近20年（2002—2020年）渤黄海真光层深度的时空变化遥感分析

近20年（2002—2020年）渤黄海真光层深度的时空变化遥感分析 Remote sensing of spatial and temporal variations of euphotic zone depth in the Bohai Sea and Yellow Sea during recent 20 years （2002—2020） 1 first-author 吕军，研究方向为水色遥感。E-mail： danmozhiyou@qq.com 吕军，研究方向为水色遥感。E-mail： danmozhiyou@qq.com danmozhiyou@qq.com 1 corresp 王胜强，研究方向为海洋光学和水色遥感。E-mail： shengqiang.wang@nuist.edu.cn 王胜强，研究方向为海洋光学和水色遥感。E-mail： shengqiang.wang@nuist.edu.cn shengqiang.wang@nuist.edu.cn 1 1 2 1 3 4 南京信息工程大学 海洋科学学院, 南京 210044 南京信息工程大学 海洋科学学院, 南京 210044 School of Marine Sciences, Nanjing University of Information Science & Technology, Nanjing 210044, China School of Marine Sciences, Nanjing University of Information Science & Technology, Nanjing 210044, China 国家海洋信息中心, 天津 30017 国家海洋信息中心, 天津 30017 National Marine Data and Information Service, Tianjin 300171, China National Marine Data and Information Service, Tianjin 300171, China 自然资源部海岸带开发与保护重点实验室, 南京 210024 自然资源部海岸带开发与保护重点实验室, 南京 210024 Key Laboratory of Coastal Zone Exploitation and Protection, Ministry of Natural Resources, Nanjing 210024, China Key Laboratory of Coastal Zone Exploitation and Protection, Ministry of Natural Resources, Nanjing 210024, China 南京信息工程大学 地理科学学院, 南京 210044 南京信息工程大学 地理科学学院, 南京 210044 School of Geographic Sciences, Nanjing University of Information Science & Technology, Nanjing 210044, China School of Geographic Sciences, Nanjing University of Information Science & Technology, Nanjing 210044, China 真光层深度 Z eu （Euphotic Zone Depth）是指光合有效辐照度衰减为水体表面处1%时所对应的深度。它是描述水质特性的重要参数，对浮游植物光合作用，全球碳循环以及海洋环境变化的研究具有重要意义。本文基于多年在渤黄海现场实测数据，建立了针对MODIS（Moderate Resolution Imaging Spectroradiometer）传感器的 Z eu 遥感估算模型，该模型表现出良好的估算精度。在此基础上，利用2002年—2020年MODIS长时序卫星遥感数据，研究揭示了渤黄海 Z eu 的时空变化规律，结果显示，渤黄海 Z eu 具有近岸低、外海高的特点，并且明显表现出夏深冬浅的季节变化特征；长江口北舌状低值区夏季时往东北方向伸展，而在秋初时转向东南；在2002—2020年间，渤海、北黄海以及苏北浅滩的 Z eu 单调变化，而南黄海、济州岛南及长江口北的 Z eu 呈现波动式的变化趋势。此外，本文结合多源卫星遥感数据资料分析了 Z eu 时空变化的驱动因素，结果显示，在渤海、南黄海、北黄海及苏北浅滩， Z eu 的时空变异受多种驱动因素的综合影响，其中海表面温度和光合有效辐射对 Z eu 的变化呈正向驱动，而风速和总悬浮颗粒物浓度呈负向驱动；此外，长江径流量对长江口北 Z eu 的变化也起着负向驱动作用，两者之间呈现强负相关关系（相关系数 R =-0.55）。 Euphotic zone depth ( Z eu ) is defined as the depth at which photosynthetic available radiation is 1% of its surface value. This zone is in the upper water column, where marine phytoplankton can effectively photosynthesize, which is essential in air–sea interaction through transfer of either gases or heat, especially with reference to greenhouse gases, such as carbon dioxide. Accordingly, the euphotic zone has an important influence on research into marine primary productivity, phytoplankton biomass, and global carbon cycle. Meanwhile, the spatial and temporal variations of Z eu are closely related to the variability of water color elements. Consequently, Z eu is regarded as an indicator of water clarity, which may even have a certain indicative significance for ecosystems. Thus, marine researchers have prioritized Z eu monitoring. In this study, a remote sensing model was proposed to estimate Z eu from the moderate resolution imaging spectroradiometer (MODIS) satellite data based on in situ data collected from several cruises in the Bohai Sea and Yellow Sea. The designed model uses the logarithm of slope of the remote sensing reflectance ( R rs ) between 443 nm and 6S67 nm as an input. In situ data validations indicated that the algorithm shows good performance, with 0.86 R 2 (coefficient of determination), 4.14 root-mean square error, and 17.2% mean absolute percentage error. The model based on R rs efficiently performs compared with the current common models. The long term MODIS satellite data (2002—2020) were further used to investigate the spatial and temporal distributions of Z eu in the Bohai Sea and Yellow Sea. Results indicate that: (1) Z eu is low in the coastal regions but high in offshore waters. Meanwhile, clear temporal variability in Z eu was observed, showing that Z eu is typically high in summer but low in winter for most regions. (2) The tongue-shaped structure with a low value in the North of Yangtze River Estuary extends to the northeast in summer and turns to the southeast in early autumn. (3) Z eu monotonously varied in the Bohai Sea, Northern Yellow Sea, and Subei Shoal from 2002 to 2020. In the Bohai Sea and Subei Shoal, Z eu showed a downward trend, while it displayed an upward trend in the Northern Yellow Sea. Meanwhile, Z eu indicated a fluctuating trend in the Southern Yellow Sea, South of Jeju Island, and North of Yangtze River Estuary. Furthermore, the potential driving factors responsible for these spatiotemporal variations were examined based on multi-source satellite data. The results indicate that the spatial and temporal variations of Z eu in the Bohai Sea, Southern Yellow Sea, Northern Yellow Sea, and Subei Shoal are influenced by a variety of driving factors. Z eu is positively driven by the sea surface temperature and photosynthetic active radiation but negatively driven by wind speed and total suspended matter concentration. Specifically, the total suspended matter concentration has a significant effect on the Z eu variations. Meanwhile, Z eu in the North of Yangtze River Estuary is strongly related with the amount of runoff (correlation coefficient R =-0.55). 真光层深度 遥感估算 MODIS 渤黄海 时空规律 驱动因素 euphotic zone depth remote sensing estimation MODIS Bohai Sea and Yellow Sea spatial and temporal variations driving factors 1　引言 1 真光层深度 Z eu （Euphotic Zone Depth）是指光合有效辐照度PAR（Photosynthetic Active Radiation）衰减为水体表面处1%时所对应的深度（ Morel等，1996 Morel等，1996 ）。真光层是海洋生物能够有效进行光合作用的场所，其深度大小直接影响浮游植物和沉水植物的光合作用进程，进而对海洋初级生产力、浮游植物生物量以及全球碳循环的研究产生重要影响；另一方面， Z eu 的空间变化与水色要素的变异性关系密切，所以 Z eu 被认为是衡量水体清洁度的指标，甚至对海洋环境的改变也有着一定的指示意义（ Dokulil和Teubner，2012 Dokulil和Teubner，2012 ）。因此， Z eu 的监测一直是海洋研究者的重要工作之一。 目前， Z eu 主要通过现场测量和卫星遥感估算两种方式获取。例如，在现场调查实验中，可利用塞式（Secchi）盘测得水体透明度，进而利用透明度来推算 Z eu ；此外，也可以用水下辐射计等精密仪器对 Z eu 进行测量。现场测量的方式虽然准确性高，但通常耗时耗力，更为重要的是现场调查样本十分有限，在时空上存在明显的“断点”，并不能客观地反映 Z eu 的时空变化特征；相比之下，卫星遥感技术具有快速观测、低成本、大范围、高时空分辨率等优势（ 杨欣 等，2019 杨欣 等，2019 ），因此目前已成为了 Z eu 监测的重要手段。 研究学者针对 Z eu ，提出了各种各样的卫星遥感反演算法，常用的方法主要分为以下两类：其一是基于叶绿素浓度的经验算法（Chl算法）（ Morel和Berthon，1989 Morel和Berthon，1989 ），即叶绿素浓度与 Z eu 的相关性很好，常被用于反演 Z eu ，但此类算法仅适用于一类水体；其二是基于IOP（固有光学特性）的半分析算法（Lee算法）， Lee等（2007） Lee等（2007） 根据准分析算法得到490 nm处吸收系数和后向散射系数，先算出漫衰减系数，最后推算 Z eu ，但该算法涉及多个中间变量，反演过程复杂；此外， Wang等（2021） Wang等（2021） 最近提出了直接基于遥感反射率 R rs （Remote sensing reflectance）的算法（ R rs 算法）。与Chl算法和Lee算法相比， R rs 算法简单易操作，反演精度高，且在二类水体的适用性较好（ Wang等，2021 Wang等，2021 ）。 作为典型的陆架边缘海，渤黄海具有面积小（渤海7.7万km 2 ，黄海38万km 2 ）、水深浅（渤海平均水深18 m，黄海平均水深44 m）（ 张江泉 等，2013 张江泉 等，2013 ； 赵晨英 等，2016 赵晨英 等，2016 ）的特点。渤海和黄海地区受地形、季风、潮流、河流输入等多种因素影响，水体光学特性复杂多变（ Wang等，2016 Wang等，2016 ； Wei等，2004 Wei等，2004 ），透明度低，尤其是渤海和苏北浅滩（ 周长振和孙家淞，1981 周长振和孙家淞，1981 ）；此外，受近岸人类活动影响（如污水排放、水产养殖等），渤黄海水体富营养趋势明显，赤潮、绿潮等灾害频发。 Z eu 作为关键的生物光学参数，对理解渤黄海海洋生物地球化学过程有着重要的意义（ 纪昱彤 等，2018 纪昱彤 等，2018 ；宋德彬，2019； 张运林 等，2008 张运林 等，2008 ）。然而，虽然部分学者对中国近海的 Z eu 展开过一定的研究（ 陈晶晶 等，2007 陈晶晶 等，2007 ； 屈月明 等，2014 屈月明 等，2014 ； 唐世林 等，2007 唐世林 等，2007 ），但专门针对渤黄海的研究较少，尤其是其基于长时序（近20年）的时空规律变化尚不明确；此外，对于 Z eu 时空变化驱动因素的认识不够充分，缺少深入的定量分析。 因此，本研究以渤黄海海域为研究区，首先针对MODIS（Moderate Resolution Imaging Spectrora- diometer）传感器建立 Z eu 的卫星反演算法，进而利用2002年—2020年MODIS长时序的数据资料，研究揭示渤黄海地区 Z eu 的时空变化规律，并结合海洋环境要素探究重点海域 Z eu 的驱动因素。 2　研究区域与数据处理 1 2.1　研究区域 2 本文研究区域的具体范围为31°—41.5°N、117°—127.2°E（ 图1 图1 ）。在2014年5月、2014年11月、2015年8月和2016年7月搭载国家自然科学基金共享航次，在渤黄海海域进行了4次海上调查实验，共获取了105组 Z eu 和 R rs 现场实测数据，观测站点如 图1 图1 所示；此外，为探究 Z eu 的驱动因素，选取了6个具有代表性的子区域（ 图1 图1 ），黑色方形框为选中的子区域，自北向南依次为渤海（BS），北黄海（NYS），南黄海（SYS），苏北浅滩（SS），济州岛南（SJI），长江口北（NYE）。 2.2　现场实测数据 2 Z eu 和 R rs 都是通过Satlantic公司的Hyper Profiler Ⅱ水下高光谱仪获取，该仪器有3个相互校准的辐射计，一个甲板辐射计和两个水下辐射计（ Wang等，2016 Wang等，2016 ），其中，甲板辐射计用于测量水面以上的下行辐照度（ E d （ λ ，0 + ））；而水下辐射计探头方向相反，分别测量下行辐照度（ E d （ λ ，z））和上行辐亮度（ L u （ λ ，z））的垂直剖面，测量的光谱范围为349—804 nm（平均带宽3.3 nm）。本文利用仪器自带的Prosoft 7.7.16软件对数据进行了处理，主要包括数据校准、滤波、合成和插值等多个流程（ de Moraes Rudorff 等，2014 de Moraes Rudorff 等，2014 ）。 R rs 通过下式计算得到： <math display="block" id="M1"><msub><mrow><mi>L</mi></mrow><mrow><mi mathvariant="normal">w</mi></mrow></msub><mo stretchy="false">(</mo><mi>λ</mi><mo stretchy="false">)</mo><mo>=</mo><mfrac><mrow><mi>t</mi></mrow><mrow><msup><mrow><mi>n</mi></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup></mrow></mfrac><msub><mrow><mi>L</mi></mrow><mrow><mi mathvariant="normal">u</mi></mrow></msub><mo stretchy="false">(</mo><mi>λ</mi><mo>,</mo><msup><mrow><mn mathvariant="normal">0</mn></mrow><mrow><mo>-</mo></mrow></msup><mo stretchy="false">)</mo><mo>=</mo><mn mathvariant="normal">0.543</mn><msub><mrow><mi>L</mi></mrow><mrow><mi mathvariant="normal">u</mi></mrow></msub><mo stretchy="false">(</mo><mi>λ</mi><mo>,</mo><msup><mrow><mn mathvariant="normal">0</mn></mrow><mrow><mo>-</mo></mrow></msup><mo stretchy="false">)</mo></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=40418404&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=40418399&type= 55.71067047 7.61999989 <math display="block" id="M2"><msub><mrow><mi>R</mi></mrow><mrow><mi mathvariant="normal">r</mi><mi mathvariant="normal">s</mi></mrow></msub><mo stretchy="false">(</mo><mi>λ</mi><mo stretchy="false">)</mo><mo>=</mo><mfrac><mrow><msub><mrow><mi>L</mi></mrow><mrow><mi mathvariant="normal">w</mi></mrow></msub><mo stretchy="false">(</mo><mi>λ</mi><mo stretchy="false">)</mo></mrow><mrow><msub><mrow><mi>E</mi></mrow><mrow><mi mathvariant="normal">d</mi></mrow></msub><mo stretchy="false">(</mo><mi>λ</mi><mo>,</mo><msup><mrow><mn mathvariant="normal">0</mn></mrow><mrow><mo>+</mo></mrow></msup><mo stretchy="false">)</mo></mrow></mfrac></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=40418411&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=40418407&type= 27.68600082 8.46666718 式（1） 式（1） 和（2）中， L w （ λ ）是离水辐亮度， t 是水气界面透射率（ t =0.98）， n 是水体折射率（ n =1.34）， L u （ λ ，0 - ）是水面以下的上行辐亮度， E d （ λ ，0 + ）是水面以上的下行辐照度。为了建立基于MODIS的卫星反演算法，本研究依据来自ENVI软件的光谱响应函数将 R rs 重采样到MODIS波段。 图2 图2 展示的是本文获取的 R rs 数据，对于多数样本， R rs 的峰值主要位于550—580 nm。 1,2; 在航次调查中没有直接测量PAR剖面数据，因而本文使用 E d （ λ ， z ）剖面数据计算了PAR剖面数据： <math display="block" id="M3"><mi>P</mi><mi>A</mi><mi>R</mi><mo stretchy="false">(</mo><mi>z</mi><mo stretchy="false">)</mo><mo>=</mo><msubsup><mo>∫</mo><mrow><mn mathvariant="normal">400</mn><mtext> </mtext><mi mathvariant="normal">n</mi><mi mathvariant="normal">m</mi></mrow><mrow><mn mathvariant="normal">700</mn><mtext> </mtext><mi mathvariant="normal">n</mi><mi mathvariant="normal">m</mi></mrow></msubsup><mrow><msub><mrow><mi>E</mi></mrow><mrow><mi mathvariant="normal">d</mi></mrow></msub><mo stretchy="false">(</mo><mi>λ</mi><mo>,</mo><mi>z</mi><mo stretchy="false">)</mo><mi mathvariant="normal">d</mi><mi>λ</mi></mrow></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=40418447&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=40418444&type= 39.79333496 7.61999989 在此基础上，将PAR为表面值1%时所对应的深度作为 Z eu 值。需要指出的是，根据目前绝大多数研究者对PAR波段范围的主流定义（ Lee等，2007 Lee等，2007 ； Majozi等，2014 Majozi等，2014 ； Marra等，2014 Marra等，2014 ； Shang等，2011 Shang等，2011 ； Zhao等，2013 Zhao等，2013 ），本文选用波长范围400—700 nm计算了PAR（记为PAR（400—700 nm））及其 Z eu （记为 Z eu （400—700 nm））；然而，早期也有少数研究者将PAR的波长范围定义为380—710 nm（ McCree，1972 McCree，1972 ）。特别地，本文研究区为近岸浑浊水体，受悬浮泥沙的影响，700 nm以后的 E d （ λ ， z ）不一定能忽略；为此，本文深入探讨了利用不同波段范围（特别是700 nm以后波段）计算PAR的差异性及其对所获得的 Z eu 的影响，具体为：（1）选取400—710 nm波长范围，计算了PAR（记为PAR（400—710 nm）），及其真光层深度 Z eu （记为 Z eu （400—710 nm））；（2）选取380—710 nm波长范围，计算了PAR（记为PAR（380—710 nm）），及其 Z eu （记为 Z eu （380—710 nm））。结果发现，PAR（400—700 nm）与PAR（400—710 nm）和PAR（380—710 nm）之间的偏差很小，平均绝对百分偏差MAPE（Mean Absolute Percentage Error）分别仅为0.2%和1.1%，相应地， Z eu （400—700 nm）与 Z eu （400—710 nm）和 Z eu （380—710 nm）之间的偏差也很小，MAPE分别仅为0.3%和0.9 %。由此可见，以上不同波段范围的选取对PAR及其 Z eu 的计算结果影响不大，可以近似忽略。 2.3　卫星数据 2 本文研究使用的 R rs 数据来源于搭载在Aqua卫星上的MODIS 传感器的L3月产品，其空间分辨率为4 km，时间跨度为2002年7月至2020年5月；与此同时，本文利用YOC遥感算法（ Siswanto等，2011 Siswanto等，2011 ），从 R rs 反演得到了总悬浮颗粒物浓度TSM（Total Suspended Matter Concentration）产品集；此外，本研究还获取了多源海洋环境数据资料，主要包括：（1）MODIS海表面温度SST（Sea Surface Temperature）数据和PAR数据，空间分辨率为4 km，可以从 https：//oceancolor.gsfc.nasa.gov/ https://oceancolor.gsfc.nasa.gov/ 下载获得；（2）风速WS（Wind Speed）数据，空间分辨率是1°×1°，可以从 http：//www.remss.com/ http://www.remss.com/ 下载获得（ Sun等，2019 Sun等，2019 ）。以上数据时间范围也是2002年7月—2020年5月。 3　结果与讨论 1 3.1　针对MODIS传感器的 Z eu 估算模型 2 Wang等（2021） Wang等（2021） 针对GOCI传感器，基于现场实测数据资料，建立了直接基于 R rs 的 Z eu 遥感估算新方法。本文采用类似的方法，针对MODIS传感器，建立 Z eu 的遥感估算模型，可表示为 <math display="block" id="M4"><msub><mrow><mi>Z</mi></mrow><mrow><mi mathvariant="normal">e</mi><mi mathvariant="normal">u</mi></mrow></msub><mo>=</mo><msup><mrow><mn mathvariant="normal">10</mn></mrow><mrow><mn mathvariant="normal">0.43</mn><msup><mrow><mi>X</mi></mrow><mrow><mn mathvariant="normal">3</mn></mrow></msup><mo>-</mo><mn mathvariant="normal">1.38</mn><msup><mrow><mi>X</mi></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup><mo>+</mo><mn mathvariant="normal">1.69</mn><mi>X</mi><mo>+</mo><mn mathvariant="normal">0.68</mn></mrow></msup></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=40418453&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=40418451&type= 38.60800171 4.31799984 式中， X =log 10 （ R rs （443）/ R rs （667））。 图3（a） 图3（a） 展示的是模型拟合的效果，可以看出：多数样本点很好地聚集在拟合曲线附近，拟合决定系数 R 2 （Coefficient of determination）为0.87；为了进一步检验该模型估算 Z eu 的精度，对其进行了留一法交叉检验（ 图3（b） 图3（b） ），结果显示，多数样本点很好地聚集在1∶1线附近，交叉检验的 R 2 、均方根误差RMSE（Root Mean Square Error）以及MAPE分别为0.86、4.14以及17.2%，这些指标表明该模型具有很高的估算精度 1,2; 进一步，我们对比分析了不同 Z eu 遥感反演模型的表现效果。从 表1 表1 可以看出，Chl算法的表现远远不如Lee算法和 R rs 算法；此外，虽然 R rs 算法和Lee算法反演效果都好，但从MAPE和RMSE来看， R rs 算法的准确性略高。 算法 MAPE RMSE R 2 Chl算法 61.6% 8.03 0.62 Lee算法 19.1% 4.36 0.88 R rs 算法 17.2% 4.14 0.86 3.2　渤黄海 Z eu 的时空变化 2 基于2002年7月—2020年5月MODIS数据，利用本文建立的 Z eu 估算模型，构建了 Z eu 的长时序月产品集（ 图4 图4 ），并分析了其时空变化规律。在空间上，渤黄海 Z eu 呈现出近岸低、外海高的特点，也即苏北浅滩 Z eu 常年处较低的水平，南黄海中部及济州岛南 Z eu 往往较高。由于苏北浅滩水深较浅，受海风和潮汐的作用，海水更容易混合，水体中悬浮物浓度会相应增加，进而导致真光层深度降低。在时间上，多数海域的 Z eu 在冬季（11月—次年2月）出现最小值，当2月跨入到3月时， Z eu 开始增加，尤其是渤海和苏北浅滩，且随着时间推移（4月和5月）， Z eu 持续上升；至夏季时（6—8月），渤黄海地区受强烈的辐射作用，上层海水温度迅速升高，导致明显的层化现象，可见光穿透增加，绝大多数海域的 Z eu 出现了最大值，与此同时，位于长江口北的水舌状低值区从东南方向逐渐转到东北方向；到9月时，渤黄海 Z eu 开始下降，并且长江口北水舌状低值区转回东南方向；在经历10月和11月的缓慢降低后，多数海域 Z eu 又会出现最小值。 针对中国近海 Z eu ，学者们也开展过一定的研究，例如： 陈晶晶（2007） 陈晶晶（2007） 基于SeaWiFS传感器数据（1998年—2006年），计算得到中国海 Z eu 的空间分布； Shang等（2011） Shang等（2011） 对Chl算法和Lee算法进行对比分析，并将Lee算法应用到MODIS传感器（2002年—2009年），反演得到中国海 Z eu 的空间分布； 姚晴晴（2012） 姚晴晴（2012） 在 陈晶晶等（2007） 陈晶晶等（2007） 的研究基础上，基于MODIS传感器2005年—2011年共7年的数据，进一步探究了 Z eu 时空分布规律。这些学者都指出渤黄海区域 Z eu 具有夏深冬浅的季节分布特征，这与本文的研究结果相一致。相比之下，本文针对 Z eu 的时空变化特征分析，利用近20年的卫星遥感数据，更能客观地反映渤黄海 Z eu 的时空变化规律。因此，本文选取了SST、PAR、WS以及TSM，对 Z eu 时空变化的驱动因素进行了深入的定量分析。 图5 图5 展示的是选取的6个典型子区域（BS：渤海、NYS：北黄海、SYS：南黄海、SS：苏北浅滩、SJI：济州岛南、NYE：长江口北） Z eu 的时间变化曲线图，可以看出：渤海、北黄海及苏北浅滩的 Z eu 变化趋势相似，其最大值都是在7月出现，而长江口北的最大值则出现在6月，7月份长江口北区域的 Z eu 均值迅速地下降到9.0 m。考虑到长江径流量往往在7月出现最大值，这可能是导致均值迅速下降的原因（ Beardsley等，1985 Beardsley等，1985 ）。南黄海区域的 Z eu 最大值也主要出现在6月，均值为38.8 m，四分位间距4.4 m。济州岛南的 Z eu 月均值变化范围为25.9—30.9 m，表明济州岛南 Z eu 全年较深，且受季节变化影响小；此外，10月至12月期间，该区域 Z eu 均值呈下降趋势，这与南黄海同时间段的变化趋势恰恰相反，该现象很可能与冬季济州岛西南海域出现的黄海暖流有关（ 刁新源，2015 刁新源，2015 ； 王辉武 等，2009 王辉武 等，2009 ）。 1,2;3,4;5,6;7; 为进一步揭示渤黄海整个海域 Z eu 的最大值和最小值的时空分布规律，本文计算了每个像元 Z eu 最大值和最小值出现的月份，结果如 图6 图6 所示：整体上， Z eu 最大值呈现出南早北晚的特点，即济州岛西部和南部海域5月 Z eu 出现最大值，而在南黄海 Z eu 最大值多数在6月，在南黄海近海岸、北黄海和渤海 Z eu 最大值则出现在7月（ 图6（a） 图6（a） ）。受长江冲淡水的影响，长江口北附近海域在7月并非是 Z eu 最大值月份，相反最大值主要出现在6月、8月或者9月；此外，本研究区域右下角海洋（31°—32°N，126°—127.2°E）的 Z eu 最大值也是出现在8月或9月，这很可能与黄海暖流有关（ 熊学军 等，2019 熊学军 等，2019 ）。 Z eu 的最小值出现的月份如 图6（b） 图6（b） 所示，可以看出：渤海近岸、苏北浅滩及济州岛近岸的 Z eu 在11月或12月出现最小值，渤海海峡至北黄海中部和南黄海中部则在3月或4月出现最小值，其余海域多数在1月或2月出现最小值。 1,2; 此外，为了进一步研究 Z eu 的长时序变化趋势，本文基于标准化数据（即（变量‒平均值）/标准差）进行了经验模态分解EMD（Empirical Mode Decomposition），结果如 图7 图7 所示：从2002年—2020年，渤海、北黄海以及苏北浅滩的 Z eu 单调变化，即渤海和苏北浅滩呈下降趋势，北黄海呈上升趋势；南黄海的 Z eu 在2002年—2007年缓慢减小，而在2007年—2018年却快速增大，随后渐渐减小；济州岛南的 Z eu 在2002年—2010年呈上升趋势，而在2010年—2020年呈下降趋势；在长江口北， Z eu 在2002年—2004年短暂减小，而在2004年—2011年迅速增大，随后再次减小。 1,2;3,4;5,6; 3.3　渤黄海 Z eu 的驱动因素分析 2 本文选取了SST、PAR、WS以及TSM作为 Z eu 的潜在环境驱动因素，分析了它们与 Z eu 之间的关系（ 李艳艳 等，2020 李艳艳 等，2020 ）。从 图8 图8 可以看出：在渤海、北黄海、南黄海及苏北浅滩，SST与 Z eu 之间存在强正相关关系（ R > 0.5），其中，两者之间的相关系数 R 在北黄海甚至达到0.83；在渤海、北黄海、南黄海及苏北浅滩，PAR与 Z eu 的关系与SST相似，但是在长江口北，PAR与 Z eu 之间存在中度的正相关关系（0.3 < R < 0.5）；在渤海、北黄海、南黄海及苏北浅滩，WS与 Z eu 之间存在强负相关关系（ R > 0.5），在长江口北和济州岛南，两者之间的负相关关系下降至中度（0.3 < R < 0.5）；值得注意的是，在选取的子区域内，TSM与 Z eu 之间均存在强负相关关系（ R > 0.5）。 为了进一步量化不同驱动因素对 Z eu 变化的贡献，本研究基于标准化的数据进行了多元线性逐步回归分析，结果如 表2 表2 所示：在渤海、北黄海、南黄海及苏北浅滩， R 2 都较高（ R 2 > 75%）。值得注意的是，在这4个子区域内，SST和PAR对 Z eu 的变化呈正向驱动，而WS和TSM对 Z eu 的变化呈负向驱动，这与前文的相关分析结果一致。同时，TSM的贡献系数均远大于SST、PAR以及WS的贡献系数，对 Z eu 起主要作用。在济州岛南和长江口北，进入逐步回归分析的驱动因素只能共同解释 Z eu 变异65%以下，尤其是在长江口北（ R 2 =50%）。 注： NE表示没有进入逐步回归分析；*和#分别表示显著性 p 值 < 0.05和 < 0.001。 站点 SST PAR WS TSM R 2 p BS NE 0.20 # NE -0.73 # 0.78 <0.0001 NYS 0.15 * 0.18 # NE -0.68 # 0.85 <0.0001 SYS NE 0.18 * -0.13 * -0.76 # 0.83 <0.0001 SS 0.28 # NE -0.29 # -0.53 # 0.75 <0.0001 SJI -0.28 # NE -0.23 # -0.77 # 0.65 <0.0001 NYE NE -0.29 # -0.14 * -0.82 # 0.50 <0.0001 基于以上相关关系分析可以看出 Z eu 随环境驱动因素变化的基本规律为：在夏季，渤黄海地区受强烈的辐射作用，上层海水温度迅速升高，导致明显的层化现象（ Tang等，2006 Tang等，2006 ），尤其是在开阔的海域（如黄海中部），这使得水体清澈度高，可见光在海水中的穿透更深，垂直方向上真光层范围进一步扩大；随着秋季太阳辐射减弱，上层海水冷却，层化现象减弱甚至消失。到了冬季，在亚洲高压控制下，寒冷干燥的强风从陆地吹向海洋，作用在海面上，推动海水上下混合（ Wang和Yuan，1988 Wang和Yuan，1988 ），并且WS越大，混合作用越强，上层海水中悬浮物浓度增加，进而降低了海水透明度以及 Z eu 。春季时，辐射作用逐渐增强，但陆风迅速减弱， Z eu 分布特征向夏季过渡。 在长江口北，选取的驱动因素并不能很好地解释 Z eu 的变异。结合 图5 图5 和 图6 图6 ，可以初步判断出此区域可能受到了长江冲淡水的影响。为了进一步探究长江冲淡水对 Z eu 的影响，本文利用2003年至2019年大通水文站径流量数据，建立起 Z eu 与径流量之间的线性关系（ 图9 图9 ）。根据洪季的 Z eu 极小值，分析了 Z eu 与径流量之间的关系，结果显示，长江径流量对 Z eu 的变化起着负向驱动作用，两者之间呈现强的负相关关系（相关系数 R =-0.55）。河水携沙入海，对长江河口区产生了两个方面的影响：（1）大量泥沙随河水进入河口区，使海水更加浑浊；（2）受水动力作用，在垂直方向上，河口区海水进一步混合。这两种影响都导致了海水悬浮物浓度的升高， Z eu 也随之降低。对于黄海暖流与济州岛南 Z eu 之间的相关分析，目前由于缺少数据很难开展，这需要在将来的工作中进一步研究。 4　结论 1 本研究主要工作及结论如下： （1）针对MODIS传感器，建立了 Z eu 的遥感反演模型，该模型表现出良好的估算精度（ R 2 =0.86，RMSE=4.14及MAPE=17.2%）。 （2）整体上， Z eu 呈现出近岸低、外海高的特点，并且具有夏深冬浅的季节变化特征。渤海、苏北浅滩和长江口北的 Z eu 常年处于较低水平，而南黄海和济州岛南的 Z eu 终年较深。值得注意的是，长江口北舌状低值区夏季时往东北方向伸展，而在秋初时转向东南。此外，在渤黄海地区，不同子区域 Z eu 年际变化趋势不同。 （3）在渤海、南黄海、北黄海及苏北浅滩， Z eu 的驱动因素主要是SST、PAR、WS以及TSM（逐步回归分析决定系数 R 2 > 75%），其中SST和PAR对 Z eu 的变化起着正向驱动作用，而WS和TSM对 Z eu 的变化起着负向驱动作用。 （4）由上述分析可以看出 Z eu 随环境驱动因素变化的基本规律为：在夏季，渤黄海地区受强烈的辐射作用，上层海水温度迅速升高，导致明显的层化现象，这使得 Z eu 较深；到了冬季，寒冷干燥的强风从陆地吹向海洋，作用在海面上，推动海水上下混合，上层海水中悬浮物浓度增加，进而降低了 Z eu ；而在春秋两季， Z eu 呈现出明显的过渡特征。 （5）在长江口，长江径流量对 Z eu 的变化起着负向驱动作用，两者之间呈现强负相关关系（ R =-0.55），表明长江冲淡水很大程度上影响了河口区 Z eu 的分布。 参考文献（References） Beardsley R C , Limeburner R , Yu H and Cannon G A . 1985 . Discharge of the Changjiang (Yangtze River) into the East China Sea . Continental Shelf Research , 4 ( 1/2 ): 57 - 76 [ DOI: 10.1016/0278-4343(85)90022-6 http://dx.doi.org/10.1016/0278-4343(85)90022-6 ] Discharge of the Changjiang (Yangtze River) into the East China Sea Chen J J . 2007 . Research on Euphotic Zone Depth Derived from Remote-Sensing and its Spatial-Temporal Characteristics over China Sea . Xiamen : Xiamen University Research on Euphotic Zone Depth Derived from Remote-Sensing and its Spatial-Temporal Characteristics over China Sea 陈晶晶 . 2007 . 中国海真光层深度遥感反演及其时空变化研究 . 厦门 : 厦门大学 [ DOI: 10.7666/d.y1343768 http://dx.doi.org/10.7666/d.y1343768 ] 中国海真光层深度遥感反演及其时空变化研究 Chen J J , Shang S P and Shang S L . 2007 . A test of a semi-analytical algorithm for euphotic zone depth in the Taiwan Strait . Journal of Xiamen University (Natural Science) , 46 ( S1 ): 12 - 17 A test of a semi-analytical algorithm for euphotic zone depth in the Taiwan Strait 陈晶晶 , 商少平 , 商少凌 . 2007 . 台湾海峡真光层深度半分析算法遥感反演的真实性检验 . 厦门大学学报(自然科学版) , 46 ( S1 ): 12 - 17 [ DOI: 10.3321/j.issn:0438-0479.2007.z1.003 http://dx.doi.org/10.3321/j.issn:0438-0479.2007.z1.003 ] 台湾海峡真光层深度半分析算法遥感反演的真实性检验 de Moraes Rudorff N , Frouin R , Kampel M , Goyens C , Meriaux X , Schieber B and Mitchell B G . 2014 . Ocean-color radiometry across the Southern Atlantic and Southeastern Pacific: accuracy and remote sensing implications . Remote Sensing of Environment , 149 : 13 - 32 [ DOI: 10.1016/j.rse.2014.03.029 http://dx.doi.org/10.1016/j.rse.2014.03.029 ] Ocean-color radiometry across the Southern Atlantic and Southeastern Pacific: accuracy and remote sensing implications Diao X Y . 2015 . The Study of Yellow Sea Warm Current, Yellow Sea Cold Water Mass and their Evolution Process in Spring . Qingdao : Institute of Oceanology, Chinese Academy of Sciences The Study of Yellow Sea Warm Current, Yellow Sea Cold Water Mass and their Evolution Process in Spring 刁新源 . 2015 . 黄海暖流、黄海冷水团及其春季演变过程研究 . 青岛 : 中国科学院研究生院(海洋研究所) 黄海暖流、黄海冷水团及其春季演变过程研究 Dokulil M T and Teubner K . 2012 . Deep living Planktothrix rubescens modulated by environmental constraints and climate forcing . Hydrobiologia , 698 ( 1 ): 29 - 46 [ DOI: 10.1007/s10750-012-1020-5 http://dx.doi.org/10.1007/s10750-012-1020-5 ] Deep living Planktothrix rubescens modulated by environmental constraints and climate forcing Ji Y T , Wang N , Chen H J and Liu G X . 2018 . Phytoplankton community structure in the Bohai and the Huanghai in autumn 2013 . Journal of Ocean University of China (Natural Sciences) , 48 ( S2 ): 31 - 41 Phytoplankton community structure in the Bohai and the Huanghai in autumn 2013 纪昱彤 , 王宁 , 陈洪举 , 刘光兴 . 2018 . 2013年秋季渤黄海浮游植物的群落特征 . 中国海洋大学学报(自然科学版) , 48 ( S2 ): 31 - 41 [ DOI: 10.16441/j.cnki.hdxb.20180165 http://dx.doi.org/10.16441/j.cnki.hdxb.20180165 ] 2013年秋季渤黄海浮游植物的群落特征 Lee Z P , Weidemann A , Kindle J , Arnone R , Carder K L and Davis C . 2007 . Euphotic zone depth: its derivation and implication to ocean-color remote sensing . Journal of Geophysical Research : Oceans , 112 ( C3 ): C 03009 [ DOI: 10.1029/2006JC003802 http://dx.doi.org/10.1029/2006JC003802 ] Euphotic zone depth: its derivation and implication to ocean-color remote sensing Li Y Y ， Dong Q ， Ren Y Z ， Kong F P and Yin Z . 2020 . Spatiotemporal characteristics of sea surface salinity of Indian and Pacific Oceans . Journal of Remote Sensing (Chinese) , 24 ( 10 )： 1193 - 1205 Spatiotemporal characteristics of sea surface salinity of Indian and Pacific Oceans 李艳艳 , 董庆 , 任永政 , 孔凡萍 , 殷紫 . 2020 . 印度洋及太平洋海表盐度时空特征分析 . 遥感学报 , 24 ( 10 ): 1193 - 1205 [ DOI: 10.11834/jrs.20209068 http://dx.doi.org/10.11834/jrs.20209068 ］ 印度洋及太平洋海表盐度时空特征分析 Majozi N P , Salama M S , Bernard S , Harper D M and Habte M G . 2014 . Remote sensing of euphotic depth in shallow tropical inland waters of Lake Naivasha using MERIS data . Remote Sensing of Environment , 148 : 178 - 189 [ DOI: 10.1016/j.rse.2014.03.025 http://dx.doi.org/10.1016/j.rse.2014.03.025 ] Remote sensing of euphotic depth in shallow tropical inland waters of Lake Naivasha using MERIS data Marra J F , Lance V P , Vaillancourt R D and Hargreaves B R . 2014 . Resolving the ocean’s euphotic zone . Deep Sea Research Part Ⅰ : Oceanographic Research Papers , 83 : 45 - 50 [ DOI: 10.1016/j.dsr.2013.09.005 http://dx.doi.org/10.1016/j.dsr.2013.09.005 ] Resolving the ocean’s euphotic zone McCree K J . 1972 . Test of current definitions of photosynthetically active radiation against leaf photosynthesis data . Agricultural Meteorology , 10 : 443 - 453 [ DOI: 10.1016/0002-1571(72)90045-3 http://dx.doi.org/10.1016/0002-1571(72)90045-3 ] Test of current definitions of photosynthetically active radiation against leaf photosynthesis data Morel A , Antoine D , Babin M and Dandonneau Y . 1996 . Measured and modeled primary production in the northeast Atlantic (EUMELI JGOFS program): the impact of natural variations in photosynthetic parameters on model predictive skill . Deep Sea Research Part Ⅰ : Oceanographic Research Papers , 43 ( 8 ): 1273 - 1304 [ DOI: 10.1016/0967-0637(96)00059-3 http://dx.doi.org/10.1016/0967-0637(96)00059-3 ] Measured and modeled primary production in the northeast Atlantic (EUMELI JGOFS program): the impact of natural variations in photosynthetic parameters on model predictive skill Morel A and Berthon J F . 1989 . Surface pigments, algal biomass profiles, and potential production of the euphotic layer: relationships reinvestigated in view of remote-sensing applications . Limnology and Oceanography , 34 ( 8 ): 1545 - 1562 [ DOI: 10.4319/lo.1989.34.8.1545 http://dx.doi.org/10.4319/lo.1989.34.8.1545 ] Surface pigments, algal biomass profiles, and potential production of the euphotic layer: relationships reinvestigated in view of remote-sensing applications Qu Y M , Cai Q H , Shen H L and Li B . 2014 . Variation and influencing factors of euphotic depth in Danjiangkou reservoir in different hydrological periods . Resources and Environment in the Yangtze Basin , 23 ( 1 ): 53 - 59 Variation and influencing factors of euphotic depth in Danjiangkou reservoir in different hydrological periods 屈月明 , 蔡庆华 , 申恒伦 , 李斌 . 2014 . 丹江口水库不同水文期真光层深度特征及影响因素分析 . 长江流域资源与环境 , 23 ( 1 ): 53 - 59 [ DOI: 10.11870/cjlyzyyhj201401008 http://dx.doi.org/10.11870/cjlyzyyhj201401008 ] 丹江口水库不同水文期真光层深度特征及影响因素分析 Shang S L , Lee Z and Wei G M . 2011 . Characterization of MODIS-derived euphotic zone depth: results for the China Sea . Remote Sensing of Environment , 115 ( 1 ): 180 - 186 [ DOI: 10.1016/j.rse.2010.08.016 http://dx.doi.org/10.1016/j.rse.2010.08.016 ] Characterization of MODIS-derived euphotic zone depth: results for the China Sea Siswanto E , Tang J W , Yamaguchi H , Ahn Y H , Ishizaka J , Yoo S , Kim S W , Kiyomoto Y , Yamada K , Chiang C and Kawamura H . 2011 . Empirical ocean-color algorithms to retrieve chlorophyll- a , total suspended matter, and colored dissolved organic matter absorption coefficient in the Yellow and East China Seas . Journal of Oceanography , 67 ( 5 ): 627 - 650 [DOI 10.1007/s10872-011-0062-z http://dx.doi.org/10.1007/s10872-011-0062-z ] Empirical ocean-color algorithms to retrieve chlorophyll-a, total suspended matter, and colored dissolved organic matter absorption coefficient in the Yellow and East China Seas Song D B . 2019 . Temporal-Spatial Distribution and Countermeasures Study of Algae Disaster in the Bohai and Yellow Sea based on Multi-Source Data . Yantai : University of Chinese Academy of Science (Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences) (宋德彬 . 2019. 基于多源数据的黄渤海藻类灾害时空分布及对策研究 . 烟台: 中国科学院大学(中国科学院烟台海岸带研究所)) Temporal-Spatial Distribution and Countermeasures Study of Algae Disaster in the Bohai and Yellow Sea based on Multi-Source Data Sun D Y , Huan Y , Wang S Q , Qiu Z F , Ling Z B , Mao Z H and He Y J . 2019 . Remote sensing of spatial and temporal patterns of phytoplankton assemblages in the Bohai Sea, Yellow Sea, and East China Sea . Water Research , 157 : 119 - 133 [ DOI: 10.1016/j.watres.2019.03.081 http://dx.doi.org/10.1016/j.watres.2019.03.081 ] Remote sensing of spatial and temporal patterns of phytoplankton assemblages in the Bohai Sea, Yellow Sea, and East China Sea Tang D L , Kawamura H , Oh I S and Baker J . 2006 . Satellite evidence of harmful algal blooms and related oceanographic features in the Bohai Sea during autumn 1998 . Advances in Space Research , 37 ( 4 ): 681 - 689 [ DOI: 10.1016/j.asr.2005.04.045 http://dx.doi.org/10.1016/j.asr.2005.04.045 ] Satellite evidence of harmful algal blooms and related oceanographic features in the Bohai Sea during autumn 1998 Tang S L , Chen C Q , Zhan H G , Xu D Z and Liu D Z . 2007 . Retrieval of euphotic layer depth of South China Sea by remote sensing . Journal of Tropical Oceanography , 26 ( 1 ): 9 - 15 Retrieval of euphotic layer depth of South China Sea by remote sensing 唐世林 , 陈楚群 , 詹海刚 , 许大志 , 刘大召 . 2007 . 南海真光层深度的遥感反演 . 热带海洋学报 , 26 ( 1 ): 9 - 15 [ DOI: 10.3969/j.issn.1009-5470.2007.01.002 http://dx.doi.org/10.3969/j.issn.1009-5470.2007.01.002 ] 南海真光层深度的遥感反演 Wang H W , Yu F , Lü L G , Diao X Y and Guo J S . 2009 . Characteristics of spatial and interannual variation in the Yellow Sea warm current area in winter . Advances in Marine Science , 27 ( 2 ): 140 - 148 Characteristics of spatial and interannual variation in the Yellow Sea warm current area in winter 王辉武 , 于非 , 吕连港 , 刁新源 , 郭景松 . 2009 . 冬季黄海暖流区的空间变化和年际变化特征 . 海洋科学进展 , 27 ( 2 ): 140 - 148 [ DOI: 10.3969/j.issn.1671-6647.2009.02.003 http://dx.doi.org/10.3969/j.issn.1671-6647.2009.02.003 ] 冬季黄海暖流区的空间变化和年际变化特征 Wang J and Yuan Y L . 1988 . Numerical modelling of wintertime circulation in the East China Sea . Chinese Journal of Oceanology and Limnology , 6 ( 4 ): 300 - 319 [ DOI: 10.1007/BF02850454 http://dx.doi.org/10.1007/BF02850454 ] Numerical modelling of wintertime circulation in the East China Sea Wang S Q , Huan Y , Qiu Z F , Sun D Y , Zhang H L , Zheng L F and Xiao C . 2016 . Remote sensing of particle cross-sectional area in the Bohai Sea and Yellow Sea: algorithm development and application implications . Remote Sensing , 8 ( 10 ): 841 [ DOI: 10.390/rs8100841 http://dx.doi.org/10.390/rs8100841 ] Remote sensing of particle cross-sectional area in the Bohai Sea and Yellow Sea: algorithm development and application implications Wang S Q , Lv J , Nie J W , Sun D Y , Liang H W , Qiu Z F and Yang W . 2021 . Dynamics of euphotic zone depth in the Bohai Sea and Yellow Sea . Science of the Total Environment , 751 : 142270 [ DOI: 10.1016/j.scitotenv.2020.142270 http://dx.doi.org/10.1016/j.scitotenv.2020.142270 ] Dynamics of euphotic zone depth in the Bohai Sea and Yellow Sea Wei H , Sun J , Moll A and Zhao L . 2004 . Phytoplankton dynamics in the Bohai Sea—observations and modelling . Journal of Marine Systems , 44 ( 3/4 ): 233 - 251 [ DOI: 10.1016/j.jmarsys.2003.09.012 http://dx.doi.org/10.1016/j.jmarsys.2003.09.012 ] Phytoplankton dynamics in the Bohai Sea—observations and modelling Xiong X J , Hu X M , Guo Y L , Yu L , Chen L , Xue Y H . 2019 . Existence, morphology and structure of the Yellow Sea Warm Current Branch approaching waters offshore Qingdao, China . Science China Earth Sciences , 62 : 1167 – 1180 Existence, morphology and structure of the Yellow Sea Warm Current Branch approaching waters offshore Qingdao, China 熊学军 , 胡筱敏 , 郭延良 , 于龙 , 陈亮 , 薛宇欢 . 2019 . 黄海暖流抵近青岛近海分支的确认及形态结构特征 . 中国科学 : 地球科学 , 49 : 1103 - 1115 [ DOI: /10.1007/s11430-018-9331-1 http://dx.doi.org//10.1007/s11430-018-9331-1 ] 黄海暖流抵近青岛近海分支的确认及形态结构特征 Yang X , Su H , Li W E , Huang L J , Wang X Q and Yan X H . 2019 . Seasonal-spatial variations in satellite-derived global subsurface temperature anomalies . Journal of Remote Sensing , 23 ( 5 ): 997 - 1010 Seasonal-spatial variations in satellite-derived global subsurface temperature anomalies 杨欣 , 苏华 , 黎文娥 , 黄琳瑾 , 汪小钦 , 严晓海 . 2019 . 全球海洋次表层温度异常遥感反演的季节时空变化特征 . 遥感学报 , 23 ( 5 ): 997 - 1010 [ DOI: 10.11834/jrs.20198391 http://dx.doi.org/10.11834/jrs.20198391 ] 全球海洋次表层温度异常遥感反演的季节时空变化特征 Yao Q Q . 2012 . Validation and Application of Retrieval Algorithm for Remote Sensing of Euphotic Zone Depth in the Eastern China Seas . Qingdao : Ocean University of China Validation and Application of Retrieval Algorithm for Remote Sensing of Euphotic Zone Depth in the Eastern China Seas 姚晴晴 . 2012 . 东中国海真光层深度的遥感反演方法的印证及应用 . 青岛 : 中国海洋大学 东中国海真光层深度的遥感反演方法的印证及应用 Zhang J Q , Zheng C W , Li R C and Qian Y H . 2013 . Analysis of sea surface wind speed, wave and current in the Bohai Sea and Yellow Sea . Science and Technology Information , ( 31 ): 112 - 115 Analysis of sea surface wind speed, wave and current in the Bohai Sea and Yellow Sea 张江泉 , 郑崇伟 , 李荣川 , 钱粤海 . 2013 . 黄渤海风、浪、流等海洋水文要素特征分析 . 科技资讯 , ( 31 ): 112 - 115 [ DOI: 10.3969/j.issn.1672-3791.2013.31.071 http://dx.doi.org/10.3969/j.issn.1672-3791.2013.31.071 ] 黄渤海风、浪、流等海洋水文要素特征分析 Zhang Y L , Feng S , Ma R H , Liu M L and Qin B Q . 2008 . Spatial pattern of euphotic depth and estimation of phytoplankton primary production in Lake Taihu in autumn 2004 . Journal of Lake Sciences , 20 ( 3 ): 380 - 388 Spatial pattern of euphotic depth and estimation of phytoplankton primary production in Lake Taihu in autumn 2004 张运林 , 冯胜 , 马荣华 , 刘明亮 , 秦伯强 . 2008 . 太湖秋季真光层深度空间分布及浮游植物初级生产力的估算 . 湖泊科学 , 20 ( 3 ): 380 - 388 [ DOI: 10.18307/2008.0319 http://dx.doi.org/10.18307/2008.0319 ] 太湖秋季真光层深度空间分布及浮游植物初级生产力的估算 Zhao C Y , Zang J Y , Liu J , Sun T and Ran X B . 2016 . Distribution and budget of nitrogen and phosphorus and their influence on the ecosystem in the Bohai Sea and Yellow Sea . China Environmental Science , 36 ( 7 ): 2115 - 2127 Distribution and budget of nitrogen and phosphorus and their influence on the ecosystem in the Bohai Sea and Yellow Sea 赵晨英 , 臧家业 , 刘军 , 孙涛 , 冉祥滨 . 2016 . 黄渤海氮磷营养盐的分布、收支与生态环境效应 . 中国环境科学 , 36 ( 7 ): 2115 - 2127 [ DOI: 10.3969/j.issn.1000-6923.2016.07.032 http://dx.doi.org/10.3969/j.issn.1000-6923.2016.07.032 ] 黄渤海氮磷营养盐的分布、收支与生态环境效应 Zhao J , Barnes B , Melo N , English D , Lapointe B , Muller-Karger F , Schaeffer B and Hu C M . 2013 . Assessment of satellite-derived diffuse attenuation coefficients and euphotic depths in South Florida coastal waters . Remote Sensing of Environment , 131 : 38 - 50 [ DOI: 10.1016/j.rse.2012.12.009 http://dx.doi.org/10.1016/j.rse.2012.12.009 ] Assessment of satellite-derived diffuse attenuation coefficients and euphotic depths in South Florida coastal waters Zhou C Z and Sun J S . 1981 . On the genesis of the shoal off North Jiangsu . Marine Geology Research , 1 ( 1 ): 83 - 91 On the genesis of the shoal off North Jiangsu 周长振 , 孙家淞 . 1981 . 试论苏北岸外浅滩的成因 . 海洋地质研究 , 1 ( 1 ): 83 - 91 [ DOI: CNKI:SUN:HYDZ.0.1981-01-010 http://dx.doi.org/CNKI:SUN:HYDZ.0.1981-01-010 ] 试论苏北岸外浅滩的成因 10.11834/jrs.20210414 P2 1007-4619（2022）12-2507-11 吕军，王胜强，孙德勇，聂君伟，焦红波，张海龙，梁涵玮.2022.近20年（2002—2020年）渤黄海真光层深度的时空变化遥感分析.遥感学报，26（12）： 2507-2517 吕军，王胜强，孙德勇，聂君伟，焦红波，张海龙，梁涵玮.2022.近20年（2002—2020年）渤黄海真光层深度的时空变化遥感分析.遥感学报，26（12）： 2507-2517 Lyu J，Wang S Q，Sun D Y，Nie J W，Jiao H B，Zhang H L and Liang H W. 2022. Remote sensing of spatial and temporal variations of euphotic zone depth in Bohai Sea and Yellow Sea during recent 20 years （2002—2020）. National Remote Sensing Bulletin， 26（12）： Lyu J，Wang S Q，Sun D Y，Nie J W，Jiao H B，Zhang H L and Liang H W. 2022. Remote sensing of spatial and temporal variations of euphotic zone depth in Bohai Sea and Yellow Sea during recent 20 years （2002—2020）. National Remote Sensing Bulletin， 26（12）： 国家自然科学基金（编号：41876203， 41506200）；自然资源部海岸带开发与保护重点实验室开放基金（编号：2019CZEPK07）；中国科学院国家对地观测科学数据中心开放基金（编号：NODAOP2020009）；江苏省海洋科技创新项目（编号：JSZRHYKJ202007）；南京市留学人员科技创新（编号：R2019LZ05）；大学生创新创业训练计划（编号：201910300203）；南京信息工程大学本科生优秀毕业设计（论文）支持计划（编号：BSZC2021011） Supported by National Natural Science Foundation of China (No. 41876203, 41506200); Open Fund of Key Laboratory of Coastal Zone Exploitation and Protection, Ministry of Natural Resources (No. 2019CZEPK07); Open Research Fund of National Earth Observation Data Center of the Chinese Academy of Sciences (No. NODAOP2020009); Marine Science and Technology Innovation Project of Jiangsu Province, China (No. JSZRHYKJ202007); Science and Technology Innovation Project for Overseas Talents in Nanjing (No. R2019LZ05); Undergraduate Training Program for Innovation and Entrepreneurship (No. 201910300203); Outstanding Graduation Design (Thesis) Support Project for Undergraduates of Nanjing University of Information Science and Technology (No. BSZC2021011) 2020-09-20 2022-12-07 2023-02-28 2021-01-23 遥感学报 12 26