北太平洋叶绿素和海表温度锋面与鱿鱼渔场的关系研究

范秀梅，伍玉梅，崔雪森，樊 伟，化成君

(中国水产科学研究院渔业资源遥感信息技术重点开放实验室,上海 200090)



北太平洋叶绿素和海表温度锋面与鱿鱼渔场的关系研究

范秀梅，伍玉梅，崔雪森，樊 伟，化成君

(中国水产科学研究院渔业资源遥感信息技术重点开放实验室,上海 200090)

本文利用了Sobel和Canny两种算法来提取北太平洋叶绿素和海表温度SST(Sea Surface Temperature)的锋面，并比较两种方法计算的异同。Sobel算法结果能直接反应锋面的大小和方向。Canny算法经过了标准化处理，输出的数值不是梯度的真实值，但是确定的锋面更准确、连续，因此本文选用了Canny算法算出的锋面来和鱿鱼渔场做比较。根据来自MODIS的2013年四个季节的季平均数据，计算了北太平洋的叶绿素和SST的锋面，分析了锋面的特性，并把相应时期的北太鱿鱼单船单天的渔获与其做了对比，得出2013年渔获量较大的地方分布在温度锋面较活跃分布较广的地方，且分布在叶绿素锋面的边缘处，集中在150°E～160°E，40°N附近的区域。同样，根据2010年和2012年的7～10月的平均叶绿素和SST的数据计算出的锋面，以及相同时期的北太鱿鱼渔获量数据，对比分析了锋面与渔场之间的关系，得出了与季平均同样的结果。

锋面；Sobel；Canny；SST；叶绿素；渔场

锋面是海洋中普遍存在的一种现象，是海洋要素出现剧烈变化的特征，锋面的强弱随着时间的变化而变化，而且空间位置也会不断转换，且锋面有不同尺度之分。温度锋面是冷暖水团交汇的地方，叶绿素锋面是叶绿素丰富区域与稀少区域的中间地带，海表温度SST和叶绿素在海洋中的分布不均，很容易形成锋面，通常锋面附近区域是海洋的高生产力区域，所以锋面的研究对海洋渔业具有重要的意义[1]。卫星遥感数据的出现为研究海洋锋面提供了重要的条件，利用遥感数据来计算海洋锋面的工作目前已经有很多的成果，例如海洋锋面的计算方法有Sobel[2、3]算法，Shannon熵算法[4-6]，Canny算法[7-8]等。本文利用遥感数据来计算特定捕捞作业区的温度和叶绿素锋面，并比较分析锋面的位置与单船单天渔获量的关系，研究锋面与渔场之间的分布关系，为今后的渔业捕捞提供参考。

1 方法和数据

1.1 锋面的提取方法

图像处理中，依据图像的灰度变化，提取出图像中不连续的部分叫做边缘检测。最简单的方法就是依据灰度值的一阶导数的大小通过阈值过滤来判断边缘位置。海洋里的温度和叶绿素锋面是指等值线密集、梯度大的海区，这与数字图像中的边缘检测要求的特征一致，故边缘检测的方法理论上可以用于海洋卫星图像中锋面特征的提取[9]。用于图像边缘检测的算子较常用的都基于微分运算，可以有一阶微分或者二阶微分，一阶微分算子中边缘主要对应于一阶导数即梯度的最大值，二阶微分中边缘主要对应于二阶导数的零点值。典型的一阶边缘算子有Roberts算子、Sobel算子、Prewitt算子等；典型的二阶边缘算子有Laplacian算子和LOG算子。

Sobel边缘算子是由Irwin Sobel在1968年提出的[10]，一直沿用至今。3阶Sobel算子如下：

X方向 y方向

Matlab中用Sobel方法计算边缘时使用的算子是1/8倍的3阶Sobel算子，这样算出来的梯度值可以用来估计卫星图像中物理量在水平方向和垂直方向上每个网格的跨度的变化值，设为gh和gv。梯度的大小[2]为

(1)

本文中除了使用了Sobel算子计算锋面，还使用了Canny算法。Canny算子用于图像边缘检测是由JohnCanny在1986年提出的[11]。Canny算法在边缘检测的应用中，效果很好，因为它不只是一个简单的锐化算子，Canny边缘检测的流程图主要有4个步骤：高斯滤波，求梯度，非极大值抑制和双阈值过滤。它引入了高斯滤波器对图像进行低通滤波，提高了抗噪性能；利用梯度强度非极大值抑制法，提取单像素边缘点，使定位精度更为准确；双阈值法对噪声进行了估计，小于最小阈值的认为都是噪声，大于最大阈值的认为是边缘信号，然后再通过八邻域或者四邻域法将介于最大值和最小值之间的点与已经判断为信号边缘的点连接，提高了边缘的连续性。

高斯函数具有很多优良的性质，使得它在图像处理中起到了很好的作用。二维高斯函数具有旋转对称性，在滤波的各个方向上平滑程度相同。因为很多情况下事先是无法设定图像中物体边缘的方向的，滤波的旋转对称性就保证了边缘检测的精确性。高斯函数的可分离性使得二维高斯函数的卷积可以拆分成二步执行，先将一维高斯函数与图像卷积，然后再将转置后的一维高斯函数滤波器与前一步的卷积结果进行卷积，即可得到与二维高斯函数的滤波相同的结果。在Canny边缘检测流程图中需要两次使用高斯函数，高斯滤波是典型的低通滤波，可平滑图像，抵消一部分噪声；高斯函数的一阶和二阶导数可以用作高通滤波器，在求图像值的梯度时，用到了高斯函数的一阶导数。用来和遥感图像进行卷积的一维高斯函数表达式如下：

(2)

1.2 阈值的确定

Sobel的阈值设为由函数自动确定，edge函数确定的阈值为

(3)

其中Gd=Gradient2，即阈值为4倍的梯度平方的算术平均值再求根号，大于阈值的梯度值对应的位置就认为是锋点。

Canny算法阈值的函数自动确定过程：首先对经过高斯一阶导数卷积得到的梯度进行标准化：Gradient=Gradient/max(gradient)；然后生成标准化后的梯度值的直方图，找到按梯度从小到大分布的点的个数的累加值超过总数70%所对应的梯度作为高阈值；默认的低阈值取高阈值的40%。在计算该渔场的SST锋面时，如果选择函数的自动计算的阈值，春季平均温度场的高低阈值为[0.05, 0.125]，结果就是有很多噪声引起的梯度变化异常也被计算进来了，于是只能人工调整阈值的大小。如果给定的阈值为[0.1, 0.3]，提高了高低阈值，去除一些不重要的梯度异常点，保留是锋面可能性大的点。

1.3 数据

西北太平洋鱿钓及秋刀鱼渔场的计算范围为：140°E～180°E，30°N～50°N。用的温度场为Aqua卫星MODIS 9 km(约1/12度)数据，包括SST和叶绿素的季平均和月平均数据并利用这些遥感数据来计算海洋要素的锋面分布。对于遥感数据中由于各种原因缺失的部分数据，则进行了三次多项式插值，补全数据。鱿鱼渔获数据是从很多渔业公司搜集到的各个渔船每天的捕鱼位置和捕获量，并没有覆盖所有的渔业公司和所有渔船，所以数据不能用来分析产量的变化，但是可以定性地分析渔获与海洋要素之间的关系。

2 结果与分析

2.1 利用季平均数据分析结果

首先用了2013年的季平均(3个月的平均值)SST和叶绿素数据来做分析。2013年北太鱿鱼的捕捞时间主要为夏秋两季，夏季的记录为6月1日～8月31日，秋季的记录为9月1日～11月30日，冬季只有12月1日～12月20日在作业。分别将这些季节每天每条船捕捞量的大小以及所在的位置和季平均SST的大小以及锋面作对比分析，找出二者可能的相关性。图1中颜色为图幅下方的色标所示的地方为用Sobel计算出的SST锋面，图中箭头的颜色和长短表示锋面值的大小，箭头的方向表示沿锋 面的走向。北太平洋南部的温度比北部的温度高，等温线基本沿纬度线分布，锋面是温度梯度变化比较大的区域，也是沿纬度分布的。从图中看，夏季海表温度的锋面箭头的颜色呈深蓝色，表示锋面值在0.5 ℃/9 km以下，春、秋、冬海表温度的锋面的颜色为天蓝色，表示锋面值超过 0.5°C/9 km(这里用每9 km是因为数据的网格大小为1/12度，大约为9 km)。锋面大部分位于40°N附近，图中锋面的矢量方向总体是沿着等值线的走向，与纬度走向基本一致。

图1 SST和Sobel方法提取的锋面(分别为春、夏、秋、冬)Fig.1 SST and fronts derived from Sobel algorithm (spring , summer , autumn , winter)

利用Canny算法计算锋面的过程中对数值图像进行了高斯平滑，并且利用双阈值法来判断段边缘点，提高了判断的准确性，最后利用八邻域的方法来连接，所以提取的锋面比用Sobel算法计算的更连续和精确。Canny算法计算的锋面与Sobel算法计算的锋面在显示上有较大差别，这是因为Canny算法的计算结果只显示锋面的位置，不显示锋面的大小，而Sobel算法的计算结果则包含了锋面的大小和方向。但Canny算法计算的锋面也有优势，那就是更简洁明了，有一定的连续性。虽然二者在计算结果上在某些区域有差异，但是整体上还是保持一致的。从图2中看Canny算法的计算结果与Sobel算法的计算结果相似，但更清晰。夏秋两季图中蓝色为鱿鱼的捕捞位置，蓝色圆圈的大小表示捕获量的大小，图的左下角的蓝色圆圈标示一天捕捞量为10 t时的大小，图上的白色方框表示记录中捕获量为零的地方。从图2中可看出渔获大多聚集在温度锋面比较多的地方，40°N是一年四季中温度峰面比较活跃的地方。2013年夏季鱿鱼捕获的位置就位于40°N这条条带上，其中在150°E～160°E最多，170°E～180°E也有一些渔获量的分布。秋季鱿鱼的捕获量大多分布在150°E～160°E，40°N上下，同样是位于温度锋面比较活跃的地方。2013年冬季作业时间只有20天(12月1日～12月20日)，为了区别于温度较低的蓝色背景，在冬季图中捕捞位置和捕获量用红色圆圈表示。

图2 SST、Canny算法计算的锋面及捕捞量(分别为春、夏、秋、冬)Fig.2 SST,fronts derived from Canny algorithm and catches(spring , summer , autumn , winter)

2013年的叶绿素季平均Sobel计算结果如图3，图中箭头的颜色表示锋面值的大小，箭头的方向表示沿锋面的走向。图3的叶绿素等值线图表明叶绿素有一个成长和消亡的过程，春天爆发，冬天消亡，虽然离岸较近的区域一直都是叶绿素的高值区，叶绿素的爆发在大洋中呈现一定的点状随机性，高值区不像SST是从南传至北，会偶然在某一区域出现高值区，如图3中的春季图中，(160°E,37°N)处就出现了叶绿素含量大于2 mg/m3的地方。叶绿素扩散后基本呈现北高南低的趋势，如图3中的夏、秋季图所示。

从图3中可见，叶绿素锋面没有固定的走向，这一点与温度锋面基本沿纬度走向不同。春季叶绿素高值区集中在北海道附近海域，并呈现向远洋扩散的趋势。叶绿素锋面也都集中在这些叶绿素含量比较高的区域，远洋叶绿素锋面很少。夏季叶绿素不再仅限于离岛屿较近的海区了，在40°N和50°N之间的叶绿数含量都比较高，含量在1 mg/m3左右，而在40°N以南的区域含量也还是接近零。叶绿素的锋面分布伴随着叶绿素的分布，在叶绿素比较丰富的地区锋面活动比较活跃，锋面的大小大都在0.3 mg·m-3/9 km以下(网格的分辨率为9 km左右)。秋季的叶绿素的分布区域也集中在40°N和50°N之间，但是分布比夏季更平均。冬季叶绿素在这个区域的含量都比较低，锋面很少出现。

2013年的叶绿素季平均Canny算法计算结果如图4中的黑色线条，同时把2013年的鱿鱼捕获量数据分别显示到各个季节相应的锋面和叶绿素的图上。夏季的渔获主要沿着叶绿素锋面活动区的边缘分布，在40°N区，其中单点渔获量超过8 t的大多分布在150°E附近。在叶绿素含量较低和叶绿素锋面罕见的海区，记录中几乎没有渔获的分布。2013年秋季单点的渔获量平均要比夏季的多，且也同样分布在叶绿素锋面的边缘。不过锋面的边缘对应在150°E左右的地方，有一个北向的大弯曲，这里周围有丰富的叶绿素，提供了浮游动物生存需要的饵料，而浮游动物又为鱿鱼提供了丰富的食物，所以这里的渔获比较多。从夏秋这两个季节的结果来看，鱿鱼追逐着叶绿素锋面的边缘，喜好在其附近活动，那里氧气充足，离食物较近。

图4 叶绿素、锋面及捕捞量(分别为春、夏、秋、冬)Fig.4 Chlorophyll,fronts and catches

2.2 利用月平均数据分析结果

图5中给出了2010、2011和2012三年的现有的渔获数量逐月对比图，取其中进行作业时长达完整一个月的渔获数据，比如2010年捕鱼期的头尾两个月，6月是从15日开始的，11月到18日结束的，这两个月的数据都没满一个月，所以2011年使用的渔获数据为7、8、9、10这四个月的。同样，2011、2012年使用的也是这4个月的数据。从图5中看， 2011年的统计数据似乎缺少的比较多，相对来说其他两年的数据要多一些。

图5 各月渔获对比Fig.5 Comparison of catches of every month

下面以渔获数据相对2011年较丰富的2010年、2012年的捕鱼期的月平均SST、叶绿素数据和每个月的捕获量来分析相互之间的关系。图6和图7表明渔获分布大部分分布在15 ℃～20 ℃之间，锋面活动相对活跃的区域，在40 °N区域上下，经度范围在150 °E～160 °E之间。这与上文的2013年的分析结果相似。

从图8和图9中看，在7～9这三个月份，40°N以南的大部分区域叶绿素含量非常低，接近零值，但是40° N以北的区域叶绿素含量逐渐提高。含量在1.6 mg/m3左右的区域自东向西扩散。10月份的月平均值显示叶绿素含量在0.2 mg/m3的地方占40°N以南的大部分区域，相应的，北部叶绿素含量在1.6 mg/m3左右的区域在缩小。鱿鱼渔获的分布主要在叶绿素锋面的边缘区域，锋面边缘北移，渔获分布区域也随之北移，锋面边缘南移则渔获分布区域也随之南移，在40°N上下摆动。150°E～160°E的区域北部在这四个月份中都存在丰富的叶绿素和叶绿素锋面。

图7 2012年7、8、9、10 四个月的SST、锋面和渔获的关系Fig.7 Relationship of SST,fronts and catches in July, August, September,October 2012

3 总结

本文通过Canny和Sobel两种计算图像边缘的算法分别计算了北太鱿鱼渔场的海洋要素SST和叶绿素的锋面分布。Sobel的计算方法算出的值没有经过标准化处理，表示了每个网格跨度SST或者叶绿素的真实变化值，即梯度，同时还能通过经度和纬度方向的梯度分量求出梯度的方向。Canny算法的输出值是经过标准化处理过的，不能代表真实的梯度值，但是Canny算法经过了高斯滤波去除了部分噪声，双阈值法提高了边界点确定的准确度，八领域法提高了边界的连续性，这些处理方法都提高了对SST和叶绿素的锋面计算的精确度。

关于黑潮锋面与渔场分布的关系之前有过很多的相关工作，但是分析北太平鱿鱼渔场与海表温度锋面和叶绿素锋面的分布关系的研究较少，故本文主要选用Canny算法算出的SST和叶绿素的锋面来与北太鱿鱼渔获的位置和产量来对比，分析锋面与渔获的关系。2013年季平均、2010年和2012年7～10月共四个月份的月平均值分析结果显示在40°N附近是温度锋面最活跃的区域，夏秋该区域的海表温度大多在15°C～20°C之间。从渔获与SST锋面的对比图可以判段鱿鱼渔场分布在温度锋面较活跃的区域。

图8 2010年7、8、9、10 四个月的叶绿素、锋面和渔获的关系Fig.8 Relationship of chlorophyⅡ,fronts and catches in July, August, September,October 2010

图9 2012年7、8、9、10 四个月的叶绿素、锋面和渔获的关系Fig.9 Relationship of chlorophyⅡ,fronts and catches in July, August, September,October 2012

根据2013年叶绿素的季平均和2010年、2012年叶绿素的月平均图分析，在40°N以北区域夏秋两季的叶绿素含量都比较高，1.0 mg/m3含量的地区分布比较广，叶绿素的锋面在该区域也比较活跃，而在40°N以南区域的叶绿素含量则非常低，锋面也就不存在了。因此40°N附近的区域是锋面活动的分界线。鱿鱼渔场则分布在锋面的边缘，而且经常在150°E～160° E之间、40°N附近，夏秋两季该区域有叶绿锋面边缘存在。

[1] 陈新军, 田思泉. 西北太平洋海域柔鱼鱼场分析探讨[J]. 渔业现代化, 2001(3): 3-6.

[2] 刘传玉. 中国东部近海温度锋面的分布特征和变化规律[D]. 青岛: 中科院海洋研究所, 2009: 10-13.

[3] 刘泽. 中国近海锋面时空特征研究及现场观测分析[D]. 青岛: 中科院海洋研究所，2012: 13-14.

[4] TERUHISA S, FUTPKI S. Application of an edge detection method to satellite images for distinguishing sea surface temperature fronts near the Japanese coast[J]. Remote Sensing of Environment, 2005，98(1): 21-34.

[5] DAVID P V, CHAKIR A. Entropic approach to edge detection for SST Images[J]. Journal of Atmospheric and Oceanic Technology, 1999,16(7): 970-979.

[6] 孙根云, 郭敏, 汪晓龙, 等. 边缘检测在中国东部海域海表温度锋中的应用研究[J]. 遥感信息, 2012, 27(5): 61-66.

[7] RENATO M C, TIMOTHY P M, JOHN A B,etal. Sea surface temperature fronts in the California Current System from geostationary satellite observations[J]. Journal of Geophysical Research, Oceans (1978-2012), 2006, 111(C09): C09026.

[8] WANG F, LIU C, MENG Q. Effect of the Yellow Sea warm current fronts on the westward shift of the Yellow Sea warm tongue in winter[J]. Continental Shelf Research, 2012,45: 98-107.

[9] QIU C, KAWAMURA H. Study on SST front disappearance in the subtropical North Pacific using microwave SSTs[J]. Journal of oceanography, 2012, 68(3): 417-426.

[10] DUBA R, HART P. Pattern Classification and Scene Analysis[M]. John Wiley and Sons, 1973: 271-272.

[11] CANNY J. A computational approach to edge detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986(6): 679-698.

Relation between chlorophyⅡ and SST fronts of the North Pacific and the distribution of squid fishing grounds

FAN Xiu-mei, WU Yu-mei, CUI Xue-sen, FAN Wei， HUA Cheng-jun

(KeyandOpenLaboratoryofFisheriesResourcesRemoteSensingandInformationTechnology，ChineseAcademyofFisheryScience,Shanghai200090，China)

The paper calculated the fronts of chlorophyⅡ and SST in the North Pacific based on the Sobel and Canny algorithms, then compared two kinds of fronts derived based on the two algorithms to find the differences and similarities. The fronts based on the Sobel algorithm contain the real values of fronts and directions of fronts. But the fronts based on the Canny algorithm are not the true gradient values of fronts because the standardization has been done in Canny algorithm. However, the fronts based on Canny method are more accurate and more continuous. So we use the fronts based on Canny algorithm to do some comparisons with squid fisheries. We calculated the fronts of chlorophyⅡ and SST in the North Pacific from four quarterly average MODIS data of 2013, and analyzed the features of fronts. Then the fronts were used to compare with the squid catches in the same time period. The results revealed that the places with abundant squid catches were usually located where the SST fronts were very active and plentiful. And the places were also at the edge of the area where the chlorophyⅡ fronts were plentiful. These places were all near 40°N and between 150°E and 160°E. In order to testify the above results, we used monthly average MODIS data of Jul., Aug., Sep. and Oct. in 2010 and 2012 to calculate the SST and chlorophyⅡ monthly fronts. Then we compared the monthly fronts with the squid catches of the North Pacific at the same time. The results were the same as the results derived from the seasonal analysis.

fronts; Sobel; Canny; SST; chlorophyⅡ; fishery

2095-3666(2016)01-0044-10

10.13233/j.cnki.fishis.2016.01.008

2015-10-30

2015-12-10

国家科技支撑计划项目(2013BAD13B01)

范秀梅(1984-)，女，江苏省兴化市人，研究实习员，从事物理海洋相关工作。

E-mail: fxm1fxm@163.com

S 935

A