透明度（Secchi disk depth，SDD）反映了水体浑浊度和营养状态，是描述水体光学性质的重要参数。水体透明度与水环境参数密切相关，如叶绿素a（chlorophyll a，Chl a）浓度、总悬浮物（Total suspended matter，TSM）浓度、有色溶解有机质（chromophoric dissolved organic matter，CDOM）浓度，海面盐度（sea surface salinity，SSS）、海面温度（sea surface temperature，SST）、总氮、总磷等，被广泛用作海洋环境质量的评价指标^[1-2]。传统的透明度观测方法是通过塞克盘获得^[3]。然而，该方法难以满足实时监测和长时间连续观测透明度的需求^[4]。遥感技术因其覆盖面积大、数据采集速度快而被广泛应用于透明度的监测。刘翀^[5]等提出了基于MODIS绿色波段的单波段幂函数模型，该模型在青藏高原湖泊地区反演精度较高。姜玲玲等^[6]利用Sentinel-3 OLCI遥感反射率数据，将混合波段模型作为渤海透明度反演模型，得到2020年渤海月均透明度遥感产品。刁瑞翔等^[7]将构建的蓝红波段比二次模型应用于Landsat-8 OLI和Sentinel-2 MSI卫星数据，得到了2013－2020年岱海水体年均透明度分布图。

半分析算法在反演水体组分方面是有用的，但其需要较多参数的输入^[8]。相较于半分析算法，经验算法简单易用，估算精度高，目前经验算法仍是透明度遥感反演的主要方法。本研究基于MODIS-Aqua遥感反射率数据，采用经验算法反演黄海水体透明度，构建2003－2020年黄海水体月均透明度数据集，分析水体透明度时空变化特征及其影响因素。

1   数据与方法

1.1   研究区域概况

黄海处于31.6°N－39.8°N，119°E－126.8°E，是西北太平洋最大的边缘海之一。黄海东面为朝鲜和韩国，南面以长江口北岸的启东嘴至济州岛西南角的连线与东海相接，西面为山东省和江苏省的部分城市，北面为辽宁省和朝鲜平安北道，东南至济州海峡，西北经渤海海峡与渤海相连^[9]。黄海海底地形比较平缓，总体由西北向东南倾斜。黄海东西宽约556 km，南北长约870 km，平均水深44 m，面积约为38万km^2[10]。

流入黄海的河流主要有灌河、新沂河、沐河、苏北灌溉总渠、鸭绿江、汉江和大同江。随着内陆河流的流入，水中携带丰富的营养物质和悬浮颗粒物，水体在风、浪和潮汐驱动的作用下混合，黄海水域的水质在很大的范围内具有区域性和季节性变化^[11]。此外，黄海还受到工业污染、农业径流和生活污水的影响。

1月是黄海全年气温最低的月份，冬季气温最低可达−2 ℃，且南北温度相差较大；夏季，由于太阳辐射热的影响，气温随之升高，海水表面水温最高可达27 ℃。黄海雨季一般出现在6月到8月之间，降雨量可达到全年总降雨量的50%～70%^[12]。

1.2   遥感数据

本研究使用2003－2020年覆盖整个黄海区域的MODIS-Aqua遥感反射率三级产品，数据的中心波长分别为412 nm、443 nm、469 nm、488 nm、531 nm、547 nm、645 nm、667 nm 和 678 nm，空间分辨率为4 km × 4 km。

此外，采用月平均反射率数据反演了该区域海面Chl a浓度、TSM浓度和CDOM浓度，用于分析各因素与水体透明度的关系。采用O’Reilly 等^[13]提出的蓝绿波段比算法并结合Hu等^[14]构建的颜色指数算法计算Chl a浓度。首先基于颜色指数计算出Chl a浓度记为Chl_CI，并将其作为判断指标。使用蓝绿波段比算法计算出Chl a浓度记为Chl_OC4。当Chl_CI数值小于0.25时，该点Chl a浓度用Chl_CI表示；当Chl_CI数值大于0.3时，该点Chl a浓度用Chl_OC4表示。采用Zhang等^[15]构建的算法计算TSM浓度，该算法根据488 nm、555 nm和645 nm 3个波段的反射率构建经验模型。利用Zhu等^[16]构建的QAA_CDOM算法计算CDOM浓度，该算法首先计算440 nm处CDOM吸收系数，并用其数值表示CDOM浓度。

1.3   环境数据

黄海海表面温度数据和盐度数据来自欧洲哥白尼海洋环境监测服务中心（Copernicus marine environment monitoring service, CMEMS），空间分辨率分别为0.05°×0.05°和0.25°×0.25°。

1.4   透明度反演模型

禹定峰等^[8]基于MODIS遥感反射率数据和黄东海实测透明度数据，开发了多种透明度反演算法，其中三波段模型的反演精度最高，因此本研究采用三波段模型监测黄海透明度：

式中：$ {R_{{\text{rs}}}} $为遥感反射率（s/r），488 nm、555 nm和678 nm为相应波段的中心波长。

1.5   经验正交函数分解

经验正交函数分析方法（Empirical orthogonal function, EOF），是一种数学统计方法。Lorenz在20世纪50年代首次将经验正交函数分析方法引入气象和气候研究中^[17]，目前在地学、海洋学等其他学科的研究中得到了非常广泛的应用。在海洋学数据分析中，特征向量对应空间样本，称为空间模态，主成分对应时间变化，称为时间系数。

经验正交函数分解有奇异值分解方法和协方差矩阵方法。奇异值分解法能快速计算特征值和特征向量，但要求数据中不能存在空值，本研究采用了协方差矩阵方法。协方差矩阵法的核心是计算协方差矩阵或者相关性系数阵的特征值和特征向量^[18]，一幅黄海的MODIS影像由几万个像素点组成，空间像素点的维度远大于时间序列长度的维度，使协方差矩阵非常庞大，因此本研究采用了时空转换的方法。将特征值按降序排列，将每个非零特征值对应的特征向量列表作为一种空间分布模式。时间模式通过将特征向量与原矩阵的转置相乘得到。最后，选择North检验法检验特征值误差范围的显著性，判断分解结果是否具有物理意义。

2   结果与讨论

2.1   水体透明度的时空变化特征分析

2.1.1   年平均

利用三波段模型反演获得2003－2020年平均黄海水域透明度分布情况，如图1（a）所示。年平均透明度值图像表现出从近岸向远海逐渐增加的趋势，苏北浅滩为低值区，南黄海中部为高值区，这与朱兰部等^[19]以及张绪琴等^[20]的研究结果一致。苏北浅滩附近海岸流和陆地输入，导致全年悬浮物和有色溶解有机质浓度较高，而南黄海中部主要受黄海暖流影响，其携带的高盐水体至黄海中部^[1]。为分析黄海海域透明度的空间差异性，计算透明度的标准差，如图1（b）所示。沿海水域标准差值最低，而黄海中部海域以及南黄海透明度标准差具有高度的变异性，表明该区域透明度在时间上变化较大。

图  1  黄海水体透明度多年平均值与透明度标准差

Fig.  1  Multi-year average value and the standard deviation of water transparency in the Yellow Sea

下载: 全尺寸图片 幻灯片

基于黄海海域的多年透明度数据的空间平均值，计算透明度时间异常数据并对其进行线性回归，结果如图2所示。透明度异常趋势分析显示，2009年以前水体透明度大多高于年平均值，而2009－2017年水体透明度基本低于年平均值，表明在此期间海域的水质可能出现恶化。

图  2  黄海2003－2020年透明度年均值异常变化

Fig.  2  Abnormal annual mean value of transparency in the Yellow Sea from 2003 to 2020

下载: 全尺寸图片 幻灯片

为评价黄海水体透明度的时空变化趋势，利用Sen’s 斜率估计方法计算数据序列的斜率，该斜率为序列透明度值的变化幅度。同时，采用Mann-Kendall检验评价变化趋势的时间变化及显著性。黄海水域的Sen’s 斜率估计分析和MK检验结果如图3所示。海州湾沿岸海域和南、北黄海交界处海域呈显著的负向趋势，黄海中部海域呈显著的正向趋势，黄海东南部水域透明度有所下降，但时间趋势不显著。

图  3  2003－2020年黄海透明度Sen’s斜率估计和Mann-Kendall检验变化趋势图

Fig.  3  Sen’s slope estimation and Mann-Kendall test trend of transparency in the Yellow Sea from 2003 to 2020

下载: 全尺寸图片 幻灯片

2.1.2   季节平均

利用三波段模型反演获得2003－2020年四季黄海水域透明度分布情况如图4所示。总体来看，黄海透明度呈现夏季、秋季较高，春季和冬季较低的特点。春季，黄海海岸线、江苏北部沿岸以及杭州湾的海水透明度较低，低于4 m，而南黄海中部透明度值较高。长三角地区的透明度值较低与周围水流的强混合有关。夏季是四季中透明度值最高的时期。由于夏季海面吸收太阳辐射较多，海表温度逐渐升高，温跃层厚度的增加加强了水体的垂向稳定性，上层和下层海水不容易混合^[19]，阻止了底层悬浮粒子与上层水体的混合，海水透明度随之上升。夏季是黄海中部Chl a浓度最低的季节，而沿海地区夏季Chl a浓度偏高^[21]，黄海中部透明度值与春季相比大幅上升，而自苏北浅滩及沿海地区的透明度值增幅较小。苏北浅滩及长江口透明度低值区的扩展方向与长江径流输入东海的泥沙运移方向基本一致^[19]，表明河流流向以及悬浮物浓度对该区域的透明度产生影响。与夏季相比，秋季的透明度值有所下降。一方面，由于温度相较夏季有所下降；另一方面，随着西北风增强，海水对流混合逐渐增强，悬浮物浓度升高，导致水体透明度普遍下降。冬季的透明度是四季中最低的，苏北沿岸透明度值大多小于1 m，而南黄海自东北向西南方向大部分海域的透明度仍然很高，可达10 m。

图  4  2003－2020年不同季节黄海水体透明度平均值

Fig.  4  The mean value of water transparency in the Yellow Sea from 2003 to 2020 in spring、in summer、in autumn and winter

下载: 全尺寸图片 幻灯片

2.2   影响因素分析

2.2.1   主模态空间分布与时间序列振幅

表1为经验正交函数分解的前5个特征向量的贡献率及其上下限结果，透明度的前三种模式均通过显著性检验。因此，在本研究中使用前三个模态来分析主要变异性。利用经验正交函数分解得到主模态，并进一步分析各主模态的空间分布、时间序列振幅和主要影响因子。每个模态反映了原始变量场的变化，模态的重要性可以用特征根的大小来判断，特征根越大则其所对应的模态也越重要，表明对总方差的贡献率越高^[18]。模态对应的空间分布与时间振幅共同决定了像素点数值的增减。一个影响因子可以出现在几个主要模态中，并且一个模态可能与多个因子相关。图5显示了经验正交函数分解的前三个模态的空间分布，图6显示了对应的时间序列振幅图。

表  1  经验正交函数分解的前5个特征向量贡献率

Tab.  1  Contribution rate of the first five feature vectors of empirical orthogonal function decomposition

模态	方差贡献率	特征根误差下限	特征根误差上限
1	51.122	5587663.504	6777502.121
2	5.076	554793.041	672930.825
3	3.496	382103.923	463469.239
4	3.396	371152.947	450186.358
5	2.018	220575.683	267545.130

下载: 导出CSV 

| 显示表格

图  5  经验正交函数模态的空间分布

Fig.  5  Spatial patterns for the empirical orthogonal function modes

下载: 全尺寸图片 幻灯片

图  6  经验正交函数模态的时间序列振幅图

Fig.  6  Temporal amplitudes for the empirical orthogonal function modes

下载: 全尺寸图片 幻灯片

EOF第一模态的解释率占总方差的51.12%。空间变化不明显，绝大部分区域空间系数为正值，这意味着绝大部分黄海水域透明度同时发生一致的变化。从海岸到外海的空间系数逐渐增大，其中黄海中部变化最大，与透明度年平均值的空间分布图像相似，表明黄海中部的透明度数值变化最大，沿海透明度数值变化较小。对应的时间振幅显示出明显的季节周期性变化特征：5－10月振幅值均为正，表明这段时间黄海绝大部分水域的水体透明度高于年平均值，其他月份的时间振幅值为负，表明此时绝大部分水域水体透明度低于年平均值；每年在7月或8月观测到最高的信号，而最低的值通常出现在2－4月，表明黄海绝大多数区域7－8月透明度数值快速增大，而在2－4月减小。由于水的光学成分以及温度具有季节周期性变化特征，因此可以推测其与该模态有强相关性。

EOF第二模态的解释率占总方差的5.08%。从空间分布来看，黄海中部空间系数为正，长江口附近区域以及黄海北部空间系数为负。从时间振幅图看，夏、冬季时间振幅值为负，春、秋季时间振幅值为正。因此，夏、冬季透明度值降低，在春、秋季透明度值升高，而长江口附近区域透明度变化与之相反。夏季黄海中部水温升高，温跃层的存在阻止了底部悬浮物与上部水体的混合。秋季透明度的变化可能受长江口淡水减少和黄海暖水团带来的高盐水体的影响。因此可以推测该模态与温度和盐度有较高的相关性。

EOF的第三模态的解释率占总方差的3.50%。从空间分布来看，相对较高的空间系数正值主要分布在黄海中部以及黄海东南区域，相对较低的空间系数负值主要分布在黄海西南区域。时间振幅出现高频率以及高值的特征，说明透明度变化大且变化快。时间系数的正值绝大多数出现在冬季。结合空间分布和时间振幅图，结果表明，黄海中部的透明度值在冬季升高，而沿海地区的透明度值降低。这可能是由于秋季海面风强度增加，以及沿海水域底部悬浮泥沙的影响。

2.2.2   主要影响因素

为分析导致黄海透明度在此时间段内变化的影响因素，表2为经过经验正交函数分解得到的时间振幅与各影响因素的相关系数。第一模态与Chl a浓度、TSM浓度、CDOM浓度、SSS呈较强的负相关，与SST呈显著正相关。该模态与Chl a浓度的相关性最高，相关系数为−0.9414。在自然水体中，光在水中向下辐射随水深的增加而减弱,衰减过程与光学成分的吸收和散射密切相关^[22]。在可见光范围内，水分子在红色波长处有很强的吸收，而散射很弱。浮游植物在蓝色和红色波长处有两个强吸收峰，同时也有强散射峰^[23]。在以无机颗粒为主的水体中，散射对透明度的影响大于吸收。悬浮颗粒物由无机物和有机物组成，无机颗粒物质相对于水分子具有较高的折射率，光线在水下会强烈散射，而有机颗粒物质的光学性质与CDOM相似^[24]。CDOM吸收水下蓝色波段的光，在黄色波段散射，使海水表面呈现黄色^[25]。因此除水分子外，三个主要的光学组分共同决定了水体的光学特性^[1]。第一模态与CDOM浓度的相关性最弱，相关系数为−0.5946，但与TSM浓度和Chl a浓度的相关性较强，说明透明度的变化是由水体光学组分决定的。第二模态与SST、SSS的相关性最高，但相关性较弱。第三模态与CDOM浓度的相关性最大，但不强，可以认为，SST、SSS是透明度变化的主要协变量。

表  2  黄海水体透明度时间振幅与各影响因素的相关系数

Tab.  2  Correlation coefficients between temporal modes of water transparency in the Yellow Sea and various factors

模态	Chl a/mg·m−3	TSM/mg·L−1	CDOM/m−1	SST/℃	SSS/psu
EOF 1	−0.941	−0.849	−0.595	0.863	−0.756
EOF 2	0.005	0.120	0.085	−0.299	0.401
EOF 3	0.028	0.300	−0.346	−0.141	0.099

下载: 导出CSV 

| 显示表格

3   结 论

（1）在空间分布上，年平均透明度的空间分布表现为南黄海中心地区透明度值较高。河流水流以及沿海海流携带泥沙等物质输入海水，使得黄海近岸水体透明度较低，而在远海水域透明度较高。

（2）从年变化来看，整个海域透明度呈下降趋势。透明度的变化也表现为春、冬季较低，而夏、秋季较高的规律。

（3）经验正交函数分解结果表明，EOF第一模态与Chl a浓度的相关性最高，此外与TSM浓度相关系数比较高，说明了海水的光学组分是透明度变化的主要影响因素。从第二个模态和第三个模态来看，温度和盐度是引起黄海透明度变化的主要协变量。此外，地形、潮汐、潮流、水团、绿潮和河流流量以及人为因素对透明度的影响也要加以考虑。