利用MODIS卫星遥感数据反演中国东海叶绿素浓度及SST年际变化的研究

《利用MODIS卫星遥感数据反演中国东海叶绿素浓度及SST年际变化的研究》由会员分享，可在线阅读，更多相关《利用MODIS卫星遥感数据反演中国东海叶绿素浓度及SST年际变化的研究（21页珍藏版）》请在装配图网上搜索。

1、利用MODIS卫星遥感数据反演中国东海叶绿素浓度及SST年际变化的研究10海洋科学 王雪摘要：利用MODIS获取的2003年-2006年卫星数据反演中国东海海域的海表温度（SST）和叶绿素a浓度信息，并对其分布规律进行分析。结果表明：东海海域的SST和叶绿素a浓度的分布具有明显的分区和季节变化特征。在年际间，不同海区的SST和叶绿素a浓度均呈现出周期性变化趋势。在空间上，SST呈现出由近岸向外海递增趋势，南北位差大；叶绿素a浓度则呈现出由近岸向外海递减的分布趋势。东海叶绿素a浓度的分布与SST、河口径流、季节等因素有关。关键词：东海 MODIS SST 叶绿素a目 录引言21 数据来源与处理3

2、1.1 数据来源31.2 数据处理41.2.1叶绿素数据处理41.2.1 SST数据处理52 图形绘制73 结果与分析113.1 东海叶绿素a浓度季节分布特征113.2 东海叶绿素a浓度年际特征123.3 东海SST季节分布特征123.4 东海SST年际特征133.5 典型区域叶绿素浓度a浓度、SST年际变化特征分析133.6 叶绿素a浓度与SST相关性分析174 结束语195 总结196 参考文献20引言卫星遥感数据具有周期短、时空分布率高、数据具有可比性，以及卫星遥感能够实现对地球大面积同步观测、卫星遥感平台具有专业化多样化等特点，这使得遥感数据成为全球海洋监测的一个重要数据源，因此遥感技

3、术成为了全球海洋监测的不可替代的技术手段。在诸多海洋遥感平台所搭载的传感器中，中成像光谱仪（MODIS）将时间分布率、空间分布率及光谱分辨率很好地予以结合，每12d就能获取分辨率为2501000m、包括36个波段的全球尺度MODIS数据，其中第8到16共9个波段被广泛应用于海洋遥感。利用星载或机载遥感器探测海水中的叶绿素光谱辐射，经大气校正后对海水表层叶绿素浓度进行反演，即根据叶绿素的光学特性求的海水中叶绿素浓度的一种方法，该方法使同一时间内对大范围海域进行叶绿素监测成为可能，因此遥感技术被越来越广泛地应用于海水叶绿素监测。中国东海是典型的陆架海域,长江等河流入海,使之富集叶绿素、悬移质和黄色

4、物质等影响海洋光学性质的海水组分。卫星水色遥感是唯一可穿透海水一定深度并获取海洋上层光学参数以及海水组分的技术手段。海洋叶绿素a（Chl-a）是了解海洋中地球生物化学循环的基础和估算海洋生产力的基本指标，也是判断水域的肥瘠程度和评价水域渔业潜在生产力的基本依据。富集浮游植物的海域是海洋食植动物大密度存在和水产资源丰富存在的基础。海水叶绿素a浓度的测定不仅与海洋生态系统初级生产力的研究密切相关，而且对于海洋-大气系统中碳循环、环境监测、赤潮灾害监测、海流(上升流、沿岸流)等的研究及渔业管理等都具有重要意义。海表温度（Sea Surface Temperature，SST）是影响海洋渔业资源的重要

5、因素之一。海表温度不仅对海洋鱼类的繁殖、生长等有影响，而且对鱼类的洄游影响也比较大，从而直接影响渔期的早晚和长短、中心渔场的位置变动以及鱼类的集群程度。对海表温度的时空分布和变化的研究，是海洋渔业研究的基本内容之一。本研究主要利用MODIS遥感数据，反演东海海区长时间序列的SST和叶绿素a浓度信息，分析研究东海海区SST和表层叶绿素a浓度的分布及时空变化特征，旨在为东海的海洋动力学特征、海洋生产力和海洋生态环境研究提供参考。1 数据来源与处理1.1 数据来源数据来自的海洋水色网站http:/seadas.gsfc.nasa.gov/1) 在水色网站首页点击Data ArchiveMODISTL

6、3SMI,选择下载2003年至2006年分辨率为4km的年叶绿素a浓度和年SST数据；2) 在水色网站首页点击Level 3 BrowserTerra MODIS Chlorophyll concentration（Terra MODIS Sea Surface Temperature 11daytime）Seasonal composite，选择下载分辨率为4km的2003年至2006年季叶绿素a浓度（季SST）数据；3) 在水色网站首页点击Level 3 BrowserTerra MODIS Chlorophyll concentration（Terra MODIS Sea Surface

7、 Temperature 11daytime）Monthly climatology,选择下载分辨率为4km的2003年至2006年月叶绿素a浓度（季SST）数据。1.2 数据处理1.2.1叶绿素数据处理以2003年为例：clear,clc;LATLIMS=23 36;LONLIMS=117 130;PI=hdfinfo(T20030012003365.L3m_YR_CHL_chlor_a_4km);pin=;for k=1:60, nm=PI.Attributes(k).Name;nm(nm= )=_; if isstr(PI.Attributes(k).Value), pin=setfie

8、ld(pin,nm,PI.Attributes(k).Value); else pin=setfield(pin,nm,double(PI.Attributes(k).Value); endend; lon=pin.Westernmost_Longitude:pin.Longitude_Step:pin.Easternmost_Longitude;lat=pin.Northernmost_Latitude:-pin.Latitude_Step:pin.Southernmost_Latitude;mn,ilt=min(abs(lat-max(LATLIMS);mn,ilg=min(abs(lon

9、-min(LONLIMS);ltlm=fix(diff(LATLIMS)/pin.Latitude_Step);lglm=fix(diff(LONLIMS)/pin.Longitude_Step);P=hdfread(T20030012003365.L3m_YR_CHL_chlor_a_4km,l3m_data,Index,ilt ilg,ltlm lglm);P=double(P);P(P=-32767)=NaN;P=(pin.Slope*P+pin.Intercept);p=log10(P);LT=lat(ilt+0:ltlm-1);LG=lon(ilg+0:lglm-1);Plg,Plt

10、=meshgrid(LG,LT);m_proj(lambert,lon,LONLIMS,lat,LATLIMS);m_pcolor(Plg,Plt,p);shading flat;m_gshhs_i(color,k);m_grid(linewi,2,tickdir,out);h=colorbar;set(get(h,ylabel),String,Chla (mg m-3);set(h,ytick,log10(0.1 0.5 1 3 5 10 20),yticklabel,0.1 0.5 1 3 5 10 20,tickdir,out);title(MODIS Chla datestr(date

11、num(pin.Period_Start_Year,1,0)+pin.Period_Start_Day) - . datestr(datenum(pin.Period_Start_Year,1,0)+pin.Period_End_Day),. fontsize,13,fontweight,bold);print(gcf,-dpng,p03)1.2.1 SST数据处理clear,clc;LATLIMS=23 36;LONLIMS=117 130;PI=hdfinfo(T20030012003365.L3m_YR_SST_4);pin=;for k=1:60, nm=PI.Attributes(k

12、).Name;nm(nm= )=_; if isstr(PI.Attributes(k).Value), pin=setfield(pin,nm,PI.Attributes(k).Value); else pin=setfield(pin,nm,double(PI.Attributes(k).Value); endend; lon=pin.Westernmost_Longitude:pin.Longitude_Step:pin.Easternmost_Longitude;lat=pin.Northernmost_Latitude:-pin.Latitude_Step:pin.Southernm

13、ost_Latitude;mn,ilt=min(abs(lat-max(LATLIMS);mn,ilg=min(abs(lon-min(LONLIMS);ltlm=fix(diff(LATLIMS)/pin.Latitude_Step);lglm=fix(diff(LONLIMS)/pin.Longitude_Step);P=hdfread(T20030012003365.L3m_YR_SST_4,l3m_data,Index,ilt ilg,ltlm lglm);P=double(P);P(P=65535)=NaN;P=(pin.Slope*P+pin.Intercept);LT=lat(i

14、lt+0:ltlm-1);LG=lon(ilg+0:lglm-1);Plg,Plt=meshgrid(LG,LT); m_proj(lambert,lon,LONLIMS,lat,LATLIMS);m_pcolor(Plg,Plt,P);shading flat;m_gshhs_i(color,k);m_grid(linewi,2,tickdir,out);h=colorbar;set(get(h,ylabel),String,SST (deg-C);set(h,ytick,5 10 15 20 25 30 35,yticklabel,5 10 15 20 25 30 35,tickdir,o

15、ut);title(MODIS SST datestr(datenum(pin.Period_Start_Year,1,0)+pin.Period_Start_Day) - . datestr(datenum(pin.Period_Start_Year,1,0)+pin.Period_End_Day),. fontsize,13,fontweight,bold);print(gcf,-dpng,p4)2 图形绘制图1 东海叶绿素a浓度的季节分布图（mg/m3）Fig 1 Seasonal variation in chloropgyll - a concentration in East Ch

16、ina Sea from 2003 to 2006图2 东海SST季节平均分布图（）Fig 2 Seasonal SST distributions in East China Sea图3 东海叶绿素a浓度年际变化（mg/m3）Fig 3 Annual variation in chloropgyll-a concentration in East China Sea from 2003 to 2006 图4 东海SST年际变化()Fig 4 Annual variation in SST in East China Sea from 2003 to 20063 结果与分析3.1 东海叶绿素a

17、浓度季节分布特征图1为2003年3月至2006年12月间4个季节对应的季平均叶绿素a浓度分布图。整体来看，东海海域的叶绿素a含量沿岸明显高于外海，呈现出由近岸向外海递减的趋势。在长江口外侧有一块很大的三角形向外海伸出的高值区，该区受长江径流的影响显著，从各图上看出，长江夏季江流出长江口后转向东北。冬季：叶绿素a浓度较高的海域主要在沿岸上升流海域。沿岸海域由于海水浅、融合强、营养盐较丰富，适合浮游生物生长。长江口由于长江冲淡水径流带来的陆源物质具有丰富的营养盐，使得长江口叶绿素浓度较高。春季：叶绿素a浓度与冬季相比，外海叶绿素a浓度有所降低。从卫星反演的叶绿素a 浓度可以看出，整个海域的叶绿素a

18、浓度变化差异大，近岸海域叶绿素a浓度依然较高。夏季：由于海水温度升高，大部分海域受到海水垂直混合程度下降、营养物质减少的影响而使外海叶绿素a浓度进一步降低。但是长江口径流带来的营养物质使得长江口附近的叶绿素a浓度升高。秋季：由于存在上升流的影响，沿岸叶绿素a浓度较高。随着季风加强及海温迅速回落导致对流缓和程度加强，使得外海叶绿素a浓度明显回升。从4个季节叶绿素a浓度的分布状况（图1）基本可以看出，水流、水团特征及其分布对叶绿素的分布有一定的影响。东海近岸海域终年为二类水体控制，叶绿素a浓度较高，但受河流补充淡水的季节变化影响，叶绿素a浓度随季节变化显著。长江冲淡水对长江口叶绿素的分布和变化有显

19、著影响。外海海域全年叶绿素a浓度变化幅度较小。3.2 东海叶绿素a浓度年际特征图2为2003年至2006年4年对应的年平均叶绿素a浓度分布图。整体来看，2003年至2006年叶绿素a浓度的年际变化显著，但规律性不强。2003年东海海域叶绿素a浓度较高区域分布在沿岸和长江三角口区域；2004年大部分海域叶绿素a浓度有所降低；2005年外海叶绿素a浓度有所升高；2006年近海叶绿素a浓度较高，外海较低。3.3 东海SST季节分布特征图3为2003年3月至2006年12月间4个季节相对应的季平均SST分布图。冬季：东海区水温达全年最低值。东南部水温高于西北部，外海水温高于沿岸。鱼外渔场为高温区（水温

20、高于22），苏北沿岸、长江口为低温区（水温在5左右），北部海区近海与外海温差异显著。春季：海水处于增温阶段，随着冷空气势力的减退和气温的回升，海水逐渐增温。沿岸和表层海水增温较快，其中，表层以长江口增温最快，可达15，江外、沙外渔场次之。外海增温较慢。大致以12600E为界，以西为增温明显区，增温幅度由沿岸向外海递减。夏季：太阳辐射强烈，盛行西南季风，雨水多，使表层水温增温较高，海区水温值达全年最高，水温为26 30 ，温差小，水温分布为均匀。秋季：正处于季风转换时期，随着西北风的逐渐增强，气温下降，海水温度也随着下降，降温幅度表层和内侧海区较大。表层自西北向东递增，水温为2028，温差较夏季

21、大。3.4 东海SST年际特征图4为2003年至2006年4年相对应的年平均SST分布图。整体来看，2003年至2006年SST年际变化非常显著。2003年东海近海一带区域的SST相对较低，而东南外海区域的SST相对较高；2004年整个东海海域的SST都较低；2005年东海SST有所回升，东海中部的SST稍高；2006年东海中部的SST稍低。3.5 典型区域叶绿素浓度a浓度、SST年际变化特征分析东海位于亚热带，是西北太平洋的边缘海域，包含深水和浅水特征，是一个非常复杂的海洋系统。南北温差差异较大，陆流入东海的江河众多。依据东海自身的地理特征，选取东海海区内典型区域进行分析研究：区域一为长江口

22、区域（1223012330E,29003100N）；区域二为受黑潮影响较大的陆架海区域（1250012700E,27002900N）。2002年1月至2006年12月，东海长江口海区月平均叶绿素a浓度的最低值为2.503 mg/m，最高值为4.438 mg/m，均值为3.321 mg/m。叶绿素a浓度变化基本反映了海域内浮游植物的变化。各年海区叶绿素a浓度变动的总体趋势基本一致，但某些月份的年际变化相对较大（图5）。图5 东海长江口区域叶绿素a浓度变化东海长江口海区各年的SST变动的总体趋势一致，1-3月SST普遍较低，7-9月SST较高，高峰期基本都出现在8月，月份之间的变化差异较大，季节变

23、化显著，年际变化差异较小（图6）。图6 东海陆架海区域SST的变化2002年1月至2006年12月，东海陆架海区域月平均叶绿素a浓度的最低值为0.131 mg/m，最高值为0.408 mg/m，均值为0.242 mg/m。叶绿素a浓度变化基本反映了海域内浮游植物的变化。海区各年叶绿素a浓度变动的总体趋势与长江口区域较为一致，但1-4月的年际变化相对较大，2003年的高峰值是年际间的最高值，2006年的高峰值是年际间的最低值，其余各年高峰值较为一致（图7）。图7 东海陆架海区域叶绿素a浓度的变化东海陆架海区域的SST变动的总体趋势一致，1-3月SST稍低，7-9月SST较高，月份之间的SST变化

24、差异幅度不大，季节变化显著，年际变化差异较小（图8）。图8 东海陆架海区域SST的变化3.6 叶绿素a浓度与SST相关性分析图9、图10分别是东海长江口区域、陆架海区域叶绿素a和SST之间的相关关系图。可以看出：长江口附近海区SST与叶绿素a呈负相关，但相关不显著；东海陆架海区域叶绿素a浓度与SST呈显著负相关。说明SST直接影响叶绿素a浓度的分布，即春季海温较低，适合藻类生长；而夏季海温过高，影响藻类生长，光合作用较慢。但是东海长江口海区，海水相对浑浊，受长江冲淡水影响显著，海表温度与叶绿素a浓度相关关系较差，这说明直接影响叶绿素a浓度的因素较多。图9 东海长江口区叶绿素a浓度与SST的相关

25、关系图10东海陆架海区域叶绿素a浓度与SST的相关关系4 结束语利用MODIS卫星数据，研究东海的SST和叶绿素a浓度的时空分布特征，这对掌握大尺度海域的海洋生态环境信息，尤其是在长时间序列、大范围海区内结石海洋生态环境总体规律方面具有独特的优势，对海洋生态系统的研究具有重要的意义。东海海域的叶绿素a浓度季节变化显著，但高峰期不同区域出现时间差异较大，年际变化较明显。海表温度不同区域的变动差异较大，年际变化较小。东海典型海域内SST与叶绿素a浓度存在一定的空间相关性，近海海域环境复杂，长江口海域相关性不显著；陆架海区域SST与叶绿素存在显著的负相关性。5 总结由于本次大作业为年际尺度的研究，因

26、此必须掌握大量数据的处理方法。通过查找相关文献及与同学沟通探讨，我学会了利用循环做数据的批量处理。对图分析还存在不足之处。6 参考文献【1】冯士筰 等 编著，1999：海洋科学导论，高等教育出版社。【2】刘玉光 主编，卫星海洋学，高等教育出版社。【3】陈楚群、施平、毛庆文.南海海域叶绿素浓度分布特征的卫星遥感分析J.热带海洋学报,2001.20(2):66-70.【4】宋加磊.SeaWiFS卫星资料叶绿素浓度东海反演算法及其在初级生产力估算中的应用D.青岛:中国海洋大学,2005:47.Annual variation in chlorophyll-a concentration and Se

27、a Surface Temperature retrieved by MODIS in East China SeaAbstract: In this paper, the characteristics of distribution and variation in Sea Surface Temperature( SST) and chlorophyll-a(Chl-a) concentration was retrieved in East China Sea by MODIS from 2002 to 2006. The distribution of SST and Chl-a i

28、n East China Sea was found to be characterized by regional and seasonal changes. Annually, periodical changes in SST and Chl-a concentration were found, and spatially, the SST was found to increase from coastal sea to off sea, and to have great fluctuation in temperature between north and south. In the chlorophyll-a concentration, however, there was a decrease ternd from coastal sea to off sea, indicating that this distribution of Chl-a in the East China Sea was involved in the SST, river current, and various seasons. Key words: East China Sea; MODIS; chlorophyll-a; Sea Surface Temperature21