基于2002—2018 年MODIS 数据的黄海叶绿素a时空变化研究

田洪阵，刘沁萍，Joaquim I.Goes，Helga do Rosario Gomes，杨萌萌

（1.天津工业大学 经济与管理学院，天津 300387；2.哥伦比亚大学 拉蒙特多尔蒂地球观测站，美国 纽约 10964；3.名古屋大学 环境学研究生院，日本 爱知 4648601）

海洋浮游植物提供了全球约一半的初级生产量（Boyce et al，2010），作为食物链的基础（高月鑫等，2018），对海洋生态系统具有重要影响（陈悦等，2018；田洪阵等，2019），因而一直都是海洋生态学研究的重要对象（柳欣，2012）。黄海作为我国重要的渔场，因商业捕捞过度，90 %的渔业资源面临枯竭的危险（Jin，2017）。有关该区浮游植物的研究对海洋生态系统保护和渔业资源开发利用与保护具有重要意义。

叶绿素a 浓度是反映浮游植物生物量的重要指标（Blondeau-Patissier et al，2014）。对黄海叶绿素a 浓度的研究始于20 个世纪60 年代，现在基本弄清了其空间分布特征（朱明远等，1993）。随着数据的积累，对叶绿素a 浓度的研究也扩展至年际变化（Yamaguchi et al，2012；Hao et al，2019）。研究方法也从最初的实地观测（朱明远等，1993；刘述锡 等，2011），逐步扩展至遥感监测（金松等，2017；Hao et al，2019），对叶绿素a 浓度分布与变化原因的探讨也逐步深入（金松 等，2017；孙晓，2018；Sun et al，2018）。

已有研究大大增进了对黄海浮游植物分布与变化的认识（李宝华等，1999；王勇等，1999；郑国侠等，2006；王丹，2008；高爽等，2009；傅明珠等，2009；李曌，2010；张江涛等，2010；刘述锡等，2011；Jang et al，2013；刘春颖等，2014；刘光兴 等，2015；化成君 等，2015；Liu et al，2015；杨洋等，2016；Sun et al，2018），但是尚存在研究的时间尺度短、限于局部海域以及分析影响因子少等不足，因而难以全面认识黄海浮游植物时空分布与变化特征及其与环境因子的关系。本文利用2002-2018 年MODIS Aqua 叶绿素a 浓度数据，研究其在黄海的时空分布与变化特征，并分析气候、水文、地理因素对其分布与变化的影响，以期加深对黄海浮游植物的分布变化及其原因的理解。

1 数据与方法

1.1 研究区概况

黄海位于119°4＇F-127°4＇F，31°55＇N-39°57＇N，是太平洋西部的一个边缘海，西侧为中国大陆，东侧为朝鲜半岛，西北部通过渤海海峡与渤海相通，南部与东海相连，面积约380 000 km2，平均深度约44 m（李琳，2018）。主要入海河流有淮河、鸭绿江、大同江和汉江等。黄海地处暖温带和东亚季风区，冬季盛行偏北风，夏季盛行南风和东南风（Zhu et al，2017；孙晓，2018）。黄海海流较弱，表层流受风力制约，具有风海流性质（孙晓，2018），该海域主要水团有沿岸水团、中央冷水团和南黄海高盐暖水团（Zhu et al，2017；2018）。

1.2 技术路线

以美国航空航天局（National Aeronautics and Space Administration，NASA）叶绿素a 浓度数据为数据源，采用谷歌地球引擎（Google Farth Fngine，GFF）平台对其进行处理得到黄海叶绿素a 浓度数据，并分析其时空分布与变化特征。后结合海洋表面温度、风速、盐度、光合有效辐射和混合层厚度数据分析叶绿素a 浓度时空分布与变化的原因，具体技术路线见图1。

1.3 叶绿素a 浓度数据及处理方法

叶绿素a 浓度数据为美国航空航天局Goddard航天飞行中心的海洋生物学处理组（Ocean Biology Processing Group）制作的3 级SMI 产品，传感器为搭载在Aqua 卫星上的MODIS（MODerate resolution Imaging Spectroradiometer）传感器，时间分辨率为天，空间分辨率为4 km，本文所用数据时间跨度为2002 年7 月4 日—2018 年9 月30 日。该数据产品是由440～670 nm 的可见光波段与实测叶绿素a 浓度的经验关系计算得到。在具体的计算过程中，把波段比值算法和颜色指数算法相结合，并取0.15 ＜CI（颜色指数）＜0.2 mg/m3作为两个算法的过渡区，以保证结果的平滑（NASA，2018）。Cui等（2004）利用实测数据计算了该数据集的误差，在近岸海域其误差为32 %，优于SeaWiFS（Seaviewing Wide Field-of-view Sensor） （误差40%） 和MFRIS（Medium Resolution Imaging Spectrometer）（误差54%）数据。根据生产该数据的算法特征，在远海其精度会更高。

图1 技术路线图

本文主要通过谷歌地球引擎平台对MODIS Aqua 叶绿素a 浓度数据进行处理。具体包括：利用GFF 将叶绿素a 浓度日值数据转化成月值数据，再利用月值数据计算得到各季和全年的数据，最后计算得到了各月、各季和全年（1-12 月）的叶绿素a 浓度空间分布和变化数据。利用GFF 计算了区域平均的日值叶绿素a 浓度数据，然后利用Access 由日值数据计算得到了各月、各季和全年的叶绿素a 浓度时间序列数据和各月的多年平均叶绿素a 浓度数据。在计算的过程中，剔除了有效值比例低于10 %的数据。有效值比例计算方法为：具有有效值像素的个数除以区域总像素数再乘以100%。季节划分方法为：冬季为上一年的12 月至本年2 月，春季为3-5 月，夏季为6-8 月，秋季为9-11 月。

1.4 海洋表面温度数据及处理方法

海洋表面温度数据来自美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA）的第二版气候数据集（Clayson et al，2016）。其时间跨度为1988 年至今，空间分辨率为0.25°，时间分辨率为3 小时。在GFF 中将其转化成日值数据后，再转化成月值数据，然后利用月值数据计算得到各季和全年的数据，最后计算得到了各月、各季和全年的海洋表面温度空间变化数据。利用GFF 计算了区域平均的日值海洋表面温度数据，再利用Access 计算得到月值数据和年值数据。各个季节的海洋表面温度数据则由月值数据平均得到，季节划分方法同叶绿素a 浓度数据。

1.5 风速数据及处理方法

风速数据来自美国国家海洋和大气管理局（NOAA） 的第二版气候数据集（Clayson et al，2016）。其时间跨度为1988 年至今，空间分辨率为0.25°，时间分辨率为3 小时。其计算方法与海洋表面温度数据处理方法相同。

1.6 盐度数据及处理方法

盐度数据来自美国国家海洋合作计划（National OceanPartnershipProgram，NOPP）所支持的HYCOM联盟（https://www.hycom.org/） （Cummings et al，2013）。其时间跨度为1992 年至今，空间分辨率为0.08°，时间分辨率为天。选取了2 m 深处的盐度日值数据，计算方法与海洋表面温度数据处理方法相同。

1.7 光合有效辐射数据及处理方法

光合有效辐射数据来源于美国航空航天局（NASA）Goddard 航天飞行中心的海洋生物学处理组制作的3 级SMI 产品（NASA，2018），传感器为搭载在Aqua 卫星上的MODIS 传感器，时间分辨率为天，空间分辨率为4 km，本文所用数据时间跨度为2002 年7 月4 日—2018 年9 月30 日。使用NCL 语言计算得到了各月、各季和全年的光合有效辐射空间变化数据，并计算区域平均的日值数据，后续计算方法与海洋表面温度数据处理方法相同。

1.8 混合层厚度数据及处理方法

混合层厚度数据来源于美国国家海洋和大气管理局（NOAA） 全球海洋数据同化系统（Global Ocean Data Assimilation System，GODAS）。其时间跨度为1980 年至今，其纬向精度为1°，经向精度为0.33°，时间分辨率为月。使用NCL 语言计算得到了各月、各季和全年的光合有效辐射空间变化数据，并计算区域平均的月值数据，后续计算方法与海洋表面温度数据处理方法相同。

2 叶绿素a 浓度时空分布特征

2.1 叶绿素a 浓度空间分布特征

全年叶绿素a 浓度的空间分布表现出明显的由近岸向黄海中部递减的特征，近岸叶绿素a 浓度多高于4 mg/m3，而黄海中部的浓度值多在1～2 mg/m3之间。叶绿素a 浓度在各个季节的空间分布与全年的空间分布总体特征类似，但是在春季由近岸向黄海中部递减的特征最不明显，而夏季最明显。在春季，黄海中部叶绿素a 浓度在1～4 mg/m3之间，为各季最高值，在夏季，黄海中部的叶绿素a 浓度值低于1 mg/m3，为各季最低值，见图2。

除4 月份外，其余各月叶绿素a 浓度的空间分布表现出由近岸向黄海中部递减的特征，在6-9月这一特征最为明显，该时段黄海中部的叶绿素a 浓度值低于1 mg/m3。4 月份叶绿素a 浓度的高值分布在近岸和黄海中部，而低值分布在过渡区域，见图3。

2.2 叶绿素a 浓度时间分布特征

叶绿素a 的峰值出现在4 月份，为3.97 mg/m3，其低值出现在6、7 月份，分别为1.74 mg/m3和1.68 mg/m3，见图4。

图2 全年与各季黄海叶绿素a 浓度空间分布

图3 各月黄海叶绿素a 浓度空间分布

图4 各月黄海叶绿素a 浓度

3 叶绿素a 浓度时空变化特征

3.1 叶绿素a 浓度空间变化特征

黄海大部分区域的全年叶绿素a 浓度呈现增加趋势，但是增速不大，多在0.01～0.1 mg/（m3·a）之间，但是黄海西部的海州湾增速较大。夏季，黄海中部的大部分区域叶绿素a 浓度保持稳定，在近岸出现了叶绿素a 浓度降低的区域，尤其是靠近朝鲜黄海南道的海域（东北部海岸突起海域）降低较明显，见图5。

1-7 月份，海州湾叶绿素a 浓度增加较明显。在黄海中部西南海域与东北海域3、4 月份叶绿素a浓度的变化出现了相反的趋势，即3 月份西南海域增加，东北海域减少，而4 月份西南海域减少而东北海域增加。在11 月份黄海中部的西南海域叶绿素a 浓度有较明显的增加，而12 月份该海域则出现了较明显的减少趋势。2 月份以及6-8 月份，黄海中部较多区域叶绿素a 浓度较稳定，见图6。

3.2 叶绿素a 浓度时间变化特征

2003—2017 年，全年叶绿素a 浓度呈现增加趋势，但是增加趋势并不显著，见图7 和表1。2002—2018 年，春秋季叶绿素a 浓度呈现减少趋势，夏冬季呈现增加趋势，见图8 和表1。

图5 全年与各季黄海叶绿素a 浓度空间变化趋势

图6 各月黄海叶绿素a 浓度空间变化趋势

图7 黄海叶绿素a 浓度年值变化

表1 2002-2018 年黄海全年与各季节叶绿素a 浓度变化

图8 黄海各季叶绿素a 浓度变化

2、4、9、10 和11 月份叶绿素a 浓度呈现减少趋势，其他月份均呈增加趋势，其中减少量最大的为2 月份，2003—2018 年减少了0.26 mg/m3，增加量最大的为5 月份，2003—2018 年增加了0.90 mg/m3，见图9 和表2。

图9 黄海各月叶绿素a 浓度变化

表2 黄海各月叶绿素a 浓度变化

4 讨论

虽然不同时段（月、季、年）黄海叶绿素a 浓度空间分布存在细节上的差异，但是其共同特征是由近岸向黄海中部递减（图2、3）。其可能原因是，沿岸河流注入黄海，近岸海域陆源营养物质丰富；另外，环绕黄海中央冷水团周围的带状上升流可以把更多的营养物质从海洋底层带到上层（真光层） （吕新刚，2010；Bao et al，2017），有利于浮游植物的生长。而在黄海中部，深层海水营养物质较丰富，但是受黄海中央冷水团等因素影响，营养物质难以被浮游植物利用，故该区叶绿素a 浓度较低。

叶绿素a 浓度的最大值出现在4 月份，最小值出现在6、7 月份（图4）。冷季，该区受冬季风影响，风速较大，且海洋表面温度较低，这些因素有利于海水混合对流，深层海水中的营养物质被带到上层。在3、4 月份，风速逐渐减少、海洋表面温度逐渐增加（Xuan et al，2011），海水开始层化，同时光合有效辐射增加，已有营养物质的储备与适宜的自然条件，使得浮游植物大量繁殖。另外，春季出现的沙尘天气，可以把亚洲中部干旱半干旱地区的沙尘输送至黄海海域，为浮游植物的生长提供更多营养物质（Tan et al，2014），从而导致叶绿素a浓度的增加。此后，表层营养物质被不断消耗，春季黄海中部中央冷水团开始形成，夏季达到成熟阶段（Zhu et al，2018），海水层化严重，深层海水中的营养物质难以带到海表，所以，在6、7 月份浮游植物减少，叶绿素a 浓度较低。

海州湾叶绿素a 浓度增速较大（图5、6）可能与苏北沿岸海域盐度增加以及富营养化有关。江苏省海洋环境质量公报显示，靠近苏北沿岸海域海水污染较严重，水体富营养化，主要污染物活性磷酸盐浓度增加。磷可能是该海域浮游植物生长的限制性因子（Liu et al，2003），故磷的增加有助于浮游植物的生长，叶绿素a 浓度的增加。

为了研究黄海叶绿素a 浓度变化与环境因子之间的关系，计算了月、季和年值叶绿素a 浓度与同时段海洋表面温度、风速、盐度、光合有效辐射以及混合层厚度的相关系数。发现：除了在月值数据中存在显著的相关关系外（表3），季和年值数据中均无显著的相关关系。这可能表明，影响浮游植物生长的因素比较复杂，在全年和各季中不存在主导影响因子，在某些月份可能存在主导影响因子，但是不同月份的主导影响因子也不尽相同。在所有显著的相关关系中，除了海洋表面温度为负相关外，其他因素与叶绿素a 浓度均呈现正相关。2 月份叶绿素a 浓度出现减少趋势可能与光合有效辐射减少有关；7 月份叶绿素a 浓度出现增加趋势可能与风速增加有关；9 月份叶绿素a 浓度出现减少趋势可能与海洋表面温度增加有关；10 月叶绿素a浓度出现减少趋势可能与盐度降低有关；11 月份叶绿素a 浓度出现减少趋势可能与光合有效辐射减少有关；12 月份叶绿素a 浓度出现增加趋势可能与光合有效辐射增加有关（表2、表3）。

表3 不同环境因子与叶绿素a 浓度相关系数

5 结论

本文研究了2002—2018 年黄海叶绿素a 浓度的分布与变化特征，并结合区域气候、水文与地理特征以及海洋表面温度、风速、盐度、光合有效辐射和混合层厚度数据分析了叶绿素a 浓度分布与变化的原因。主要结论如下：受陆源营养物质输入、近岸上升流以及黄海中央冷水团影响，叶绿素a 浓度分布呈现由近岸向黄海中部递减特征；在季风、气候、水文的控制下，受风速、海洋表面温度、光合有效辐射、中央冷水团的影响，叶绿素a 浓度的最大值出现在4 月份，而最小值出现在6、7 月份；受苏北沿岸海域海水污染和水体富营养化影响，沿岸海域盐度明显增加，海州湾叶绿素a 浓度增速较大；影响黄海叶绿素a 浓度变化的环境因子较复杂，除了部分月份存在显著的相关影响因子外，在全年和各季中不存在主导影响因子。为了进一步提高研究的准确性和可靠性，可以改进叶绿素a 浓度反演算法，以减少其不确定性问题，尤其是在受悬浮物质影响较大的近岸海域。另外，可以结合实地观测数据对叶绿素a 浓度的分布与变化的原因做进一步分析。

致谢：感谢NASA 提供了MODIS 叶绿素a 浓度、光合有效辐射数据，NOAA 提供了海洋表面温度、风速和混合层厚度数据以及HYCOM 联盟提供了盐度数据。