东海地区Sargassum（马尾藻）生物量估算在GOCI和GOCI-II之间的连续性

《Remote Sensing Applications: Society and Environment》：Continuity of Sargassum biomass estimation in the East China Sea between GOCI and GOCI-II

本研究利用GOCI与GOCI-II的高频次海洋颜色数据，通过建立赤潮藻类生物量密度(SBD)与替代浮游藻指数(AFAI)的二次多项式关系，并采用随机森林、梯度提升树和自助法树等机器学习模型，实现了东海Sargassum honeri生物量的连续监测与精准估算。模型显示随机森林在GOCI(R2=0.70)和GOCI-II(R2=0.79)上表现最佳，RMSE分别为0.022和0.016 kg/m2，且两传感器生物量分布与面积覆盖具有良好一致性(R2=0.77)，为赤潮灾害预警和海洋管理提供了可靠工具。

　　Sargassum horneri, 一种在东亚海域频繁出现的浮游藻类，自2015年以来每年都会从东海（ECS）流向济州岛和朝鲜半岛，对水产养殖区和沿海环境造成严重破坏。为了有效应对这些跨境现象，不仅需要建立分布图，还需要实现高频率（<1天）的Sargassum生物量监测。本研究旨在通过分析GOCI和其后续传感器GOCI-II的观测数据，评估和建立Sargassum生物量估计的连续性，为东亚洲及其他受影响地区提供一种可转移且操作性强的监测工具。

Sargassum horneri是东海唯一导致“黄金潮”的物种，自2000年代初以来，其在东海的出现已被记录（Qi et al., 2017; Zhang et al., 2019）。随后，这种浮游藻类开始频繁出现在黄海（YS）区域。2017年10月，山东半岛南部的水产养殖区首次发现大规模Sargassum斑块，并逐渐向南迁移，最终在2017年12月到达长江入海口。近年来，许多研究探讨了Sargassum的起源及其长期扩张，认为其受到气候驱动因素和人为营养源的双重影响。这些研究追踪了东海浮游藻类的来源，并识别了源区和运输模式的年度变化（Qi et al., 2022, 2023）。自2015年以来，大量Sargassum从中国东南沿海涌入，每年1月至6月期间都会覆盖朝鲜半岛的海岸线。这些浮游藻类斑块通常被洋流带到东海，并在济州岛海岸积累，其影响尤为严重。在这一地区，Sargassum事件已经扰乱了水产养殖活动，破坏了近岸生态系统，并对沿海旅游业产生了负面影响。

根据海洋与渔业部（MOF）的统计，从2015年到2023年，韩国水域中移除的Sargassum总量超过51,000吨，其中2015年和2021年的移除量均超过15,000吨。济州海岸区由于其地理位置和生态脆弱性，成为这些移除行动的主要区域。尽管MOF目前使用实地调查和卫星图像进行检测，但尚未建立能够实现连续监测和定量生物量估算的运营系统。随着这些事件的频率和强度不断增加，建立一个能够实时追踪Sargassum分布和生物量的系统变得尤为迫切。这样的系统对于及时响应和减轻生态与社会经济损失至关重要。

为了实现这一目标，研究团队利用了GOCI和GOCI-II这两种地球静止轨道上的海洋颜色传感器。这两种传感器能够提供高时间分辨率的海洋颜色观测，特别是在东海和黄海区域，每天可获取多达10张图像，空间分辨率达到500米（GOCI）和250米（GOCI-II）。这使得研究人员能够精确跟踪Sargassum的爆发动态。之前的许多研究已经利用了GOCI和GOCI-II的能力，例如Qiu等人（2018）使用GOCI和多层感知器（multilayer perceptron）开发了一种自动检测黄海Sargassum爆发的方法；Kim等人（2019）利用GOCI记录了黄海东部Sargassum覆盖范围的逐年增长；Shin等人（2021）使用GOCI-II绘制了济州岛周边的Sargassum分布图；Lee等人（2023）评估了一种基于GOCI-II的每日和每小时监测系统；Song等人（2023）开发了一种改进的轻量级U-Net模型，用于从GOCI图像中提取Sargassum。然而，这些研究主要关注Sargassum的分布和覆盖范围，很少有人验证GOCI和GOCI-II在生物量估计上的连续性和一致性，也没有展示一种适用于两个任务的可转移框架。

为了填补这一空白，本研究首次评估了GOCI和GOCI-II在东海区域Sargassum生物量估计上的连续性，并建立了相应的框架。研究的主要目标包括：（1）评估GOCI和GOCI-II在时间匹配的Rayleigh校正反射率（ρc）产品之间的光谱一致性；（2）利用实验室光谱测量数据开发生物量估计模型；（3）评估机器学习模型在Sargassum生物量估计中的性能；（4）估算Sargassum的生物量分布。研究团队使用了GOCI和GOCI-II的8个和12个光谱波段作为输入，并以实地测量的生物量密度（SBD）作为输出，训练了多种机器学习模型，包括Fine trees、boosted trees和bagged trees模型。其中，bagged trees模型表现最佳，其在GOCI和GOCI-II上的R2值分别为0.70和0.79，RMSE分别为0.022 kg/m2和0.016 kg/m2。通过模型预测，研究人员将所有SBD≥0.1 kg/m2的像素进行汇总，从而得到了Sargassum的面积过量和总生物量。尽管GOCI和GOCI-II在传感器特性和获取条件上存在固有差异，但它们在面积覆盖和总生物量方面表现出良好的跨传感器一致性，R2值分别为0.77和0.88，RMSE分别为16.95 km2和0.052百万吨。这表明，尽管传感器性能存在差异，但GOCI和GOCI-II在监测Sargassum方面具有良好的连续性和一致性。

研究团队还发现，GOCI和GOCI-II的ρc产品在相同时间区间的光谱一致性较高。通过统计比较两组传感器的ρc图像，研究人员评估了不同波段之间的比率和RMSE。结果显示，GOCI和GOCI-II在蓝色波段（412–490 nm）的比率接近1，表明在这些波段上，两个传感器的观测结果具有高度一致性。然而，在其他波段上，可能存在一定的差异，这些差异可能影响生物量估计的准确性。因此，研究团队通过实验室光谱测量数据建立了生物量密度估计方程，并结合机器学习算法进行了模型训练和验证。

本研究的结果表明，GOCI和GOCI-II在东海区域的Sargassum生物量估计方面具有良好的连续性和一致性，这为建立长期的、高频率的监测系统提供了坚实的基础。通过这种半自动化的框架，研究人员能够实现近实时的生物量估算，并在不同云况条件下提前发现藻类爆发事件。这一方法不仅提高了监测的精度和准确性，还为沿海管理、灾害应对和政策制定提供了重要的数据支持。此外，本研究开发的生物量估计模型和框架具有可转移性，适用于其他Sargassum受影响的区域，为全球范围内的海洋监测和管理提供了新的思路和工具。

在方法上，本研究采用了一系列先进的技术手段，包括光谱校正、机器学习模型训练和验证，以及跨传感器数据融合。这些技术手段的结合，使得研究人员能够在不同传感器之间实现数据的连续性和一致性。通过分析GOCI和GOCI-II的ρc产品，研究人员能够识别传感器性能的变化，并通过实验室测量数据建立可靠的生物量估计方程。这些方程不仅适用于当前的传感器，还能够为未来的传感器提供参考和指导。

研究团队还强调了高频率监测的重要性。由于Sargassum斑块可能在几小时内发生变化，因此，仅依赖一天一次的监测可能无法满足实时需求。因此，建立一种能够实现高频率观测的系统，对于准确捕捉Sargassum的动态变化至关重要。本研究通过GOCI和GOCI-II的高时间分辨率观测，成功实现了这一目标，为其他类似的研究提供了借鉴。

在应用方面，本研究开发的生物量估计模型和框架可以广泛应用于沿海地区的环境监测和管理。通过近实时的生物量估算，研究人员能够及时发现Sargassum的爆发事件，并采取相应的应对措施。这不仅有助于减少对生态系统的破坏，还能降低对沿海经济的影响。此外，本研究的结果还可以为政策制定者提供科学依据，帮助他们制定更加有效的海洋管理政策。

研究团队还提到，虽然现有的海洋颜色传感器如MODIS、MERIS和VIIRS在长期监测Sargassum方面发挥了重要作用，但它们在短时间监测上的能力有限。例如，MODIS和VIIRS虽然能够提供高频率的观测数据，但由于云层遮挡，实际监测频率可能无法达到每日。因此，建立一种能够克服云层遮挡问题的监测系统，对于提高监测的精度和准确性至关重要。GOCI和GOCI-II的高时间分辨率观测能力，使得这一问题得到了有效解决。

最后，研究团队认为，本研究的成果对于全球范围内的海洋监测和管理具有重要意义。特别是在Sargassum爆发频繁的区域，如东亚洲，建立一种可靠的、高频率的监测系统，能够为沿海社区提供重要的预警信息，帮助他们更好地应对这些突发的生态事件。同时，本研究还展示了如何利用现有的卫星数据和先进的分析技术，建立一种可转移的、操作性强的监测框架，为未来的海洋研究和管理提供了新的方向。