北太平洋葉綠素和海表溫度鋒面與魷魚漁場的關系研究

范秀梅，伍玉梅，崔雪森，樊 偉，化成君

(中國水產科學研究院漁業資源遙感信息技術重點開放實驗室,上海 200090)

?

北太平洋葉綠素和海表溫度鋒面與魷魚漁場的關系研究

范秀梅，伍玉梅，崔雪森，樊 偉，化成君

(中國水產科學研究院漁業資源遙感信息技術重點開放實驗室,上海 200090)

本文利用了Sobel和Canny兩種算法來提取北太平洋葉綠素和海表溫度SST(Sea Surface Temperature)的鋒面，并比較兩種方法計算的異同。Sobel算法結果能直接反應鋒面的大小和方向。Canny算法經過了標準化處理，輸出的數值不是梯度的真實值，但是確定的鋒面更準確、連續，因此本文選用了Canny算法算出的鋒面來和魷魚漁場做比較。根據來自MODIS的2013年四個季節的季平均數據，計算了北太平洋的葉綠素和SST的鋒面，分析了鋒面的特性，并把相應時期的北太魷魚單船單天的漁獲與其做了對比，得出2013年漁獲量較大的地方分布在溫度鋒面較活躍分布較廣的地方，且分布在葉綠素鋒面的邊緣處，集中在150°E～160°E，40°N附近的區域。同樣，根據2010年和2012年的7～10月的平均葉綠素和SST的數據計算出的鋒面，以及相同時期的北太魷魚漁獲量數據，對比分析了鋒面與漁場之間的關系，得出了與季平均同樣的結果。

鋒面；Sobel；Canny；SST；葉綠素；漁場

鋒面是海洋中普遍存在的一種現象，是海洋要素出現劇烈變化的特征，鋒面的強弱隨著時間的變化而變化，而且空間位置也會不斷轉換，且鋒面有不同尺度之分。溫度鋒面是冷暖水團交匯的地方，葉綠素鋒面是葉綠素豐富區域與稀少區域的中間地帶，海表溫度SST和葉綠素在海洋中的分布不均，很容易形成鋒面，通常鋒面附近區域是海洋的高生產力區域，所以鋒面的研究對海洋漁業具有重要的意義[1]。衛星遙感數據的出現為研究海洋鋒面提供了重要的條件，利用遙感數據來計算海洋鋒面的工作目前已經有很多的成果，例如海洋鋒面的計算方法有Sobel[2、3]算法，Shannon熵算法[4-6]，Canny算法[7-8]等。本文利用遙感數據來計算特定捕撈作業區的溫度和葉綠素鋒面，并比較分析鋒面的位置與單船單天漁獲量的關系，研究鋒面與漁場之間的分布關系，為今后的漁業捕撈提供參考。

1 方法和數據

1.1 鋒面的提取方法

圖像處理中，依據圖像的灰度變化，提取出圖像中不連續的部分叫做邊緣檢測。最簡單的方法就是依據灰度值的一階導數的大小通過閾值過濾來判斷邊緣位置。海洋里的溫度和葉綠素鋒面是指等值線密集、梯度大的海區，這與數字圖像中的邊緣檢測要求的特征一致，故邊緣檢測的方法理論上可以用于海洋衛星圖像中鋒面特征的提取[9]。用于圖像邊緣檢測的算子較常用的都基于微分運算，可以有一階微分或者二階微分，一階微分算子中邊緣主要對應于一階導數即梯度的最大值，二階微分中邊緣主要對應于二階導數的零點值。典型的一階邊緣算子有Roberts算子、Sobel算子、Prewitt算子等；典型的二階邊緣算子有Laplacian算子和LOG算子。

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

X方向 y方向

Matlab中用Sobel方法計算邊緣時使用的算子是1/8倍的3階Sobel算子，這樣算出來的梯度值可以用來估計衛星圖像中物理量在水平方向和垂直方向上每個網格的跨度的變化值，設為gh和gv。梯度的大小[2]為

(1)

本文中除了使用了Sobel算子計算鋒面，還使用了Canny算法。Canny算子用于圖像邊緣檢測是由JohnCanny在1986年提出的[11]。Canny算法在邊緣檢測的應用中，效果很好，因為它不只是一個簡單的銳化算子，Canny邊緣檢測的流程圖主要有4個步驟：高斯濾波，求梯度，非極大值抑制和雙閾值過濾。它引入了高斯濾波器對圖像進行低通濾波，提高了抗噪性能；利用梯度強度非極大值抑制法，提取單像素邊緣點，使定位精度更為準確；雙閾值法對噪聲進行了估計，小于最小閾值的認為都是噪聲，大于最大閾值的認為是邊緣信號，然后再通過八鄰域或者四鄰域法將介于最大值和最小值之間的點與已經判斷為信號邊緣的點連接，提高了邊緣的連續性。

高斯函數具有很多優良的性質，使得它在圖像處理中起到了很好的作用。二維高斯函數具有旋轉對稱性，在濾波的各個方向上平滑程度相同。因為很多情況下事先是無法設定圖像中物體邊緣的方向的，濾波的旋轉對稱性就保證了邊緣檢測的精確性。高斯函數的可分離性使得二維高斯函數的卷積可以拆分成二步執行，先將一維高斯函數與圖像卷積，然后再將轉置后的一維高斯函數濾波器與前一步的卷積結果進行卷積，即可得到與二維高斯函數的濾波相同的結果。在Canny邊緣檢測流程圖中需要兩次使用高斯函數，高斯濾波是典型的低通濾波，可平滑圖像，抵消一部分噪聲；高斯函數的一階和二階導數可以用作高通濾波器，在求圖像值的梯度時，用到了高斯函數的一階導數。用來和遙感圖像進行卷積的一維高斯函數表達式如下：

(2)

1.2 閾值的確定

Sobel的閾值設為由函數自動確定，edge函數確定的閾值為

(3)

其中Gd=Gradient2，即閾值為4倍的梯度平方的算術平均值再求根號，大于閾值的梯度值對應的位置就認為是鋒點。

Canny算法閾值的函數自動確定過程：首先對經過高斯一階導數卷積得到的梯度進行標準化：Gradient=Gradient/max(gradient)；然后生成標準化后的梯度值的直方圖，找到按梯度從小到大分布的點的個數的累加值超過總數70%所對應的梯度作為高閾值；默認的低閾值取高閾值的40%。在計算該漁場的SST鋒面時，如果選擇函數的自動計算的閾值，春季平均溫度場的高低閾值為[0.05, 0.125]，結果就是有很多噪聲引起的梯度變化異常也被計算進來了，于是只能人工調整閾值的大小。如果給定的閾值為[0.1, 0.3]，提高了高低閾值，去除一些不重要的梯度異常點，保留是鋒面可能性大的點。

1.3 數據

西北太平洋魷釣及秋刀魚漁場的計算范圍為：140°E～180°E，30°N～50°N。用的溫度場為Aqua衛星MODIS 9 km(約1/12度)數據，包括SST和葉綠素的季平均和月平均數據并利用這些遙感數據來計算海洋要素的鋒面分布。對于遙感數據中由于各種原因缺失的部分數據，則進行了三次多項式插值，補全數據。魷魚漁獲數據是從很多漁業公司搜集到的各個漁船每天的捕魚位置和捕獲量，并沒有覆蓋所有的漁業公司和所有漁船，所以數據不能用來分析產量的變化，但是可以定性地分析漁獲與海洋要素之間的關系。

2 結果與分析

2.1 利用季平均數據分析結果

首先用了2013年的季平均(3個月的平均值)SST和葉綠素數據來做分析。2013年北太魷魚的捕撈時間主要為夏秋兩季，夏季的記錄為6月1日～8月31日，秋季的記錄為9月1日～11月30日，冬季只有12月1日～12月20日在作業。分別將這些季節每天每條船捕撈量的大小以及所在的位置和季平均SST的大小以及鋒面作對比分析，找出二者可能的相關性。圖1中顏色為圖幅下方的色標所示的地方為用Sobel計算出的SST鋒面，圖中箭頭的顏色和長短表示鋒面值的大小，箭頭的方向表示沿鋒 面的走向。北太平洋南部的溫度比北部的溫度高，等溫線基本沿緯度線分布，鋒面是溫度梯度變化比較大的區域，也是沿緯度分布的。從圖中看，夏季海表溫度的鋒面箭頭的顏色呈深藍色，表示鋒面值在0.5 ℃/9 km以下，春、秋、冬海表溫度的鋒面的顏色為天藍色，表示鋒面值超過 0.5°C/9 km(這里用每9 km是因為數據的網格大小為1/12度，大約為9 km)。鋒面大部分位于40°N附近，圖中鋒面的矢量方向總體是沿著等值線的走向，與緯度走向基本一致。

圖1 SST和Sobel方法提取的鋒面(分別為春、夏、秋、冬)Fig.1 SST and fronts derived from Sobel algorithm (spring , summer , autumn , winter)

利用Canny算法計算鋒面的過程中對數值圖像進行了高斯平滑，并且利用雙閾值法來判斷段邊緣點，提高了判斷的準確性，最后利用八鄰域的方法來連接，所以提取的鋒面比用Sobel算法計算的更連續和精確。Canny算法計算的鋒面與Sobel算法計算的鋒面在顯示上有較大差別，這是因為Canny算法的計算結果只顯示鋒面的位置，不顯示鋒面的大小，而Sobel算法的計算結果則包含了鋒面的大小和方向。但Canny算法計算的鋒面也有優勢，那就是更簡潔明了，有一定的連續性。雖然二者在計算結果上在某些區域有差異，但是整體上還是保持一致的。從圖2中看Canny算法的計算結果與Sobel算法的計算結果相似，但更清晰。夏秋兩季圖中藍色為魷魚的捕撈位置，藍色圓圈的大小表示捕獲量的大小，圖的左下角的藍色圓圈標示一天捕撈量為10 t時的大小，圖上的白色方框表示記錄中捕獲量為零的地方。從圖2中可看出漁獲大多聚集在溫度鋒面比較多的地方，40°N是一年四季中溫度峰面比較活躍的地方。2013年夏季魷魚捕獲的位置就位于40°N這條條帶上，其中在150°E～160°E最多，170°E～180°E也有一些漁獲量的分布。秋季魷魚的捕獲量大多分布在150°E～160°E，40°N上下，同樣是位于溫度鋒面比較活躍的地方。2013年冬季作業時間只有20天(12月1日～12月20日)，為了區別于溫度較低的藍色背景，在冬季圖中捕撈位置和捕獲量用紅色圓圈表示。

圖2 SST、Canny算法計算的鋒面及捕撈量(分別為春、夏、秋、冬)Fig.2 SST,fronts derived from Canny algorithm and catches(spring , summer , autumn , winter)

2013年的葉綠素季平均Sobel計算結果如圖3，圖中箭頭的顏色表示鋒面值的大小，箭頭的方向表示沿鋒面的走向。圖3的葉綠素等值線圖表明葉綠素有一個成長和消亡的過程，春天爆發，冬天消亡，雖然離岸較近的區域一直都是葉綠素的高值區，葉綠素的爆發在大洋中呈現一定的點狀隨機性，高值區不像SST是從南傳至北，會偶然在某一區域出現高值區，如圖3中的春季圖中，(160°E,37°N)處就出現了葉綠素含量大于2 mg/m3的地方。葉綠素擴散后基本呈現北高南低的趨勢，如圖3中的夏、秋季圖所示。

從圖3中可見，葉綠素鋒面沒有固定的走向，這一點與溫度鋒面基本沿緯度走向不同。春季葉綠素高值區集中在北海道附近海域，并呈現向遠洋擴散的趨勢。葉綠素鋒面也都集中在這些葉綠素含量比較高的區域，遠洋葉綠素鋒面很少。夏季葉綠素不再僅限于離島嶼較近的海區了，在40°N和50°N之間的葉綠數含量都比較高，含量在1 mg/m3左右，而在40°N以南的區域含量也還是接近零。葉綠素的鋒面分布伴隨著葉綠素的分布，在葉綠素比較豐富的地區鋒面活動比較活躍，鋒面的大小大都在0.3 mg·m-3/9 km以下(網格的分辨率為9 km左右)。秋季的葉綠素的分布區域也集中在40°N和50°N之間，但是分布比夏季更平均。冬季葉綠素在這個區域的含量都比較低，鋒面很少出現。

2013年的葉綠素季平均Canny算法計算結果如圖4中的黑色線條，同時把2013年的魷魚捕獲量數據分別顯示到各個季節相應的鋒面和葉綠素的圖上。夏季的漁獲主要沿著葉綠素鋒面活動區的邊緣分布，在40°N區，其中單點漁獲量超過8 t的大多分布在150°E附近。在葉綠素含量較低和葉綠素鋒面罕見的海區，記錄中幾乎沒有漁獲的分布。2013年秋季單點的漁獲量平均要比夏季的多，且也同樣分布在葉綠素鋒面的邊緣。不過鋒面的邊緣對應在150°E左右的地方，有一個北向的大彎曲，這里周圍有豐富的葉綠素，提供了浮游動物生存需要的餌料，而浮游動物又為魷魚提供了豐富的食物，所以這里的漁獲比較多。從夏秋這兩個季節的結果來看，魷魚追逐著葉綠素鋒面的邊緣，喜好在其附近活動，那里氧氣充足，離食物較近。

圖4 葉綠素、鋒面及捕撈量(分別為春、夏、秋、冬)Fig.4 Chlorophyll,fronts and catches

2.2 利用月平均數據分析結果

圖5中給出了2010、2011和2012三年的現有的漁獲數量逐月對比圖，取其中進行作業時長達完整一個月的漁獲數據，比如2010年捕魚期的頭尾兩個月，6月是從15日開始的，11月到18日結束的，這兩個月的數據都沒滿一個月，所以2011年使用的漁獲數據為7、8、9、10這四個月的。同樣，2011、2012年使用的也是這4個月的數據。從圖5中看， 2011年的統計數據似乎缺少的比較多，相對來說其他兩年的數據要多一些。

圖5 各月漁獲對比Fig.5 Comparison of catches of every month

下面以漁獲數據相對2011年較豐富的2010年、2012年的捕魚期的月平均SST、葉綠素數據和每個月的捕獲量來分析相互之間的關系。圖6和圖7表明漁獲分布大部分分布在15 ℃～20 ℃之間，鋒面活動相對活躍的區域，在40 °N區域上下，經度范圍在150 °E～160 °E之間。這與上文的2013年的分析結果相似。

從圖8和圖9中看，在7～9這三個月份，40°N以南的大部分區域葉綠素含量非常低，接近零值，但是40° N以北的區域葉綠素含量逐漸提高。含量在1.6 mg/m3左右的區域自東向西擴散。10月份的月平均值顯示葉綠素含量在0.2 mg/m3的地方占40°N以南的大部分區域，相應的，北部葉綠素含量在1.6 mg/m3左右的區域在縮小。魷魚漁獲的分布主要在葉綠素鋒面的邊緣區域，鋒面邊緣北移，漁獲分布區域也隨之北移，鋒面邊緣南移則漁獲分布區域也隨之南移，在40°N上下擺動。150°E～160°E的區域北部在這四個月份中都存在豐富的葉綠素和葉綠素鋒面。

圖7 2012年7、8、9、10 四個月的SST、鋒面和漁獲的關系Fig.7 Relationship of SST,fronts and catches in July, August, September,October 2012

3 總結

本文通過Canny和Sobel兩種計算圖像邊緣的算法分別計算了北太魷魚漁場的海洋要素SST和葉綠素的鋒面分布。Sobel的計算方法算出的值沒有經過標準化處理，表示了每個網格跨度SST或者葉綠素的真實變化值，即梯度，同時還能通過經度和緯度方向的梯度分量求出梯度的方向。Canny算法的輸出值是經過標準化處理過的，不能代表真實的梯度值，但是Canny算法經過了高斯濾波去除了部分噪聲，雙閾值法提高了邊界點確定的準確度，八領域法提高了邊界的連續性，這些處理方法都提高了對SST和葉綠素的鋒面計算的精確度。

關于黑潮鋒面與漁場分布的關系之前有過很多的相關工作，但是分析北太平魷魚漁場與海表溫度鋒面和葉綠素鋒面的分布關系的研究較少，故本文主要選用Canny算法算出的SST和葉綠素的鋒面來與北太魷魚漁獲的位置和產量來對比，分析鋒面與漁獲的關系。2013年季平均、2010年和2012年7～10月共四個月份的月平均值分析結果顯示在40°N附近是溫度鋒面最活躍的區域，夏秋該區域的海表溫度大多在15°C～20°C之間。從漁獲與SST鋒面的對比圖可以判段魷魚漁場分布在溫度鋒面較活躍的區域。

圖8 2010年7、8、9、10 四個月的葉綠素、鋒面和漁獲的關系Fig.8 Relationship of chlorophyⅡ,fronts and catches in July, August, September,October 2010

圖9 2012年7、8、9、10 四個月的葉綠素、鋒面和漁獲的關系Fig.9 Relationship of chlorophyⅡ,fronts and catches in July, August, September,October 2012

根據2013年葉綠素的季平均和2010年、2012年葉綠素的月平均圖分析，在40°N以北區域夏秋兩季的葉綠素含量都比較高，1.0 mg/m3含量的地區分布比較廣，葉綠素的鋒面在該區域也比較活躍，而在40°N以南區域的葉綠素含量則非常低，鋒面也就不存在了。因此40°N附近的區域是鋒面活動的分界線。魷魚漁場則分布在鋒面的邊緣，而且經常在150°E～160° E之間、40°N附近，夏秋兩季該區域有葉綠鋒面邊緣存在。

[1] 陳新軍, 田思泉. 西北太平洋海域柔魚魚場分析探討[J]. 漁業現代化, 2001(3): 3-6.

[2] 劉傳玉. 中國東部近海溫度鋒面的分布特征和變化規律[D]. 青島: 中科院海洋研究所, 2009: 10-13.

[3] 劉澤. 中國近海鋒面時空特征研究及現場觀測分析[D]. 青島: 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] 孫根云, 郭敏, 汪曉龍, 等. 邊緣檢測在中國東部海域海表溫度鋒中的應用研究[J]. 遙感信息, 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

國家科技支撐計劃項目(2013BAD13B01)

范秀梅(1984-)，女，江蘇省興化市人，研究實習員，從事物理海洋相關工作。

E-mail: fxm1fxm@163.com

S 935

A