基于HY-1C/D卫星CZI的海洋、湖泊中漂浮藻藻华的光谱分析与识别

齐琳，胡传民，陆应诚，马荣华

1.美国南佛罗里达大学 海洋科学学院, 美国 圣彼得斯堡 33701;

2.南京大学 国际地球系统科学研究所, 南京 210023;

3.中国科学院南京地理与湖泊研究所, 南京 210046

1 引 言

水体中的藻类在短时间内大量生长的现象被称为藻华暴发，常发生于藻类处在其最佳生长环境或者被捕食的压力减轻的情况下（Granéli 和Turner，2006）。有一些特定种类的藻华暴发时会聚集在水体表面，被称为漂浮藻藻华（Floating algae blooms）。伴随着全球气候变化和水体富营养化水平的提高，近年来全球很多海洋和湖泊出现了大量关于漂浮藻藻华的报告，主要包括浒苔“绿潮”，马尾藻“金潮”，以及蓝藻水华等（Hu等，2010；Gower 等，2006；Paerl 和Huisman，2009）。虽然大部分漂浮藻并不会产生有毒物质，但其暴发仍会对水体环境和生态系统带来重大的危害，主要包括：藻华大量聚集在水体表面会阻挡水气交换，且其消亡过程中可能会大量消耗氧气；另外大型漂浮藻在洋流的作用下容易在海滩聚集，给旅游业带来重大损失等等（Paerl 和Huisman，2008；Smetacek 和Zingone，2013）。鉴于藻华暴发可能带来的各种危害，对藻华进行及时的监测、追踪是十分必要的。

卫星遥感技术能够对全球范围内的海洋及内陆水体进行全天候的监测，在数据获取上具备周期短、频率高、速度快的特点，兼具连续性和实时性，同时具有成本低廉等优势。因此，利用卫星遥感手段获取的具有连续时间序列的影像数据集，能够直观地反映特定区域漂浮藻随时间的变化，可以在藻华暴发的定量化反演，追溯其时空变化规律，建立相关的应对机制并探究其成因等方面发挥着重要作用。在水体富营养化日趋严重、全球范围藻华频发的背景下，常规的现场观测手段已经无法满足对大范围水域的实时动态监测，卫星遥感成为海洋、湖泊环境监测的主要手段已经是大势所趋，并已经在藻华、溢油等灾害监测中发挥了重要的作用（Zhang 等，2009；马荣华等，2009；Hu等，2009）。目前，MODIS、VIIRS、MERIS、OLCI 等主流水色卫星的数据已经被广泛应用于内陆湖泊蓝藻水华、大西洋马尾藻藻华等漂浮藻华的定量研究和准实时监测，并取得了一定的成果（Qi 等，2018；Wang 和Hu，2016；Blondeau-Patissier 等，2018；Hu 等，2017，2016；Binding等，2018）。然而，目前国际上主流卫星数据通常不能够兼顾高分辨率和短重访周期的特征：MODIS、VIIRS 等中等分辨率传感器获取数据时通常具有较短的重访周期（约1—2 d），然而空间分辨率只有250—1000 m；Landsat 8 OLI 和Sentinel-2 MSI具有较高的空间分辨率，分别为30 m和10—20 m，然而Landsat 8 OLI 的重访周期为16 d，Sentinel-2 MSI 目前在西太平洋近岸区域的重访周期约为3—7 d（根据ESA 的数据统计结果，见https：//sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-2-msi/revisit-coverage［2022-11-01］）。

海岸带成像仪CZI（Coastal Zone Imager）是由中国航天科技集团公司第五研究院508所依据国家卫星海洋应用提出的论证需求进行设计，分别于2018年和2020年搭载在海洋一号C 卫星和D 卫星上（简称HY-1C/D）发射，可形成上下午组网卫星观测。其重点观测区域包括西北太平洋区域，包括渤海、黄海、东海、南海和日本海及海岸带区域等，同时兼顾全球范围的观测。目前，CZI 已经在海冰监测、内陆湖泊水质反演、海洋藻华与溢油遥感监测等方面发挥了重要的作用（Qi 等，2022b；梁超 等，2020；刘建强 等，2021；沈亚峰 等，2020；周屈 等，2020）。

CZI 具有蓝、绿、红和近红外4 个波段通道，空间分辨率50 m，幅宽950 km，优于Landsat 系列195 km 和MSI 的290 km，因此大大缩短了重访周期（3 d一次）。HY-1C/D CZI的高空间分辨率和高频次重访周期是其显著的优势，有助于提高使用高分辨率卫星遥感影像进行漂浮藻观测的几率。利用CZI 所配置的4 个波段，结合漂浮藻暴发所处的环境特征，我们可以从遥感影像中获取漂浮藻藻华的光谱特征，并根据光谱的形状判断漂浮藻的种类，为其业务化运行提供一定的理论参考和依据。因此，其本研究拟采用HY-1C/D CZI 数据为基础，通过对全球范围内主要漂浮藻进行目视识别、图像解译和光谱对比，对HY-1C/D CZI 的漂浮藻识别能力进行探究和分析，并提供一套基于光谱分析的漂浮藻识别方法与流程。

2 数据和方法

2.1 遥感数据

2.1.1 HY-1C/D CZI

本文所使用的HY-1C/D CZI L1C 级影像数据获取自国家卫星海洋应用中心（https：//osdds.nsoas.org.cn［2021-01-01］）。CZI 的L1C 产品为各个波段的表观辐亮度Radiance（mW·cm-2·μm-1·Sr-1），本研究通过辐射传输将其转化为大气表观反射率TOA Reflectance（Top of Atmosphere Reflectance）。具体公式如下：

式中，ρ（λ）为大气表观反射率（TOA Reflectance），Lt（λ）为波段λ的辐亮度，tozone为臭氧双向的transmittance，F0（λ）为波段λ的太阳常数，kozone为臭氧吸收系数，DU为臭氧厚度（Dobson Unit），θ0为太阳天顶角，θ为卫星天顶角。

将下载获得的L1C数据转换为TOAReflectanceρ（λ）后，分别选择红光（Red，665 nm），绿光（Green，560 nm），和蓝光（Blue，490 nm）合成RGB 图像；同时选择红光（Red，665 nm），近红外（NIR，865 nm），和蓝光（Blue，490 nm）合成FRGB（False-color-RGB）图像，用于漂浮藻的探测与识别。

2.1.2 Sentinel-3/OLCI

Sentinel-3/OLCI 数据全部从NASA OBPG 网站下载获取，并使用SeaDAS 7.5 进行大气校正，获得瑞利校正反射率（Rayleigh corrected reflectance，Rrc（λ），dimensionless）。虽然Sentinel-3/OLCI 的空间分辨率只有300 m，但是其波段丰富（配置有21 个波段），且每个波段的空间分辨率一致，在漂浮藻种类识别方面具有独特的优势（Qi等，2020）。本文将使用OLCI 数据作为参考，进行CZI 光谱识别能力的分析。

2.1.3 OCVIEW

本文还使用了水色遥感在线浏览工具OCView（https：//www.star.nesdis.noaa.gov/socd/mecb/color/ocview/ocview.html［2021-11-20］）用于辅助分析。OCView是由美国大气海洋局（NOAA）海洋水色研究小组开发的一款在线水色遥感应用工具（Mikelsons 和Wang，2018），利用OCView 可以在线浏览全球范围的VIIRS 和OLCI 各级产品，包括RGB、FRGB、各波段遥感反射率、叶绿素等。OCView 可提供实时数据和自2011年以来的历史数据，将在本研究中用于辅助选定漂浮藻的位置。

2.2 漂浮藻藻华的分类

本文采用目视解译与光谱识别相结合的方法，在现有文献和相关报道的基础上，拟对全球范围内几种主要的漂浮藻藻华进行识别，并在此基础上分析HY-1C CZI 的光谱识别能力。根据Qi 等（2020）的总结，全球范围内可被卫星所探测到的主要漂浮藻藻华的种类和分布范围如表1所示。

表1 全球海洋、湖泊主要漂浮藻藻华的分类、种类和分布范围Table 1 Classification，species and distribution of major floating algal blooms in oceans and lakes worldwide

如表1所总结的，目前全球海洋、湖泊中所能够被卫星观测的漂浮藻包括大型藻（Macroalgae）和微型藻（Microalgae）。大型藻类为多细胞生物，通常被称为“海藻”。目前大规模暴发并能够被卫星所探测到的大型藻主要包括浒苔（Ulva）和马尾藻（Sargassum）。微型藻为单细胞浮游植物，通常需要在显微镜下才观测到其细胞个体。海洋和湖泊生态系统中的浮游植物的种类丰富多样，但是能够被卫星所能够观测到可以大量漂浮于水体表面的微型藻种类主要为夜光藻（Noctiluca）、束毛藻（Trichodesmium）和蓝藻（Cyanobacteria）（Qi等，2020）。

图1为全球海洋、湖泊中能够被卫星所探测到的主要漂浮藻的代表性光谱（Hu 等，2015；Van Mol 等，2007；McKinna 等，2011；Qi 等，2014；Hu 等，2017；Huang 等，2018）。这些光谱的共同特征是信号在近红外波段（＞700 nm）有明显的抬升，类似于陆地植被的“红边平台”。使用卫星遥感进行漂浮藻的监测也正是利用了这一特征。但是，不同种类的漂浮藻在可见光波段（～400—700 nm）的光谱形状差异较大，这是由于不同种类藻类细胞内所含有的色素组成不同所造成的。利用可见光波段的光谱形状的不同，可以尝试进行漂浮藻种类的识别，利用MODIS、OLCI、MSI等多光谱传感器已经可以实现多种漂浮藻的区分和识别（Qi 等，2017；Qi 和Hu。2021），是否能够使用CZI进行藻华种类的识别还有待检验。

图1 全球海洋、湖泊主要漂浮藻藻华的代表性光谱（光谱数据来自已发表文献（Hu等，2015；Van Mol等，2007；McKinna等，2011；Qi等，2014；Hu等，2017；Huang等，2018））Fig.1 Typical spectra of the major floating algal blooms from the global oceans and lakes.Spectral data were from published literature（Hu，et al.，2015； Van Mol，et al.，2007； McKinna，et al.，2011； Qi，et al.，2014； Hu，et al.，2017；Huang，et al.，2018）

2.3 漂浮藻藻华识别方法

基于漂浮藻反射光谱在近红外波段远远大于其周围水像元信号的特征，本研究将使用FRGB进行漂浮藻的探测（方法详见2.1.1 节）。由于FRGB图像中的绿色通道的信号是由近红外波段所提供，因此漂浮藻通常可以在FRGB影像上呈现为绿色的斑块或者条带（图2），可以比较容易地跟水或者云（图2）区分开。使用FRGB可以更加容易识别漂浮藻藻斑块，因此通过目视解译进行漂浮藻的检测。

图2 2020年4月7日所获得的HY-1C CZI遥感影像（使用FRGB可以非常容易地显示出该区域的漂浮藻斑块（橙色箭头所示的绿色斑块）和云（白色箭头所示））Fig.2 HY-1C CZI image on April 7，2020（The floating algal patches（shown by orange arrows）and clouds（shown by white arrows）in the region can be shown using FRGB）

在检测到漂浮藻后，如何识别漂浮藻的类型是一个具有挑战性的问题。本研究将使用光谱分析，即分别选择典型藻华像素和其周围邻近的水像素，将两者的信号相减的方法进行分析。在卫星遥感影像上，绝大部分藻华像素都是混合像元（Hu 等，2015）。一般情况下可以把这个混合像元看做是藻信号Ra（Reflectance of algae）和水信号Rw（Reflectance of water）的混合，两者所占的比例分别为χ和1-χ：

式中，R是指卫星所观测到的含藻像元的反射率，Ra和Rw分别为纯藻和其所处水环境的反射率，χ为该像元含藻的比例，λ表示不同的波段。

假设该含藻像元中的水信号和其周围邻近无藻像元水体信号的反射率一致，那么可以通过选择其周围某一个无藻像元，获得两者之间的反射率之差，表示为

因此，该含藻像元中的的含藻密度可以表示为

通常情况下，藻华的近红外波段反射率远远大于水的反射率Ra（NIR）≫Rw（NIR），因此：

基于此，在Ra（NIR）已知的情况下，通常可以使用含藻像素和其近邻的不含藻像素的近红外波段的反射率差值（ΔR（NIR））来计算该含藻像素内的含藻密度。而ΔR在可见光波段的特征则可以用于判断藻华种类，具体效果见3.1—3.4节。

3 结果分析

在下文中将通过一些漂浮藻识别的实例，分析使用光谱分析的方法和HY-1C/CZI 进行漂浮藻探测与识别可行性。

3.1 大型藻

3.1.1 浒苔（Ulva prolifera）

浒苔（Ulva prolifera）为绿藻门生物，是一种常见的大型海藻。浒苔个体呈管状中空结构，藻体呈鲜绿色（图3（b）内插图），因此其暴发时也被称为“绿潮”（Green tide）。浒苔具有很强的适应环境的能力和繁殖能力，在外部环境适宜的情况下容易暴发形成藻华。中国黄海地区浒苔绿潮自2007年以来每年夏季都会暴发，影响范围（即含藻水域）可达几万平方公里（Qi 等，2016，2017），给海洋生态环境和沿海旅游业、养殖业等带来了多方面的危害（Qi等，2016；Xing等，2019；Zhang 等，2019）。诸多研究表面，黄海浒苔暴发的原因主要与沿海区域的紫菜养殖密切有关，长时间序列的卫星观测结果显示，浒苔的暴发通常集中在每年的5月到8月，主要暴发范围为江苏浅滩至山东半岛一带（Hu 等，2010；Liu 等，2010；Qi等，2016；Xing等，2019；Qi等，2022a）。

图3 HY-1C CZI黄海浒苔遥感影像与特征光谱Fig.3 The Ulva prolifera in the Yellow Sea and characteristic spectrum of HY-1C CZI

图3（a）为2019年6月23日的CZI FRGB 影像，图中的绿色斑块为海上大面积漂浮的浒苔。在该区域所有的浒苔像素中随机选取了100 条光谱，如图3（b）所示。图3（b）中黑色折线为Sentinel-3 OLCI中所获取的代表性浒苔光谱，图中红色点则为对应的4个CZI波段。图3（c）将光谱使用对数的形式来表示，可以更明显地看出，这些随机选取的光谱形状基本保持一致，表明它们来自于同一种类的漂浮藻，其中光谱大小的差异表明了不同像素内浒苔的密度，也就是式（1）中的χ。

浒苔的反射光谱最突出的特征是可见光波段绿光～560 nm 附近具有强反射峰，这是由浒苔自身的颜色所决定的（如图3（b）内插）。即便用波段较少的CZI，也可以捕捉到这一特征，这对于区分黄海、东海的浒苔和马尾藻有重要的意义。根据式（3）—（5），近红外865 nm 波段的值可以反映该像素的漂浮藻密度，因此可以根据这个值来进行浒苔的密度评估。

3.1.2 马尾藻（Sargassum）

马尾藻（Sargassum）是褐藻纲下的重要大型海藻，植株繁大，生长迅速，广泛分布于全球温带、热带海域，在海洋生态系统及海洋碳循环中发挥着重要的作用（Lapointe 等，2021）。成熟的马尾藻通常带有气囊，可以长期漂浮在海表面，并且能够在洋流和风场的作用下实现长距离的漂移。漂浮马尾藻所形成的生态系统不仅可以为各种海洋生物提供天然的觅食、产卵以及避难场所（Lapointe等，2021；毕远新 等，2014），而且也能够促进有机碳和营养物质等在海洋中的输送（Hu等，2021）。

近年来，中国东海出现了大量的漂浮马尾藻，并经过生态研究确认主要种类为铜藻（Sargassum horneri）（Hu等，2011；Komatsu等，2007；Su等，2018）。铜藻早期主要生长在浅海岩礁上，带有圆柱状气囊，成熟后可以长期漂浮在海上（Umezaki，1984）。通过船测和浮标相结合的手段分析发现东海马尾藻春季主要分布在黑潮（Kuroshio Current）附近的海域（Komatsu 等，2014）。使用MODIS，VIIRS 等卫星遥感数据初步分析了多年来东海马尾藻的时空分布特征，发现自2012年开始，每年春季在我国的浙江沿海开始有马尾藻金潮的小规模爆发，在2015年和2017年在东海分别形成过大规模的马尾藻金潮，可持续到5—6月（Chen等，2019；Qi等，2017；Xing等，2017；Qi等，2022a）。

图4（a）为2020年4月7日的CZI FRGB影像，图中的绿色条带为铜藻。图4（b）为在该区域的藻华斑块上随机选取的100条铜藻反射光谱和对应的典型OLCI 光谱，图4（c）为该组光谱的对数形式。铜藻在可见光波段的反射光谱非常低，远远低于浒苔和大西洋马尾藻（图1），这是由于铜藻本身的颜色比较深因此可以吸收更多的可见光。铜藻在近红外波段的变化依然能够表征其密度的差异，铜藻密度通常小于浒苔。

图4 HY-1C CZI东海马尾藻遥感影像与特征光谱Fig.4 The Sargassum horneri in the East China Sea and characteristic spectrum of HY-1C CZI

值得注意的是，由于铜藻和浒苔可能会同时出现在黄海南部海域（Qi 等，2017；Qi 等，2022a），而仅从FRGB图像中并不能将两者区分开来。由光谱特征波段反射率计算得到的差值光谱指数中，650 nm 附近与560 nm 附近的反射率的比值光谱指数差异在浒苔和马尾藻之间的差异最为明显（Hu等，2015；Qi和Hu，2021；Sun等，2021）。因此，可以通过560 nm 和650 nm 波段的反射率特征对浒苔和马尾藻加以区分。观察图3（b）和图4（b）可知，CZI的光谱曲线能够较为准确地刻画浒苔和铜藻各自的曲线特征，并能将二者区别开来。

3.2 微型藻

3.2.1 红夜光藻（Red Noctiluca scintillans）

夜光藻（Noctiluca scintillans）属甲藻门单细胞生物，是广泛分布于全球近岸水体的主要赤潮藻类之一（Harrison 等，2011）。夜光藻体内含有“荧光酶”，可以进行生物发光，因此夜光藻也被称为“蓝眼泪”。受到风浪扰动等外界刺激的条件下，夜光藻可以形成“荧光海洋”等美丽的现象，也因此引发了人们的更多关注（马小丫，2020；康影，2020）。

夜光藻细胞个体巨大（直径约0.2—2 mm 之间），细胞壁透明且体内无色素体，无法直接通过光合作用获取营养，是一种非自养型浮游藻类（Elbraechter 和Qi，1998；Uhlig 和Sahling，1990）。虽然无法贡献初级生产力，但夜光藻是海洋食物链中的重要一环，在海洋生态系统的能量循环和碳源流动等过程中发挥着不可忽视的作用（Harrison 等，2011；Kiφrboe 和Titelman，1998；孙军和郭术津，2011）。

在适宜的条件下，夜光藻容易短时间内大量繁殖、生长形成赤潮。中国自1930年以来就有夜光藻赤潮的记录（梁松 等，2000），渤海、黄海、东海、南海等重要海区都常有夜光藻赤潮爆发的现象（齐雨藻 等，1991；李艺师等，2020；田媛等，2020），近年来的爆发频率也似乎有增长趋势（杨幸幸 等，2019）。基于长时间序列MODIS 卫星遥感数据的研究表明，自2003年以来中国东海的夜光藻赤潮分布范围有明显的扩张趋势，爆发区域甚至可以延伸到远离海岸300 km 的海洋中（Qi等，2019；Qi等，2022b）。

在图5（a）图像中，东海红夜光藻呈现黄绿色，这是因为红夜光藻的反射光谱在红光波段和近红外波段较高所造成的（图5（b））。由于夜光藻细胞自身无色素体，因此在～670 nm 的吸收能力非常弱（～670 nm 主要为叶绿素的吸收峰）导致该波段反射率很高（图5（b）（c）），红夜光藻具有独一无二的反射光谱特征，主要体现在光谱自约500 nm 处开始剧烈抬升。根据这些特征，利用CZI也可以比较容易地将红夜光藻与其他漂浮藻华进行区分，同时也可以利用近红外波段的值进行红夜光藻密度的估算。

图5 HY-1C CZI东海红夜光藻遥感影像与特征光谱Fig.5 The red Noctiluca scintillans in the East China Sea and characteristic spectrum of HY-1C CZI

3.2.2 绿夜光藻（Green Noctiluca scintillans）

绿夜光藻和红夜光藻是同一物种，但两者获取营养的方式不同，因此造成了其生长范围、光谱性质等方面的差异。绿夜光藻是混合营养型，主要靠体内共生的夜光柄胞藻（Pedinomonas noctilucae，绿藻门浮游植物）光合作用来获取营养（Wang 等，2016）。绿夜光藻集中分布在东南亚、阿拉伯海等热带海区，每年春季在阿拉伯海的绿夜光藻藻华暴发范围可以达到上百万平方公里（Do Rosário Gomes等，2014；Hansen等，2004）。

图6（a）CZI FRGB 图像显示了阿拉伯海北部的绿夜光藻藻华。夜光藻本身是无色、透明的，但是绿夜光藻细胞内有大量绿藻与之共生，因此导致率夜光藻藻华呈现绿色（图6（b）内插图）。这也使得绿夜光藻的光谱形状和浒苔类似，可见光波段的反射峰位于约560 nm，这一特征也可以使用CZI数据所获取。根据近红外波段的信号强度可以估算得知，绿夜光藻的密度远小于浒苔的密度，像素内含绿夜光藻的平均密度大约只有2%。虽然绿夜光藻和浒苔的光谱特征极为相似，但是这两种藻类各自的生长范围不同。可以利用这一背景信息来辅助判断卫星所观测到的藻华种类。

图6 HY-1C/CZI阿拉伯海绿夜光藻遥感影像与特征光谱Fig.6 The green Noctiluca scintillans in the Arabian Sea and characteristic spectrum of HY-1C CZI

3.2.3 束毛藻（Trichodesmium）

束毛藻是蓝藻门浮游植物，广泛分布于热带和亚热带贫营养海区，是重要的海洋初级生产者（Capone 等，1997）。束毛藻可以把大气中的氮气转化为生物可以利用的无机氮，是海洋“新”氮的重要贡献者，可为全球海洋提供高达50%的总固氮量（Karl 等，1997）。因此，束毛藻对海洋初级生产力以及碳、氮循环起着至关重要的影响。

世界各地都有大量有关束毛藻藻华的报告，包括墨西哥湾，澳大利亚大堡礁，以及马达加斯加岛等地（McKinna，2015；Gower等，2014）。束毛藻藻华最早的观测记录可以追溯到1700年代，由当时英国皇家海军所报告。由于束毛藻很像漂浮在水面上锯末，因此也被称为“海锯末”（图7（b）插图）。

澳大利亚的东北部沿海是束毛藻藻华的高发区域（Blondeau-Patissier等，2018），图7（a）显示了利用CZI所观测到的该区域发生的束毛藻。实测高光谱数据（图1）和OLCI数据显示束毛藻在可见光波段反射率最大值在560—620 nm左右（图7b）。但由于在620nm 附近并没有配置相应的波段，因此这个特征无法在CZI 所获取的光谱中得以体现。但充分结合背景信息，仍然有助于利用CZI进行束毛藻识别。

图7 HY-1C CZI澳大利亚束毛藻遥感影像与特征光谱Fig.7 The Trichodesmium in northeastern Australia and characteristic spectrum of HY-1C CZI

3.2.4 蓝藻（Cyanobacteria）

蓝藻，又被称为蓝绿藻（blue-green algae），是一种古老的原核生物，广泛分布于全球各地的淡水湖泊中（Ganf，1974；秦伯强等，2016）。蓝藻可以利用细胞内的伪空泡（Gas vesicle）等方式调节自身浮力进行垂向运动，从而更充分地利用光照和营养盐（Walsby，1994）。因此，蓝藻非常容易在富营养化水体的表面漂浮、聚集形成藻华（Zohary 和Robarts，1990）。蓝藻水华暴发不仅会污染水体环境，还可能会分泌毒素，对湖泊水生态环境和人类的身体健康造成严重的威胁（Paerl等，2011）。蓝藻水华暴发目前已经发展成为全球普遍存在的问题。

图8（a）显示了利用CZI所观测到的太湖蓝藻水华现象。蓝藻在可见光波段的反射峰同样位于约560 nm，具有和浒苔、绿夜光藻相似的光谱特征（Qi 等，2018）。蓝藻细胞内含有藻蓝素，其吸收主要集中于约620 nm附近（Qi等，2014）。利用OLCI卫星数据（OLCI携带有620 nm的波段）可以捕捉到这一特征，用于区别蓝藻以及与其光谱特征相似的其他藻类。目前的绝大多数水色卫星传感器都没有配置620 nm 的波段，因此进行蓝藻识别在大多数情况下需要结合背景知识。除了淡水湖泊之外，波罗的海的蓝藻水华也会在每年夏季出现。由于营养盐丰富等原因，太湖蓝藻的密度较高，在2021年6月6日的这幅CZI 影像中蓝藻平均密度可以达到25%左右，远远高于与其光谱特征相似的绿夜光藻。

图8 HY-1C CZI太湖蓝藻遥感影像与特征光谱Fig.8 The Cyanobacterial blooms in Taihu Lake and characteristic spectrum of HY-1C CZI

4 结 论

现有研究表明，目前全球海洋、湖泊中能够被卫星所探测到的漂浮藻藻华主要包括两大类，即大型藻（主要包括浒苔和马尾藻）和微型藻（主要包括夜光藻，束毛藻和蓝藻）。本文使用HY-1C/D CZI 卫星遥感影像，成功获取了各自的代表性光谱。具体总结如下：

（1）上述所有种类的漂浮藻藻华光谱都有明显的“红边效应”，即近红外波段反射率抬升，明显高于其周围的水像元。不同种类漂浮藻的反射光谱形状在可见光波段有不同程度的区别，这是由于其所含色素不同造成的，也可以作为区分和判断藻种类别的重要依据。

（2）浒苔在可见光波段的反射光谱最大值位于560 nm 左右，利用CZI 等多种传感器可以明显地观测到这一特征。

（3）马尾藻的可见光波段反射率整体较低，尤其是东海马尾藻。有利于区分浒苔和马尾藻。

（4）夜光藻有红夜光藻和绿夜光藻两种形式，红夜光藻具有较为独特的反射光谱，具体表现为光谱自500 nm 处反射率开始剧烈抬升；绿夜光藻由于细胞内有大量共生的绿藻，因此表现出和浒苔相似的光谱特征，即可见光波段反射位于约560 nm。

（5）束毛藻的反射光谱最大值位于560—620 nm之间，这个特征很难被大多数传感器所能识别。

（6）蓝藻的反射光谱峰值同样位于绿光波段，由于内陆水体富营养化水平较高，蓝藻的平均浓度相对也较高。

多光谱传感器在进行观测时通常造成一部分光谱信息的丢失，因此尽管实测高光谱数据显示不同藻类的光谱特征有所区别，在使用多光谱数据观测时，浒苔、绿夜光藻、蓝藻、束毛藻等的光谱特征较为相近，单纯从光谱特征很难区分。但不同藻类所适应的生长环境各不相同，因此，根据光谱特征结合相关的背景信息亦可以实现漂浮藻藻华的区分与识别。然而，要实现藻华识别的完全自动化，任然还有很多问题有待解决，包括特征光谱的自动化选取等等。

近年来中国黄、东海区域集中了浒苔、马尾藻，红夜光藻等多种漂浮藻藻华，而这些藻华的典型像素皆可以用CZI 来探测和识别。与此同时，目前国际上也有很多小卫星搭载了多波段高分辨率传感器（如PlanetScope/DOVE、PlanetScope/SuperDOVE、BlackSky sensors），它们应该也具备类似的光谱识别能力。由于具有较高的时空分辨率，我们期待在不远的将来充分发挥CZI和其他高分辨率传感器的优势，从而更好的监测各种漂浮藻的藻华。

志 谢感谢国家卫星海洋应用中心提供HY-1CD/CZI 卫星数据，感谢欧空局ESA 提供Sentinel-3/OLCI 卫星数据，并感谢美国航空航天局NASA 提供SeaDAS 数据处理平台。感谢中山大学海洋科学学院谢奇伶、杨雪、高瑞超、陈新龙、吴泓璟同学在HY-1C/D CZI 卫星遥感影像搜集方面提供的帮助。