海洋与湖沼  2018, Vol. 49 Issue (5): 1084-1093   PDF    
http://dx.doi.org/10.11693/hyhz20180400093
中国海洋湖沼学会主办。
0

文章信息

张广宗, 吴孟泉, 孙晓, 赵德恒, 邢前国, 梁峰. 2018.
ZHANG Guang-Zong, WU Meng-Quan, SUN Xiao, ZHAO De-Heng, XING Qian-Guo, LIANG Feng. 2018.
南黄海浒苔漂移轨迹年际变化规律及驱动因素
THE INTER-ANNUAL DRIFT AND DRIVEN FORCE OF ULVA PROLIFERA BLOOM IN THE SOUTHERN YELLOW SEA
海洋与湖沼, 49(5): 1084-1093
Oceanologia et Limnologia Sinica, 49(5): 1084-1093.
http://dx.doi.org/10.11693/hyhz20180400093

文章历史

收稿日期:2018-04-13
收修改稿日期:2018-06-25
南黄海浒苔漂移轨迹年际变化规律及驱动因素
张广宗1 , 吴孟泉1 , 孙晓1 , 赵德恒1 , 邢前国2 , 梁峰3     
1. 鲁东大学资源与环境工程学院 烟台 264025;
2. 中国科学院烟台海岸带研究所 烟台 264003;
3. 烟台市海洋环境监测预报中心 烟台 264003
摘要:综合利用环境卫星(HJ-1A/1B)CCD影像与MODIS影像,对2011-2017年南黄海海域浒苔信息进行了提取,并结合QuickSCAT海风数据以及ESRL海温数据对浒苔生长及漂移路径的影响进行了分析。结果表明:(1)7年中利用遥感手段最初发现浒苔的日期为5月份,初始发现位置多集中在江苏省盐城市附近海域,且近7年浒苔漂移方向整体上向北,进入山东半岛海域。其中,浒苔中心点距离青岛海域最远约115km(2015年6月21日),最近约9.6km(2012年7月11日)。(2)浒苔中心点漂移方位年际差异较大,整体上浒苔漂移路径方向与海面风风向高度一致。(3)SST是浒苔暴发的关键环境因子,南黄海海域5—8月份SST逐月升高为浒苔生消过程提供了环境条件。
关键词海风    MODIS    QuikSCAT    浒苔    海温    南黄海    
THE INTER-ANNUAL DRIFT AND DRIVEN FORCE OF ULVA PROLIFERA BLOOM IN THE SOUTHERN YELLOW SEA
ZHANG Guang-Zong1, WU Meng-Quan1, SUN Xiao1, ZHAO De-Heng1, XING Qian-Guo2, LIANG Feng3     
1. College of Resources and Environmental Engineering, Ludong University, Yantai 264025, China;
2. Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China;
3. Yantai marine environmental monitoring and forecasting centers, Yantai 264003, China
Abstract: Using the environmental satellite (HJ-1A/1B) CCD and MODIS images, we analyzed the drift of inter-annual trajectories of Ulva prolifera in the South Yellow Sea from 2011 to 2017. The effects of sea surface wind (SSW) and sea surface temperature (SST) on the growth and drift trajectories were studied using QuickSCAT sea wind data and ESRL (NOAA Earth System Research Laboratory) SST data. The results show that in the past seven years, the earliest occurrence of U. prolifera bloom noticed by remote-sensing was in May near Yancheng, Jiangsu. In general, U. prolifera bloom drifted south to north from northern Jiangsu to the southern part of the Shandong Peninsula. The most distant U. prolifera bloom was centered 115km east off Qingdao on June 21, 2015, and the least distant one was 9.6km off Qingdao on July 11, 2012. The central position of the bloom varied considerably, and the overall route of the drift agreed well with the wind direction at sea surface. SST was the key environmental factor for the bloom outbreak. The monthly SST increase in May-August in the southern Yellow Sea predestinated the on-and-off of the algal bloom.
Key words: sea wind     MODIS     QuickSCAT     Ulva prolifera     sea surface temperature     the Southern Yellow Sea    

浒苔, 属石莼科, 是绿藻的一种, 自2008年严重影响青岛奥帆赛引起世人关注以来, 浒苔连年大规模的暴发生长成为我国主要的海洋灾害之一(梁宗英等, 2008)。研究发现, 浒苔一般经过“出现-发展-暴发-衰退-消亡”五个阶段(贾丽莉等, 2015), 且具有分布面积广、覆盖范围大、持续时间长的特点(吉启轩等, 2015), 大量浒苔积聚在岸边, 严重影响沿海渔业与旅游业的发展。因此, 对浒苔的监测与研究引起国内外的高度重视。遥感技术因其大尺度、多空间分辨率、多光谱、快速和动态的监测能力, 替代了传统的取样和实测方法, 已成为大范围绿潮监测的重要手段, 并在对浒苔发生的起源、规模、时空分布和漂移路线方面的监测中发挥了重大作用(叶娜等, 2013)。

国内外学者在浒苔的暴发成因、规模、生长特性和漂移路径等方面展开了研究, Liu等(2009a)认为2008年黄海绿潮的形成种来源于江苏浅滩紫菜栽培筏架, 绿潮的暴发与江苏省紫菜栽培面积的扩大密切相关; 邢前国等(2011)利用多源多时相数据对2007—2010年间黄海、东海暴发的浒苔进行了监测与评估; 吴孟泉等(2014)利用MODIS数据研究了2008—2012年间黄海海域浒苔的分布; 李德萍等(2009)将浒苔遥感资料与QuickSCAT卫星反演的海面风场资料及降水量、日照、平均风速等气象观测资料相结合, 对浒苔暴发的天气特征及成因进行分析; 马艳等(2015)基于QuickSCAT反演的海面风场和POM模式, 研究了2008—2010年青岛近海海域浒苔的暴发成因与漂移特征; 张苏平等(2009)通过分析海上风场、降水、云中液态水含量、海表面温度(SST)等资料, 解释了浒苔聚集、暴发和定向移动的原因。

之前众学者针对浒苔的研究, 长时间跨度的分析讨论较少, 一方面是由于数据的缺失, 另一方面是浒苔暴发年际间差异较大, 联系不密切, 影响因素变化大, 不稳定; 且近年来对浒苔的暴发成因与监测研究趋于稳定, 而在浒苔漂移特征与路径上的研究相对较少, 浒苔的漂移主要受风力的作用, 大多数学者针对海表层风场及海洋模型研究对比一年或两年间浒苔漂移路径的关系。本文结合高分辨率的环境卫星(HJ-1A/1B)CCD数据和MODIS数据, 利用NDVI(归一化植被指数)和目视解译方法提取2011—2017年浒苔的分布范围, 利用ArcGIS计算浒苔分布中心点坐标并获得其漂移路径; 结合QuickSCAT卫星的海面风场及海表面温度(SST)数据, 进行长时间尺度上的浒苔漂移路径时空对比分析, 希望能为以后的浒苔年际变化规律和沿海地区浒苔监测预警提供数据支持。

1 数据来源与研究方法 1.1 数据来源

本文遥感数据为环境卫星(HJ-1A/1B)CCD数据和MODIS数据(TERRA/AQUA), 海面风场数据为RSS(Remote Sensing Systems)QuickSCAT海风数据(http://www.remss.com), 所用海温数据来源于ESRL (NOAA Earth System Research Laboratory)的海表温度数据(Sea Surface Temperature, SST)(http://www.esrl.noaa.gov/psd)。研究中所需遥感数据的时间为5—8月份, 研究区为我国南黄海海域。环境卫星具有大范围、高时间分辨率、动态的环境和监测能力, 空间分辨率为30m, (HJ-1A/1B)CCD数据包括可见光及近红外范围内的4个波段, 能够更精确的获取浒苔信息; MODIS数据幅宽大、时间分辨率高, 一天2景, 其中1/2波段的空间分辨率为250m。由于环境卫星受到周期和天气等原因影响, 数据量不能充分满足浒苔信息提取的需求, 因此, 本研究综合利用MODIS数据与环境卫星CCD数据(表 1), 更加充分的提取浒苔分布信息。两个卫星在提取同一时间浒苔面积时满足线性关系式y=2.266x+1.730(R2=0.991), 通过该式可计算MODIS数据的浒苔覆盖面积, 来代替环境卫星数据缺失部分(孙晓等, 2017), 并对2011— 2017年浒苔状况进行研究监测。

表 1 2011—2017年浒苔卫星遥感影像获取日期 Tab. 1 The date of satellite images of Ulva prolifera from 2011 to 2017
HJ-1A/1B CCD日期 MODIS日期
2011年 5.29, 7.26, 8.9 6.13, 6.20, 7.4
2012年 5.17, 6.12, 6.22, 8.6 5.26, 7.11
2013年 5.22, 6.26, 7.24 5.13, 6.3, 6.29, 8.5
2014年 5.22, 7.9, 8.1 5.12, 5.26, 6.6, 6.12, 6.30, 7.21, 7.28
2015年 5.10, 7.14 5.20, 6.21, 7.4, 7.30
2016年 5.17, 7.14, 7.30 5.25, 6.1, 6.13, 6.25, 7.2
2017年 5.20, 7.5 5.21, 5.28, 6.4, 6.8, 6.11, 6.17, 6.27
1.2 研究方法

当浒苔在海面上大量积聚时, 由于浒苔含有较高的叶绿素, 其光谱曲线在可见光-近红外波段与陆地植被相近似; 浒苔在400—690nm可见光波段间反射率较低, 510—580nm处有一小反射峰, 690nm处反射率明显上升, 至近红外波段具有很高的反射率, 且浒苔越厚, 在近红外反射率越大(刘建强等, 2009)(图 1)。根据浒苔与水体光谱特征差别, 王宁等(2014)分析了五种植被指数(EVI、NDVI、ARVI、RVI与DVI)对于各个生长阶段浒苔的探测能力。结果发现, 归一化植被指数算法(NDVI)算法对各个生长阶段的浒苔探测能力最强。因此, 本文对浒苔的提取采用NDVI算法。刘振宇等(2008)研究发现, 归一化植被指数法可以区分薄云; 即使在有薄云的情况下也能较好的提取浒苔信息。NDVI值的范围为-1—1, 通常浒苔NDVI值为正值, 水体NDVI值为负值。NDVI的计算公式如下:

    (1)
图 1 水中浒苔、海水、植被的光谱反射率曲线 Fig. 1 The spectral reflectance curves of Ulva prolifera, seawater and vegetation

其中: RNIRRRED分别表示近红外波段和红外波段的遥感反射率。

通过设置合理的NDVI阈值T来提取浒苔信息, 理论上NDVI阈值T应该为0, 但实际上由于浒苔不同阶段的聚集密度和悬浮状态的差异(Xing et al, 2016), T值可能不为0。利用NDVI结果数据和假彩色合成图像, 通过多次的阈值取值实验且根据目视解译的经验, 最终确定NDVI的最佳阈值来提取浒苔(孙晓等, 2017)。2011—2017年MODIS影像数据的阈值区间范围大部分为[0, 0.18], 少部分阈值区间范围为[–0.15, 0]。环境卫星影像的阈值区间范围为[0, 0.4]。

1.3 数据处理

浒苔提取的步骤主要有: ①数据预处理, 包括数据的几何校正、辐射定标、大气校正、图像镶嵌裁剪; ②陆地掩膜, 计算水域NDVI; ③阈值分割、目视解译; ④在ArcGIS中进一步分析漂移路径、距离等。对两种卫星影像的处理、分析流程见图 2

图 2 流程图 Fig. 2 The flow chart of data processing
2 结果与分析 2.1 浒苔漂移过程

归纳所提取的2011—2017年浒苔面积图, 对浒苔监测日期进行整理得到表 2。7a中, 使用遥感手段最早发现浒苔的日期多集中于5月份,; 而最晚发现日期不尽相同, 前6a集中于7月末到8月初, 2017年浒苔最晚监测日期是7月初。从持续时间看, 2015年为近7a中浒苔持续时间最长的一年, 为88d, 而2017年为近7a中浒苔持续时间最短的一年, 为46d。

表 2 2011—2017年浒苔监测日期 Tab. 2 The monitoring date of Ulva prolifera from 2011 to 2017
年份 最早发现日期 最晚发现日期 最大影响期 持续期(天)
2011 5月29日 8月9日 6月13日 73
2012 5月17日 8月6日 6月4日 81
2013 5月13日 8月5日 6月20日 84
2014 5月12日 8月1日 7月8日 81
2015 5月10日 8月5日 7月4日 88
2016 5月17日 7月30日 6月13日 75
2017 5月20日 7月5日 6月9日 46

将提取的7a浒苔面积图导入ArcGIS中, 利用MeanCenter工具计算各时相浒苔的中心位置, 以此代表该时相浒苔的中心, 再将各个中心位置连接起来, 得到每年的浒苔漂移路径图, 并将逐年浒苔路径整合成图 3

图 3 2011—2017年浒苔漂移路径 Fig. 3 The drift trajectory of Ulva prolifera from 2011 to 2017

从浒苔漂移中心点看, 2015年浒苔出现日期最早, 为5月10号, 浒苔中心点距离江苏省盐城市近海岸约28km处; 2011年浒苔出现日期最晚, 为5月29号, 浒苔中心点距离江苏省盐城市近海岸约4.9km处。对比分析浒苔初始点发现, 近7a南黄海海域浒苔最初发现地点大都位于江苏省东部海域, 其中2011年浒苔最初发现的起始中心点距离江苏省海岸最近; 2013年浒苔最初发现中心点距离江苏省最远, 位于江苏省南通市东部约204km海域处。进入6月份, 浒苔在海面上大量积聚生长, 此时以东南季风为主导的风向使浒苔持续向西北方向漂移, 其中2011年、2012年、2013年、2015年和2016年这5a中, 浒苔中心位置逐渐由起始中心点向西北方向移动, 开始进入山东半岛南部。而2013年6月26日至6月29日和2014年6月6日至6月30日, 浒苔中心点的漂移方向与山东半岛海岸平行, 即向东北方向海域移动。近7a来浒苔在6月中下旬大量集中在日照、青岛沿岸; 其中, 2011年、2012年、2015年与2016年, 浒苔由大面积暴发到走向消亡阶段, 分布面积的中心点一直位于日照、青岛沿岸范围内; 而2013年、2014年与2017年浒苔最末中心点位于烟台、威海附近海域。青岛自2008年发生浒苔灾害以来, 每年夏季都会发现浒苔大量聚集。近7a中, 浒苔中心点距离青岛海域最远约115km(2015年6月21日), 最近约9.6km(2012年7月11日)。

2.2 海风对浒苔漂移路径的影响

在南黄海海域, 刘志亮等(2009)认为夏季表层水流被认为是风力驱动的。李曰嵩等(2014)黄容等(2013)高松等(2014)对浒苔漂移路径的研究发现: 浒苔漂移主要受海面风和表层海流的共同影响, 浒苔漂移方向基本位于海面风和海表环流方向夹角中。风与浒苔移动的方向关系密切, 浒苔密集区的移动整体上与盛行风向一致(衣立等, 2010)。根据QuickSCAT海风数据, 本研究整理了2011—2017年5月到8月份黄海海域的海面风场(图 4)。

图 4 2011—2017年5月到8月黄海海域海面风场 Fig. 4 Sea surface wind field in the Yellow Sea during May—August from 2011 to 2017

对比近7a浒苔的漂移路径图发现, 浒苔中心在黄海夏季东南季风和北向表层流的驱动下向黄海北部漂移(Bao et al, 2015)。从2011年5月份的海面月平均风场图可以看出, 黄海北部靠近山东半岛及江苏浅滩位置处的海风近似为东南风, 风速约为5m/s。进入6月份, 在黄海北部地区的月平均海风为东南风, 风速约为6m/s, 靠近青岛沿岸地区的海风可高达8m/s; 2011年浒苔漂移路径大致为西北方向, 最终于日照附近海域消亡, 浒苔漂移中心点大致位于34°—36°N, 120°—121°E范围内。在该区域内, 5—8月份的海面风整体上为东南风, 与浒苔起始点到消亡点之间的方向一致。2012年浒苔起始中心点到消亡中心点之间的方向为西北方向, 大致范围为34°—36°N, 121°—122°E, 与2011年不同的是, 该年内浒苔于7月11日开始由青岛沿海向南漂移; 结合5—8月份海面月平均风场图来看, 在该范围内, 5—7月份的海风风向整体为南风, 风速约为3—7m/s。而在8月份海风风向为东北风, 风速约为9m/s, 与浒苔由7月11日—8月6日最终消亡的位置方向大体一致。2013年浒苔消亡点位于起始点的西北方, 浒苔漂移大致范围为33°—37°N, 121°—124°E。2013年浒苔漂移日期为6月26日至8月5日, 从青岛海域沿山东半岛平行方向漂移至烟台、威海地区, 并最终消亡。2013年5—8月份海面风向为5月份的东南风、6月份的东风和7—8月份的西北风, 这与浒苔沿山东半岛平行方向漂移一致。2014年、2016年与2017年浒苔最终都消亡于山东半岛近岸沿海地区, 这三年内5—8月份的海面风向与浒苔漂移路径整体一致。2017年浒苔持续时间短暂, 该年内5、6月份平均海风风场与2016年大致相同, 海面风对浒苔持续时间的影响并不显著。2015年浒苔漂移路径与2012年大体一致, 浒苔先整体向西北方向移动, 最终又在7月中旬向南移动并消亡。与2012年不同的是, 2015年7月11日16时台风“灿鸿”在浙江舟山登陆, 并于12日5时开始过境黄海海域; 台风过境, 导致黄海海域遭受强烈的东北风, 推动浒苔中心向西南方向漂移(孙晓等, 2017)。

近7a浒苔生命周期的五个阶段都发生于5—8月份, 结合5—8月份黄海海域月平均海面风场图, 对比分析近7年浒苔漂移路径与海风风场的关系, 从浒苔中心点整体漂移方向上来看, 浒苔漂移路径方向与海面风风向保持着高度一致性, 整体上由黄海南部进入黄海北部海域, 这与Bao等(2015)学者的研究结果一致。

2.3 海温对浒苔生长的影响

浒苔大面积聚集在海面上, 受到海面风和表层海流的影响而漂移, 但浒苔在五个生命周期内实现远距离漂移离不开适宜的温度与生长环境。张晓红等(2012)Taylor等(2001)对浒苔生长生态因子进行了研究, 结果发现, 浒苔最适宜生长的温度范围为20—26℃, 在5—30℃范围内均有良好的增长率。本文在ArcGIS中对所获取的2011—2017年ESRL海温进行处理, 得到每年5—8月份的月平均海表面温度(图 5)。

图 5 2011—2017年5月到8月黄海海域平均海温 Fig. 5 The average sea surface temperature in the Yellow Sea during May—August from 2011 to 2017

通过分析海温图发现, 2011—2017年5月份平均海温为12—18℃。山东半岛沿岸与江苏浅滩沿岸气温有明显的差异; 江苏盐城附近5月份平均海温为16—18℃, 高于青岛、日照沿岸的5月平均海温(14—16℃), 且在7a间均表现为这一现象。研究期内, 浒苔均在江苏盐城附近海域被发现, 崔琳琳等(2014)在绿潮早期聚集期间天气过程的分析中发现, 2010年、2011年、2012年绿潮聚集之前SST超过15℃, 并且SST和光照条件有利于浒苔大量增殖; 进入6月份, 黄海海域海温逐渐升高, 山东半岛及江苏沿岸附近海域海温均在19—22℃范围内。与5月份不同的是, 江苏盐城附近海域与青岛、日照附近海域的气温差异不明显, 进入7月份, 黄海海域海温再次升高, 山东半岛及江苏沿岸附近海域海温升高至24—26℃; 对比分析研究区年际间的海温变化时发现, 2017年7月份海温要比前6a的7月份海温高, 且高于27℃。2017年浒苔被遥感手段监测到的最晚日期为7月5日, 为近7a来浒苔最早消亡日期, 这种现象的发生可能与该月份海温的异常升高有关。进入8月份, 7a中的山东半岛及江苏沿岸附近海域海温约为28℃以上, 且海温变化不大。海温的逐月升高为浒苔生长提供了适宜的环境条件, 浒苔最适宜生长温度范围为14—26℃ (张晓红等, 2012), 当温度超过30℃时, 浒苔生长率显著下降(Fan et al, 2015)。

张苏平等(2009)Keesing等(2011)等对黄海绿潮浒苔暴发的定量研究中发现, SST不是导致黄海海域绿潮浒苔暴发的决定性因素。近7a浒苔集中发现于江苏浅滩, 这与江苏沿岸海域富营养化有关(Liu et al, 2013)。江苏近岸海域营养盐来源多样(罗民波等, 2015), 夏季受季风影响, 降水丰富, 有利于表层海水营养盐增多, 在适宜的温度条件下, 浒苔大规模生长聚集。SST虽然不是导致浒苔暴发的决定性因素, 但范士亮等(2012)对黄海绿潮早期现场调查发现, 近年来黄海绿潮大规模聚集时的海温约为17℃, 这表明SST在绿潮形成中具有重要影响, 是浒苔暴发的关键环境因子(王宗灵等, 2018)。

3 结论

本文综合利用环境卫星CCD影像与MODIS影像提取了2011—2017年南黄海海域浒苔中心点的漂移路径, 结合RSS(Remote Sensing Systems) QuickSCAT海风数据以及ESRL(NOAA Earth System Research Laboratory)海温数据对浒苔漂移路径及生长的影响进行了分析, 结论包括:

(1) 7a中遥感手段最初发现浒苔日期为5月份, 初始发现位置多集中在江苏省盐城市附近海域, 且近7a浒苔漂移方向整体上为向北进入山东半岛海域。其中, 浒苔中心点距离青岛海域最远为2015年6月21日的约115km, 最近为2012年7月11日的约9.6km。

(2) 浒苔漂移主要受海面风和表层海流的共同影响, 浒苔密集区的移动整体上与盛行风向一致(高松等, 2014), 黄海夏季盛行偏南风是浒苔漂移北上至山东半岛海域的主要原因。浒苔中心点漂移方位年际差异较大, 整体上浒苔漂移路径方向与海面风向高度一致。

(3) 江苏近岸海域富营养化严重, 夏季受季风影响, 降水丰富, 营养盐增多, 加之同时期16—18℃的海温条件, 是导致多年来浒苔集中暴发于江苏近岸海域的原因。SST是浒苔暴发的关键环境因子, 南黄海海域5—8月份SST逐月升高为浒苔生长提供了环境条件。

总之, 多年的黄海海域浒苔漂移轨迹年际变化显著, 浒苔漂移主要受海面风的影响, 夏季黄海海域适宜的温度是浒苔生长暴发的关键环境因子。本文结合遥感卫星资料与海风、海温数据, 从水文气象条件方面对浒苔年际漂移轨迹及驱动进行了分析, 而在浒苔生长暴发对周围海域的影响方面需开展进一步的研究, 希望为我国黄海海域浒苔的监测预警提供帮助。

参考文献
马艳, 郭丽娜, 黄容, 等, 2015. 2008-2010年青岛近海浒苔暴发气象条件及其漂移特征. 气象与环境学报, 31(4): 89–96
王宁, 黄娟, 崔廷伟, 等, 2014. 基于MODIS数据的5种植被指数对不同生长阶段绿潮的探测能力对比及应用. 激光生物学报, 23(6): 590–595 DOI:10.3969/j.issn.1007-7146.2014.06.014
王宗灵, 傅明珠, 肖洁, 等, 2018. 黄海浒苔绿潮研究进展. 海洋学报, 40(2): 1–13
叶娜, 贾建军, 田静, 等, 2013. 浒苔遥感监测方法的研究进展. 国土资源遥感, 25(1): 7–12
邢前国, 郑向阳, 施平, 等, 2011. 基于多源、多时相遥感影像的黄、东海绿潮影响区检测. 光谱学与光谱分析, 31(6): 1644–1647 DOI:10.3964/j.issn.1000-0593(2011)06-1644-04
吉启轩, 赵新伟, 章志, 2015. 江苏海域浒苔时空分布特征及对海洋环境的影响. 山东农业大学学报(自然科学版),(1): 61–64 DOI:10.3969/j.issn.1000-2324.2015.01.013
刘志亮, 胡敦欣, 2009. 黄海夏季近岸海区环流的初步分析及其与风速的关系. 海洋学报(中文版), 31(2): 1–7 DOI:10.3321/j.issn:0253-4193.2009.02.001
刘建强, 蒋兴伟, 邹斌, 2009.浒苔多源卫星遥感监测技术研究.见: 张惠荣主编.浒苔生态学研究.北京: 海洋出版社, 123-133
刘振宇, 江涛, 2008. 基于MODIS数据的浒苔信息提取方法研究. 测绘科学, 33(S1): 113–114
衣立, 张苏平, 殷玉齐, 2010. 2009年黄海绿潮浒苔暴发与漂移的水文气象环境. 中国海洋大学学报, 40(10): 15–23
孙晓, 吴孟泉, 何福红, 等, 2017. 2015年黄海海域浒苔时空分布及台风"灿鸿"影响研究. 遥感技术与应用, 32(5): 921–930
李曰嵩, 潘灵芝, 肖文军, 等, 2014. 风对黄海绿潮藻漂移的影响. 海洋环境科学, 33(5): 772–776
李德萍, 杨育强, 董海鹰, 等, 2009. 2008年青岛海域浒苔大暴发天气特征及成因分析. 中国海洋大学学报, 39(6): 1165–1170
吴孟泉, 郭浩, 张安定, 等, 2014. 2008-2012年山东半岛海域浒苔时空分布特征研究. 光谱学与光谱分析, 34(5): 1312–1318 DOI:10.3964/j.issn.1000-0593(2014)05-1312-07
张苏平, 刘应辰, 张广泉, 等, 2009. 基于遥感资料的2008年黄海绿潮浒苔水文气象条件分析. 中国海洋大学学报, 39(5): 870–876
张晓红, 王宗灵, 李瑞香, 等, 2012. 不同温度、盐度下浒苔(Entromorphra prolifera)群体增长和生殖的显微观测. 海洋科学进展, 30(2): 276–283 DOI:10.3969/j.issn.1671-6647.2012.02.015
范士亮, 傅明珠, 李艳, 等, 2012. 2009-2010年黄海绿潮起源与发生过程调查研究. 海洋学报, 34(6): 187–194
罗民波, 刘峰, 2015. 南黄海浒苔绿潮的发生过程及关键要素研究进展. 海洋渔业, 37(6): 570–574 DOI:10.3969/j.issn.1004-2490.2015.06.013
贾丽莉, 张安定, 吴孟泉, 2015. 基于MODIS的2013年黄海海域浒苔灾害的时空分布. 鲁东大学学报(自然科学版), 31(2): 172–177 DOI:10.3969/j.issn.1673-8020.2015.02.015
高松, 黄娟, 白涛, 等, 2014. 2008年与2009年黄海绿潮漂移路径分析. 海洋科学, 38(2): 86–90
黄容, 马艳, 郭丽娜, 等, 2013. 2008-2011年浒苔影响青岛的海面风观测资料特征分析. 海洋预报, 30(2): 30–35
崔琳琳, 胡松, 杨红, 等, 2014. 绿潮早期聚集期间天气过程分析. 海洋环境科学, 33(6): 941–946
梁宗英, 林祥志, 马牧, 等, 2008. 浒苔漂流聚集绿潮现象的初步分析. 中国海洋大学学报, 38(4): 601–604
Bao M, Guan W B, Yang Y, et al, 2015. Drifting trajectories of green algae in the western Yellow Sea during the spring and summer of 2012. Estuarine, Coastal and Shelf Science, 163: 9–16 DOI:10.1016/j.ecss.2015.02.009
Fan S L, Fu M Z, Wang Z L, et al, 2015. Temporal variation of green macroalgal assemblage on Porphyra aquaculture rafts in the Subei Shoal, China. Estuarine, Coastal and Shelf Science, 163: 23–28 DOI:10.1016/j.ecss.2015.03.016
Keesing J K, Liu D Y, Fearns P, et al, 2011. Inter-and intra-annual patterns of Ulva prolifera green tides in the Yellow Sea during 2007-2009, their origin and relationship to the expansion of coastal seaweed aquaculture in China. Marine Pollution Bulletin, 62(6): 1169–1182 DOI:10.1016/j.marpolbul.2011.03.040
Liu D Y, Keesing J K, Xing Q G, et al, 2009a. World's largest macroalgal bloom caused by expansion of seaweed aquaculture in China. Marine Pollution Bulletin, 58(6): 888–895 DOI:10.1016/j.marpolbul.2009.01.013
Liu F, Pang S J, Chopin T, et al, 2013. Understanding the recurrent large-scale green tide in the Yellow Sea:temporal and spatial correlations between multiple geographical, aquacultural and biological factors. Marine Environmental Research, 83: 38–47 DOI:10.1016/j.marenvres.2012.10.007
Taylor R, Fletcher R L, Raven J A, 2001. Preliminary studies on the growth of selected 'Green tide' algae in laboratory culture:effects of irradiance, temperature, salinity and nutrient on growth rate. Botanica Marina, 44(4): 327–336
Xing Q G, Hu C M, 2016. Mapping macroalgal blooms in the Yellow Sea and East China Sea using HJ-1 and Landsat data:Application of a virtual baseline reflectance height technique. Remote Sensing of Environment, 178: 113–126 DOI:10.1016/j.rse.2016.02.065