第19卷 第5期 中 国 水 运 Vol.19 No.5 2019年 5月 China Water Transport May 2019收稿日期：2019-01-03作者简介：周敏锐（1996-），女，安徽安庆人，浙江海洋大学在读硕士，主要研究方向为物理海洋。

通讯作者：蔡丽娜（1976-），女，浙江海洋大学 海洋科学与技术学院，主要从事海洋遥感的研究。

项目基金：浙江省教育厅课题科研项目及校级教改项目分组课题模式在海洋科学类专业教学体系中的应用探索（编号：Y201840279）；浙江省2016年度高等教育教学改革项目（编号：jg20160084）。

海洋水色及动力环境遥感研究进展周敏锐，蔡丽娜，孙静亚（浙江海洋大学 海洋科学与技术学院，浙江 舟山 316000）摘 要：海洋遥感主要包括海洋水色遥感、海洋动力环境及海洋地形遥感。

本文结合国内外研究现状，介绍了海洋水色及动力环境遥感的机理以及相关海洋要素的遥感反演方法。

同时，通过对近十年海洋水色及动力环境遥感的发展情况进行了解，总结了国内外在该领域的研究进展并提出了一些展望。

关键词：遥感；海洋水色；动力环境中图分类号：P714 文献标识码：A 文章编号：1006-7973（2019）05-0161-03一、前言卫星遥感技术以其独特的优越性在海洋环境要素观测方面发挥了越来越重要的作用。

在海洋动力及水文环境相关信息方面，卫星遥感可以监测海流、海浪、海面风场等海洋动力环境特性以及海面水色、水温等。

海洋水色遥感主要接收水体中各种成分相关要素的光学信息，利用星载或机载传感器接收到离水辐射，并借助水体生物-光学模型，反演水色物质成分和其浓度[1]。

海洋动力环境遥感主要对海洋力场引起的海洋潮汐、海流、海浪等的动力环境进行监测[2]。

本文通过了解近十年海洋水色及动力环境遥感的发展情况，总结了国内外在该领域的研究进展并提出了一些展望。

二、海洋水色及动力遥感 1．悬浮泥沙的遥感监测遥感技术具有大面积、多时效、连续观测的特点，这使得其在海洋监测方面得到广泛应用。

海洋中悬浮泥沙浓度是影响海洋环境的重要因素之一，利用遥感技术观测海洋中悬浮泥沙的分布，监测结果可以很好的反映海水中悬浮泥沙的状况。

反演模型的建立是悬浮泥沙浓度反演的关键，建立合适有效的反演模型首先要找到最佳遥感特征因子和敏感波段之间的联系[3]。

经验模型涉及所选的悬浮泥沙浓度和遥感反演参数两个重要的反演因子，将二者进行回归分析[4]，并利用二次多项式函数[5]、三次多项式函数[6]、线性函数[7]、指数函数[8]和幂函数[9]等对其进行拟合分析，利用测得的实验数据建立起水体光学性质与悬浮泥沙浓度的定量关系。

理论模型是根据辐射传输模型和生物光学模型来建立的。

建立理论模型的首要步骤是通过模拟可见光的传输特性找到悬浮泥沙相关反演关系式。

理论模型有光谱混合分析模型[10]（SMA）、主成分分析模型和神经网络模型[11]三种。

王繁等[12]人利用MODIS 数据反演河口水体悬浮泥沙质量浓度，使用人工神经网络（ANN）的方法建立表层悬浮泥沙浓度遥感反演模型，发现利用BP 神经网络模型进行遥感反演所得精度更高。

半分析方法需要实际测得的光谱数据来建立水色反演模型，通过近似关系对模型进行简化，使各个未知量之间尽可能独立，利用多波段数据得到代数方程组，最后求解方程组得到水体组分浓度[13]。

2．叶绿素及黄色物质的遥感监测利用遥感技术对叶绿素及黄色物质含量其变化进行观测是监测海洋环境的有效方法[14]。

经验方法、半分析方法[15]和分析方法[16]是目前常用的叶绿素及黄色物质浓度遥感反演方法。

单波段法[17]、波段比值法和神经网络法[18]同属经验方法。

3．海流的遥感监测海流运动会对海洋气候、海洋污染、渔业、海岸带开发、军事行动等产生影响。

海流监测可以对海洋动力环境研究过程中遇到的问题提供有效的解决方案，将遥感技术应用在海流监测上，可以改善数据的时效性、准确性和完备性[19]。

早在1987年，Goldstein 和Zebker 等人就提出了利用顺轨干涉合成孔径雷达测量高分辨率海表面流场的观点，应用并得到了很好的观测效果。

遥感技术可以观测得到海流运动的方向、速度和尺度等信息，能及时反馈海洋动力环境的变化情况[20]。

4．海洋观测相关遥感数据 （1）中低分辨率遥感数据卫星遥感技术可以对海洋进行大面积的连续性观测，因此在海洋监测上的应用越来越广泛，获得的遥感数据精度也越来越高。

美国的Landsat 卫星数据[21]、Terra 和Aqua 卫星上的MODIS 传感器获得的数据和RADARSAT 卫星数据都是中低分辨率数据。

MODIS 足够宽的光谱范围能长时间的对陆地、大气和海洋进行观测[22]。

加拿大雷达卫星（RADARSAT）携带的合成孔径雷达能主动向目标物体发射162 中 国 水 运 第19卷电磁波，具有高分辨率和获取立体数据的能力[23]。

我国的海洋一号卫星和海洋二号卫星丰富了我国海洋遥感数据库[24]。

（2）高分辨率卫星数据卫星对地观测技术具有很大的发展潜力，我国实施了高分专项工程计划[25]。

高分一号[26]和高分二号是光学遥感卫星，高分五号卫星主要应用于地球气象观测，高分六号卫星具有更高的精度，高分七号则主要应用在测绘方面[27]。

高分三号卫星能提供高精度分辨率和高幅宽遥感图像，且具有获取多极化数据的能力。

高分三号特有的波浪式、全球观测模式，为海浪和海面风场观测提供了技术支撑[28]。

高分四号卫星在空间和时间上都有很高的分辨率，在海洋灾害监测方面有很大的发展潜力[29]。

杨超宇等人[30]利用高分四号卫星数据研究叶绿素浓度反演算法，结合2009年10月22日的珠江口赤潮水体情况建立叶绿素浓度反演模型，得到了很好的反演效果。

高分卫星的发展对我国海洋领域的监视监测提供强大的数据支撑，对海洋水色及动力环境的监测有着很大的帮助[31]。

三、小结目前，海洋水色及动力环境遥感存在的问题如下：海洋水色遥感技术虽趋于完善，但是海洋环境变化难以预测，实时监测研究区域的水色环境比较困难；获得的遥感数据反演精度不高，在不同的海域，海水的水体光谱信息差异性较强；在具体问题中需要尝试不同模型，反演耗费时间；利用遥感难以获取海洋内部的海洋动力信息。

为不同区域的水体光谱数据寻求一个通用的反演模型，是提高解决问题效率的必经之路；利用遥感技术监测海流，除了能粗略估计海流的速度、方向外，很难观测到内部海流信息，因此要加快海洋动力环境卫星的发展速度或者结合其他先进技术，解决监测精度低和深度浅的问题；提高海洋遥感反演精度是我们一直要解决的热点问题，高分卫星体系能获取高精度、高分辨率的遥感影像，将其逐步运用到海洋领域可以解决更多困难的问题。

参考文献[1] 潘德炉，白雁.我国海洋水色遥感应用工程技术的新进展[J].中国工程科学，2008，10（9）：14-24.[2] Bao X ，Li N ，Wu D . Observed characteristics of theNorth Yellow Sea water masses in summer[J].Chinese Journal of Oceanology and Limnology，2010，28（1）：160-170.[3] 况润元，谢佳，张萌等.基于实测数据的鄱阳湖悬浮泥沙粒度遥感反演模式分析[J].长江科学院院报，2017，34（11）：132-137.[4] 李文凯，曾群，田礼乔等.MODIS/Terra辅助的HJ-1BCCD1数据悬浮泥沙浓度反演研究[J].华中师范大学学报（自科版），2016，50（4）：619-623.[5] 孔金玲，杨晶，蒲永峰等.曹妃甸近岸海域垂向悬沙含量遥感反演[J].地球信息科学学报，2016，18（10）：1428-1434.[6] 章敏超，郭碧云.基于GF-1号的舟山近岸悬浮泥沙浓度反演研究[J].海洋开发与管理，2018，35（1）：126-131.[7] 杨曦光，黄海军，严立文等.近岸水体表层悬浮泥沙平均粒径遥感反演[J].武汉大学学报（信息科学版），2015，40（2）：164-169.[8] 王林，杨建洪，李冠男等.江苏近岸海域HJ CCD影像悬浮泥沙遥感反演[J].海洋科学，2016，40（2）：77-83. [9] Zhan C，Junbao Y U，Wang Q，et al. Remote SensingRetrieval of Surface Suspended Sediment Concentration in the Yellow River Estuary[J].Chinese Geographical Science，2017，27（6）：934-947.[10] Mertes L ，Smith M ，Adams J.Estimating suspendedsediment concentrations in surface waters of the Amazon River wetlands from Landsat images[J].Remote Sensing of Environment，1993，43（3）：281-301.[11] 李健，麻金继，吉玮.基于广义回归神经网络反演悬浮泥沙含量的定量遥感方法[J].大气与环境光学学报，2010，5（4）：305-310.[12] 王繁，凌在盈，周斌等.MODIS监测河口水体悬浮泥沙质量浓度的短期变异[J].浙江大学学报（工学版），2009，43（4）：755-759.[13] 陈燕，孔金玲，孙晓明等.基于半分析模型的渤海湾近岸海域悬浮泥沙浓度遥感反演[J].地理与地理信息科学，2014，30（3）：33-36.[14] Song Qing，Jie Zhang，Tingwei Cui，et al. Remote sensingretrieval of total absorption coefficient in the Bohai Sea[J].Chinese Journal of Oceanology & Limnology，2012，30（5）：806-813.[15] 杨辰，沈润平.基于GF-1号卫星WFV数据的太湖水质遥感监测[J].国土资源遥感，2015，27（1）.[16] 席红艳，张渊智，丘仲锋等.基于半分析算法的香港邻近海域叶绿素a浓度反演[J].湖泊科学，2009，21（2）：199-206.[17] 李云梅，黄家柱，韦玉春等.用分析模型方法反演水体叶绿素的浓度[J].遥感学报，2006，10（2）：169-175. [18] 丛丕福，曲丽梅，王臣立等.基于MODIS模拟的辽东湾叶绿素a的遥感反演模型[J].生态环境学报，2009，18（6）：2057-2060.[19] Shen Z ，Wu X ，Fei Y ，et al. Surface tidal currents in theopen sea area to the east of the Zhoushan Islands measured with high frequency surface wave radar[J].Acta Oceanologica Sinica，2013.[20] Aoki K ，Kataoka T . High-frequency ocean radar derivedcharacteristics of sea surface currents in the Ariake Sea，Japan[J].Journal of Oceanography，2018，（72）：1-7. [21] 孟凡晓，陈圣波，张国亮等.基于Landsat-8数据南海近岸悬浮泥沙与叶绿素a浓度定量反演[J].世界地质，2017，第5期 周敏锐等：海洋水色及动力环境遥感研究进展 16336（2）：616-623.[22] Cao Z ，Duan H ，Shen M ，et al. Using VIIRS/NPP andMODIS/Aqua data to provide a continuous record of suspended particulate matter in a highly turbid inland lake[J]. International Journal of Applied Earth Observation and Geoinformation，2018，64：256-265.[23] 杨贵生，秦明宽.RADARSAT 雷达数据特征及其应用简介[J].铀矿地质，1997，（5）：310-316.[24] Yang J ，Ren L，Zheng G . The first quantitative oceanremote sensing by using Chinese interferometric imaging radar altimeter onboard TG-2[J]. Acta Oceanologica Sinica，2017，36（2）：122-123.[25] 东方星.我国高分卫星与应用简析[J].卫星应用，2015，（3）：44-48.[26] Tian L ，Wai O W H ，Chen X ，et al. Retrieval of totalsuspended matter concentration from Gaofen-1 Wide Field Imager （WFI） multispectral imagery with the assistance of Terra MODIS in turbid water – case in DeepBay[J].International Journal of Remote Sensing，2016，37（14）：3400-3413.[27] He W ，Jing W ，Jingsong Y ，et al. Empirical Algorithmfor Significant Wave Height Retrieval from Wave Mode Data Provided by the Chinese Satellite Gaofen-3[J]. Remote Sensing，2018，10（3）：363.[28] Shi L，Wang Q，Zeng T，et al. Chinese GF-1 and GF-3satellites observed the giant iceberg calving off the Larsen C Ice Shelf[J].Acta Oceanologica Sinica，2017，36（11）：115-115.[29] Teng L I ，Delu P ，Yan B ，et al. Satellite remote sensingof ultraviolet irradiance on the ocean surface[J].海洋学报（英文版），2015，34（6）：101-112.[30] 杨超宇，唐丹玲，叶海彬.基于GF-4遥感数据的叶绿素浓度反演算法研究[J].热带海洋学报，2017，36（5）：33-39.[31] 陈晓英，张杰，崔廷伟等.基于高分四号卫星的黄海绿潮漂移速度提取研究[J].海洋学报，2018，40（1）：29-38.（上接第122页） 由1.2~4.5m 增大至3.5~4.5m，航宽由32.2~50m 增大至均不小于50m；2炸礁区域河段航槽航深由0~4.5m 增大至3.5~4.5m，航宽由20.3~50m 增大至均不小于50m。