基于Sentinel-3 OLCI數據的渤海水色狀況時空變化特征

王 林,王 祥,陳艷攏,高思雯,曾怡樂,孟慶輝,王新新

基于Sentinel-3 OLCI數據的渤海水色狀況時空變化特征

王 林,王 祥*,陳艷攏,高思雯,曾怡樂,孟慶輝,王新新

(國家海洋環境監測中心,遼寧 大連 116023)

采用福萊爾水色計可將自然水體顏色從深藍到紅棕分為21個級別,用來記錄全球海洋和內陸水體的顏色.目前,與福萊爾水色計21個級別顏色相對應的FUI(Forel-Ule index)水色指數已有成熟的衛星遙感提取方法.以渤海為研究區,利用Sentinel-3 OLCI衛星數據提取了2018～2022年近5a渤海月度、年度FUI水色指數,研究了水色狀況的時空變化特征.結果表明,渤海FUI時空變化特征顯著,遼東灣、渤海灣及萊州灣沿岸海域FUI較高,水體渾濁,水色狀況較差;而秦皇島海域及其它離岸海域FUI較低,水體相對清澈,水色狀況較好.1～12月,渤海FUI月平均值呈“V”型變化特征,即FUI由大變小再變大,體現出渤海水色狀況由濁變清再變濁的過程.2018～2022年,FUI年平均值整體呈現下降趨勢,水色狀況轉好;2018～2019年FUI年平均值的降幅最高,渤海綜合治理攻堅戰初見成效,2020年降至攻堅戰實施期間最低水平,2021年出現小幅回升,2022年FUI年平均值則降至歷年最低;與2020年相比,2022年渤海水色狀況轉好、穩定、變差的海域面積占比分別為36.05%、50.45%、13.50%,達到近5a最佳狀態,可見渤海綜合治理攻堅戰對其生態環境的改善發揮了重要作用.因此,利用遙感技術監測FUI水色指數可有效提升我國海洋生態環境常態化巡查監管能力,具有非常重要的實際應用價值.

FUI水色指數；時空變化；Sentinel-3 OLCI數據；遙感反演；渤海

海洋水色的清濁是公眾臨海親海最直觀的視覺感受,在一定程度上可反映出海洋生態環境質量的優劣.而水色的現場觀測遠早于衛星時代,最早可追溯到一百多年前,采用福萊爾水色計(Forel-Ule scale)將自然水體顏色從深藍到紅棕分為21個級別,用來記錄全球海洋和內陸水體的顏色,與水溫、透明度等成為最古老的時間序列水質觀測數據[1].

1978年,美國航空航天局發射了世界上第一顆攜帶海洋水色傳感器海岸帶水色掃描儀CZCS的Nimbus-7號衛星,海洋水色遙感研究自此拉開序幕,研究者對水色的觀測進入了衛星時代.之后諸多海洋水色系列衛星(Seastar/SeaWiFS、Aqua&Terra/ MODIS、HY-1/COCTS等)相繼發射,海洋水色遙感的相關研究不斷深入,研究者發現與水色有關的水體成分主要有浮游藻類、懸浮物、有色溶解有機物等,通常稱為水色三要素[2],也是海洋水色遙感探測的基本參數[3-4],還包括透明度、凈初級生產力、顆粒有機碳及溶解性有機碳等關聯參數也一直是海洋水色遙感研究的重點[5-7].

早期時,研究者利用衛星多光譜傳感器或現場實測的光譜信息,通過不同處理方式得到CIE標準色度系統中的、、三刺激值,并計算獲得色度信息,進而推演水體狀況[8-10].隨著光學技術的發展,更連續的水體光譜信息被觀測到,相關研究更為深入.通過測量實驗室中配制的Forel-Ule水色計中21種顏色溶液的透射光譜,得到了21種水體顏色的色度坐標[11].后又經修正,獲取了每個顏色對應的色度角α,建立了FUI水色指數與色度角查找表[12],并實現了基于MERIS衛星數據的水體FUI水色指數遙感提取[13].近10a內,研究者進一步證實了FUI水色指數與色度角可以通過多種不同波段設置的遙感傳感器以較高的精度獲取[14-15].因其不依賴于區域性的水體特征更進一步顯示了FUI水色指數遙感提取及應用的優勢,FUI成為一種簡單且全球有效的方法,在濁度、透明度、CDOM、Chla反演[16-20]及湖泊富營養化評價方面得到廣泛應用[21-27],但其在海洋生態環境評價方面的應用潛力仍有待發掘.

“建設美麗海灣”是《“十四五”海洋生態環境保護規劃》的主線,在《重點海域綜合治理攻堅戰行動方案》中“推進美麗海灣建設”被列為重點任務之一,且明確提出“加強海灣生態環境常態化監測監管”,并將“水清灘凈、魚鷗翔集、人海和諧”作為美麗海灣建設的目標要求,進而不斷提升公眾臨海親海的獲得感和幸福感.“水清”即為海洋水色的清濁,也是公眾臨海親海最直觀的視覺感受.FUI水色指數遙感監測可有效提升海灣生態環境常態化巡查監管能力,具有非常重要的實際應用價值.本文以渤海為研究對象,基于2018～2022年Sentinel-3 OLCI數據,研究了近5a渤海水色狀況的時空變化特征,分析了渤海綜合治理攻堅戰的實施對渤海水色狀況的影響,體現了FUI水色指數在海洋生態環境評價方面的應用前景.

1 材料與方法

1.1 研究區域

渤海是我國唯一的半封閉型內海(圖1),平均水深18m,面積約7.7萬km2.沿岸有黃河、海河、灤河和遼河等40余條河流入海,生態環境受人為因素影響顯著[28].改革開放40多年來,隨環渤海13個沿海城市的開發建設,陸源污染物排放量逐年增大,渤海生態環境質量受到極大影響[29].自21世紀起,我國政府為渤海環境污染治理制定和實施了若干項政策制度,如《渤海綜合整治規劃》、《渤海碧海行動計劃》、《渤海環境保護總體規劃(2008-2020年)》、《國家海洋局關于進一步加強渤海生態環境保護工作的意見》、《關于率先在渤海等重點海域建立實施排污總量控制制度的意見》及《渤海綜合治理攻堅戰行動計劃》等[30].渤海生態環境質量得到一定改善,但整治成效仍不穩固.

圖1 渤海研究區示意

1.2 衛星數據

選擇哨兵3號(Sentinel-3)衛星搭載的海陸彩色成像儀(OLCI)數據.OLCI共包含21個光譜波段,波段范圍在400～1020nm之間,空間分辨率為300m,全球覆蓋時間為1～2d,能夠實現全球多光譜中等分辨率海洋/陸地觀測能力[31].本研究通過歐洲氣象衛星組織數據服務官方網站(https://data.eumetsat.int)下載獲取了2018～2022年5a期間渤海每日Sentinel-3 OLCI L2 WFR (Full Resolution: Ocean Colour, Water and atmosphere parameters)數據,并采用SNAP軟件進行均值處理,得到月度、年度平均數據,進而提取FUI水色指數并進行渤海水色狀況的時空變化特征研究.

1.3 水色指數提取方法

為了將顏色進行量化表示,國際照明委員會(CIE)發展了一套CIE-XYZ標準顏色系統[32].將、、作為色度系統中光譜的三刺激值,利用衛星影像的遙感反射率,計算、、的公式如下[14]:

式中:為衛星傳感器的波段數量;x、y、z為衛星傳感器計算CIE顏色三刺激值的波段線性求和系數,為常數[14].

同時,CIE規定了二維色度圖,用來描繪顏色,色度圖上二維坐標和由三刺激值、、計算得到,公式如下:

兩個值可確定一個顏色,則用CIE-xy色度圖[22]能夠表示可見光范圍內的所有顏色,每種顏色對應一個色度坐標(,).基于色度坐標(,),采用雙變量反正切函數(arctan2)可計算得到色度角,公式如下:

因多光譜衛星傳感器的波段數量較少且離散,與人眼(等同于高光譜傳感器)感知到的真實顏色存在偏差,需進行校正消除偏差[14].此外,偏差校正時需考慮色度角的定義差異,不同的定義方式其校正系數不同[22].偏差校正后通過FUI與的對應關系表[33]最終計算得到FUI水色指數的遙感結果.

2 結果與討論

2.1 月度水色指數的時空變化特征

圖2 1～12月渤海每月水色指數的時空分布

渤海每月FUI水色指數的時空變化特征顯著(圖2).從空間上看,遼東灣、渤海灣及萊州灣沿岸海域FUI較高,水體渾濁,水色狀況較差;而秦皇島海域及其它離岸海域FUI較低,水體相對清澈,水色狀況較好.從時間上看,1～3、11、12月FUI較高,水色狀況較差;4、5、9、10月FUI居中,水色狀況一般;而6～8月FUI較低,水色狀況較好.

表1 1～12月渤海各級水色指數的海域面積占比統計(%)

圖3 2018年1月～2022年12月渤海每月FUI平均值的變化

1～12月渤海各級FUI水色指數的海域面積占比統計如表1所示,可發現渤海FUI的主要變化區間為5～17,將各級各月海域面積占比超過10%的占比值加粗標識后呈現出較明顯的“倒V”型分布特征,表明1～12月高值FUI的海域面積占比先減小后增大(低值FUI則相反),即渾濁水體的海域面積占比先減小后增大(清澈水體則相反),體現出渤海水色狀況“自濁變清再變濁”的變化特征.2018年1月～2022年12月渤海FUI月平均值的范圍為7.51～13.47,且每年1～12月均存在顯著的“V”型變化特征(圖3),也體現了渤海水色狀況“自濁變清再變濁”的變化過程;此外,渤海FUI月平均值整體呈現下降趨勢,表明渤海水色狀況呈轉好態勢.

陸源徑流輸入與底層顆粒物再懸浮是影響渤海水色狀況的兩個主要因素.渤海處在大陸架的內部區域,平均水深僅18m,全海區50%以上水深不到20m,風浪對底層顆粒物的再懸浮作用顯著,而渤海月度水色指數的時空變化也主要與風浪作用有關.渤海位于東亞季風區,海表風場具有明顯的季節性特征,冬季以西北風為主,風向穩定,風力較強,平均風速約5m/s,最大風速可達7.5m/s;夏季以東南風為主,風向不穩定,風力較弱,風速范圍在2～5m/s;春、秋季屬于過渡季節,風向零亂、多變、不穩定,風速范圍在2～6m/s[34].這恰與1～12月渤海水色狀況“由濁變清再變濁”的變化過程相呼應,即“風強則FUI增,風弱則FUI減”.通常而言,夏季強降水過程會引起陸源徑流輸入量的驟然增加,導致入海河口鄰近海域的FUI增大,但其影響時間一般較短,且影響范圍主要分布在河口鄰近海域,與冬季持續強風引起的顆粒物再懸浮作用相比,降水過程的影響相對較弱.

2.2 年度水色指數的時空變化特征

2018～2022年,渤海每年FUI水色指數存在一定的時空變化特征(圖4).受遼河、黃河及海河等陸源徑流輸入等因素的影響,遼東灣、萊州灣及渤海灣底部沿岸海域FUI常年處于較高水平且遠高于其它海域,水體較渾濁;而秦皇島及渤海中部海域FUI始終處于較低水平,水體較清澈;不同年份渤海各區域FUI均有一定變化,但變化規律并不顯著.

圖4 2018～2022年渤海每年水色指數的時空分布

圖5 2018～2022年渤海每年FUI平均值的變化

渤海FUI水色指數年平均值的范圍為9.65～ 10.62(圖5),除2021年FUI出現小幅回升外,整體呈下降趨勢,表明渤海水色狀況日趨平穩且總體向好.其中,2018年,渤海FUI年平均值仍處于較高水平,水色狀況較差;2019～2020年渤海綜合治理攻堅戰實施期間,FUI年平均值較2018年顯著降低,水色狀況明顯轉好;2021～2022年攻堅戰結束后的2a時間內,渤海FUI年平均值出現一定波動,但仍處于較低水平,尤其是2022年,FUI年平均值降至近5a最低水平,較2018年降幅達9.15%,水色狀況達到近5a最佳.

利用M2TMNXFLX全球尺度月均風場數據集(分辨率0.69°×0.55°),以覆蓋渤海范圍矢量邊界提取了2018～2022年度各月平均風速,并以算術平均計算年均風速依次為6.2,6.1,6.1,6.4,6.4m/s,與水色指數的年度變化無明顯關聯.渤海水色狀況的穩中向好可能與近10a來我國政府高度重視生態環境問題緊密相關.自2013年開始,中國政府大力推進生態文明建設,堅持綠水青山就是金山銀山的發展理念,極大程度上消減了污染物的排放.2018年底,渤海綜合治理攻堅戰全面打響,對環渤海周邊省市制定了嚴格的污染減排措施,在很大程度上減少了陸源排污入海的影響,渤海水質大幅好轉,2019年優良水質面積恢復到2001年左右的水平,同時富營養化的海域面積總體呈下降趨勢,海水中浮游藻類濃度較攻堅戰之前明顯降低[35],赤潮災害發生頻率顯著減少,渤海水色狀況隨之變好,可見渤海綜合治理攻堅戰對渤海生態環境的改善起到了關鍵作用.盡管如此,2021年渤海水色狀況出現小幅回升,表明渤海生態環境問題存在長期性和復雜性,治理成效尚不穩固,也印證了持續深化渤海綜合治理的必要性.

2.3 水色指數變化量的時空分布特征

通過上節分析可知,2020年渤海綜合治理攻堅戰圓滿收官時,渤海水色狀況達到攻堅戰實施期間的最佳水平,因此可將2020年FUI水色指數作為本底基準,用于對比、評價渤海水色狀況的優劣變化.

圖6 2022年1～12月較2020年同期渤海水色指數變化量ΔFUI的時空分布

與2020年相比,2022年1～12月渤海水色指數變化量ΔFUI的空間差異較大,各區域水色狀況的轉變存在明顯波動(圖6).統計分析發現,2022年1、2、4～7月ΔFUI<0的海域面積大于ΔFUI>0的海域面積(圖7),表明水色狀況轉好的海域面積超過變差的海域面積,水色狀況較2020年同期轉好,其中6月轉好最明顯,水色狀況轉好、穩定、變差的海域面積占比分別為75.59%、16.15%、8.26%;3、8～12月相反,水色狀況較2020年同期變差,其中12月變差最嚴重,水色狀況轉好、穩定、變差的海域面積占比分別為12.86%、20.01%、67.13%.年度統計分析發現,與2020年相比,2022年渤海水色狀況轉好、穩定、變差的海域面積占比分別為36.56%、48.57%、14.87%,可見渤海大部分區域的水色狀況呈穩定或轉好趨勢(圖8);其中,遼東灣北部大部分海域、渤海灣及相鄰海域水色狀況明顯轉好,而渤海灣沿岸海域、萊州灣大部分海域、遼東灣西部沿岸海域及渤海海峽西北部分海域水色狀況變差.

圖7 2022年1～12月較2021年同期渤海水色狀況轉好(ΔFUI<0)、穩定(ΔFUI=0)、變差(ΔFUI>0)時的海域面積占比統計

整體看來,月度同期FUI的變化非常大,很多區域超過5,冬季尤為明顯,究其原因可能在于同期月份對比所獲取的有效衛星數據在同一區域的海面風速存在較大差異,而海面風的擾動對局地FUI的變化影響強烈;此外,潮流的平流輸運對近岸區域FUI的變化也有一定影響.以11月為例,篩選FUI變化非常大的渤海灣(118.768°E,38.621°N)、渤海中部(120.529°E,39.361°N)兩位置,利用羲和能源大數據平臺(https://xihe-energy.com,數據來源為歐洲中期天氣預報中心歷史再分析數據集)下載上述位置風速數據,并計算得到2022、2020年11月具有有效影像的所有日期的風速均值.分析發現,渤海灣坐標位置處FUI明顯變小,而2022年11月的風速均值(6.06m/s)較2020年同期(6.30m/s)減小;渤海中部坐標位置處FUI明顯變大,2022年11月的風速均值(7.03m/s)較2020年同期(5.93m/s)增大,進一步表明區域風速越大,FUI越大,反之亦然.年度對比采用的衛星數據量非常大,消弱了海面風、潮流等自然因素對局地水色狀況的影響,渤海各區域FUI的年度變化相對較小,主要分布在-1～1之間,在一定程度上體現了人類活動因素(增減排污等)的干預影響,對水色狀況發生改變的區域需引起相關管理部門的關注.

圖8 2022年較2020年渤海水色指數變化量ΔFUI的時空分布

3 結論

3.1 渤海每月FUI水色指數呈現顯著的時空變化特征,受陸源河流輸入影響,遼東灣、渤海灣及萊州灣沿岸海域FUI較高,水體渾濁,水色狀況較差;而秦皇島海域及其它離岸海域FUI較低,水體相對清澈,水色狀況較好.1～12月渤海FUI月平均值呈“V”型變化特征,體現出渤海水色狀況“由濁變清再變濁”的變化過程,主要與渤海季風變化對底層顆粒物的再懸浮作用有關.

3.2 近5a,渤海水色狀況日趨平穩且總體向好. 2018年,渤海FUI年平均值仍處于較高水平,水色狀況較差;2019～2020年渤海綜合治理攻堅戰實施期間,FUI年平均值較2018年顯著降低,水色狀況明顯轉好;2021年FUI出現小幅回升,但2022年FUI年平均值降至近5a最低水平,較2018年降幅達9.15%,水色狀況達到近5a最佳.本文研究結果證實了渤海綜合治理攻堅戰對渤海生態環境的改善發揮了關鍵作用.

3.3 將2020年FUI水色指數作為本底基準,月度同期對比發現2022年1～12月渤海部分區域水色指數的變化量ΔFUI超過5,尤以冬季最為明顯,考慮主要與海面風的擾動作用對局地FUI的強烈影響有關.年度統計分析發現,與2020年相比,2022年渤海水色狀況轉好、穩定、變差的海域面積占比分別為36.56%、48.57%、14.87%,可見渤海大部分區域的水色狀況呈穩定或轉好趨勢.

[1] 馬本昌.基于色度角的中國近海水色要素遙感研究[D]. 南京:南京信息工程大學, 2022. Ma B C. Remote sensing of ocean color elements in the Chinese offshore based on chromaticity angle [D]. Nan Jing: Nanjing University of Information Science and Technology, 2022.

[2] Prieur L, Sathyendranath S. An optical classification of coastal and oceanic waters based on the specific spectral absorption curves of phytoplankton pigments, dissolved organic matter, and other particulate materials [J]. Limnology and Oceanography, 1981,26(4): 671–689.

[3] O'Reilly J, Maritorena S, Mitchell B G, et al. Ocean color chlorophyll algorithms for SeaWiFS [J]. Journal of Geophysical Research: Oceans, 1998,103(C11):24937–24953.

[4] Tang J W, Wang X M, Song Q J, et al. The statistic inversion algorithms of water constituents for the Huanghai Sea and the East China Sea [J]. Acta Oceanologica Sinica, 2004,23(4):617–626.

[5] Lee Z P, Shang S L, Hu C M, et al. Secchi disk depth: A new theory and mechanistic model for underwater visibility [J]. Remote Sensing of Environment, 2015,169:139–149.

[6] Silsbe G M, Beherenfeld M J, Halsey K H, et al. The CAFE model: A net production model for global ocean phytoplankton [J]. Global Biogeochemical Cycles, 2016,30:1756–1777.

[7] Bonelli A G, Loisel H, Jorge D S F, et al. A new method to estimate the dissolved organic carbon concentration from remote sensing in the global open ocean [J]. Remote Sensing of Environment, 2022,281: 113227.

[8] Alf?ldi T T, Munday J. Water quality analysis by digital chromaticity mapping of Landsat data [J]. Canadian Journal of Remote Sensing, 1978,4(2):108–126.

[9] Bukata R P, Bruton J E, Jerome J H. Use of chromaticity in remote measurements of water quality [J]. Remote Sensing of Environment, 1983,13(2):161–177.

[10] Bukata R P, Pozdnyakov D V, Jerome J H. et al. Validation of a radiometric color model applicable to optically complex water bodies [J]. Remote Sensing of Environment, 2001,77(2):165–172.

[11] Wernand M R, van der Woerd H J. Spectral analysis of the Forel-Ule ocean colour comparator scale [J]. Journal of the European Optical Society Rapid Publications, 2010,5:10014s.

[12] Novoa S, Wernand M R, Van der Woerd H J. The Forel-Ule Scale revisited spectrally: Preparation protocol, transmission measurements and chromaticity [J]. Journal of the European Optical Society: Rapid Publications, 2013,8:13057.

[13] Wernand M R, Hommersom A, van der Woerd H J. MERIS-based ocean colour classification with the discrete Forel-Ule scale [J]. Ocean Science, 2013,9(3):477–487.

[14] van der Woerd H J, Wernand M R. True colour classification of natural waters with medium-spectral resolution satellites: SeaWiFS, MODIS, MERIS and OLCI [J]. Sensors, 2015,15(10):25663–25680.

[15] van der Woerd H J, Wernand M R. Hue-angle product for low to medium spatial resolution optical satellite sensors [J]. Remote Sensing, 2018,10(2):180.

[16] Wernand M R, van der Woerd H J, Gieskes W W. Trends in ocean colour and chlorophyll concentration from 1889 to 2000, worldwide [J]. Plos One, 2013,8(6):e63766.

[17] Garaba S P, Badewien T H, Braun A, et al. Using ocean colour remote sensing products to estimate turbidity at the Wadden Sea time series station Spiekeroog [J]. Journal of the European Optical Society-Rapid Publications, 2014,9:14020.

[18] Garaba S P, Vo? D, Zielinski O. Physical, bio-optical state and correlations in North–Western European Shelf Seas [J]. Remote Sensing, 2014,6(6):5042–5066.

[19] Garaba S P, Friedrichs A, Voss D, et al. Classifying natural waters with the Forel-Ule Colour Index System: results, applications, correlations and crowdsourcing [J]. International Journal of Environmental Research and Public Health, 2015,12(12):16096–16109.

[20] Pitarch J, van der Woerd H J, Brewin R J W, et al. Optical properties of Forel-Ule water types deduced from 15years of global satellite ocean color observations [J]. Remote Sensing of Environment, 2019, 231:111249.

[21] Chen Q, Huang M T, Tang X D. Eutrophication assessment of seasonal urban lakes in China Yangtze River Basin using Landsat 8-derived Forel-Ule index: a six-year (2013～2018) observation [J]. The Science of the total environment, 2020,745:135392.

[22] 王勝蕾.基于水色指數的大范圍長時序湖庫水質遙感監測研究[D]. 北京:中國科學院大學, 2018. Wang S L. Large-scale and long-time water quality remote sensing monitoring over lakes based on water color index [D]. Bei jing: University of Chinese Academy of Sciences, 2018.

[23] Wang S L, Li J S, Shen Q, et al. MODIS-based radiometric color extraction and classification of inland water with the Forel-Ule scale: a case study of Lake Taihu [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015,8(2):907–918.

[24] Wang S L, Li J S, Zhang B, et al. Changes of water clarity in large lakes and reservoirs across China observed from long-term MODIS [J]. Remote Sensing of Environment, 2020,247:111947.

[25] Wang S L, Li J S, Zhang B, et al. Trophic state assessment of global inland waters using a MODIS-derived Forel-Ule Index [J]. Remote Sensing of Environment, 2018,217:444–460.

[26] Li M J, Sun Y H, Li X J, et al. An improved eutrophication assessment algorithm of estuaries and coastal waters in Liaodong Bay [J]. Remote Sensing, 2021,13:3867.

[27] Zhou Y D, He B Y, Fu C J, et al. An improved Forel–Ule index method for trophic state assessments of inland waters using Landsat 8 and sentinel archives [J]. GIScience & Remote Sensing, 2021,58(8):1316– 1334.

[28] 張海波,王麗莎,石曉勇,等.渤海中部營養鹽季節變化及限制統計分析[J]. 中國環境科學, 2019,39(4):1579–1588. Zhang H B, Wang L S, Shi X Y, et al. Spatial distributions and seasonal variations of nutrients and statistical analysis of nutrient limitation in the center of the Bohai Sea, China [J]. China Environmental Science, 2019,39(4):1579–1588.

[29] 王利明,馬 蕾,楊曉飛,等.渤海環境污染的治理與保護對策[J]. 中國資源綜合利用, 2020,38(3):109–111. Wang L M, Ma L, Yang X F, et al. The countermeasures for the pollution control and protection in the Bohai Sea [J]. China Resources Comprehensive Utilization, 2020,38(3):109–111.

[30] 于春艷,朱容娟,隋偉娜,等.渤海與主要國際海灣水環境污染治理成效比較研究[J]. 海洋環境科學, 2021,40(6):843–850. Yu C Y, Zhu R J, Sui W N, et al. Comparative study on the effectiveness of water environmental pollution control between Bohai Sea and major international bays [J]. Marine Environmental Science 2021,40(6):843–850.

[31] 王 林,王 祥,王新新,等.基于Sentinel-3 OLCI影像的秦皇島海域懸浮物濃度遙感反演[J]. 中國環境科學, 2022,42(8):3867–3875. Wang L, Wang X, Wang X X, et al. Retrieval of suspended particulate matter concentration from Sentinel-3 OLCI image in the coastal waters of Qinhuangdao [J]. China Environmental Science, 2022,42(8): 3867–3875.

[32] CIE. Commission internationale de l‘eclairage proceedings 1931 [R]. Cambridge: Cambridge University Press, 1932:19–29.

[33] Chen X D, Liu L Y, Zhang X, et al. An assessment of water color for inland water in China using a Landsat 8-Derived Forel–Ule Index and the Google Earth engine platform [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021, 14:5773–5785.

[34] 任惠茹,李國勝,郭騰蛟,等.1950～2011年渤海地區海表風場的季節特征與多尺度變化分析[J]. 地理科學, 2017,37(9):1430–1438. Ren H R, Li G S, Guo T J, et al. Multi-scale variability of surface wind direction and speed on the Bohai Sea in 1950～2011 [J]. Scientia Geographica Sinica, 2017,37(9):1430–1438.

[35] 孟慶輝,王 林,陳艷攏,等.2002～2021年渤海葉綠素a濃度變化及環境響應分析[J]. 中國環境監測, 2022,38(6):228–236. Meng Q H, Wang L, Chen Y L, et al. Change of chlorophyll a concentration and its environmental response in the Bohai Sea from 2002 to 2021 [J]. Environmental Monitoring in China, 2022,38(6): 228–236.

Spatiotemporal variation of water color conditions in the Bohai Sea based on Sentinel-3OLCI data.

WANG Lin, WANG Xiang*, CHEN Yan-long, GAO Si-wen, ZENG Yi-le, MENG Qing-hui, WANG Xin-xin

(National Marine Environmental Monitoring Center, Dalian 116023, China)., 2023,43(9)：4828～4836

The Forel-Ule scale was introduced to record the colors of oceans and inland waters. It classified natural water colors into 21 grades ranging from dark blue to reddish brown. With satellite data, it has been possible to extract the Forel-Ule index (FUI) , which correspond to 21 levels of the Forel-Ule scale. Based on Sentinel-3OLCI satellite data, the monthly and annual FUI of the Bohai Sea for the past five years from 2018 to 2022 was extracted. In addition, spatial and temporal variations in water color conditionswere investigated. As can be seen from the results, both the spatial and temporal variation of FUI in the Bohai Sea was significant. High FUI values were observed in the coastal waters of Liaodong Bay, Bohai Bay, and Laizhou Bay. This indicated turbid water and poor water color. In contrast, low FUI values were observed in Qinhuangdao and other offshore waters, reflecting relatively clear water and good water color. A "V" shaped change, i.e., the FUI varied from large to small and then to large, from January to December, in the variation of the monthly FUI average in the Bohai Sea was captured, illustrating the process of the Bohai Sea's water color condition from turbid to clear and then to turbid. An overall decreasing trend in the annual FUI average value was detected, corresponding to the water color condition getting better, from 2018 to 2022. During this period, the highest decreasing rate happened from 2018 to 2019, subject to the Bohai Sea comprehensive management battle. The lowest level was in 2020, followed by a slight rebound in 2021. The annual FUI average value reached its lowest level in 2022. Compared with 2020, the percentage of sea area with improved, stable, and deteriorating water color in 2022 was 36.05%, 50.45%, and 13.50% respectively. This was the best performance in five years. Therefore, it was seen that comprehensive management of the Bohai Sea had played an active role in improving its ecological environment. Monitoring FUI with remote sensing increased the capacity for regular inspections and supervision of China's marine ecological environment. This was of great practical importance.

Forel-Ule Index (FUI)；spatiotemporal variation；Sentinel-3 OLCI satellite data；remote sensing retrieval；Bohai Sea

X55

A

1000-6923(2023)09-4828-09

王 林(1981-),男,河北滄州人,副研究員,碩士,主要從事海洋生態環境遙感研究.發表論文40余篇.wanglin198110@yeah.net.

王 林,王 祥,陳艷攏,等.基于Sentinel-3 OLCI數據的渤海水色狀況時空變化特征 [J]. 中國環境科學, 2023,43(9):4828-4836.

Wang L, Wang X, Chen Y L, et al. Spatiotemporal variation of water color conditions in the Bohai Sea based on Sentinel-3OLCI data [J]. China Environmental Science, 2023,43(9):4828-4836.

2023-02-21

國家重點研發計劃項目(2019YFC1407904,2018YFC1407605)

* 責任作者, 副研究員, xwang@nmemc.org.cn