海洋白帽的高空间分辨率光学遥感估算分析

赵碧，丁静，刘建强，焦俊男，唐君，陆应诚

1.南京大学 国际地球系统科学研究所, 南京 210023;

2.国家卫星海洋应用中心, 北京 100081;

3.自然资源部空间海洋遥感与应用重点实验室, 北京 100081

1 引 言

海面在风的作用下产生海浪，随着海表风速增加到某一临界值，海浪破碎并在波峰处产生大量的气泡，从而形成目视特征显著的白色气泡水体，被称为海洋白帽或白冠（Oceanic whitecaps，本文中统称为白帽）（Raizer 等，1994；Melville，1996；Pivaev等，2021）。海洋白帽是海面波浪破碎的直观表现（Callaghan 等，2008a；Salisbury 等，2014；Paget等，2015），是海气交换的重要媒介和通道（Frouin 等，1996 和2001；Callaghan 等，2008a），在海气通量交换（Asher 和Wanninkhof，1998；Goddijn-Murphy等，2016；Monahan等，1983）、海洋能量传递（Phillips，1985；Melville，1996）、海浪发展及波形破碎（Hanson 和Phillips，1999；Melville，1996；Myrhaug 和Holmedal，2008）等方面具有指示作用，是海洋环境监测研究的重要对象。

描述海洋白帽的属性参数主要有白帽反射率、白帽覆盖率等，海洋白帽在光学到微波谱段内的反射特性基本得到阐明（Koepke，1984；Kokhanovsky，2004；Moore 等，2000；Nicolas 等，2001），其在可见光、近红外波段的反射率高于背景水体，因此海洋白帽在现场观测资料中易于目视识别和提取（Koepke，1984；Frouin 等，1996，2001）。海洋白帽的现场观测分析基于原位观测的照片或视频资料，通过统计一定范围内白帽面积和发生频率等特征，从而揭示该区域环境动力的现象与影响因素（Monahan等，1983；Goddijn-Murphy等，2011；Callaghan 等，2008a；Jia 和Zhao，2019；Zhang 等，2015）。基于现场观测资料能进一步给出白帽覆盖率，即白帽面积占总观测面积的比例（Whitecap coverage 或Whitecap fraction）从而可建立起白帽覆盖率与风速之间的统计关系模型（Monahan 和Muircheartaigh，1980；Callaghan 等，2008b；Lafon等，2004）。不同海域的“白帽覆盖率—风速”模型研究，进一步揭示了风对海面（波浪破碎、海面粗糙度、海气交换等）的作用机制、影响程度及区域分异特点（Monahan等，1983；Goddijn-Murphy等，2011；Callaghan等，2008a；Jia和Zhao，2019；Zhang等，2015）。

卫星光学遥感技术开展海洋白帽的观测分析，是厘清不同区域海洋白帽的分布变化、揭示海洋环境动力特征的有效技术支撑（Koepke，1984；Kokhanovsky，2004；Moore 等，2000；Nicolas 等，2001）。在海洋白帽遥感研究中，除了云雾的影响，图像空间分辨率、海洋水色差异、海面耀光反射、海洋环境动力等均会产生影响（Monahan等，1983；Goddijn-Murphy等，2011；Callaghan等，2008a；Myrhaug 和Holmedal，2008）。如在粗空间分辨率的MODIS 数据中，难以直接从图像中鉴别海洋白帽，目前多利用统计模型来估算白帽反射信号贡献，提高MODIS 数据的大气校正精度（Gordon和Wang，1994；Hu等，2000），因此，要从海洋遥感的高空间分辨率数据中（海洋遥感与陆地遥感在空间分辨率的需求与认知上存在差异，不展开讨论）进行白帽的识别提取、厘清海洋白帽的光学遥感特征。海洋白帽能在美国陆地卫星（Landsat 8）30 m 空间分辨率的陆地成像仪OLI（Operational Land Imager）图像中清晰识别（Kubryakov 等，2021），也能在欧空局哨兵2 号卫星（Sentinel-2 A/B）10 m 空间分辨率的多光谱成像仪MSI（Multi Spectral Instrument）图像中清晰展现（如图1所示）。

图1 海洋白帽的照片与遥感影像Fig.1 Oceanic whitecaps in photograph and remotely sensed images

开展高空间分辨率海洋光学遥感数据中海洋白帽的识别提取与定量反演研究，挖掘光学遥感数据在海洋环境动力（如风场、流场等）监测中的应用潜力，能拓展海洋光学遥感的研究范畴。本研究基于Sentinel-2 MSI 高分辨率数据，进行海面白帽覆盖率的光学遥感反演，探索白帽覆盖率对海面环境动力背景的响应，分析白帽覆盖率反演算法的适用条件、不确定性和干扰因素；面向中国首个海洋水色业务卫星星座（海洋一号C/D卫星，HY-1C/D）的高空间分辨率光学载荷——海岸带成像仪CZI（Coastal Zone Imager），开展不同风速背景下，CZI 图像中白帽的可识别性研究，分析白帽反射信号在CZI各波段中的信号贡献差异，讨论海洋白帽在CZI数据中的存在特点；从而为国产自主海洋光学卫星的精细应用、海洋环境动力与海气交互监测提供参考。

2 数据与方法

2.1 数据及预处理

选用Sentinel-2 卫星的MSI 数据，其10 m 空间分辨率的影像上能够清晰识别出海洋白帽。相对应的背景风速数据，选择欧洲中期天气预报中心ECMWF（European Centre for Medium-Range Weather Forecasts）的ERA5 再分析风速产品，其空间分辨率为0.25°、时间分辨率为1 h。数据选择及预处理需基于如下几点考虑：（1）先根据背景风速优选MSI 数据。白帽的产生需要一定的风速条件，据现场统计，在6 m/s 以上的风速会产生海洋白帽，风速大于7—8 m/s 时白帽迅速增多（Monahan 和Zietlow，1969），为了保证在MSI 影像中检测到白帽，本研究选择8 m/s 以上风速条件的影像。（2）对于高空间分辨率数据，太阳耀光反射的影响较粗空间分辨率数据更为复杂（Wu 等，2022）。为了尽量避免耀光反射的影响，选择MSI数据的θm大于40°的影像。θm为海面太阳镜面反射角与传感器观测角度之间的夹角，由传感器与太阳的几何角度决定，是海面耀光反射强弱的直接指针，其大小可表征平均耀光反射的强弱，θm越大表示耀光反射越弱（Hu 等，2009；Lu 等，2016；Wen等，2018），θm的计算公式如下：

式中，θ0、θ和φ分别为太阳天顶角、传感器天顶角和相对方位角。（3）数据预处理。利用ACOLITE（版本20190326）软件对MSI L1C 级别数据进行瑞利校正获得10 m 分辨率的数据（Rrc）。鉴于云会明显干扰白帽覆盖率的估算，因此选择无云或少云的影像，对图像中少量的云进行掩膜，并对掩膜结果进行5个像元的膨胀处理。

对中国东黄海2021年MSI 数据进行筛选，研究主要使用MSI 842 nm 波段生成Rrc反射率产品，可忽略背景水体差异，具体区域和影像时间如图2所示。图2（a）、2（b）、2（c）分别由2景、5景、2 景MSI 影像拼接而成。由于影像数据的成像时间在2：16—2：41 UTC，因此将风速产品2：00 UTC 及3：00 UTC的数据取平均。

2.2 海面白帽覆盖率估算

光学卫星数据中，大气顶层总辐亮度Lt可表示为

式中，Lr、La和Lra分别表示瑞利散射、气溶胶散射、瑞利—气溶胶散射辐亮度，LWC示白帽反射辐亮度，Lw表示离水辐亮度，Lg表示耀光反射辐亮度，T、t分别为大气直射、散射透过率（Gordon和Wang，1994）。根据公式：

可将辐亮度转换为反射率，式（3）中R为反射率，L为辐亮度，F0为太阳辐照度，θ0为太阳高度角。海面反射率又分为受白帽影响及不受影响部分（Koepk，1984），结合式（2），海面反射率可表达为

式中，Rr、Ra和Rra分别表示瑞利散射、气溶胶散射、瑞利—气溶胶散射反射率，Rwc示白帽反射率，Rw表示离水反射率，Rg表示耀光反射率，T、t分别为大气直射、散射透过率，W为白帽覆盖率（Whitecap coverage），表示海面被白帽覆盖的部分占总面积的比例，由式（4）可得

式中，Rb=Ra+Rra+tRw，代表了来自背景海水与大气的反射率贡献。由于近红外波段（842 nm）中离水辐亮度可以忽略（即tRw≈0），且忽略耀光反射的影响（图2 中数据的θm均大于40°，则TRg= 0）。因此，针对图2 中白帽覆盖率可根据下式（6）进行估算：

图2 Sentinel-2卫星MSI近红外波段Rrc（842 nm）影像图Fig.2 Sentinel-2 MSI near infrared Rrc（842 nm）images

近红外波段白帽的反射率（Rwc）约为0.55（Koepke，1984；Frouin 等，1996 和2001），海洋白帽的光学特征相对稳定，具有较为明确的光谱反射率特征（Kokhanovsky，2004；Garaba 和Dierssen，2018），而图像上白帽反射率变化则是与图像中白帽覆盖率密切相关。近红外波段大气散射透过率（t）为0.7—0.8（Kneizys 等，1981），上述值仅可用于背景海水与大气均匀稳定且不受海面耀光反射干扰的区域。此外，利用式（6）进行白帽覆盖率（W）反演的关键在于准确的背景反射信号Rb的获取。本研究中，假定在4 km×4 km的区域内，海水和大气的光学属性是均匀的，对图像进行400×400（4 km×4 km）的窗口滤波，获得窗口内的最小值作为背景反射率，可进一步计算得出图像的白帽覆盖率（W）。特别需要说明的是，上述公式和参数有着严格的适用条件，本文原理分析中的数据边界清楚，可以适用，但是在未来的实际业务应用中，还需要发展业务化应用算法。

3 基于MSI影像的白帽覆盖率估算与分析

3.1 白帽覆盖率

基于MSI 842 nm 波段Rrc数据（图2）反演的白帽覆盖率如图3所示，其中云、陆地、辐射沙脊等已经被掩膜处理。白帽覆盖率作为海面波浪破碎状况的直观体现，一方面反映了风速这一主要动力因素，与风速大小呈正相关；另一方面，又受到海洋涡旋、内波、锋面等的调制（Monahan等，1983；Goddijn-Murphy 等，2011；Callaghan等，2008a）。如在图3（a）中，2021年1月13日的白帽覆盖率的变化主要受到海面风速的影响，而在图3（b）和3（c）中，在2021年1月27日和2021年2月21日的白帽覆盖率在局部区域又受到海洋锋面、涡旋等的影响（具体分析见3.3 节）。总体而言，图3 中平均白帽覆盖率在1%上下（对应风速8—12 m/s），这与白帽的现场观测（基于海面实拍照片或视频等资料）分析结果较为接近（Blanchard，1983）。

图3 基于MSI数据的白帽覆盖率估算结果Fig.3 MSI images derived whitecap coverage

为了验证白帽覆盖率算法的估算精度，本文针对图2（a）中红框框选出的12 个区域开展精度评价。12 个500×400 像元验证区域的842 nm 波段Rrc图像见图4 第一和第三列，对这12 个区域图像采用人工目视解译的方法，通过选取合适阈值分割出图像中的海洋白帽，并计算出该区域中的白帽覆盖率（图4 第二、第四列）。将12 个验证区域的算法反演结果与目视解译结果进行对比分析（如图5所示），算法反演的白帽覆盖率与目视解译的白帽覆盖率具有较好的一致性（R2=0.85），说明提取结果的精度可靠验证拟合线低于1∶1 线，说明本研究算法在弱耀光条件下存在一定的低估。

3.2 基于白帽覆盖率的海面风速反演

海面白帽是风生波浪破碎的直观表现，在其他海洋环境动力影响较为均匀的区域，白帽覆盖率与海面风速（海面10 m 高处的风速，U10）具有密切的统计关系（Monahan 和Muircheartaigh，1980；Anguelova 和Webster，2006；Anguelova 和Bettenhausen，2019）。基于海面实测数据，构建“白帽覆盖率—风速”统计模型，有利于对区域海洋环境动力等的深入研究。需要指出的是，本研究的重点在于能否反演出海面风速，并与已有风速产品进行对比分析，但基于本区域海面实测结果的“白帽覆盖率—风速”统计模型缺乏，因此选择Monahan 和Muircheartaigh（1980）的白帽覆盖率—风速模型来反演海面风速。模型公式如下：

式中，W代表白帽覆盖率，U10为风速，对其进行变换可以给出风速反演模型如下：

利用式（8）结合图3（a）的海面白帽覆盖率提取结果，可以得到该区域风速反演结果（如图6（a），空间分辨率为4 km），图6（b）为该区域同时段的ERA5 海面再分析风速产品（时间差＜15 min，空间分辨率为0.25°）。对比图6（a）和6（b），整体风速为东北方向风速高，向西南方向风速递减，MSI推导的风速结果因为江苏沿海辐射沙脊的影响会出现一些反演异常值（见图6（a）左下角）。总体上，基于MSI 白帽覆盖率反演的海面风速与ERA5海面风速产品的空间变化趋势与风速变化区间基本一致。给出二者的频率累计曲线对比如图6（c），用于进一步评估风速反演的精度。海面风速的频率累计曲线图可以说明，MSI白帽覆盖率反演的海面风速与ERA5 海面风速产品变化基本一致，但MSI 反演的海面风速略低于ERA5 风速产品的值，二者之间的差异在风速为10 m/s左右达到最大，为1.6 m/s，大部分差异在1 m/s 以内，这主要是由于算法对MSI图像中白帽覆盖率的低估造成（图5）。

图5 目视解译与算法估算白帽覆盖率对比图Fig.5 Comparison of visual interpretation and algorithmic estimation of whitecap coverage from MSI images

图6 MSI白帽反演风速及其与ERA5风速产品的对比Fig.6 Comparison between whitecaps derived wind speed based on MSI images and wind speed product of ERA5

3.3 其他环境动力对白帽覆盖率的调制

海洋白帽主要反映的是风生波浪的破碎过程，虽然海面风场是白帽产生的首要因素，但风生波浪也会被涡旋、内波等其他海洋环境动力所调制，从而改变白帽的发生概率（Thorpe 等，1987；Romero，2019）。图7分别反映了海洋锋面、涡旋、内波和船只尾迹对白帽覆盖率的影响：图7左列为MSIRrc（842 nm）影像（图7（a）与图7（b）左列分别为图2（b）和2（c）中红框区域，图7（c）左列为图8（a）中红框区域）；图7右列为白帽覆盖率。

MSI 842 nm 的开阔海洋观测数据中，虽然该数据的观测角度避开了强耀光反射（图2中数据的θm均大于40°），但在高空间分辨率光学影像中，海面耀光反射差异实际上仍存在，并对影像总信号有贡献（Wu 等，2022）。如图7（a）所示，海洋锋线（图中红色虚线）两侧呈现明显的水团图像特征差异，图7（a）中白帽覆盖率在不同水团之间也表现出类似的差异，虽然海水离水辐亮度差异可以忽略，但是白帽覆盖率差异和耀光反射差异同时存在；图7（b）和（c）反映了受海洋涡旋与内波的影响，白帽覆盖率会存在一定程度的升高。易于理解的是，相同风速条件下，内波的波峰处较其他位置，波浪更易于破碎而产生白帽（Thorpe等，1987；Kubryakov等，2021）。

图7 不同海洋环境动力对白帽的影响Fig.7 Influence of different marine environmental dynamics on whitecaps

海洋白帽是风生波浪破碎的产物，这种波浪破碎也受到海面锋面、涡旋、内波等各种其他海洋动力因素的调制，在高空间分辨率的MSI 影像上，海洋白帽及其覆盖率所反映的海洋与大气背景动力特征能清晰展现。

3.4 耀光反射对白帽覆盖率估算的影响

海面耀光反射差异一直是海洋光学遥感研究关注的重点问题（Cox 和Munk，1954；Jackson 和Alpers，2010；Kay 等，2009；Harmel 等，2018）。基于经典统计模型（Cox 和Munk，1954）估算的耀光反射率，虽可以准确描述粗空间分辨率卫星光学遥感数据（如250 m 的MODIS 数据）中耀光反射的强弱；但在高空间分辨率的海洋光学遥感数据中（如10 m 的MSI数据），耀光反射规律会有所不同（Wu 等，2022），表现出较大的离散性，无法通过统计模型或简单的空间滤波进行剔除（Jackson 和Alpers，2010）。本研究白帽覆盖率估算算法中的4 km × 4 km 窗口滤波方法，本质是一种平滑处理（主要用于消除海水和大气的影响），不能直接从总体反射率中有效消除耀光反射的影响，因此无法处理强耀光反射的图像。

为了阐明耀光反射对海面白帽覆盖率估算的影响，选择2021年6月2日的6 景MSI 数据（数据预处理与图2 和图3 一致）。如图8（a）中所示，θm从左到右逐渐减小（由32°减小到16°），耀光反射不断增强；图8（b）为算法估算的白帽覆盖率，与耀光强度空间变化相似；图8（c）为该区域同时段的ERA5风速产品，在无明显水团、涡旋等海洋动力环境的调制下，风速与白帽覆盖率的空间分异显然不同（图8（b））。此外，在相似风速下（8—12 m/s），图8（b）中强耀光反射下的白帽覆盖率较图3（a）的结果有一个数量级上的差异；对图8（a）与图8（b）做采样分析，以θm为横轴（图8（d）），不难发现样点的Rrc（842 nm）反射率与白帽覆盖率（W）的变化趋势一致。

图8 Sentinel-2 MSI影像中白帽覆盖率与耀光变化分析Fig.8 Whitecap coverage and sunglint variation in Sentinel-2 MSI images

海面耀光反射是白帽识别估算的主要干扰，本研究算法只适用于弱耀光反射下（θm大于40°）的MSI图像，如何有效消除耀光反射的影响，也是今后亟待关注的重点问题之一。

4 CZI数据中海洋白帽的响应

HY-1C/D 是中国首个海洋水色业务卫星星座，CZI载荷能提供星下点空间分辨率为50 m、中心波长位于460 nm、560 nm、650 nm 和825 nm 的4 波段海洋光学遥感数据（沈亚峰 等，2020）。本文所用的CZI 数据均为L2A 级的瑞利校正反射率产品（Rrc），由于像元的混合效应，相对较低风速条件下的白帽难以被CZI图像有效识别，随着风速的增加，海洋白帽逐渐被有效检测出，即CZI图像中检测出海洋白帽的最低风速要大于MSI图像。

图9 为选取的开阔海洋CZIRrc（825 nm）图像，图像都为海面弱耀光反射条件，海洋环境动力影响不明显，且涵盖不同风速条件下的影像，该区域同时段的ERA5风速均已经标注在Rrc（825 nm）图像上。对CZI图像上的海洋白帽进行识别并计算其覆盖率，图9（a）和图9（b）中海洋白帽不能被有效识别；在较高风速下（图9（c）、（d）、（e）、（f））海洋白帽能够从CZI 图像上检测出。50 m 空间分辨率CZI图像中可识别的海面白帽，其所对应的海面风速约9 m/s 以上，随着风速的增加，其白帽覆盖率也随之增加（图9（c）、（d）、（e）、（f）），这也反映了CZI数据具有对高风速下的海面白帽覆盖率进行遥感监测与估算的应用潜力。

图9 不同风速条件下HY-1C/D CZI影像中的白帽及其目视解译结果Fig.9 Whitecaps in HY-1C/D CZI images and corresponding visual interpretation results at different wind speed（U10）

为了进一步分析阐明CZI图像中的海洋白帽反射率与背景海水反射率的差异，本研究对图9 中4 幅CZI 图像（图9（c）、（d）、（e）、（f））的4 个波段（460 nm、560 nm、650 nm 和825 nm），对其海洋白帽反射率与背景海水反射率分别进行统计分析，结果如图10所示。CZI 的4 个波段图像中，白帽反射率均明显高于背景海水反射率，反射率差异分别为5.8%、7.8%、8.3%和7.3%。

图10 HY-1C/D CZI不同波段的海洋白帽与背景海水反射率差异Fig.10 Reflection difference between whitecaps and background seawater in different HY-1C/D CZI bands

5 结 论

海洋白帽是海面风生波浪破碎的直观表现，其区域性特征参数——白帽覆盖率，不仅与海面风速有着密切的统计关系，也会受到其他海洋环境动力的调制。海洋白帽对入射光具有较高的反射散射特征，是海洋光学遥感数据的大气校正一个重要环节。随着海洋光学遥感数据空间分辨率的提高，海洋白帽能被有效的探测，从而开展更为丰富的研究与应用探索。本文针对Sentinel-2 MSI数据，分析海面白帽反射率的信号贡献，利用一种用于弱耀光反射条件下的白帽覆盖率估算方法，开展MSI图像上白帽覆盖率反演。基于MSI图像估算的不同区域海面白帽覆盖率，与海面风速的变化具有良好的空间一致性和统计关系，基于白帽覆盖率估算的海面风速与ERA5再分析海洋风速产品对比验证表明，其相对偏差不大于1.6 m/s。此外，不同水团、锋面、涡旋、内波等其他海洋环境动力对海面白帽的调制作用，能显著改变遥感数据反演的白帽覆盖率；与此同时，MSI图像中耀光反射对海面白帽遥感的干扰与影响也不容忽视。最后，基于HY-1C/D 卫星CZI 载荷数据开展海面白帽的响应分析，结果表明：海面风速大于9 m/s 时，在无其他海洋环境动力的调制下，海面白帽可被50 m 空间分辨率的CZI 载荷所探测，且白帽覆盖率随着风速的增加而增加；不同CZI波段图像中，白帽反射率与背景海水反射率有5.8%—8.3%的差异。这表明，HY-1C/D 卫星CZI 载荷可成为海洋白帽深入研究的可用数据源，能用于较高风速下的海面风速反演。总之，随着海洋光学遥感载荷空间分辨率的提升，通过海洋白帽的有效探测，能为海面风场及其他海洋环境动力监测提供新的技术方法参考，也必将在海面风场反演、海气交换、海洋动力环境研究等方面发挥越来越重要的作用。

志 谢感谢美国南佛罗里达大学海洋科学学院胡传民教授、武汉大学测绘遥感信息工程国家重点实验室田礼乔教授、中国科学院烟台海岸带研究所邢前国研究员对本研究的指导；感谢欧空局和欧洲中期天气预报中心提供的MSI和ERA5数据（https：//scihub.copernicus.eu/dhus/#/home，https：//cds.climate.copernicus.eu/cdsapp#！/dataset/reanalysis-era5-single-levels？tab=form）；感谢国家卫星海洋应用中心提供的CZI 数据（http：//www.nsoas.org.cn/）。