Anterior|Siguiente

Estudio de teledetección óptica de la biomasa de sargazo en aguas costeras chinas

  • role： First author第一作者
  • Affiliation：

    International Institute for Earth System Science, Nanjing University, Nanjing 210023, China

  • Email：rueliu@foxmail.com
  • Introduction：刘裕如，研究方向为海洋环境遥感。E-mail：rueliu@foxmail.com
LIU Yuru1,  
  • Affiliation：

    College of Marine Science, University of South Florida, St. Petersburg 33701, USA

QI Lin2,  
  • Affiliation：

    International Institute for Earth System Science, Nanjing University, Nanjing 210023, China

ZHU Xiaobo1,  
  • Affiliation：

    International Institute for Earth System Science, Nanjing University, Nanjing 210023, China

TANG Jun1,  
  • role： Corresponding author通信作者
  • Affiliation：

    International Institute for Earth System Science, Nanjing University, Nanjing 210023, China

  • Email：Luyc@nju.edu.cn
  • Introduction：陆应诚，研究方向为海洋环境遥感。E-mail：Luyc@nju.edu.cn
LU Yingcheng1*

resumen

El sargazo (Sargassum) es un alga marrón grande y flotante ampliamente distribuida en los océanos del mundo. En los últimos años, su proliferación masiva ha provocado el fenómeno de las “mareas doradas” (Golden tides), que se ha vuelto cada vez más frecuente en las zonas costeras cercanas a China, principalmente en el Mar de China Oriental (ECS), causando impactos significativos en el ambiente costero y las actividades económicas. La teledetección óptica satelital es un apoyo eficaz para monitorear grandes algas flotantes en el océano, permitiendo la identificación precisa y la estimación cuantitativa del sargazo. Sin embargo, la monitorización fina mediante la teledetección óptica del sargazo en el Mar de China Oriental carece de un modelo de teledetección cuantitativa óptica debido a la falta de datos espectrales medidos necesarios para la modelización, lo que limita las investigaciones y aplicaciones de la teledetección cuantitativa satelital del sargazo en aguas costeras chinas. Para lograr una estimación precisa mediante teledetección óptica, este estudio realizó un experimento de control de biomasa de sargazo (algas de cobre) en el Mar de China Oriental, obteniendo datos espectrales de reflectancia. Al combinar la función de respuesta espectral del sensor y la reflectancia corregida de Rayleigh (Rayleigh-corrected Reflectance, R_rc), se estableció un modelo de estimación de teledetección óptica multisensorial adecuado para el Mar de China Oriental, logrando una estimación efectiva de la biomasa de sargazo a partir de datos ópticos multisensoriales satelitales y validando comparativamente los resultados. Los resultados muestran que, en comparación con parámetros cuantitativos como el área cubierta, la biomasa reduce eficazmente los sesgos en la estimación cuantitativa causados por el efecto de escala espacial de sensores con diferentes resoluciones espaciales, presentando una buena consistencia entre los resultados del multisensor satelital y siendo el parámetro cuantitativo con menor incertidumbre. Basada en datos ópticos multisensoriales satelitales, esta estimación cuantitativa del sargazo costero chino proporciona una referencia importante para controlar de forma completa y precisa la información sobre las erupciones de mareas doradas, promoviendo la cuantificación precisa y el monitoreo dinámico de las algas flotantes costeras chinas.

palabra clave

mareas doradas; sargazo; MSI; HY-1/CZI; MODIS; teledetección óptica multisensorial satelital

References

  1. 1.
    Hu C M. 2009. A novel ocean color index to detect floating algae in the global oceans. Remote Sensing of Environment, 113(10): 2118-2129
  2. 2.
    Hu C M. 2021. Remote detection of marine debris using satellite observations in the visible and near infrared spectral range: challenges and potentials. Remote Sensing of Environment, 259: 112414
  3. 3.
    Hu C M. 2022. Remote detection of marine debris using Sentinel-2 imagery: a cautious note on spectral interpretations. Marine Pollution Bulletin, 183: 114082
  4. 4.
    Hu C M and He M X. 2008. Origin and offshore extent of floating algae in Olympic sailing area. Eos, Transactions American Geophysical Union, 89(33): 302-303
  5. 5.
    Hu C M, Murch B, Barnes B B, Wang M Q, Maréchal J P, Franks J, Johnson D, Lapointe B, Goodwin D S, Schell J and Siuda A N S. 2016. Sargassum watch warns of incoming seaweed. Eos, 97
  6. 6.
    Hu C M, Qi L, Hu L B, Cui T W, Xing Q G, He M X, Wang N, Xiao Y F, Sun D Y, Lu Y C, Yuan C, Wu M Q, Wang C Y, Chen Y L, Xu H P, Sun L, Guo M H and Wang M H. 2023. Mapping Ulva prolifera green tides from space: a revisit on algorithm design and data products. International Journal of Applied Earth Observation and Geoinformation, 116: 103173
  7. 7.
    Hu L B, Hu C M and He M X. 2017. Remote estimation of biomass of Ulva prolifera macroalgae in the Yellow Sea. Remote Sensing of Environment, 192: 217-227
  8. 8.
    Huete A R, Justice C. 1999. MODIS Vegetation Index (MOD 13) Algorithm Theoretical Basis Document (Version 3)
  9. 9.
    Keesing J K, Liu D Y, Fearns P and Garcia R. 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
  10. 10.
    Komatsu T, Mizuno S, Natheer A, Kantachumpoo A, Tanaka K, Morimoto A, Hsiao S T, Rothäusler E A, Shishidou H, Aoki M and Ajisaka T. 2014. Unusual distribution of floating seaweeds in the East China Sea in the early spring of 2012. Journal of Applied Phycology, 26(2): 1169-1179
  11. 11.
    Liu J C, Lu J Q, Ding J and Lu Y C. 2022. A refined imagery algorithm to extract green tide in the Yellow Sea from HY-1C satellite CZI measurements. Haiyang Xuebao, 44(5): 1-11
  12. 12.
    Lu Y C, Li L H, Hu C M, Li L, Zhang M W, Sun S J and Lv C G. 2016. Sunlight induced chlorophyll fluorescence in the near-infrared spectral region in natural waters: interpretation of the narrow re-flectance peak around 761 nm. Journal of Geophysical Research:Oceans, 121(7): 5017–5029
  13. 13.
    Lu T, Lu Y C, Hu L B, Jiao J N, Zhang M W and Liu Y X. 2019. Uncertainty in the optical remote estimation of the biomass of Ulva prolifera macroalgae using MODIS imagery in the Yellow Sea. Optics Express, 27(13): 18620-18627
  14. 14.
    Qi L, Hu C M, Mikelsons K, Wang M H, Lance V, Sun S J, Barnes B, Zhao J, and Van der Zande D. 2020. In search of floating algae and other organisms in global oceans and lakes. Remote Sensing of Environment. 239: 111659
  15. 15.
    Qi L and Hu C M. 2021. To what extent can Ulva and Sargassum be detected and separated in satellite imagery?. Harmful Algae, 103: 102001
  16. 16.
    Qi L, Hu C M, Barnes B B, Lapointe B E, Chen Y L, Xie Y Y and Wang M H. 2022. Climate and anthropogenic controls of seaweed expansions in the East China Sea and Yellow Sea. Geophysical Research Letters, 49(19): e2022GL098185
  17. 17.
    Qi L, Hu C M, Lu Y C and Ma R H. 2023. Spectral analysis and identification of floating algal blooms in oceans and lakes based on HY-1C/D CZI observations. National Remote Sensing Bulletin, 27(1): 157-170
  18. 18.
    Qi L, Wang M H and Hu C M. 2023. Uncertainties in MODIS-derived Ulva prolifera amounts in the Yellow Sea: a systematic evaluation using Sentinel-2/MSI observations. IEEE Geoscience and Remote Sensing Letters, 20: 1501805
  19. 19.
    Richardson A J and Wiegand C L. 1977. Distinguishing vegetation from soil background information. Photogrammetric Engineering and Remote Sensing, 43(12): 1541-1552
  20. 20.
    Smetacek V and Zingone A. 2013. Green and golden seaweed tides on the rise. Nature, 504(7478): 84-88
  21. 21.
    Tang J, Lu Y C, Jiao J N, Liu J Q, Hu L B, Ding J, Xing Q G, Wang F T, Song Q J, Chen Y L, Tian L Q, Wang X Y and Liu J C. 2023. High-precision monitoring of green tide biomass in the Yellow Sea of China through optical remote sensing. National Remote Sensing Bulletin, 27(11): 2484-2498
  22. 22.
    Wang M Q and Hu C M. 2016. Mapping and quantifying Sargassum distribution and coverage in the Central West Atlantic using MODIS observations. Remote Sensing of Environment, 183: 350-367
  23. 23.
    Wang M Q, Hu C M, Barnes B B, Mitchum G, Lapointe B and Montoya J P. 2019. The great Atlantic Sargassum belt. Science, 365(6448): 83-87
  24. 24.
    Wang M Q, Hu C M, Cannizzaro J, English D, Han X X, Naar D, Lapointe B, Brewton R and Hernandez F. 2018. Remote sensing of Sargassum biomass, nutrients, and pigments. Geophysical Research Letters, 45(22): 12359-12367
  25. 25.
    Webster R K and Linton T. 2013. Development and implementation of Sargassum Early Advisory System (SEAS). Shore and Bench, 81(3): 1-6
  26. 26.
    Wen Y S, Deng J M, Mao Z H, Shi J, Zhou Y, Lu T and Lu Y C. 2018. Effect of the Fresnel reflection of a water surface on Chlorophyll Fluorescence line height at approximately 761 nm. Journal of Remote Sensing (in Chinese), 22(3): 424-431
  27. 27.
    Xing Q G, Guo R H, Wu L L, An D Y, Cong M, Qin S and Li X R. 2017. High-resolution satellite observations of a new hazard of golden tides caused by floating Sargassum in winter in the Yellow Sea. IEEE Geoscience and Remote Sensing Letters, 14(10): 1815-1819
  28. 28.
    Xing Q G and 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

Leer el texto completo

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website