| 基于 GEE 的黄海绿潮遥感监测及生态环境因子响应研究 |
| 李冬雪
|
| 学位类型 | 博士
|
| 导师 | 高志强
|
| 2023-05-19
|
| 培养单位 | 中国科学院烟台海岸带研究所
|
| 学位授予单位 | 中国科学院大学
|
| 学位名称 | 工学博士
|
| 学位专业 | 环境科学
|
| 关键词 | 谷歌地球引擎，绿潮，遥感，生态环境因子，叶绿素 a 浓度
|
| 摘要 | 截至2022年，黄海绿潮灾害已连续暴发16年。黄海绿潮大规模暴发时，分布海域面积可达上万平方千米，破坏海洋生态环境，影响其他海洋生物的生存和繁殖，带来了巨大的社会经济影响，已成为黄海最严重的生态灾害。绿潮灾害的出现是人类活动改变自然环境条件的产物，多种物理化学和生物因素共同作用促使绿潮的暴发。近岸海域人类活动的影响、陆源营养源源不断的输入、全球变暖与气候事件、绿潮藻浒苔的自身特点、生物和微生物之间相互作用等等多种因素，以及这些因素的动态变化和相互作用，共同决定了绿潮暴发的特点和规模。同时，长期暴发的绿潮也在影响和改变着海洋生态环境。
绿潮暴发时具有分布范围广、持续时间长、宏观漂移的特点。卫星遥感因其观测时间跨度大，观测范围广，数据易获取等优势而成为绿潮动态监测的重要手段。随着信息科学技术的进步、大量数据的积累，以影像筛选下载、人工解译及图像处理等为代表的传统遥感数据分析方式在进行绿潮灾害的实时监测及处理大尺度长时序多源数据交互分析绿潮灾害的长期趋势及暴发机制方面略显不足，亟需从大数据角度探索生态环境监测及管理的新方法。
本研究将基于海量数据存储和在线数据分析的谷歌地球引擎平台（Google Earth Engine, GEE）建立绿潮自动提取模型，使快速准确提取和分析大尺度长时序的绿潮信息成为可能。结合各生态环境因子的长期变化趋势，展开环境因素对绿潮暴发的影响及绿潮暴发对环境的影响分析。
主要研究内容：（1）基于 GEE 平台建立自适应最大类间方差（Ostu）阈值法绿潮提取模型，该模型同时包括绿潮藻浒苔与金潮藻铜藻的区分，以及自适应混合像元分解模块，从而实现快速准确的绿潮信息提取。将模型提取结果与单一阈值法提取结果进行对比评价，并进一步分析讨论模型提取长时序结果的稳定性和可靠性。（2）基于本研究建立的绿潮自动提取模型提取的结果，对2007至2021年黄海绿潮时空分布规律进行研究。（3）对海表温度、海表面盐度、降水、海表风、海表流、光合有效辐射和水质等环境数据的长期变化趋势进行分析，并研究环境因素对绿潮暴发和消亡过程的影响。（4）以叶绿素 a 浓度为指标探索长期暴发的绿潮与浮游植物的关系，从而研究绿潮暴发对环境的影响。
主要结论：（1）基于 GEE 平台结合自适应 Ostu 阈值法建立了集遥感影像预处理、云量筛选及去云、指数运算、阈值选取、混合像元分解为一体的绿潮提取模型，其降低了人为因素带来的干扰，精度高于单一阈值法，长时序提取结果具有一定的稳定性和可靠性，实现了长时序绿潮信息的快速准确提取。（2）2007至2021年黄海绿潮时空分布年际差异显著：规模上，15年来呈波浪式起伏，且2015年以后这种波动的幅度变大；时间分布上，其初始日期和暴发日期均有提前的趋势，而消亡日期并未表现出明显的提前趋势；空间分布上，历年影响海域范围年际差异显著，其分布面积越大的年份，分布海域越向南和向东扩展。（3）早期阶段的海表面温度和降水是影响绿潮暴发规模年际差异的主要因素，消亡期较高的海表面盐度和大量的降水是延长绿潮消亡过程的充分条件。长期来看，海表面温度、海表面盐度和光合有效辐射具有升高趋势，各环境因素的长期变化仍具有促使绿潮大规模暴发的条件。（4）绿潮暴发时对浮游植物的生长存在明显的抑制作用；在绿潮的早期发现海域，1月份叶绿素 a 浓度与当年绿潮暴发的规模存在显著的相关性，可借此对绿潮暴发规模实现提前预测。
创新点：（1）建立了基于 GEE 的绿潮自动提取模型，并提出了一种新的混合像元分解方法。（2）从长时序大尺度的角度对生态因子的长期趋势及其与绿潮的长期关系进行了研究。 |
| 页数 | 116
|
| 语种 | 中文
|
| 文献类型 | 学位论文
|
| 条目标识符 | http://ir.yic.ac.cn/handle/133337/32033
|
| 专题 | 中国科学院海岸带环境过程与生态修复重点实验室_海岸带信息集成与战略规划研究中心
|
推荐引用方式
GB/T 7714 |
李冬雪. 基于 GEE 的黄海绿潮遥感监测及生态环境因子响应研究[D]. 中国科学院大学,2023.
|
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论