基于色相角算法的珠江口赤潮遙感識別*

許源興， 孫琰， 肖鶴， 艾彬， 劉大召，4

1.廣東海洋大學電子與信息工程學院，廣東 湛江 524088

2.中山大學海洋科學學院，廣東 珠海 519082

3.南方海洋科學與工程廣東省實驗室（珠海），廣東 珠海 519082

4.廣東省海洋遙感與信息技術工程技術中心，廣東 湛江 524088

赤潮，是由海水中的某些浮游植物、原生動物或細菌在適宜的海域條件下，短時間突發性的劇增或集聚引起的水體變色的異?，F象（Liu et al.，2013； Zohdi et al.， 2019）。赤潮作為一種典型的生態災害，會破壞海洋生態環境，給海洋生物帶來巨大威脅，影響漁業資源，還會給沿海旅游業造成經濟損失。此外，人類可能因意外飲食受赤潮污染的海洋產品中毒或死亡（吳霓等， 2013； 呂頌輝等，2019）。根據廣東省海洋災害公報，2013—2020 年珠江口附近海域共發生16 起赤潮事件，其中珠海市珠江口海域7 起，深圳市珠江口海域9 起。主要赤潮生物種包括夜光藻（4起）、紅色赤潮藻（3起）、赤潮異灣藻（4 起）、雙胞旋溝藻（4 起）、中肋骨條藻（1 起）。珠江口赤潮爆發具有區域性和季節性，赤潮藻種類多樣。隨著粵港澳大灣區建設發展，必須更加重視赤潮災害，大力發展赤潮監測技術。

傳統的赤潮監測主要依靠船只調查和岸濱人工觀測。常規船只監測赤潮需要采集水樣，并帶回實驗室進行生物、化學分析（龐勇等， 2015； 李光毅等， 2022）。這些方法不僅費時費力，且獲取的數據覆蓋面小，連續性差。而衛星遙感技術為赤潮的快速、大范圍連續監測提供了重要手段（Blondeau-Patissier et al.， 2014）。赤潮遙感識別是通過分析赤潮水體和非赤潮水體光譜特征差異進行的。赤潮發生時，海水中的浮游植物、原生動物或者細菌過度繁殖會使水體顏色發生變化，一般海水會呈現紅、黃、綠或者褐色，導致衛星接收到的水體反射光學信號發生改變（Guan et al.，2022）。相關研究指出，赤潮水體有兩個吸收峰和兩個反射峰。兩個吸收峰，其中一個在440～460 nm 的藍光波段，另一個在650～670 nm 的紅光波段；兩個反射峰，一個在560～580 nm 的綠光波段，另一個在690～710 nm 波段（Xu et al.， 2014）。不同藻類引發的赤潮，其水體光譜曲線也會有所差異（Tao et al.， 2015）。赤潮水體的光譜特征成為利用遙感技術識別赤潮的依據?；诔喑彼w光譜特征，主要利用赤潮指數、波段比值法等識別赤潮（Luo et al.， 2014； 程玉等， 2021）。此外赤潮爆發，浮游植物大量繁殖，赤潮水體中葉綠素含量要高于周圍水體，因此也常用葉綠素閾值法對赤潮進行監測（宋德彬， 2019； 李仁虎， 2020）。另外，海面溫度、懸浮泥沙等因子也與赤潮發生特征具有一定的關系，可以將其作為遙感反演赤潮的參考因素（李陽東等， 2020）。隨著計算機技術的不斷發展，機器學習也被用于赤潮識別（Zhao et al.，2021； 李敬虎等， 2022）。

珠江口赤潮遙感識別，大多是基于低、中分辨率遙感數據的大尺度空間監測。張濤等（2009）利用MODⅠS 遙感數據，采用波段比值法結合監督分類，成功提取珠江口赤潮信息。Wang 等（2011）基于HJ-CDD 和MODⅠS 多光譜遙感數據，采用歸一化差分指數組合方法實現珠江口赤潮監測。隨著高分辨率遙感衛星的發射，如高分一號衛星（GF-1）、哨兵二號衛星（Sentinel-2）、海洋一號C/D 衛星（HY-1C/D）等，越來越多高分辨率遙感數據可用于更精細化的赤潮監測（Liu et al.， 2022），而目前利用相關數據開展珠江口赤潮研究的工作很少。據報道，2020 年10 月26 日珠江口伶仃洋海域出現水色異常，經深圳市海洋監測預報中心現場采樣測量，水色異常為雙胞旋溝藻赤潮。因此本文利用水體顏色識別常用方法—色相角算法，基于HY-1C/D 海岸帶成像儀（CZⅠ）高分辨遙感影像數據，識別本次珠江口爆發的雙胞旋溝藻赤潮并描述其時空分布。

1 材料與方法

1.1 遙感數據

海洋一號系列衛星用于水色水溫探測，配置光學載荷，陸海兼顧，多種空間分辨率、高信噪比、高動態范圍與寬刈幅，于2002 年5 月、2007年4 月、2018 年9 月、2020 年6 月分別發射了海洋一號A、B、C、D 衛星（HY-1A/1B/1C/1D），其中海洋一號A衛星為試驗星，海洋一號B衛星為試驗業務星，海洋一號C、D 衛星為業務衛星星座。海洋一號A、B 衛星載荷為海洋水色水溫掃描儀（COCTS）和海岸帶成像儀（CZⅠ），海洋一號C、D衛星在原有海洋水色水溫掃描儀、海岸帶成像儀配置基礎上提升性能，同時增配了紫外成像儀（UⅤⅠ）、定標光譜儀（SCS）、船舶自動識別系統（AⅠS）。海洋一號C、D 衛星上下午組網，增加監測頻率，同時彌補下午無數據的瓶頸（劉建強等，2020）。

海岸帶成像儀有紅、綠、藍、近紅外4 個通道，掃面寬幅為950 km，空間分辨率優于50 m，重訪周期3 d，主要用于獲取海陸交互作用區域的實時圖像資料進行海岸帶葉綠素、懸浮泥沙等水質監測（Chen et al.， 2019； Cai et al.， 2020； Huang et al.， 2020），金潮、綠潮、溢油等海洋環境災害實時監測和預警（沈亞峰等， 2020； 劉錦超等，2022； 鄭龍嘯等， 2022）。更多詳細載荷參數見表1。

表1 海岸帶成像儀相關參數Table 1 Parameters of coastal zone imager

海洋一號C/D 衛星（HY-1C/D）海岸帶成像儀（CZⅠ）能很好識別赤潮，自發射以來監測到渤海遼東灣、東海天津濱海新區、珠江口深圳海域等赤潮現象，已成為海洋生態環境監測的有力工具。本文利用國家衛星海洋應用中心提供的L2A 級別的瑞利校正反射率數據（表2）進行研究。

表2 本文使用的遙感數據Table 2 Remote sensing data used in this paper

1.2 基于色相角算法的赤潮檢測方法

CⅠE 1931 色彩空間（Ⅰnternational Commission on Ⅰllumination 1931 color space）是一個最先采用數學方式來表示顏色的數學模型，它由國際照明委員會（Ⅰnternational Commission on Ⅰllumination）于1931年創立。在CⅠE色彩空間中，色度被認為是人類色彩視覺中感知到的X、Y和Z三刺激值的綜合效應（Chen et al.， 2020）。通過三刺激值計算色度坐標（x，y）來獲得感知色彩（Wang et al.， 2018）。如圖1所示。馬蹄形包絡線（軌跡）包含所有可能的色度值，由每個波長的單色光計算的x值和y值組成。色度圖的中心坐標位于x=y=z= 1/3 處。色相角（hue angle）α表示色度坐標（x，y）與輻射光譜的夾角。

圖1 CⅠE 1931色度圖Fig.1 CⅠE 1931 chromaticity diagram

X、Y、Z三刺激值可以通過對可見光范圍（380～700 nm）內的光譜進行積分，從高光譜遙感反射率和CⅠE 顏色匹配函數中計算出來（Wang et al.， 2015）

其中λ為波長，R(λ)為遙感反射率，為CⅠE顏色匹配函數。

而大多數高空間分辨率光學傳感器只有紅、綠、藍3個波段。因此，采用CⅠE標準RGB轉換三刺激值方法，利用紅、綠、藍波段遙感反射率計算CⅠE三刺激值X，Y和Z（Wang et al.， 2015）

其中R為紅光波段的遙感反射率，G為綠光波段的遙感反射率，B為藍光波段的遙感反射率。

基于三刺激值X，Y和Z計算色度坐標（x，y，z）（Wang et al.， 2015）

利用色度坐標推算色相角坐標系統（x′，y′）（Wang et al.， 2015）

計算色相角α（Wang et al.， 2015）

1.3 赤潮提取

1.3.1 遙感影像預處理首先利用影像自帶的圖像定位信息，通過ENⅤⅠ軟件生成地理位置查找表文件，對遙感影像進行幾何校正。然后對影像進行裁剪，選擇包含珠江口海域赤潮水體區域的影像，利用影像自帶的掩膜文件，去除陸地和云，提取海域信息。

1.3.2 樣本選取從真彩色合成影像（圖2）可以看出，伶仃洋沿岸水體呈現亮黃色，因為此處含大量懸浮泥沙，水體反射率高。大部分水體呈現藍綠色，另一部分水體呈現紅褐色?；谀恳暯庾g，可將伶仃洋海水分為渾濁水體、干凈水體和赤潮水體。從光譜曲線（圖3）可以看出，渾濁水體由于高懸浮泥沙濃度，在各波段存在高反射率；干凈水體在藍光波段存在高反射率；赤潮水體在綠、藍波段反射率均低于渾濁水體和干凈水體。

圖2 樣本示意圖Fig.2 Schematic diagram of samples

圖3 不同水體HY-ⅠC影像遙感反射率光譜Fig.3 HY-ⅠC remote sensing reflectance spectra of different waters

1.3.3 閾值選取選取2020 年11 月1 日的遙感影像數據，利用公式（4）～（12）分別計算出各類水體的色相角α。經圖像拉伸處理（圖4a）可以看出，高值區為渾濁水體和赤潮水體，低值區為干凈水體，但是僅利用色相角不能將赤潮水體識別出來。分析發現利用歸一化刺激值z能夠很好識別出渾濁水體。如圖4b 所示高值區為赤潮水體和干凈水體，低值區為渾濁水體。因此通過歸一化刺激值z和色相角可以將赤潮水體從背景水體（渾濁水體和干凈水體）中提取出來。

圖4 水體特征值Fig.4 Characteristic value of water

對樣本點進行統計分析，確定赤潮識別閾值。圖5a可以看出，渾濁水體的歸一化刺激值z小于干凈水體和赤潮水體，渾濁水體閾值確定為0.29；干凈水體的色相角α小于赤潮水體，赤潮水體閾值確定為59.5°（圖5b）。因此利用歸一化刺激值z和色相角α，通過閾值分割，建立決策樹提取赤潮（圖6）。首先，使用公式（4）～（6）計算出三刺激值X、Y、Z。然后通過公式（7）～（9）計算色度坐標x和y。使用公式（10）～（11）將色度坐標轉換為色相角坐標。最后利用公式（11）計算得出色相角α。z用于確定渾濁水體，當z＜0.29 時，水體判斷為渾濁水體。最后α用于判斷赤潮水體，當α＞59.5°時，水體為赤潮水體。

圖5 統計分析Fig.5 Statistical analysis

圖6 赤潮識別流程Fig.6 Red tide identification process

基于上述流程，對其他影像的赤潮進行識別。在不同影像上，閾值選取存在一定差異（表3）。海洋一號C、D 衛星上下午組網觀測，在不同觀測時間，色相角出現差異。海洋一號C衛星影像色相角閾值在57.5°～59.8°之間，而海洋一號D衛星影像色相角閾值在60.5°～61.3°之間。同樣，歸一化刺激值z在不同觀測時間也存在一定差異，上午觀測數據的歸一化刺激值z小于下午觀測數據的歸一化刺激值z。由于太陽高度角對于地表的太陽輻照度影響較大，從而影響地表尤其是水體的表觀輻亮度，進而影響分割閾值的確定（程玉等， 2021）。此外還與水體中懸浮泥沙含量差異有關。

表3 不同影像閾值Table 3 Different image thresholds

2 結果與討論

2.1 赤潮過程

在進行多次試驗后，設置動態閾值并結合目視解譯對赤潮進行提取，識別了2020 年秋季珠江口伶仃洋雙胞旋溝藻赤潮爆發過程。

2020 年10 月26 日3 時25 分（UTC），HY-1C 衛星CZⅠ傳感器分別監測到深圳機場附近海域和內伶仃島東北部海域出現小范圍水色異?，F象。如圖7所示，赤潮呈現條帶狀、片狀分布，顏色為紅褐色。利用色相角赤潮檢測方法，能夠準確識別出赤潮分布。深圳機場附近海域赤潮位于22°32′～22°36′ N，113°43′～113°49′ E 之間，內伶仃島東北部海域赤潮位于22°25′～22°30′ N，113°45′～113°49′ E 之間。通過遙感定量估算，深圳機場附近海域赤潮面積約5.15 km2，內伶仃島東北部海域赤潮面積約3.09 km2，赤潮分布面積很小，赤潮處在發展階段。

圖7 10月26日深圳機場、內伶仃島附近海域赤潮Fig.7 Red tide near Shenzhen Airport and Neilingding Ⅰsland sea area on October 26

10 月27 日，深圳機場附近海域赤潮位于22°34′～22°38′ N，113°45′～113°48′ E 之間（圖8a1、b1），面積約4.24 km2，較26 日赤潮位置稍微偏北，空間分布形態發生變化，面積有所減??；內伶仃島東北部海域赤潮位于22°26′～22°30′ N，113°45′～113°49′ E 之間，面積增至9.65 km2（圖8a2、b2）。

圖8 10月27日深圳機場、內伶仃島附近海域赤潮Fig.8 Red tide near Shenzhen Airport and Neilingding Ⅰsland sea area on October 27

從11 月1 日遙感影像（圖9a1、b1）可以看出，赤潮影響區域明顯擴大，呈大面積連續分布，面積約348 km2，赤潮處在爆發階段。赤潮集中在伶仃洋北部和中部，最北接近虎門，位于22°40′ N海域附近，最南靠近珠海香洲港東部22°20′ N 海域。11月2日在衛星圖像上有部分區域被云層覆蓋，晴空區所見赤潮面積約226.07 km2，赤潮向南漂移至22°10′ N，113°40′ E 附近海域，位于南部海域赤潮呈線條帶狀分布（圖9a2、b2）。11月4日伶仃洋北部部分區域被云層覆蓋，晴空區所見赤潮面積285.03 km2，赤潮繼續向南漂移，從港珠澳大橋下穿過，最南到達22° N，113°30′ E 附近海域，南部赤潮呈現細長條帶狀分布（圖9a3、b3）。11月5日赤潮影響區域較前一天變化不大，南部赤潮出現消散，所見赤潮面積288.26 km2，赤潮處在消亡階段（圖9a4、b4）。11月7日衛星圖像上已經看不到赤潮特征信息（圖10）。

圖9 伶仃洋赤潮Fig.9 Red tide in Lingdingyang Bay

圖10 11月7日伶仃洋海域真彩色合成影像Fig.10 True color composite image of Lingdingyang Bay on November 7

2.2 討論

從真彩色遙感影像可以看出，此次雙胞旋溝藻赤潮爆發導致海水變色，使水體呈紅褐色。而非赤潮水體，如干凈水體呈藍綠色，渾濁水體呈黃色。因此可以利用常用水體顏色分類方法，通過色相角設置閾值來識別赤潮。許多學者通過色相角將遙感反射率與水體顏色聯系起來，進行水體分類和識別水色異常（Woerd et al.， 2015； Zhao et al.， 2020）。由于珠江口接收來自上游珠江三角洲地區的大量徑流以及泥沙，水體光學性質復雜，特別是懸浮泥沙會干擾赤潮識別。因此通過z設置閾值來排除懸浮泥沙的干擾。

50 m 空間分辨率圖像可探測的海表目標信息更加豐富，海浪、流、海洋、鋒面、船尾跡、海面溢油、小尺度云斑等目標均能被傳感器探測到，這會對赤潮識別形成干擾（劉錦超等， 2022）。根據識別結果發現（圖11），在深圳灣出現赤潮誤判情況。通過谷歌地球影像和資料判斷，在深圳灣海域有大面積蠔排分布。另外在香港沿岸同樣出現赤潮誤判情況，結合國家衛星海洋應用中心相關資料可以看出，該區域被云塊和薄云覆蓋，雖然已經利用影像自帶的掩膜文件來去除云的影響，但難以消除薄云的影響。

圖11 赤潮干擾信息判斷Fig.11 Judgment of red tide disturbance information

利用MODⅠS、GOCⅠ等遙感數據，許多學者采用葉綠素閾值法、赤潮指數、波段比值法等監測渤海、黃海和東海等海域赤潮。由于不同傳感器波段設置存在差異和空間分辨率以及水體空間質異性，上述方法并不能直接應用基于HY-1C/D 遙感影像的珠江口精細化赤潮監測，需要結合實測數據進行大量研究以選擇最佳波段和參數。本研究基于HY-1C/D 衛星高分辨率遙感影像，結合目視解譯，利用色相角能夠很好識別出珠江口海域的雙胞旋溝藻赤潮。與Liu et al.（2022）研究不同的是，本文利用了真彩色合成波段（紅、綠、藍）遙感數據而非假彩色合成波段（近紅外、紅、藍）遙感數據。

本文的赤潮識別方法中，采用了460、560、650 nm 波段的遙感反射率作為顏色的藍、綠、紅分量進行計算，這在CⅠE標準比色體系中是不精確的。在CⅠE 標準比色系統中，R、G 和B 分量是在整個可見光光譜上進行綜合反射的結果（van der Woerd et al.， 2018）。因此利用單個藍光、綠光和紅光波段的遙感反射率計算出的色相角會出現偏差，需要進一步進行校正，但是本文研究結果為基于高分辨率遙感影像的精細化赤潮識別提供一定參考價值。

3 結 論

本研究利用水體的色相角，通過閾值分割對珠江口海域HY-1C/D 高分辨率遙感影像赤潮進行識別，并定量估算其面積，得出以下結論：

1）基于HY-1C/D 衛星高分辨率遙感影像，結合目視解譯，利用色相角能夠很好識別出珠江口海域的雙胞旋溝藻赤潮，特別是對形成初期的小范圍赤潮、低密度赤潮、條帶狀赤潮具有很好的識別效果。

2）珠江口水體光學性質復雜，以及水體接受到的太陽輻射存在差異，通過設置動態閾值來識別赤潮，赤潮水體的色相角在58°～61°變化。