对比，即靠近潮波干涉区的黄海中部海域（图9b 区域）和远离潮波干涉区的黄海近岸海域（图9a区域）对比。图9b 对应的案例日期为2012 年6 月27 日、2012 年7 月11 日 和2012 年7 月16 日，图9a对应的案例日期为2012 年8 月2 日、2012 年8 月4 日和2012 年8 月5 日，所选案例在GOCI 反演流场1 d 的7 个时段内均可获取流场数据。其中，GOCI 和OSU 潮流数据的选取原则都是以对应时段的漂流浮标数据为中心，选取其0.5°×0.5°范围内的潮流数据，图10 和图11 分别为黄海中部海域和黄海近岸海域的潮流数据对比图。

图9 2012 年潮流数据分区对比Fig.9 Zonal comparison of tidal current data in 2012

图10 黄海中部海域潮流数据对比Fig.10 Comparison of tidal currents data in the central Yellow Sea

图11 黄海近岸海域潮流数据对比Fig.11 Comparison of tidal currents data in the coastal Yellow Sea

图12 是黄海中部海域潮流数据平均流速和流向图，从图中可以看出，流速方面，在1 d 的7 个时段内，3 种潮流数据（GOCI 潮流数据、OSU 潮流数据和漂流浮标实测数据）的流速变化曲线较为接近，OSU 潮流数据和实测数据在流速上更接近一些，GOCI 流速值偏大；流向方面，GOCI 潮流数据的旋转方向及各个时段的流向更接近实测数据。图13 是黄海近岸海域潮流数据平均流速和流向图，从图中可以看出，流速方面，OSU 潮流数据流速与实测的流速曲线较为接近，且都稍大于GOCI 流速值；流向方面，OSU 潮流数据的旋转方向及各个时段的流向更接近实测数据。

图12 黄海中部海域潮流数据平均流速（a-c）和流向（d-f）Fig.12 The average currents velocity (a-c) and currents direction (d-f) of the tidal currents data in the central Yellow Sea

图13 黄海近岸海域潮流数据平均流速（a-c）和流向（d-f）Fig.13 The average currents velocity (a-c) and currents direction (d-f) of the tidal currents data in the coastal Yellow Sea

表3 是黄海中部海域与近岸海域GOCI 与OSU潮流数据的AME 值和AAE 值。从表中可以得知，对于OSU 潮流数据的计算结果，整体上与实测数据具有较好的一致性，在速度的大小和方向上，近岸海域的结果都优于中部海域，两者AME 值分别为0.30 和0.46，AAE 值分别为21.34°和63.10°。其原因之一可能是受到了黄海中部海域潮波干涉区的影响，由图5可知，OSU 潮流矢量在以36°N 为界线的黄海中部海域流速变小，流向在界线南北两侧产生较大差异，且该位置海域存在半日潮弱流区和南北往复带；另外，还可能受到模式本身同化数据站点数量的影响，边缘海域相比于中部海域设有更多的验潮站等数据站点，输出结果的准确性也相对较高。

表3 黄海中部与近岸海域GOCI 与OSU 潮流数据的AME 值和AAE 值Table 3 The AME value and AAE value of GOCI and OSU tidal current data in the central and coastal waters of the Yellow Sea

对于GOCI 反演后提取的潮流结果，在方向上与实测数据具有较好的一致性，其AME 值和AAE 值在中部海域略小于边缘海域，其原因可能是受到了悬浮物浓度的影响。Hu 等[25]提出，MCC 算法在高浑浊水体的适用性以及反演流场的准确性整体上没有在中、低浑浊海域表现那么好，主要原因可能是高浑浊水域悬浮物的快速沉降与再悬浮导致了MCC 图像的错误匹配。边缘海域的水体浊度相较于中部水域更高，导致了MCC 图像的错误匹配，产生了反演误差。相较于OSU 模式，GOCI 的AME 值偏大，原因可能是GOCI 反演的流速值偏大，导致提取的潮流值偏大。

5 讨论

针对黄海复杂的潮波系统，利用实测数据对GOCI 的反演结果和OSU 模式的计算结果进行了分区评估，得出不同潮流数据之间流速和流向存在差异的结果。GOCI 反演的流场包含了潮流和余流信息，潮流有较强的周期性，余流有明显的季节性特征。图14 是2012 年8 月5 日GOCI 流场1 d 的7 个时段的日平均余流图，平均流速约为0.5 m/s。从图中可以看出，该天的平均余流方向总体为北向（流向A），符合漂流浮标的运动轨迹方向。在朝鲜半岛的西海岸存在较强的沿岸流（流向D 和流向E），山东半岛南部存在一支西向流（流向B），可能会导致南向的沿岸流产生（流向C），该天的日平均余流分布情况与苏纪兰[34]和Yuan 等[35]得出的结论一致，符合黄海夏季的流场分布特征。

图14 GOCI 反演流场1 d 的 7 个时段日平均余流Fig.14 Daily average residual currents in seven periods of the day of GOCI inversion current field

GOCI 反演流场的效果会受到云量、示踪物等条件的影响。图15 是GOCI 反演效果较好的黄海中部海域3 d 各个时段的AAE 值和AME 的值，从统计结果中发现，中间3 个时段的数据整体评估值小于前后两个时段，存在这种情况的原因可能是中午的太阳天顶角小、云量较少，可获得的水色信息较多[36]，数据质量更好，因而反演的效果更好。

图15 GOCI 反演流场3 d 数据AAE 和AME 的平均值Fig.15 Average of AAE and AME of three-day data in GOCI inversion current field

另外，对于海流有效探测的条件分析[37]，本文尝试改变示踪物的种类，对比不同示踪物反演GOCI 流场的差异。表4 和图16 是选取反演效果较好的黄海中部海域正午2 个时段，以TSM 浓度、Chla浓度和555 nm 波段的遥感反射率（Remote Sensing Reflectance，Rrs）作为浓度物的GOCI 流场反演结果统计和对比图。从图中可以看出，不同示踪物反演的海流相互之间存在差异，从表中可以得出，在选取的案例中，TSM 浓度反演的效果最好，且获取的流场矢量数目也相对最多。

图16 3 种不同示踪物的GOCI 流场反演结果对比Fig.16 Comparison of GOCI flow field inversion results of three different tracers

表4 3 种不同示踪物的GOCI 流场反演结果统计Table 4 Statistics of GOCI currents field inversion results of three different tracers

6 结论

本研究针对MCC 算法，以GOCI 遥感反演的TSM浓度数据为示踪物，获取了黄海海域的海表流场。通过与实测漂流浮标数据的对比，得到GOCI 反演的海表流场的平均流速为0.53 m/s，漂流浮标测量的海表流场的平均流速为0.45 m/s，考虑到反演误差，得出MCC 算法适用于黄海海域的GOCI 流场反演。

根据OSU 模式流场矢量和M2潮流椭圆的分布情况，得出OSU 潮流模式获取的流场数据符合真实的黄海潮流特征；并针对黄海海域无潮点的分布情况，提出并识别潮波干涉区，即以两个无潮点为中心的逆时针旋转潮波系统相互作用，在黄海中部弱流区产生1 个潮波干涉区，对该位置海域的潮流矢量产生影响。

在此基础上，对GOCI 反演的流场做潮流提取，对比其与OSU 模式流场在不同海域的差异。对于本研究中选取的潮流数据，在靠近潮波干涉区的黄海中部海域，GOCI 潮流数据与实测数据在方向上的一致性要优于OSU 潮流数据，两者AAE 值分别为48.45°和63.10°；在远离潮波干涉区的黄海近岸海域，OSU潮流数据要优于GOCI 潮流数据，在速度大小和方向上，OSU 潮流数据与实测数据的一致性都要优于GOCI；由于GOCI 反演的流速值偏大，近岸海域和中部海域的GOCI 潮流AME 值都偏大。

采用了OSU 潮流模式输出的潮流结果，去除了GOCI 反演的小时级海表流场中的潮流部分而获得平均海表流场（余流），结果表明，其流场分布情况符合黄海夏季流场的分布特征；对于GOCI 海流反演的有效条件分析可知，在研究区域内，中午时段的反演效果较好，对于示踪物的选取，TSM 浓度相较于Chla浓度和Rrs（555 nm）的流场反演精度更高且流场矢量数目更多。

由于受到观测资料有限性和有效性的影响，本文没有尽可能多的对黄海其他海域进行案例选取分析，未来可针对更多区域、不同季节进行流场评估分析，并进一步开展有关反演流场精度提升的相关工作。