EN中文

Journal of Geo-information Science >

2020 , Vol. 22 >Issue 7: 1463 - 1475

DOI: https://doi.org/10.12082/dqxxkx.2020.190677

Remote Sensing Monitoring and Variation Analysis of Marine Ecological Environment in Coastal Waters of Sri Lanka

  • YE Huping , 1, 3, 5 ,
  • LIAO Xiaohan , 1, 3, 4, * ,
  • HE Xianqiang 2 ,
  • YUE Huanyin 1, 3, 4
Expand
  • 1. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China;
  • 2. State Key Laboratory of Satellite Ocean Environment Dynamics, the Second Institute of Oceanography, Ministry of Natural Resources, Hangzhou 310012, China;
  • 3. Institute of UAV Application Research, Tianjin and CAS, Tianjin 301800, China;
  • 4. The Research Center for UAV Applications and Regulation, Chinese Academy of Sciences, Beijing 1000101, China;
  • 5. China-Sri Lanka Joint Research and Demonstration Center for Water Technology, Chinese Academy of Sciences, Beijing 100085, China
LIAO Xiaohan, E-mail:

Received date: 2019-11-11

  Request revised date: 2020-04-24

  Online published: 2020-09-25

Supported by

Strategic Priority Research Program of Chinese Academy of Sciences(XDA2003030201)

National Natural Science Foundation of China(41771388)

National Natural Science Foundation of China(41971359)

Tianjin Intelligent Manufacturing Project: Technology of Intelligent Networking by Autonomous Control UAVs for Observation and Application

Copyright

Copyright reserved © 2020
Fold

Abstract

：Sri Lanka is an important node country along China's Maritime Silk Road. The changes in the ecological environment of its surrounding sea areas are closely related to its economic development, leisure life and dietary safety. This study analyzed Sri Lanka's surrounding waters and Colombo as a key node port from 2002 to 2017 using MODIS remote sensing products to characterize the interannual variations of ecological environment parameters. The MERIS remote sensing reflectance products were used to analyze the spatial and temporal characteristics of water bodies in the Palk Strait (2003-2012). Conclusions can be made as the following statements: (1) Within the study area, photosynthetically active radiation was observed higher value in Gulf of Mannar. The biomass of phytoplankton is relatively high in the coastal areas and inversely related to the sea surface temperature, while that in the open sea is extremely low and inversely related to seawater transparency.(2) In Colombo Port, the maximum values month of sea surface temperature, light intensity (photosynthetically active radiation), water cleanliness (seawater transparency), phytoplankton biomass and net primary phytoplankton productivity appear in April, March, March, August and July respectively, and the red tide, as a potential disaster causing factor, needs to be concerned in August.(3) The sources of the turbidity zone in the Palk Strait were the large amounts of sediment carried by the Cauvery River from Calimere cape of India. The distribution characteristics and long-term changing trends were analyzed, which provided a better understanding of the high temporal and spatial variations in the marine ecological environment of the Palk Strait and the surrounding waters of Sri Lanka in different time and space.

Key words： Sri Lanka; China's Maritime Silk Road; marine ecological environment; remote sensing monitoring; Colombo; Palk Strait; water type; spatial-temporal variation

Cite this article

YE Huping , LIAO Xiaohan , HE Xianqiang , YUE Huanyin . Remote Sensing Monitoring and Variation Analysis of Marine Ecological Environment in Coastal Waters of Sri Lanka[J]. Journal of Geo-information Science, 2020 , 22(7) : 1463 -1475 . DOI: 10.12082/dqxxkx.2020.190677

1 引言

世界上有50%以上的人口分布在沿海地区,人类活动使得沿海和大陆架海域水质不同程度的恶化,生物种类和数量日趋减少,正逐渐改变着沿海水域的海洋生态系统[1]。近岸海洋环境监测是海洋生态文明建设和海上丝绸之路绿色发展[2]的重要组成部分,是科学划定海洋功能区来加强生态环境保护的重要前提。斯里兰卡是一带一路沿线重要的节点国家,我国在科伦坡、汉班托塔等地都有港口和重大工程,对当地近海海洋生态环境的监测,也是建设绿色“一带一路”的重大需求。
监测海域生态环境需要合适的空间分辨率和时间采样频率,借助海洋生态环境遥感监测资料,可以了解近海水体生物化学（浮游植物含量、无机悬浮物浓度等）[3]、物理特性（光合有效辐射、水温、透明度）[4]等基本状况,为海洋生物多样性和海洋生态脆弱区保护、以及近海水产业、渔业提供帮助[5];还可以表征和检测沿岸水质的变化[6],为研究海岸线迁移、海岸工程及其对沿岸生态环境的影响提供支持[7]。利用长时间序列遥感资料,可以监测海洋生态系统的年际变化,研究气候变化下的环境波动对海洋生态的影响[8],并评价区域性气候变化扰动（如厄尔尼诺现象[9]）对海洋生态的影响[10]。
常用表征海洋生态环境基本状况参数有：水温（海表温度）[4]、海面光照强度（光合作用有效辐射）[11]、水体清洁度（海水透明度）[12],以及作为海洋食物网基础的浮游植物生物量（叶绿素浓度）[3]和浮游植物初级生产力[13]等。研究分布特征及长期变化趋势,这些参数监测离不开业务化海洋水色遥感产品支持及定期的现场精度检验[14],同步匹配水色卫星系列（如CZCS: 1978—1986年; OCTS: 1996—1997年; SeaWiFS:1997—2010年; MERIS: 2002—2012年; MODIS: 1999/2002年至今;OCLI: 2016年至今）的现场测量,用于开发和检验业务化水色产品,已持续40多年（全球卫星影像像元-地面同步测量匹配数据集https://seabass.gsfc.nasa.gov）,其中叶绿素浓度水色算法目前已进化到第七版,采用903个匹配数据检验结果的中位回归斜率和相关系数（R2）分别达0.985和0.859[15]。水体清洁度是水中溶解有机物和悬浮颗粒物浓度综合结果,可用水体透明度指示,水色研究人员常用赛克盘（Secchi Disk）现场目视测量深度,这等同海洋辐射传递模拟,简化了衰减系数和漫衰减系数的关系。研究人员通过建立遥感反演算法,检验遥感反演结果,误差通常小于30%[12]。有研究利用SeaWiFS和MODIS水色产品分析斯里兰卡和印度南部周边海域,得出光合有效辐射与海表温度有关,而海表温度和光合有效辐射又一起对浮游植物生物密集发挥重要 作用[16]。OCTS和SeaWiFS的叶绿素a图像显示,1996年11月至1997年1月,受厄尔尼诺和东北季风影响,斯里兰卡北部浮游植物浓度高于2 μg/L以上,爆发了一次赤潮[17]。大洋清洁水体和近岸浑浊水体中,物质成分及其光学特性差别很大,为克服反演算法时间和空间上的局限,有必要把光学特性相似或相近的水体划归为一类进行分析,这是海洋水色遥感研究复杂海区时空变化常用的方法[18]。
斯里兰卡保克海峡（Palk Strait）两端是开阔的印度洋[19],受浅海底质、陆源河流、季风和大洋水体等的共同作用[20],海峡所在海域水体生物光学特性时间-空间变化跨度大,是斯里兰卡近海水色时空变化最大海域,近些年冬季（12月—次年2月）海峡内常有藻类爆发的报道[17,21],对当地的水产养殖等产生重要影响。保克海峡及周边海域生态环境也与海峡两岸人们的经济发展、休闲生活和饮食 健康密切相关[22],该海域尤其斯里兰卡一侧是传统渔场[23]、超过8000个筏的海带等海产养殖牧场[24],海域生态环境关系海峡两岸超过100万渔民经济来源[25]。建设“21世纪海上丝绸之路”,也是建设绿色之路,在建设过程中及后期运维,需要通过水色遥感手段监测周边海域水体富营养化加剧、赤潮发生频率上升、海洋生态系统脆弱性增加等海洋生态环境问题及趋势,规避潜在致灾因素,合理开发利用周边海域海洋资源。
本文从整体上分析斯里兰卡周边近海海洋生态环境,利用MODIS遥感产品（2002—2017年）,对斯里兰卡近海生态环境状态进行分析,总结归纳近海海域时空分布特点,重点分析斯里兰卡最大城市科伦坡附近海域各要素的月际、年际变化情况和变化速率。利用分辨率更高的MERIS遥感反射率产品（2003—2012年）,对保克海峡及周边海域水体进行时空变化分析。这有助于了解和认识,高时空变化的保克海峡及斯里兰卡周边海域在不同时间-空间的生物光学特性,提供斯里兰卡近海生态环境状况的空间分布和变化规律信息。

2 研究区概况、研究方法与数据源

2.1 研究区概况

本文研究范围包括4°N—11°N,77°E—84°E。斯里兰卡是印度洋上的岛国,国土面积65610 km2,约有103条主要河流流入近海,大陆架较短,除了西北部通过大陆架与印度次大陆南部相连接,周围水体以大洋水体为主（图1）。科伦坡（6°56'00" N,79°51'00" E）是斯里兰卡最大城市和经济首都,科伦坡港是世界上最大的人工港口之一,也是欧亚、太平洋、印度洋地区航线的重要中途港口之一。保克海峡（Palk Strait）位于印度东南端和斯里兰卡西北部之间,沟通孟加拉湾（Bay of Bengal）和马纳尔湾（Gulf of Mannar）,保克湾平均水深2~3 m,最深约9 m,大型船只无法通行,印度高韦里（Cauvery）河、韦盖（Vaigai）河等多条河流注入,湾内是典型的悬浮物主导二类水体。保克湾南部有许多小岛断续相连,南以帕姆班（Pamban）岛、亚当桥（Adam's Bridge,链状沙洲）和马纳尔（Mannar）岛为界。斯里兰卡北部商业中心贾夫纳（Jaffna）港与印度东南部的贸易均通过保克海峡[22]。除西北部保克海峡区域外,斯里兰卡主岛周边大陆架都较短,河流等陆源输入对近海海洋生态环境影响范围十分有限,所以近海二类水体范围十分狭窄,大部分都是清洁的开阔大洋一类水体。
图1 斯里兰卡周边水深和保克海峡（MODIS 2009年6月8日）真彩色影像

注：水深数据来源于www.gebco.net。

Fig. 1 Depth around Sri Lanka(www.gebco.net) and Palk Strait true color image (MODIS 06/08/2009)

2.2 研究方法与水色产品

本文通过整体-节点-典型区域三方面对斯里兰卡近海生态环境状况开展研究（图2）,选用海表温度、光合有效辐射、海水透明度、叶绿素浓度和净初级生产力等5个时间序列水色产品,分析整体海域状况及节点城市海域年际变化。对典型的陆架区域水体生态环境时空变化,本文采用水体光谱最值分类方法[18]来分析其近海水体生物光学特性变化特征。
图2 技术路线

Fig. 2 Technology roadmap

（1）海表温度、叶绿素浓度和光合有效辐射产品
选取感兴趣的区域,对原始的全球海表温度、叶绿素浓度和光合有效辐射遥感数据进行空间重采样,生成斯里兰卡周边区域的海表温度、叶绿素浓度和光合有效辐射产品遥感专题产品集。
（2）海水透明度产品
采用半分析遥感模型反演全球海水透明度[12,26]：
SDD = 1 4 ( a + b b ) ln ρ d αβ C e R
式中：SDD为海水透明度;a和bb分别为水体总吸收系数和后向散射系数,由443 nm吸收系数、颗粒后向散射系数计算得到α和β分别为水面折射、反射影响系数（ αβ ≈ 0.15 ）; ρ d 为透明度盘上表面反射率（~0.82）; C e 为人眼对比度阈值（~0.02）;R为水次表面的反照率,可由水面遥感反射率计算得到。
R = Q R rs 0.52 + 1.7 R rs
式中：Q为水次表面上行辐照度与向上辐亮度的比值（~4.0）; R rs 为获取的443 nm波段遥感反射率。
（3）净初级生产力产品[13,30]
在近岸浑浊水体,由VGPM算法反演的标准净初级生产力会显著高估。这是由于标准VGPM算法中,仅采用叶绿素浓度来估算真光层深度,而没有考虑陆源悬浮物的影响,导致真光层深度被高估。因此,需要对真光层深度进行校正,生成校正后的全球净初级生产力遥感产品。具体如下：
在标准VGPM算法中,真光层深度（ Z eu ）估算模型如下：
Z eu = 200 × C h l t - 0.293
式中： C h l t 为水柱积分叶绿素,可由遥感表层叶绿素浓度估算：
C h l t = 38.0 × C h l 0.425 , C h l ≤ 1.0 μg l C h l t = 40.2 × C h l 0.507 , C h l > 1.0 μg l
同时,也可以利用反演得到的海水透明度估算真光层深度：
Z eu SDD = 2.63 × SDD
最后,得到校正后的净初级生产力：
NP P cor = NP P VGPM × Z eu SDD Z eu
式中： NP P VGPM 为原始净初级生产力; NP P cor 为校正后的净初级生产力。
（4）水体光谱最值分类方法[17]
把水体光学性质接近的光谱分为同一类,通常采用遥感反射率Rrs光谱的400~580 nm的最大最小值来划分5类水体,对应A-E类,分成贫营养A类（最大值在412 nm前）、叶绿素和黄色物质主导的B类（最大值在490 nm附近）、混合过渡的C类（最大值在500~550 nm之间）、悬沙主导的D类（最大值在565 nm）、超高浓度悬沙E类（最大值大于565 nm）,对应MERIS波段分类流程图见文献[18]。最值分类算法的一大优点是对光谱的峰形状（简称谱形）比对光谱的量值幅度变化敏感,而谱形与水中主导物质及其浓度正相关,对浅海悬浮泥沙主导的水体尤其适合。
（5）统计指标
海域气候态月、季、年平均分布遥感产品制作：针对特定海域（整个海域或重点区域）,利用15年（2002—2017年）逐月的遥感产品,计算出选定区域内每个象元同月份、季节、年的平均值,形成气候态月、季、年平均分布遥感产品。各季节的划分方法：冬季为12月、次年1月和2月,春季为3—5月,夏季为6—8月,秋季为9—11月。
海域气候态月、年平均值：在海域气候态月、年平均遥感产品的基础上,对海域内有效象元值进行算术平均,得到海域气候态月、年平均值。
年变化幅度偏差：在海域气候态月平均遥感产品的基础上,统计海域内每个象元在15个对应月内的最大值和最小值,从而计算出每个象元的年变化幅度（最大值-最小值）,并形成海域年变化幅度分布遥感产品。
变化速率：对每个月平均产品,计算海域平均值,形成15年逐月的时间序列数据,然后进行线性回归,并计算出变化速率（斜率与均值的比值）。

2.3 数据来源

本文采用美国航天航空局（NASA）发布的Aqua/MODIS全球月平均遥感产品（2002—2017年）,包括叶绿素浓度、海表温度、海面光合作用有效辐射、443 nm水体遥感反射率/吸收系数/颗粒后向散射系数。其中,海表温度是利用热红外波段反演获得的夜间温度。此外,利用443 nm水体遥感反射率、吸收系数、颗粒后向散射系数,进一步反演全球海水透明度,通过叶绿素浓度和透明度计算获得海洋净初级生产力[13],并对原始净初级生产力遥感产品进行校正[27]。为了便于计算和在同一尺度下对比分析,所有遥感产品统一选用9 km分辨率。在获得逐月遥感产品的基础上,进行15年（2002—2017年）的拟合回归,得到不同区域各要素的变化速率。
针对保克湾局部海域浑浊二类水体水色变化情况,需使用分辨率更高、波段更丰富的卫星影像数据。这里选欧空局（ESA）ENVISAT的MERIS水色传感器的遥感反射率产品（下载网址http://mer-merci-uk.eo.esa.int/merci/）,其大气校正采用神经网络算法进行校正[28]。使用注册账户下载MERIS影像MER_FR_2P(level 2级产品) 数据,对数据进行几何校正、辐射校正、波段合成、投影转换等。研究区MERIS影像的L2R级产品时间覆盖2003—2012年,约10 a时间跨度,重返周期约1~3天/次。

3 结果与分析

3.1 斯里兰卡周边海域生态环境状况

（1）周边海域生态环境参数空间分布特征
斯里兰卡岛周边海域海表温度整体在28℃以上,受西南季风（简称SWM：3—8月）和东北季风（简称NEM：9月—次年2月）影响形成的风生环流及沿岸流[23],致使岛的东部海域、南部及北部一窄条海表温度明显偏低,说明这里存在上升流,通常上升流会把底层的营养物质源源不断输送上来,有利于浮游植物和动物生长繁殖。环绕斯里兰卡岛屿的近岸具有相对低的年均光合有效辐射（图3）,近海的年均光合有效辐射较外围印度洋高,尤其马纳尔湾出现研究区内高值,且斯里兰卡岛东部光合有效辐射区范围明显大于西南部,而近岸海陆交界面有较低的年均光合有效辐射。这主要由于海上气流登陆容易凝结成云和降雨,致使近岸海陆交界面具有更高的云覆盖率;陆上气流相对干燥和少云量,造成岛外近海光合有效辐射相对比远海大洋水域更高,而马纳尔湾还受印度半岛和斯里兰卡岛的陆上干气流双重叠加,年均光合有效辐射呈现高值。受陆源物质输入、人为活动及浅水底质再悬浮的影响,沿岸和近海水体透明度相对较低,最小透明度低于2 m,但外海透明度较高,年均在30 m以上。该海域沿岸浮游植物生物量相对较高,年均叶绿素浓度达2 μg/L以上,但高浮游植物生物量分布的海域范围较窄,研究表明,洋流将冷水和营养物质带到地表、赤道附近和大陆海岸的水域时,可以看到高浓度的叶绿素[19]。外海浮游植物生物量极低,年均叶绿素浓度低于0.2 μg/L,与透明度负相关。类似的,除近岸外,净初级生产力水平总体上较低,大部分接近500 mgC/（m2day）的水平。马纳尔湾光合有效辐射值是区域最高值,但海水温度受沿岸流影响不是高值,叶绿素和净初级生产力则与海水温度（洋流）负相关,说明该区域光合有效辐射微量变化对生态系统影响弱于上升流输送流营养物质的作用。
图3 斯里兰卡周边海域各生态环境参数多年平均（2002—2017年）的空间分布情况

Fig. 3 Spatial distribution of bio-optical parameters annual average in the surrounding waters of Sri Lanka from 2002 to 2017

（2）周边海域生态环境参数年变幅特征
从参数年变幅来看（图4）,地处热带的广阔海表,水温年变化相对不大,通常在3 ℃以下,特别是在南部海域,水温年变化小于2 ℃,SST偏差值大于3 ℃区域大多位于陆架和上升流区域,这说明浅水区温差大,环流强度具有季节和年际性。光合有效辐射年变幅较低,小于20 Einstein/（m2day）,东北海域具有相对较大的年变幅,这与岛上的降雨干湿分布线[32]几乎重合（图4（f）气候分区）,说明与季风相关,西南季风强度年变化较大,致使斯里兰卡东北部海域光合有效辐射变化大。海水透明度最大年变幅区域位于陆架外的近海,可达25 m以上,这部分区域海水透明度变幅与水中浮游植物量重合;受水深限制,沿岸和外海的透明度年变化相对较小,在10 m以下,特别是沿岸,透明度常年较低,变幅小于5 m。浮游植物生物量、初级生产力年变幅最高区域位于南部沿岸,叶绿素浓度变化可达10 μg/L,净初级生产力年变化可达3000 mgC/（m2day）,与对应区域海水温度变化有强（负）相关性,海水温度的变化会直接影响海洋生态系统。
图4 斯里兰卡周边生态环境参数年变化幅度偏差分布情况

Fig. 4 Annual variations of bio-optical parameters in the surrounding waters of Sri Lanka

3.2 科伦坡港周边生态环境年际变化

科伦坡港位于热带海域,年均水温约28 ℃,近海水温相对外海略低（图3）。在过去15年（2002—2017年）,该海域水温最高值出现在4月,光合有效辐射最大值出现在3月;透明度上半年明显比下半年要好,最大值也出现在3月,叶绿素最大值出现在8月,偏差很大,说明附近海域在这个季节常常出现富营养化水体;生产力与叶绿素浓度较一致,而与透明度、温度和光合有效辐射相反,下半年明显大于上半年。其中,浮游植物叶绿素浓度近些年在8月多次出现较高浓度,意味着全年在这个月份赤潮爆发的可能性较高（图5）。水温、光合有效辐射、叶绿素浓度均呈现逐年波动上升趋势,年速率分别为0.11%、0.08%和1.89%。海水透明度和初级生产力呈现逐年波动下降趋势,年速率分别为-0.08%和-0.8%。各参数年际变化趋势和相关性而言,年平均海表温度以0.03℃逐年波动上升,升温趋势明显,这与全球变暖大趋势一致[30];光合有效辐射年度变化与海表温度变化基本完全同步（除2004年）,说明太阳辐照度是当地海表温度年际变化的主导因素,海表吸热升温到达峰值的时间滞后光合有效辐射峰值一个月;海表透明度年际变化总体在18.5 m均值附近,其中影响水体透明度的重要水质因素是浮游植物浓度,受其年际变化趋势影响,透明度呈现一定的负相关性缓慢连贯变化;浮游植物浓度年际变化趋势与光合辐照度呈现一定的负相关波动,这个已有类似相关研究结论[30];净初级生产力年度变化在1000 mgC/（m2day）均值线附近呈现跨年度长周期的连贯波动,但也有个别年份（如2010年）比较大,打破缓慢长周期波动。就各参数年际变化量值本身,有待放在更长时间尺度,平抑波动回归引起的偏差和自身模型误差。科伦坡海域生态环境参数总体在年际正常波动范围内,说明该地区的生态环境没有发生显著变化,我国在科伦坡围填海建设港口集装箱码头（2011年12月开始）和港口城（2014年9月开始）,对该区域的海洋生态环境未产生明显影响,但要关注8月潜在致灾因素赤潮。
图5 2002—2017科伦坡港周边海域生态环境因子年际变化、年内月变化

Fig. 5 Change of ecological environment factors in the surrounding waters of Colombo port in year, and Month from 2002 to 2017

3.3 保克海峡（Palk Strait）海区水体类型时空分布分析

保克海峡受陆源河流悬浮泥沙输入和底质再悬浮影响明显,水体相对较浑浊。水色主要受陆源河流输入及底质再悬浮的悬浮颗粒物影响,与英吉利海峡、黄海等水体有类似的光学特征。借鉴黄海水体光谱最值分类方法[21],对保克海峡水体进行遥感反射率光谱分类及时空特征分析。从图6可以明显看出,在不同季节,不同类型水体分布范围及强度变化较大,但分布位置具有明显的空间分布特征。
图6 2003—2012年保克海峡5种水体类型在不同季节的总累积天数分布频次

Fig. 6 Seasonal accumulative frequency distributions of five water types in Palk strait from 2003 to 2012

空间分布上,马纳尔（Mannar）湾和孟加拉（Bengal）湾在离岸较远的海域或深水区（如水深大于100 m）,以大洋贫营养水体的A类和叶绿素和黄色物质共同主导类型的B类为主,说明水体整体较清洁,透明度好（通常大于12 m）,水色呈现天蓝色;受陆源物质影响少,水体颗粒物浓度含量低（<10 mg/L）,具有开阔大洋水体特征（印度洋）,即水中光学主导物质为叶绿素,其他物质浓度可用叶绿素浓度替代或可忽略,近岸浅水区存在狭窄的富营养二类水体带,越靠近近岸越浑浊,水体颜色也开始由蓝色变为绿黄色。保克湾中部代尔夫特岛（Delft island）东南海域,水体相对保克湾内其他水体较清洁,以B类和过渡类C类为主,全年变化较大,而西北部则较混浊的悬沙占主导的D类为主。在保克湾靠近斯里兰卡贾夫纳省的近海,由于水深较浅,全年也较混浊,以D类水体为主。在保克海峡的西侧和北侧,属于高韦里河三角洲,多为河口和浅滩,全年都比较混浊,水体呈现黄棕色,对应超高悬浮泥沙的E类为主,悬沙浓度接近或大于100 mg/L量级,水体透明度差。以印度的卡里梅尔（Calimere）角为浑浊带的源头,这主要是由于高韦里河携带大量泥沙,随着沿岸流进入保克海峡,扩散到保克湾,使得整个保克湾的水色随携带的泥沙量浑浊流强度而变化。贾夫纳泻湖（Jaffna Lagoon）由于水深很浅,全年处于较浑浊的状态,以D类和E类为主。另外,亚当桥（Adam's Bridge）附近由于水浅,偶尔会出现水体比较浑浊的现象。
时间分布上,冬季和春季的马纳尔湾和孟加拉湾水比较清澈,大部分海域以大洋贫营养水体的A类为主,水体呈现天蓝色;近海以浮游植物丰富的B类为主。而夏季和秋季水体呈现绿偏蓝色,水中颗粒物和浮游植物浓度升高,水体以大洋贫营养水体的A类和浮游植物丰富的B类交互存在,尤其夏季,马纳尔湾水体更是以浮游植物丰富的B类为主,水体成蓝绿色,水中浮游植物等颗粒浓度明显升高。在冬季和春季,保克湾水体较清,尤其是代尔夫特岛(Delft Island)东南角出现以浮游植物主导的B类,水体多呈现蓝绿色,但到了夏季,整个湾的水体变浑浊,多以过渡类C类和悬浮物主导的D类为主,透明度也是一年中最差。保克海峡和贾夫纳泻湖（Jaffna Lagoon）都以悬浮物主导,且浓度很高,光学特性都呈现出与E类相一致的特征,夏季覆盖范围广一些,而秋季出现的频率和覆盖范围最小。

4 讨论

4.1 区域产品精度及对分析结果的影响

在定量分析使用上,所有产品都需要注意精度问题。本文涉及遥感产品众多,基于全球遥感产品数据、其他知名学者或本人算法生产的产品,每个卫星产品算法都有其制作精度范围,经过长期大量实测数据的验证,海水温度剔除大气影响,星下点反演误差在0.3 k以下[31],半分析海水透明度遥感模型遥感反演的透明度平均相对误差22.6%[12],大洋水体叶绿素浓度反演误差17.3%[15],净初级生产力中位偏差33%[28]。产品的具体精度需要现场数据检验支撑,如本研究区内叶绿素浓度产品与现场实测数据[14]匹配检验,精度达到12.92%（N=4）,基本符合产品误差范围,所有产品精度仍有待后续更多的斯里兰卡现场测量值补充检验。
定性分析同一区域同一传感器时间序列产品的分布趋势规律,在全球大洋水体或相似水体使用算法,其误差范围内精度对定性分析结果（最大/小值月份、分布区域、季节/年度变化趋势等）影响相对较小。另外海水分类导致不连续或同一区域跨类重叠现象,这在其他研究[17,32]中也出现过,由于是累计频次基础上定性的趋势分析,不影响结果中得出的水体类型时空变化规律。
比较同区域其他研究成果,有研究[16]利用SeaWiFS和MODIS水色产品分析斯里兰卡和印度南部周边整个海域海面温度、日平均光合有效辐射（PAR）,最高值出现在3、4、5月,2016年最高局地水体温度达到30.5℃,叶绿素a浓度在6、7、8月最高,3、4、5月最低,而科伦坡叶绿素a高值出现在7、8、9月。光合有效辐射与海表温度有关,而海表温度和光合有效辐射又一起对浮游植物生物密集发挥着重要作用,与本文研究区观测到的结果基本一致,光合有效辐射与海表温度相关,但分别受季风和环流影响明显。

4.2 季风和海温对斯里兰卡周边海洋生态环境参数 时空分布的影响

光合有效辐射（PAR）是太阳在海面的光照强度,总趋势是量值随纬度递减。光合有效辐射与海表温度相关,但分别还受局地的季风和环流等因素影响。本研究区海面光合有效辐射受陆地下垫面和当地气候系统综合影响,西南季风输送的暖湿水汽遇到印度陆地和斯里兰卡中部山地抬升,辐合上升运动增强,水汽凝结,迎风面云增多和降水显著加剧;反之,当气流翻过中部山脊后,空气向四周辐散,引起气流下沉,气流湿度不饱和,变得干燥,使得该地区的天气以晴朗少云为主,降水也相对较少[36]。受印度德干高原西高止山脉及斯里兰卡中部高山的抬升影响,印度南部西侧和斯里兰卡西南角年降雨量超过2500 mm,为湿润区,其他区域普遍干旱少雨,降雨主要靠东北季风[29],导致斯里兰卡干旱区（图4）和印度泰米尔那都（Tamil Nadu）邦干旱区（图3卫星影像印度黄色区域）降水量小于1000 mm。离开陆地的季风致使印度大陆东部马纳尔湾和斯里兰卡东部海域光合有效辐射明显高于外围印度洋。另外,东北季风相对西南季风干冷,斯里兰卡西南部光合有效辐射影响相对东北部海域范围小。
海水温度的变化会直接影响海洋生态系统。有研究表明,过去56年（1950—2005年）由于海水温度的升高,印度洋海区的浮游植物生物量下降20%左右[30],但不同区域下降的幅度不一,甚至有局部区域受外界洋流等影响会小幅度上升。由于受年际季风环流[34]的影响,温度对生产力变化的贡献还存在不确定性,比如印度洋浮游植物的趋势是根据相对较短的观测时间序列估计出来的,季风是一个具有复杂季节性的物理参数[35],也显示出年际变化和趋势。

5 结论

斯里兰卡地处印度洋海上丝绸之路沿线,在全球变暖和人类活动加剧背景下,环岛周边海域生态环境变得脆弱敏感。本文从斯里兰卡岛周边海域、科伦坡港和典型陆架海域保克湾进行分析,得出如下区域时间序列生态环境变化特征。
（1）斯里兰卡周边海域。斯里兰卡岛周边海域海表温度整体在28 ℃以上,岛的东部、南部及北部一窄条海域,海表温度明显偏低。环绕斯里兰卡岛屿的近岸具有相对低的年均光合有效辐射,近海的年均光合有效辐射较外海高,高值区域出现在马纳尔湾。沿岸和近海水体透明度可达2 m以下,外海透明度年均在30 m以上。该海域沿岸浮游植物生物量相对较高,年均叶绿素浓度达2 μg/L以上,但高浮游植物生物量海域范围较窄,与海表温度负相关。外海浮游植物生物量极低,年均叶绿素浓度低于0.2 μg/L,与透明度负相关。类似的,除近岸外,净初级生产力水平总体上较低,大部分接近 500 mgC/（m2day）的水平。
（2）科伦坡港。年均水温约28 ℃,水温最高值出现在4月,光合有效辐射最大值出现在3月,透明度最大值也出现在3月,叶绿素最大值出现在8月,易出现富营养化水体乃至赤潮,生产力下半年明显大于上半年。水温、光合有效辐射、叶绿素浓度均呈波动上升趋势,海水透明度和初级生产力呈波动下降趋势,属于正常年际波动范围,未呈现异常生态环境退化,致灾因素重点关注8月潜在的赤潮。
（3）保克海峡水体光学特性。保克海峡浑浊带的源头是印度的卡里梅尔角,由于高韦里河携带大量泥沙造成,贾夫纳泻湖也常年处于浑浊状态,以悬沙主导的D类和超高浓度悬沙E类水体为主,其中夏季分布面积相对较广,而秋季相对较小。保克湾中部代尔夫特岛东南海域,水体相对保克湾内其他水体较清洁,以混合过渡的C类、叶绿素和黄色物质主导的B类水体为主,海峡外海深水区,以贫营养A类的清洁水体为主,尤其在冬季和春季为主导水体类型。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Robinson I S, Antoine D, Darecki M, et al. Remote sensing of shelf sea ecosystems—State of the art and perspective[M]. European Science Foundation Marine Board: Ostend, Belgium, 2008,12:1-18.

[2]
《关于推进绿色“一带一路”建设的指导意见》(环境保护部、外交部、发展改革委、商务部联合发布),[EB/OL].[2018-11-30]. https://www.yidaiyilu.gov.cn/zchj/qwfb/12477.htm.

[ Guiding opinions on promoting green "one belt and one road" construction, Jointly issued by the Ministry of environmental protection, the Ministry of foreign affairs, the development and Reform Commission and the Ministry of Commerce. [2018-11-30]. https://www.yidaiyilu.gov.cn/zchj/qwfb/12477.htm.

[3]
Sathyendranath S. Phytoplankton Functional Types from Space[R]. Reports of the International Ocean-Colour Coordinating Group, No.15, IOCCG, Dartmouth, Canada. 2014.

[4]
Ibarbalz F M, Henry N, Manoela C, et al. Global Trends in Marine Plankton Diversity across Kingdoms of Life[J]. Cell, 2019,179:1084-1097.

DOI PMID

[5]
Blondeau patissieR D, Gower JFR, Dekker AG, et al. A review of ocean color remote sensing methods and statistical techniques for the detection, mapping and analysis of phytoplankton blooms in coastal and open oceans[J]. Progress In Oceanography, 2014,123:123-144.

DOI

[6]
Greb S, Dekker A, Binding C. Earth Observations in Support of Global Water Quality Monitoring[M]. IOCCG Report Series, No. 17, International Ocean Colour Coordinating Group, Dartmouth, Canada, 2018.

[7]
Kirk J T O. Light and Photosynthesis in Aquatic Ecosystems[M]. Cambridge: Cambridge University Press, 2010:1-95.

[8]
BurtT P, Weerasinghe K D N. Rainfall distributions in Sri Lanka in time and space: An analysis based on daily rainfall data[J]. Climate, 2014,2:242-263.

DOI

[9]
Zubair L, Suryachandra A R, Yamagata T. Modulation of Sri Lankan Maha rainfall by the Indian Ocean Dipole[J]. Geophysical Research Letters, 2003,35:1-4.

[10]
Behrenfeld M J, Malley R T O', Boss E S, et al. Revaluating ocean warming impacts on global phytoplankton[J]. Nature Climate Change, 2016,6:323-330.

DOI

[11]
Frouin R, McPherson J, Ueyoshi K, et al. A time series of photosynthetically available radiation at the ocean surface from Sea WiFS and MODIS data[J]. Proceedings Of SPIE, 2012,852519:1-112.

[12]
何贤强, 潘德炉, 黄二辉, 等. 中国海透明度卫星遥感监测[J]. 中国工程科学, 2004,6(9):33-37.

[ He X Q, Pan D L, Huang E H, et al. Monitor of water transparency in the China Sea by using satellite remote sensing[J]. Engineering Science, 2004,6(9):33-37. ]

[13]
Behrenfeld M J, Falkowski P G. A consumer's guide to phytoplankton primary productivity models[J]. Limnology and Oceanography, 1997,42:1479-1491.

DOI

[14]
Valente A, Sathyendranath S, Brotas V, et al. A compilation of global bio-optical in situ data for ocean colour satellite applications - version two[J]. Earth System Science Data, 2019,11:1037-1068.

DOI

[15]
O’Reilly J E and Werdell P J. Chlorophyll algorithms for ocean color sensors - OC4, OC5 & OC6[J]. Remote Sensing Environment, 2019,07229:32-47.

[16]
Madhubhashini Elepathage T S, Tang D. Hydro-climatic variations analysis with remote sensing data on Sri Lankan ocean waters[J]. Journal of Marine Biology & Oceanography, 2019,8:1-12.

[17]
Vinayachandran P N, Mathew S. Phytoplankton bloom in the Bay of Bengal during the northeast monsoon and its intensification by cyclones[J]. Geophysical Research Letters, 2003,30(11):1572.

DOI

[18]
Ye H P, Li J S, Li T J, et al. Spectral classification of the Yellow Sea and implications for coastal ocean color remote sensing[J]. Remote Sensing, 2016,8(4):1-23.

DOI

[19]
Chisholm , Hugh . Palk Straits. Encyclopædia Britannica. 20(11th ed.). Cambridge University Press.635. [EB/OL]. [2019-11-20]. https://en.wikipedia.org/wiki/Palk_Strait.

[20]
Clift P D, Plumb R A. The Asian Monsoon: Causes, History and Effects[M]. Cambridge University Press: Cambridge, UK, 2008.

[21]
Phytoplankton Bloom Persists Between India and Sri Lanka. 2009[EB/OL]. [2019-11-20]. http://www.eosnap.com/tag/palk-strait/page/3/.

[22]
Rameshkumar S, Rajaram R. Chapter 22 - Impact of seaweed farming on socio-economic development of a fishing community in Palk Bay, Southeast Coast of India[M]. Coastal Zone Management, 2019:501-513.

[23]
Suryanarayan V. The India-Sri Lanka Fisheries Dispute: Creating a Win-Win in the Palk Bay. 2016. Carnegie-india.[EB/OL].[2019-11-20] https://carnegieindia.org/2016/09/09/india-sri-lanka-fisheries-dispute-creating-win-win-in-palk-bay-pub-64538.

[24]
Periyasamy C, Anantharaman P, Balasubramanian T. Sustainable utilization of biological resources-seaweed farming a good option[J]. Internet Journal Application Bioresearch, 2013,18:17-22.

[25]
黄德凯, 徐秀良. 印度—斯里兰卡海洋渔业争端探析[J]. 边界与海洋研究, 2016,1(3):116-123.

[ Huang D K, Xu X L. An analysis of india: Sri Lanka Marine fisheries dispute[J]. Journal of Boundary and Ocean Studies, 2016,1(3):116-123. ]

[26]
He X Q, Bai Y, Chen C, et al. Satellite views of the episodic terrestrial material transport to the southern Okinawa Trough driven by typhoon[J]. Journal of Geophysical Research: Oceans, 2014,119:4490-4504.

DOI

[27]
Behrenfeld M J, O'Malley R T, Siegel D A, et al. Climate-driven trends in contemporary ocean productivity[J]. Nature, 2006,444(7120):752-755.

DOI PMID

[28]
Doerffer R. Protocols for the validation of MERIS water products[M]. European Space Agency: Geesthacht, GKSS Research Center, Germany, 2002.

[29]
Wickramagamage P. Seasonality and spatial pattern of rainfall of Sri Lanka: Exploratory factor analysis[J]. International Journal of Climatology, 2010,30(8):1235-1245

DOI

[30]
Roxy M K, Modi A, Murtugudde R. A reduction in marine primary productivity driven by rapid warming over the tropical Indian Ocean[J]. Geophysical Research Letters, 2016,43(2):826-833.

DOI

[31]
Brown O B, Minnett P J. MODIS infrared sea surface temperature algorithm (Version 2.0)[M]. Algorithm Theoretical Basis Document, 1999, 1-98.

[32]
Mélin F, Vantrepotte V. How optically diverse is the coastal ocean?[J]. Remote Sensing Environment, 2015,160,235-251.

DOI

[33]
周淑贞, 张如一, 张超. 气象学与气候学[M]. 北京: 高等教育出版社, 1997.

[ Zhou S Z, Zhang R Y, Zhang C. Meteorology and Climatology[M]. Beijing: Higher Education Publishing, 1997. ]

[34]
Roxy M K, Ritika K, Terray P, et al. Drying of Indian subcontinent by rapid Indian Ocean warming and a weakening land-sea thermal gradient[J]. Nature Communications, 2015,6, 7423.

DOI PMID

[35]
Boyce D G, Lewis M R, Worm B. Global phytoplankton decline over the past century[J]. Nature, 2010,466(7306):591-596.

DOI PMID

Options
Outlines

/

〈 〉