基于GIS的浒苔监测系统设计与实现

房云峰，柳林，马天赐，刘鲁论，王广涛

（山东科技大学 测绘科学与工程学院，山东 青岛 266510）

1 引 言

近几年，浒苔灾害已在我国多处发生，严重影响了沿海的旅游业、养殖业和海上运输的发展［1］，浒苔问题不同于一般的固态垃圾，它的生成没有固定地点，其繁殖与漂移也受到各种因素的影响［2］，目前的处理方式未能达到对现有资源的优化配置。鉴于此，采用更为高效的GIS技术，综合分析浒苔的扩散和生长因素，以实现浒苔污染范围的动态预测和及时生成处理方案，显得尤为重要。

地理信息科学（GIS）是建立在地球科学、信息科学和计算机科学等基础上的边缘学科，利用地理信息技术、计算机网络技术和数据库技术，建设基于GIS的浒苔信息监测系统，将有助于实现浒苔灾害信息的数字化管理和共享，对提高浒苔清除、环境维护工作的效率和水平，增强应对突发浒苔灾害事件的分析和处置能力，促进海洋环境维护工作的开展，具有重要意义。

2 系统总体设计

系统建设内容包括利用空间数据库技术，对海洋基础地理信息库、海洋浒苔专题地理信息库进行设计和建设，实现地理空间数据和业务属性数据一体化存储和管理；运用POM海洋模式，生成基于海洋基础数据的浒苔动态分布，基于ArcGIS Engine组件技术，实现海上突发浒苔事件的空间可视化分析、制图表达和输出；基于三维椭球体可视化技术，实现浒苔案例的应急分析、量算分析功能，为海洋环境维护工作提供辅助决策。

为实现信息的实时更新发布和交互，系统整体架构采C／S与M／S模式，分为数据层和功能层。数据层是整个系统的重要组成和基础，系统所有查询浏览和分析运算都是在数据层上进行的，它由海洋基础地理信息库、海洋专题地理信息库、海洋表层流场数据信息库、海洋浮标监测信息库和海洋遥感监测信息库共同构成。具体的系统架构图如图1所示。

3 系统关键技术

3.1 遥感影像提取浒苔分布信息

MODIS数据存储格式为L1B级HDF（Hierarchical Data Format），该格式是一种分层式数据管理结构，是经过仪器定标后的，没有经过大气校正，包含有地理定位信息，但是和图像信息没有连接［3-4］。

表1 MODIS数据基本信息

其中，RefSB为太阳光反射波段，Emissive为热辐射波段。

海水中浒苔的监测主要取决于海水水体本身和水中的叶绿素对太阳光的反射、吸收和散射，遥感器接收到的光L 可以用式（1）表示［5］。

其中，LS为水面反射光，LW为离水辐射（水中散射光的向上部分和底部反射光），LP为天空散射光。

浒苔是依附于背景海水而存在的，浒苔与背景海水间的反射率差异越大，则成像后遥感影像间的反差越显著，据此可识别出浒苔。浒苔波谱特征的测试分析是遥感监测浒苔研究的基础，浒苔暴发时，由于浮于水面上的浒苔的厚度差别，使水体颜色、密度、透明度产生差异，导致水体反射能量的变化，进而在遥感图像。上反映为色调、灰阶、形态、纹理等特征的差别［10-11］。实际测得的浒苔光谱反射率曲线如图3所示。

3.2 动态洋流设计与实现

3.2.1 洋流数据组织

流场运动变化趋势是影响浒苔扩散漂移路径的重要因素，所以再现流场实时的运动状态，对浒苔扩散漂移路径的判定具有重要作用［6］。洋流场数据是海洋动力学研究的重要内容之一，具有空间位置和时间两大基础特征。而Argo计划是1998年推出的一个全球海洋联合观测调查项目，旨在快速、准确、大范围收集全球海洋流、温、盐资料和流、温、盐结构特征［7］。目前，全球Argo观测网每月可提供1万多条海洋流、温、盐实时观测数据，其数量之多是前所未有的。但Argo资料也存在一些固有的缺陷：Argo浮标的平均布放间隔约为30km，浮标每10天～14天完成一个海洋剖面的测量并发送数据［13］。从浒苔分布海域的研究意义来讲，Argo资料在空间上是稀疏的、时间上是不连续的，由观测条件限制造成的数据缺失、数据本身存在的系统误差、随机误差、采样密度过稀等原因，使得流场数据在空间分布上往往具有不均匀性。因此，有必要对原始Argo测量数据进行插补或插值处理以及对观测数据进行浒苔观测时间段内的统计处理分析，以期在其客观性、科学性和完备性上进行提升。

插值方法是采用周边资料估算和逼近缺测点数据信息的常用手段［14］，常用的插值方法包括：Kriging插值、Lagrange插值、样条拟合插值和多项式法、有限元法、变分法以及逐步订证和最优内插方法，它们可满足大尺度大气、海洋数据资料的插值拟合需要，以对海洋的灾情监测动态数值模拟做出科学的依据与运算基础。本文采用当前主流和行之有效的不规则数据插值技术，结合全球最大的地理信息系统技术与服务提供商Esri的ArcToolBox地理信息处理工具箱，运用克里金插值算法工具集对原始Argo海流方向与速率测量数据进行区域经验插值处理，获得海流的角度方向信息、洋流速率大小，对于大数据量具有方便程序读取、处理，易于结构化维护等特点。

3.2.2 动态洋流可视化实现

由于近海区域的面积较大，对于流场数据计算机不可能流畅的一次性绘制几十万个箭头，本系统采用CSGL（C Sharp Graphics Library）显示列表（Display List）的方式实现大批量的绘制。它通过强大的3D图形命令，可以完成绘制物体、变换、光照处理、着色、反走样、融合、纹理映射等操作，通过把这一系列基本操作进行组合，可以构造更复杂的3D物体和描绘更加逼真的丰富多彩、千变万化的客观世界［15］。

OpenGL显示列表（Display List）是由一组预先存储起来的留待以后调用的OpenGL函数语句组成的，可实现对绘图命令的瞬时执行，由于流场数据具有数据量大、时间跨度大的特点，故采用统一的多时态数据管理方式，用“时间滑块”实现数据内容和时间的挂钩，通过时间的改变，动态显示洋流场变化。图4是对洋流数据分时段读取处理并可视化显示的流程图。

经插值后的洋流数据，包含动态洋流的角度信息和位置信息，系统通过绘制不同方向、不同颜色梯度的箭头来实现对洋流的可视化。在点（i，j）处的角度确定方法如图5所示，角度函数θ运算后的结果是指洋流与正东方向的夹角。

洋流的方向确定之后通过计算单位颜色梯度值per，来确定渲染器的参数，per的确定方法为

其中RampSize是对应影像上的像素值跨度，valueMax和valueMin分别是洋流速度的最大和最小值，最后通过可视化算法实现洋流的动态模拟，图6是速率渲染的示意图。

图6 洋流速率渲染示意图

3.3 POM算法与浒苔监测相结合

POM（Princeton Ocean Mode1）由美国普林斯顿（Princeton）大学Blumberg和Mellor于1977年共同建立起来的一个三维斜压原始方程数值海洋模式［8］，采用POM模式的串行版软件，能够较好地满足潮汐和三维潮流的数值计算要求，因此国内外许多业务化数值预报和再分析系统都是以POM模式为基础开发的［9］。在浒苔监测中，运用POM数值模拟算法，根据海域盐度、海水温度、流速、酸碱度和湍流参数等生成分级设色的预警模型，对浒苔进行预测，针对高危海域实施一级监控。浒苔灾害不同于其他的环境污染，它的生成没有固定地点，其繁殖与漂移也受到各种因素的影响，因此本文根据提取的空间信息及属性数据（如：浒苔初始分布位置和数量、海水温度、风向风力、降水、海浪、海水盐分、气候等及其对浒苔生成影响程度），对所需近海区域进行分析，得出生成浒苔的可能性大小预报图，并采用分级设色方法标示灾害严重程度。

预警分析模块的主要功能包括：生成浒苔厚度分布图，生成近海的表层盐度分布渲染图，浒苔厚度的二、三维查询，打捞路线的可视化，生成辅助决策方案等。

算法中运用的POM主要参数方程为：

4 系统功能实现

4.1 信息查询模块

信息查询模块主要实现了多地图的显示与查看，包括卫星地图、矢量地图、海图、三维地图。4种地图各有优缺点，能够满足不同用户的各种信息查询需求。其中，海图涵盖了黄海海域的所有重要性航线、航道和港口信息，能很方便的查看到浒苔覆盖面对近海航道的影响，可及时更改航线，最大限度减少浒苔对海上运输的影响。

信息查询功能包括基本信息的查询（旅游景点、养殖区、重点保护区等），浒苔分布面积的查询，以及导出当前地图和数据管理。基本的地图浏览功能有：放大、缩小、全图、漫游、自由缩放、空间量算、鹰眼等。

其他查询还有：地域、海域查询，海域的温度、盐度、酸碱度、氮磷分布查询（图表查询），洋流方向与分布查询，区域浒苔发生记录查询，某海水的成分含量，单位升水中引起浒苔的浮游植物个数，光照强度，浒苔增长速率查询等。

4.2 扩散路径动态模拟模块

4.2.1 洋流可视化实现

为了达到更好的动态可视化效果，本系统利用三维视角高度的变化对数据进行抽稀处理，并且使监测的数据在二、三维场景下再现洋流场的动态变化，随视角高度的远近变化，流场密度分布如图7、图8所示。

图7 近景观测流场密度分布

4.2.2 扩散动态模拟实现

动态扩散模拟运用在遥感影像中提取的浒苔范围数据，为了更加真实的再现浒苔扩散漂移路径，通过获取两个浒苔面的Geometry并转为点集，计算浒苔面外轮廓线上点到初始点的Segment的长度与外轮廓线长度比值相同的点。将比值相同点的位置分成30步，通过Timer控制速度，实现浒苔扩散漂移路径的动态可视化效果。

图8 远景观测流场密度分布

图9 运用CSGL绘制浒苔区域

在二维扩散中通过刷新Element来实现浒苔动态扩散的效果，在三维下是通过CSGL绘制浒苔区域。将图形渐变算法与CSGL相结合，借助ArcGIS的二、三维一体化平台，解决了动态扩散模拟的难题，真实再现浒苔的扩散漂移路径，可为相关决策部门提供有效的支持。

4.3 预警分析模块

预警分析模块的理论支持是海洋数值模拟，也叫计算机模拟，由于对海洋的实际观测资料较少，无法满足研究需求，通常采用海洋原始方程组求离散解［8］的方法来研究，通过数值计算和图像显示的方法，达到对工程问题和物理问题乃至自然界各类问题研究的目的。目前海洋学界较为常用的OGCM有POM、FVCOM、HAMSOM、HYCOM等。

4.4 综合评估模块

综合评估模块：生态健康敏感性评估；旅游损失评估；生物渔业损失评估等。

如表7、8所示,对最佳样品B的预期寿命推算。根据logV0与1/T的线性相关性,可以预测,复方精油微胶囊在室温25 ℃的条件下,精油分解10%,所需时间约为155 d。

综合评估的具体内容：生态健康敏感性评估主要针对生态健康与环境污染，根据浒苔的分布面积、风场、温度、以及当时的其他条件确定污染级别，给有关单位提供建议，如打捞船只数量、拦截范围等。旅游损失评估是在往年客游量基础上，根据旅游景点旅游指数、浒苔范围、污染级别等，根据数学模型计算而来，包括餐饮、运输、旅行社等损失共同组成。生物渔业损失评估是指通过数学模型计算浒苔污染对当地渔业的影响，由于养殖区与非养殖区的生物密度差别很大，并且成年鱼与幼鱼计算方法不一，本系统通过渔业资源密度值来区分养殖区与非养殖区，对具体的评估模型论述如下：

成年鱼为主的评估模型：

其中，W 为成体损失量（t），D为渔业资源密度（以重量计，t／km2），R 为成体比例（%），V 为影响面积（km2），M 为浒苔致死率（%）。

幼鱼为主的评估模型：

其中，W 为成体损失量（t），D为渔业资源密度（以尾数计，ind／km2），r为幼体比例（%），V 为影响面积（km2），M 为浒苔致死率（%），N 为长成率（%），I为每尾质量，即尾重（g／ind）。

海洋植物的评估模型：

其中，W 为植物损失量（t），D为植物资源密度（t／km2），V为影响面积（km2），M为浒苔致死率（%）。

如何准确、合理的对生态健康进行敏感性评估及对敏感区域进行划分是浒苔灾情的一大难题，本系统采用空间刨分算法对受灾区域进行网格划分，对单个网格进行敏感性分析。在对单个网格进行敏感性分析时，采用打分机制（图10），并利用空间拓扑进行叠加分析。

通过空间刨分打分机制，对不同敏感性地物赋予不同分值，刨分完毕后每个网格都得到了具体的敏感性得分，根据分值的不同将分析区域划分成敏感区、半敏感区和非敏感区。

4.5 基于WP7的移动终端与信息发布

手机移动终端采用WP7客户端主要实现了二维地图浏览、浒苔分布信息查询、Socket实时通信、GPS信息定位与记录等功能。

图10 空间刨分打分机制

ArcGIS Server是ESRI公司最新推出的网络服务器端产品，通过ArcServer行业分析服务器实时发布地图服务（REST类型的MapServer）与WP7灾情信息实时交互与监测灾情，并实现了对地图的信息检索，可通过条件查询，查看所关注时间的浒苔灾害情况。

Socket接口是TCP／IP网络的最为流行的API（ApplicationProgrammingInterface应用程序编程接口），最新版的Socket接口定义了许多函数或例程，本系统用它们来开发基于TCP／IP网络上的安全、高效、稳定的通信应用程序。WP7移动端使用了Server Socket监听指定的端口，当客户端使用Socket对网络上某一个端口发出连接请求时，出现链接等待，链接成功后自动打开对话窗口，实现了跨平台的高性能的信息交互。点击主页面下方的信息页面，进入信息收集／发布页面。在该页面中可以分别输入浒苔灾害的发生时间、地点以及灾情描述。点击发布链接按钮，进入发布页面，可以分别查看已添加信息并实时发布。在信息监测中心主程序控制台中可以看到已发布成功的灾情描述。

WP7移动端与海监船实时定位模块，可实现海监船的GPS（Global Positioning System）定位、灾情实时监测、浒苔打捞路线的可视化。当浒苔监测员在海上发现浒苔分布后，执行“获取浒苔位置信息”时，利用的是移动端内置的高精度GPS定位设备，以此来确定浒苔所在的具体位置信息，此方法具有受外界环境影响小、能保证实时全天候导航定位的优点，同时移动端小巧的体积方便携带，操作简单，可极大提高工作效率。

移动端获取的位置信息包括浒苔分布的地理经纬度、海拔高度、轨迹点编号观测时间以及打捞船的航向（图11），移动端可将这些信息连同监测得到的浒苔厚度、移动速度、环境影响因子等信息，保存到本地数据库或通过监听端口传回主系统数据库，从而实现数据的采集和信息的传输，保证了信息的实时更新和数据的真实可靠。主系统在接收到移动端批量传回的监测信息后，可在多时态数据管理模块对传回的数据进行处理和分析管理，对打捞路线、海监船的轨迹、打捞作业的完成情况及效果进行预览（图12），并可在监测中心中对海监船的位置和打捞路线进行调整，实现实时的可视化的打捞指挥与决策。

图11 移动端与海监船实时定位通信图

图12 打捞船路线的可视化

5 结束语

本系统是基于遥感影像提取的浒苔信息，并结合数值模拟进行适当分析，是在已有的数据资料与前人研究的成果基础上，结合青岛本地实际需求，基于GIS设计并实现的浒苔监测系统，将POM海洋数值模拟这一海洋科学前沿成果与GIS相结合，运用ArcGIS提供的相关组件和接口，结合遥感影像反演的信息提取等技术，实现了浒苔灾害的信息查询、扩散模拟、洋流显示、预警分析、损失评估等功能，并结合WP7的移动终端实现了信息的多渠道信息发布、移动巡检等基于移动端的功能。

当前我国浒苔灾害频繁，而对浒苔的监测和治理方面尚处于研究摸索阶段，随着理论研究的深入和技术水平的提高，预报系统在数据处理和预报精度上有待于不断改进和提高。

［1]于晓杰.南黄海西部夏季环流及其对浒苔漂移影响的数值研究［D］.北京：中国海洋大学，2011：2－3.

［2]李燕，李云，刘钦政.浒苔漂移轨迹预报系统［J］.海洋预报，2010，27（4）：74－78.

［3]马金峰，詹海刚，陈楚群，等.赤潮卫星遥感监测与应用研究进展［J］.遥感技术与应用，2008，23（5）：604－610.

［4]田国良，倪晓东，宋福，等.用光谱数据估算水体叶绿素浓度［J］.环境遥感，1988，3（1）：71－79.

［5]赵英时.遥感应用分析原理与方法［M］.北京：科学出版社，2003：18－32.

［6]乔方利，王关锁，吕新刚，等.2008与2010年黄海浒苔漂移输运特征对比［J］.科学通报，2011，56（18）：1－2.

［7]许建平，朱伯康.ARGO全球海洋观测网与我国海洋监测技术的发展［J］.海洋技术，2001，6（20）：2－3.

［8]郑沛楠，宋军，张芳苒，等.常用海洋数值模式简介［J］.海洋预报，2008，25（4）：2－16.

［9]王亮，赵晓东，沈永明.基于GIS的POM模型及其在渤海潮流模拟中的应用［J］.水动力学研究与进展，2009，24（6）：771－775.

［10]周伟奇.内陆水体水质多光谱遥感监测方法和技术研究［D］.北京：中国科学院遥感应用研究所，2004：9－42.

［11]蒋兴伟，刘建强，邹斌，等.浒苔灾害卫星遥感应急监视监测系统及其应用［J］.海洋学报，2009，31（1）：54－59.

［12]谢宏全，刘军生，卢霞.浒苔反射光谱库系统设计与实现［J］.海洋环境科学，2012，31（4）：603－606.

［13]张韧，黄志松，刘巍，等.基于 ARGO浮标资料的太平洋三维流场估算［J］.水动力学研究与进展，2012，27（3）：257－259.

［14]马轩龙，李春娥，陈全功.基于 GIS的气象要素空间插值方法研究［J］.草业科学，2008，25（11）：13－19.

［15]韩李涛，孔巧丽，戴洪磊，等.基于 OpenGL的规则格网地形法线计算优化研究［J］.测绘科学，2012，37（5）：17－19.

［16]朱莉莉，幺光，张翔.基于声纳探测的浒苔灾害监测研究［J］.科技信息，2009（3）：187－188.