自20世纪70年代以来,许多国家沿海水域频繁发生大规模绿潮,使其成为全球性的海洋生态问题(Smetacek 和 Zingone, 2013; Qi 等, 2022)。在中国,主要由Ulva prolifera引起的绿潮自2007年起每年都在黄海出现(Liu 等, 2013; Shao 等, 2024)。这些藻华通常从4月中旬到5月初在苏北浅滩的放射状沙脊区域形成(Hu 等, 2010; Hou 等, 2024)。在表面电流和东南季风的作用下,它们最终在6月中旬至下旬淹没山东半岛的近岸水域(Gao 等, 2020; Li 等, 2021)。
虽然Ulva prolifera本身无毒,但其积累和沉积会对山东半岛的沿海地区造成严重的生态和经济损害(Li 等, 2021)。藻类的分解会消耗溶解氧并释放有害的硫化合物,对海洋养殖业产生负面影响(Lyons 等, 2014; Sun 等, 2025)。2008年至2015年间,这些事件造成的经济损失达3.5亿美元(Hu 等, 2017),凸显了其巨大的财务影响。因此,获取关于沿海水域和邻近海滩Ulva prolifera淹没情况的准确和及时信息对于减轻生态危害和防止进一步的经济损失至关重要。
遗憾的是,现有研究主要集中在开阔海域的Ulva prolifera动态上(Hou 等, 2024; Li 等, 2025; Xing 等, 2019),对于短期(几天到几周)近岸淹没过程的理解存在空白。例如,2019年的媒体报道指出Ulva prolifera》曾绕过青岛并在 Rushan 初次登陆,这表明存在不同的“淹没模式”。然而,这些模式的特征和驱动因素仍不明确。
此外,驱动大型藻类淹没动态的机制尚未完全阐明。虽然绿潮被冲上岸通常被视为其漂移过程的终点,但其背后的驱动因素包括Pyropia yezoensis养殖区(Wang 等, 2015; Xing 等, 2019)的初始释放、受季节性季风和表面电流驱动的向北漂移(Bao 等, 2015; Qiao 等, 2011),以及影响最终搁浅模式的局部近岸因素,如海岸线形态、水深和涡流(Lara-Hernández 等, 2024)。准确区分这些各个过程的影响对于改进缓解策略和优化预测模型参数至关重要。
海洋颜色传感器,如中分辨率成像光谱仪(MODIS)和地球静止轨道海洋颜色成像仪(GOCI),由于其高重访频率和多光谱覆盖能力,在监测开阔水域的Ulva prolifera动态方面表现出强大的操作能力。然而,由于浅水干扰和陆地邻近效应,它们的250–500米分辨率限制了近岸区域的检测(Wang 和 Hu, 2021)。中高分辨率传感器通过提供显著提高的空间细节解决了这一问题。值得注意的例子包括Landsat系列(30米)、Sentinel-2A/B(10–20米),以及中国的混合地球观测系统,其中包括中国-巴西地球资源卫星(CBERS,20–80米)、高分(GF,0.8–16米)、环景(HJ,30米)和海阳(HY,20米)卫星。这些多平台数据集的协同整合实现了对沿海水域Ulva prolifera的全面监测,提高了空间检测灵敏度,同时保持了足够的时间覆盖范围,以准确追踪藻华的发展和扩散。
通过构建一个综合的绿潮分布数据集,本研究旨在分析山东半岛沿海地区Ulva prolifera淹没的时空模式,并识别影响其动态的关键环境因素。研究结果为改进清理策略规划、减少社会经济干扰以及优化沿海绿潮管理预测模型提供了宝贵见解。