论文部分内容阅读
摘要：随着卫星遥感技术的发展，卫星遥感数据在海洋渔业领域中已得到广泛的应用，卫星遥感数据类型有很多种，每一种数据有不同的应用对象。根据收集到的文献资料，对几种主要的海洋渔业遥感数据的特点进行概括和总结，描述它们主要的应用对象，并根据南极海域的气候特征，讨论适合南极磷虾渔业环境监测的卫星遥感数据，为今后南极磷虾渔业的遥感技术研究提供了理论基础。
关键词：海洋渔业；卫星遥感数据；南极磷虾
中图分类号： S127文献标志码： A文章编号：1002-1302（2014）06-0223-03
收稿日期：2013-10-10
基金项目：公益性行业（农业）科研专项（编号：201203018）；南北极环境综合考察与评估专项（编号：CHINARE 2012/2016-01-06）；南极海洋生物资源开发利用专项；国家“863”计划（编号：2012AA092304）。
作者简介：吴越（1987—），男，江苏泰兴人，硕士，研究实习员，从事渔业遥感的研究。E-mail：wu.yue1006@163.com。
通信作者：黄洪亮，研究员，从事捕捞技术与渔业工程的研究。E-mail：ecshhl@163.com。海洋是海洋生物生存和活动的场所，海洋环境与海洋生物的生存息息相关，每一个环境参数的变化，都会引起海洋生物的分布、洄游、移动、集群的变化[1]，很多学者通过研究海水温度、叶绿素a浓度及海冰等环境因子的变动，来掌握海洋经济鱼类及其他海产生物的分布、洄游、移动、集群的变化，为海洋渔业资源开发、评估及管理提供必要的科学资料[2-6]。因此，在海洋渔业的开发和管理中需要实时、同步、高效地掌握海洋环境要素的变化，而传统的实测海洋数据的方法无法满足该要求。卫星遥感技术能够实现对地表信息长时间、大范围、高精度的同步监测，因此在渔场分布、渔业环境监测等研究中得到了越来越多的应用，但是随着科技的发展，星载的卫星传感器越来越多，所获得的数据类型也变得繁多。在海洋渔业应用中，卫星遥感数据根据传感器波段类型一般可分为光学遥感数据和微波遥感数据，光学遥感数据主要有NOAA/AVHRR（advanced very high resolution radiometer）数据、中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer，简称MODIS）数据、Landsat卫星数据（包括MSS、TM、ETM ）、SPOT数据等；微波遥感数据常有Envisat、Radarsat-1、Radarsat-2等卫星数据。在研究过程中科技工作者有了更多的选择，但同时还需要面对如何选择合适数据的难题。本研究根据文献资料，着重描述了常用于监测海洋环境要素的几种卫星遥感数据的基本信息，并分析其特性以及可以应用的对象，使得在今后的研究中能方便快捷地选择合理的数据源；同时讨论了卫星遥感在南极磷虾渔业中的应用前景，选择适合南极磷虾渔业环境监测的卫星遥感数据，为今后的南极磷虾渔业渔场分布及资源评估研究提供了基础。
1光学遥感数据资料
1.1NOAA/AVHRR数据
NOAA/AVHRR是NOAA系列卫星的主要探测仪器，它是一种五光谱通道的扫描辐射仪，星上探测器扫描角为 -55.4°～ 55.4°，星下点分辨率为1.1 km，由于扫描角大，图像边缘部分变形较大，实际上最有用的部分在-15°～ 15°范围内（15°处的地面分辨率为1.5 km），这个范围的成象周期为6 d[7]。
AVHRR遥感数据具有以下几个特点：第一，覆盖范围大，幅宽为2 800 km，能够完整地获取大尺度范围内瞬时同步的海洋环境信息；第二，时间周期短，加上多星系统，周期更短，可以实时对海洋环境进行动态监测，掌握其变化情况；第三，数据容量、处理量小。同时，AVHRR是国际共享资料，数据来源比较方便，国内可以实时接收。
AVHRR数据可以用来连续地观测大面积的海洋表面温度、叶绿素浓度等环境要素的分布以及变化情况。我国学者很早就开始利用AVHRR提取海洋表面温度、叶绿素浓度等信息，其中张松等利用AVHRR数据分析了1985年1月至2007年12月冬、夏2季渤海、黄海、东海表面温度年际变化特征[8]；商少凌等通过对1997—1998年夏汛期间AVHRR海洋表层水温的分析来推测台湾海峡中上层鱼类中心渔场的变动[9]；赵冬至等利用AVHRR数据的可见光和近红外波段进行归一化差值的方法和2个波段的比值与实测的数据建立相关关系，来获取近岸海域叶绿素浓度[10-14]。此外，AVHRR数据还可以应用到反演海表面悬浮泥沙浓度的研究中，李京利用AVHRR数据提取了杭州湾海域的悬浮泥沙含量[12]。
1.2MODIS数据
MODIS是搭载在Terra和Aqua卫星上的一个重要的传感器，是卫星上唯一将实测数据通过X波段向全世界直接广播，可以免费接收数据并无偿使用的星载仪器。MODIS共有36个光谱波段，从0.4 μm（可见光）到14.4 μm（热红外）全光谱覆盖，具有250、500、1 000 m空间分辨率，每1～2 d观测1次地球表面。在轨道的夜间时段，只有热红外波段收集数据[13]。
MODIS数据具有以下几个特点。第一，覆盖范围大。幅宽为2 330 km，能够获取大尺度范围内瞬时同步的海洋环境数据。第二，空间分辨率大幅度提高。由NOAA的千米级提高到了MODIS的百米级。第三，周期短。Terra和Aqua卫星都是太阳同步极轨卫星，Terra在地方时上午过境，Aqua在地方时下午过境，1 d可以过境4次，具有快速实时的监测能力。第四，多波段数据。MODIS数据具有36个波段，多波段信息可以同时提供海洋水色、浮游植物等特征信息，增加了海洋复杂系统的观测和识别能力等。 MODIS数据的应用比较广泛，刘良明等研究了MODIS数据反演黄海以及东海海域表面温度的方法，建立了适合我国海域的MODIS海表面温度遥感反演模型[14]；沙慧敏等利用MODIS数据反演了东海表面温度、叶绿素a浓度时空分布特征，并分析了其年际变化[15]；钱莉等利用MODIS数据提取渤海的叶绿素a浓度，分析其时空变化特征[16]；王芳等基于MODIS数据和泥沙粒径二元特征参数建立反演模型，来获取渤海海洋表层悬浮泥沙浓度[17]；吴龙涛等利用MODIS数据的1B级数据对渤海海冰进行反演，提供海冰遥感图像和海冰密集度、冰厚度数值产品[18]；张辛等利用MODIS数据，以中山站附近海域为研究对象，提取了该地区海冰范围数据及其周围温度信息[19]。因此，MODIS遥感数据主要用于监测海表面温度、叶绿素浓度、悬浮泥沙、海冰等海洋环境要素。
1.3Landsat TM卫星数据
美国NASA的陆地卫星（Landsat）自1972年7月23日以来已发射7颗（第6颗发射失败）。Landsat在不同阶段装载的传感器不同，卫星数据分为MSS、TM、ETM 数据。目前在海洋环境监测中最常用的是TM数据，它是Landsat 4和Landsat 5携带的传感器专题制图仪（thematic mapper）所获取的多波段扫描影像，从1982年发射至今，工作状态良好，实现了连续地获取地球影像。TM数据包含7个波段，波段1～5和波段7的空间分辨率为30 m，波段6（热红外波段）的空间分辨率为120 m[20]。
TM数据的主要特点有以下几点。第一，空间分辨率高。空间分辨率比MODIS遥感数据更高，使得获取的海洋环境信息更精确。第二，周期较长。Landsat 4、Landsat 5卫星每16 d扫描同一地区，即16 d覆盖全球1次。第三，覆盖范围偏小。幅宽为185 km，可以用于小范围内环境监测。第四，时间序列长。从1982年至今，TM遥感数据保持着良好的工作状态，具有长时间监测同一地区的能力，同时还可以与MSS和ETM 遥感数据进行互补，能够更精确地获取监测信息。
TM数据较适合长期监测海岸带海域环境的变化。胡平香等利用1988—2003年之间不同时相的七景TM数据对江苏省辐射沙洲的中部进行了滩涂演变的监测[21]；郑小慎等利用TM数据建立了9种波段组合，并与实测数据建立了渤海湾海表面叶绿素a浓度反演模型，发现4波段和3波段组合建立的回归模型较适合渤海湾海表面叶绿素a浓度的反演[22]；邢飞等利用TM数据反演了江苏近岸海域四季大面悬浮泥沙浓度，并与现场调查的实测数据进行对比，结果表明，利用TM数据反演的悬浮泥沙浓度基本上可以正确反映该地区悬浮泥沙浓度的时空分布趋势[23]；国巧真等建立TM数据的海冰面积与MODIS和NOAA/AVHRR海冰面积之间的对应关系，用TM海冰面积来订正MODIS和NOAA/AVHRR海冰面积，以提高这2种高时间分辨率遥感资料对海冰面积的判别精度[24]。从上述研究可以看出，TM数据主要用于海岸带滩涂演变、岸线变化以及海岸带海域悬浮泥沙浓度、叶绿素浓度、海冰等海洋环境变化的监测。
2微波遥感数据资料
2.1合成孔径雷达
星载合成孔径雷达（synthetic aperture radar，简称SAR）因其全天候、全天时、高分辨率、穿透力强等优点，得到了广泛的应用。星载SAR系统的卫星有很多种，包括ERS-1、ERS-2、Radarsat-1、ASAR、Radarsat-2等。
相对于光学遥感来说，微波遥感具有很多独特的优点：同步性、快速观测性；全天时、全天候；微波辐射对地表具有一定的穿透能力；对某些地表物体具有特殊的波谱特征，例如冰在微波波段的比辐射率是0.99，但是水在微波波段的比辐射率为0.40，两者数值相差巨大，可以很清楚地看出，微波遥感能轻易地将两者分开[25]。
2.2Radarsat-2卫星数据
Radarsat-2是由加拿大航天局和麦克唐纳/德特威乐联合出资研制的星载合成孔径雷达系统，设计的最高分辨率可以达到3 m，于2007年12月14日成功发射升空。它具有高分辨率成像能力以及多种极化方式，能够根据指令进行左右视切换获取图像，缩短卫星的重访周期为24 d，增加了立体数据的获取能力，另外还具有强大的数据存储功能和高精度姿态测量及控制能力，成为了目前世界上最先进的商业合成孔径雷达卫星[26]。
Radarsat-2的SAR数据特点：第一，超精细分辨率。SAR图像的分辨率最高可达3 m，是目前在商业卫星中使用的最小分辨率。第二，全极化成像模式。多种极化模式提高了对地面区分识别和分类的能力，增加了SAR图像的应用范围。第三，成像选择能力。既可左视也可右视，缩短了卫星对探测区域重访的时间，同时可以拍摄其他高分辨率卫星拍摄不到的南极的一些区域。第四，几何准确度提高。由于其载有GPS的接收系统，提高了卫星系统定位的精度。第五，快速及时响应能力。
SAR数据在海洋渔业中主要用于监测海冰信息，随着科技的发展，其监测技术逐步成熟。刘建强等利用Radarsat-1卫星的SAR数据对渤海海冰进行全面监测，得到了渤海海冰的详细特征[27]；朱海天等提出利用SAR数据建立渤海海冰遥感监测系统[28]。Radarsat-2卫星于2007年发射，与之相关研究偏少，Radarsat-2数据还有着其他方面的应用。李露锋等利用Radarsat-2卫星的SAR图像对珠江口海域的叶绿素a质量浓度进行了反演，获得了良好的效果[29]；范开国等利用Radarsat-2卫星的SAR图像探测了台湾浅滩浅海的水深，结果显示，探测水深值的均方根误差达到2.5 m，误差小于10%[30]；张忠等利用卫星同步实测渔船数据特征，与 Radarsat-2 卫星数据进行对比，得出由Radarsat-2图像数据得到的渔船的长宽数据与实测数据具有良好的对应关系，为今后提高海上渔船监测提供了有益参考[31]。在今后的研究过程中，Radarsat-2卫星数据可以得到更广泛的应用。 3卫星遥感数据在南极磷虾渔业中的应用前景
南极磷虾是目前已知的地球上资源量最大的单种生物，是南冰洋生态系统中的关键种，国际上已有研究表明，南极磷虾的时空变动与海冰的消长和叶绿素关系密切，受海冰的影响，渔场的渔期随着季节的改变也会相应改变[32-34]。由于南极区域特殊的气候特征，通过实地监测手段并不能做到全面、实时的调查，因此实测调查数据比较缺乏，而卫星遥感数据的应用满足了大范围、实时地监测南极磷虾渔业环境的需求。
国内外对基于卫星遥感数据的南极海域环境相关的研究并不是太多，常用的卫星数据类型主要是MODIS、SAR数据[19，35-36]。MODIS数据虽然具有较高的分辨率，完全可以获取比较精确的水色状况和海冰信息，但是南极地区长期处于冬季，光照时间较短，且经常有云覆盖，导致该地区能够用来研究的光学遥感数据相对缺乏[37]，研究时间段主要集中在南极夏季，说明MODIS数据难以满足监测南极水域海洋环境的需求。而微波遥感的全天候、高分辨率等特点，使得基于SAR数据监测南极海域海洋环境极为有效。同时，SAR数据中冰和水的比辐射率相差较大，可以区分冰和水的分界线，可以准确地获取海冰的详细特征。Radarsat-2作为目前最先进的星载SAR卫星之一，其SAR数据具有较强的探测能力及独特的优势，为今后南极海冰信息的遥感探测提供了保障。
4小结
本研究对几种常用的卫星遥感数据作了概括介绍，同时根据其特点介绍了它们在海洋渔业中的应用对象。而海洋卫星遥感数据中还有很多适合海洋渔业应用的数据，由于应用方向单一或者应用次数较少，文中并没有一一列出，如可以用来监测海洋叶绿素a浓度的SeaWIFs数据等。
随着遥感技术的逐步成熟，形成了比较系统全面的技术方法，多尺度、多分辨率、全天候、高精度和快速灵活成为了今后遥感技术的发展方向，很多卫星遥感数据在逐步被新的数据所替代，希望广大学者在今后的研究过程中能够发现更好的卫星遥感数据，并加以运用。
在南极磷虾渔业应用过程中，由于南极气候的原因，南极海域海洋水色状况研究相对较少，且相关研究精度偏低，在今后的研究工作中需要基于微波数据进行这方面的研究；同时还需要更多的实地调查，以获取南极海洋环境信息，用于验证和提高卫星遥感反演南极海域环境信息的精度。
参考文献：
[1]官文江，陈新军，潘德炉. 遥感在海洋渔业中的应用与研究进展[J]. 大连水产学院学报，2007，22（1）：62-66.
[2]Kemmerer A J，Savastano K J，Faller K H. Applications of space observations to the management and utilization of coastal fishery resources[C]//Godby E A，Otterman J. COSPAR：The contribution of space observations to global food information systems. Oxford Pergam on Press，1978：143-155.
[3]Chen I C，Lee P F，Tzeng W N. Distribution of albacore （Thunnus alalunga） in the Indian Ocean and its relation to environmental factors[J]. Fisheries Oceanography，2005，14（1）：71-80.
[4]崔雪森，樊伟，张晶. 太平洋黄鳍金枪鱼延绳钓渔获分布及渔场水温浅析[J]. 海洋通报，2005，24（5）：54-59.
[5]樊伟. 卫星遥感渔场渔情分析应用研究——以西北太平洋柔鱼渔业为例[D]. 上海：华东师范大学，2004.
[6]杨晓明，陈新军，周应祺，等. 基于海洋遥感的西北印度洋鸢乌贼渔场形成机制的初步分析[J]. 水产学报，2006（5）：669-675.
[7]Aduanced very high resoluticn radiorneter-AVHRR[EB/OL]. [2013-10-01]. http：//noaasis.noaa.gov/NOAASIS/ml/avhrr.html.
[8]张松，于非，刁新源，等. 渤、黄、东海海表面温度年际变化特征分析[J]. 海洋科学，2009，33（8）：76-81.
[9]商少凌，洪华生，商少平，等. 台湾海峡1997—1998年夏汛中上层鱼类中心渔场的变动与表层水温的关系浅析[J]. 海洋科学，2002，26（11）：27-30.
[10]赵冬至，张丰收，赵玲.近岸海域叶绿素和赤潮的AVHRR归一化差值探测方法研究[J]. 海洋技术，2003，22（3）：30-33.
[11]赵冬至，张丰收，赵玲，等. 近岸海域叶绿素和赤潮的AVHRR波段比值探测方法研究[J]. 海洋环境科学，2003，22（4）：9-12.
[12]李京. 利用NOAA卫星的AVHRR数据监测杭州湾海域的悬浮泥沙含量[J]. 海洋学报：中文版，1987，9（1）：132-135.
[13]MODIS[EB/OL]. [2013-10-01]. http：//modis.gsfc.nasa.gov/data/.
[14]刘良明，周军元. MODIS数据的海洋表面温度反演[J]. 地理空间信息，2006，4（2）：7-9.
[15]沙慧敏，李小恕，杨文波，等. 用MODIS遥感数据反演东海海表温度、叶绿素a浓度年际变化的研究[J]. 大连水产学院学报，2009，24（2）：151-156. [16]钱莉，刘文岭，郑小慎. 基于MODIS数据反演的渤海叶绿素浓度时空变化[J]. 海洋通报，2011，30（6）：683-687.
[17]王芳，李国胜. 海洋悬浮泥沙二元特征参数MODIS遥感反演模型研究[J]. 地理研究，2007，26（6）：1186-1196.
[18]吴龙涛，吴辉碇，孙兰涛，等. MODIS渤海海冰遥感资料反演[J]. 中国海洋大学学报：自然科学版，2006，36（2）：173-179.
[19]张辛，鄂栋臣. MODIS海冰数据监测中山站附近海冰的季节性变化[J]. 极地研究，2008，20（4）：346-354.
[20]Thematic Mapper[EB/OL]. [2013-10-01]. http：//landsat.usgs.gov/about_landsat5.php.
[21]胡平香，张鹰，姜杰. 海岸带滩涂地貌演变遥感方法研究[J]. 海洋技术，2004，23（4）：130-133，139.
[22]郑小慎，林培根. 基于TM数据渤海湾叶绿素浓度反演算法研究[J]. 天津科技大学学报，2010，25（6）：51-53.
[23]邢飞，汪亚平，高建华，等. 江苏近岸海域悬沙浓度的时空分布特征[J]. 海洋与湖沼，2010，41（3）：459-468.
[24]国巧真，顾卫，孙从容，等. 基于遥感数据的渤海海冰面积提取订正模型研究[J]. 海洋科学，2008，32（8）：70-75.
[25]马媛. 新疆土壤湿度的微波反演及应用研究[D]. 乌鲁木齐：新疆大学，2007.
[26]Radarsat-2[EB/OL]. [2013-10-01]. http：//www.asc-csa.gc.ca/eng/satellites/radarsat2/.
[27]刘建强，吴奎桥，黄润恒. Radarsat卫星渤海海冰监测研究[J]. 海洋预报，1999，16（3）：62-70.
[28]朱海天，冯倩，曾韬，等. 基于星载SAR的渤海海冰遥感监测系统设计与研究[J]. 遥感信息，2012（2）：81-84，95.
[29]李露锋，刘湘南，李致博，等. 珠江口海域叶绿素a质量浓度SAR反演模型[J]. 海洋学研究，2012，30（2）：66-73.
[30]范开国，黄韦艮，傅斌，等. 台湾浅滩浅海水深SAR遥感探测实例研究[J]. 地球物理学报，2012，55（1）：310-316.
[31]张忠，李继龙，王琳，等. 基于实测数据与雷达图像数据的渔船特征对比研究[J]. 江苏农业科学，2012，40（10）：363-365，400.
[32]Comiso J C，Zwally H J.Concentration gradients and growth/decay characteristics of the seasonal sea ice cover[J]. Journal of Geophysical Research，1984，89（5）：8081-8103.
[33]Hewitt R P，Watkins J，Naganobu M，et a1.Biomass of Antarctic krill in the Scotia Sea in January/February 2000 and its use in revising an estimate of precautionary yield[J]. Deep Sea Research Part II：Topical Studies in Oceanography，2004，51（12/13）：1215-1236.
[34]Comiso J C，Steffen K.Studies of Antarctic sea ice concentrations from satellite data and their applications[J]. Journal of Geophysical Research，2001，106（12）：31361-31385.
[35]Worby A P，Comiso J C.Studies of the Antarctic sea ice edge and ice extent from satellite and ship observations[J]. Remote Sensing of Environment，2004，92（1）：98-111.
[36]金思韵，潘建明，韩正兵. 南极夏季普里兹湾叶绿素a的时空变化研究[J]. 极地研究，2012，24（4）：361-371.
[37]樊伟，伍玉梅，陈雪忠，等. 南极磷虾的时空分布及遥感环境监测研究进展[J]. 海
关键词：海洋渔业；卫星遥感数据；南极磷虾
中图分类号： S127文献标志码： A文章编号：1002-1302（2014）06-0223-03
收稿日期：2013-10-10
基金项目：公益性行业（农业）科研专项（编号：201203018）；南北极环境综合考察与评估专项（编号：CHINARE 2012/2016-01-06）；南极海洋生物资源开发利用专项；国家“863”计划（编号：2012AA092304）。
作者简介：吴越（1987—），男，江苏泰兴人，硕士，研究实习员，从事渔业遥感的研究。E-mail：wu.yue1006@163.com。
通信作者：黄洪亮，研究员，从事捕捞技术与渔业工程的研究。E-mail：ecshhl@163.com。海洋是海洋生物生存和活动的场所，海洋环境与海洋生物的生存息息相关，每一个环境参数的变化，都会引起海洋生物的分布、洄游、移动、集群的变化[1]，很多学者通过研究海水温度、叶绿素a浓度及海冰等环境因子的变动，来掌握海洋经济鱼类及其他海产生物的分布、洄游、移动、集群的变化，为海洋渔业资源开发、评估及管理提供必要的科学资料[2-6]。因此，在海洋渔业的开发和管理中需要实时、同步、高效地掌握海洋环境要素的变化，而传统的实测海洋数据的方法无法满足该要求。卫星遥感技术能够实现对地表信息长时间、大范围、高精度的同步监测，因此在渔场分布、渔业环境监测等研究中得到了越来越多的应用，但是随着科技的发展，星载的卫星传感器越来越多，所获得的数据类型也变得繁多。在海洋渔业应用中，卫星遥感数据根据传感器波段类型一般可分为光学遥感数据和微波遥感数据，光学遥感数据主要有NOAA/AVHRR（advanced very high resolution radiometer）数据、中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer，简称MODIS）数据、Landsat卫星数据（包括MSS、TM、ETM ）、SPOT数据等；微波遥感数据常有Envisat、Radarsat-1、Radarsat-2等卫星数据。在研究过程中科技工作者有了更多的选择，但同时还需要面对如何选择合适数据的难题。本研究根据文献资料，着重描述了常用于监测海洋环境要素的几种卫星遥感数据的基本信息，并分析其特性以及可以应用的对象，使得在今后的研究中能方便快捷地选择合理的数据源；同时讨论了卫星遥感在南极磷虾渔业中的应用前景，选择适合南极磷虾渔业环境监测的卫星遥感数据，为今后的南极磷虾渔业渔场分布及资源评估研究提供了基础。
1光学遥感数据资料
1.1NOAA/AVHRR数据
NOAA/AVHRR是NOAA系列卫星的主要探测仪器，它是一种五光谱通道的扫描辐射仪，星上探测器扫描角为 -55.4°～ 55.4°，星下点分辨率为1.1 km，由于扫描角大，图像边缘部分变形较大，实际上最有用的部分在-15°～ 15°范围内（15°处的地面分辨率为1.5 km），这个范围的成象周期为6 d[7]。
AVHRR遥感数据具有以下几个特点：第一，覆盖范围大，幅宽为2 800 km，能够完整地获取大尺度范围内瞬时同步的海洋环境信息；第二，时间周期短，加上多星系统，周期更短，可以实时对海洋环境进行动态监测，掌握其变化情况；第三，数据容量、处理量小。同时，AVHRR是国际共享资料，数据来源比较方便，国内可以实时接收。
AVHRR数据可以用来连续地观测大面积的海洋表面温度、叶绿素浓度等环境要素的分布以及变化情况。我国学者很早就开始利用AVHRR提取海洋表面温度、叶绿素浓度等信息，其中张松等利用AVHRR数据分析了1985年1月至2007年12月冬、夏2季渤海、黄海、东海表面温度年际变化特征[8]；商少凌等通过对1997—1998年夏汛期间AVHRR海洋表层水温的分析来推测台湾海峡中上层鱼类中心渔场的变动[9]；赵冬至等利用AVHRR数据的可见光和近红外波段进行归一化差值的方法和2个波段的比值与实测的数据建立相关关系，来获取近岸海域叶绿素浓度[10-14]。此外，AVHRR数据还可以应用到反演海表面悬浮泥沙浓度的研究中，李京利用AVHRR数据提取了杭州湾海域的悬浮泥沙含量[12]。
1.2MODIS数据
MODIS是搭载在Terra和Aqua卫星上的一个重要的传感器，是卫星上唯一将实测数据通过X波段向全世界直接广播，可以免费接收数据并无偿使用的星载仪器。MODIS共有36个光谱波段，从0.4 μm（可见光）到14.4 μm（热红外）全光谱覆盖，具有250、500、1 000 m空间分辨率，每1～2 d观测1次地球表面。在轨道的夜间时段，只有热红外波段收集数据[13]。
MODIS数据具有以下几个特点。第一，覆盖范围大。幅宽为2 330 km，能够获取大尺度范围内瞬时同步的海洋环境数据。第二，空间分辨率大幅度提高。由NOAA的千米级提高到了MODIS的百米级。第三，周期短。Terra和Aqua卫星都是太阳同步极轨卫星，Terra在地方时上午过境，Aqua在地方时下午过境，1 d可以过境4次，具有快速实时的监测能力。第四，多波段数据。MODIS数据具有36个波段，多波段信息可以同时提供海洋水色、浮游植物等特征信息，增加了海洋复杂系统的观测和识别能力等。 MODIS数据的应用比较广泛，刘良明等研究了MODIS数据反演黄海以及东海海域表面温度的方法，建立了适合我国海域的MODIS海表面温度遥感反演模型[14]；沙慧敏等利用MODIS数据反演了东海表面温度、叶绿素a浓度时空分布特征，并分析了其年际变化[15]；钱莉等利用MODIS数据提取渤海的叶绿素a浓度，分析其时空变化特征[16]；王芳等基于MODIS数据和泥沙粒径二元特征参数建立反演模型，来获取渤海海洋表层悬浮泥沙浓度[17]；吴龙涛等利用MODIS数据的1B级数据对渤海海冰进行反演，提供海冰遥感图像和海冰密集度、冰厚度数值产品[18]；张辛等利用MODIS数据，以中山站附近海域为研究对象，提取了该地区海冰范围数据及其周围温度信息[19]。因此，MODIS遥感数据主要用于监测海表面温度、叶绿素浓度、悬浮泥沙、海冰等海洋环境要素。
1.3Landsat TM卫星数据
美国NASA的陆地卫星（Landsat）自1972年7月23日以来已发射7颗（第6颗发射失败）。Landsat在不同阶段装载的传感器不同，卫星数据分为MSS、TM、ETM 数据。目前在海洋环境监测中最常用的是TM数据，它是Landsat 4和Landsat 5携带的传感器专题制图仪（thematic mapper）所获取的多波段扫描影像，从1982年发射至今，工作状态良好，实现了连续地获取地球影像。TM数据包含7个波段，波段1～5和波段7的空间分辨率为30 m，波段6（热红外波段）的空间分辨率为120 m[20]。
TM数据的主要特点有以下几点。第一，空间分辨率高。空间分辨率比MODIS遥感数据更高，使得获取的海洋环境信息更精确。第二，周期较长。Landsat 4、Landsat 5卫星每16 d扫描同一地区，即16 d覆盖全球1次。第三，覆盖范围偏小。幅宽为185 km，可以用于小范围内环境监测。第四，时间序列长。从1982年至今，TM遥感数据保持着良好的工作状态，具有长时间监测同一地区的能力，同时还可以与MSS和ETM 遥感数据进行互补，能够更精确地获取监测信息。
TM数据较适合长期监测海岸带海域环境的变化。胡平香等利用1988—2003年之间不同时相的七景TM数据对江苏省辐射沙洲的中部进行了滩涂演变的监测[21]；郑小慎等利用TM数据建立了9种波段组合，并与实测数据建立了渤海湾海表面叶绿素a浓度反演模型，发现4波段和3波段组合建立的回归模型较适合渤海湾海表面叶绿素a浓度的反演[22]；邢飞等利用TM数据反演了江苏近岸海域四季大面悬浮泥沙浓度，并与现场调查的实测数据进行对比，结果表明，利用TM数据反演的悬浮泥沙浓度基本上可以正确反映该地区悬浮泥沙浓度的时空分布趋势[23]；国巧真等建立TM数据的海冰面积与MODIS和NOAA/AVHRR海冰面积之间的对应关系，用TM海冰面积来订正MODIS和NOAA/AVHRR海冰面积，以提高这2种高时间分辨率遥感资料对海冰面积的判别精度[24]。从上述研究可以看出，TM数据主要用于海岸带滩涂演变、岸线变化以及海岸带海域悬浮泥沙浓度、叶绿素浓度、海冰等海洋环境变化的监测。
2微波遥感数据资料
2.1合成孔径雷达
星载合成孔径雷达（synthetic aperture radar，简称SAR）因其全天候、全天时、高分辨率、穿透力强等优点，得到了广泛的应用。星载SAR系统的卫星有很多种，包括ERS-1、ERS-2、Radarsat-1、ASAR、Radarsat-2等。
相对于光学遥感来说，微波遥感具有很多独特的优点：同步性、快速观测性；全天时、全天候；微波辐射对地表具有一定的穿透能力；对某些地表物体具有特殊的波谱特征，例如冰在微波波段的比辐射率是0.99，但是水在微波波段的比辐射率为0.40，两者数值相差巨大，可以很清楚地看出，微波遥感能轻易地将两者分开[25]。
2.2Radarsat-2卫星数据
Radarsat-2是由加拿大航天局和麦克唐纳/德特威乐联合出资研制的星载合成孔径雷达系统，设计的最高分辨率可以达到3 m，于2007年12月14日成功发射升空。它具有高分辨率成像能力以及多种极化方式，能够根据指令进行左右视切换获取图像，缩短卫星的重访周期为24 d，增加了立体数据的获取能力，另外还具有强大的数据存储功能和高精度姿态测量及控制能力，成为了目前世界上最先进的商业合成孔径雷达卫星[26]。
Radarsat-2的SAR数据特点：第一，超精细分辨率。SAR图像的分辨率最高可达3 m，是目前在商业卫星中使用的最小分辨率。第二，全极化成像模式。多种极化模式提高了对地面区分识别和分类的能力，增加了SAR图像的应用范围。第三，成像选择能力。既可左视也可右视，缩短了卫星对探测区域重访的时间，同时可以拍摄其他高分辨率卫星拍摄不到的南极的一些区域。第四，几何准确度提高。由于其载有GPS的接收系统，提高了卫星系统定位的精度。第五，快速及时响应能力。
SAR数据在海洋渔业中主要用于监测海冰信息，随着科技的发展，其监测技术逐步成熟。刘建强等利用Radarsat-1卫星的SAR数据对渤海海冰进行全面监测，得到了渤海海冰的详细特征[27]；朱海天等提出利用SAR数据建立渤海海冰遥感监测系统[28]。Radarsat-2卫星于2007年发射，与之相关研究偏少，Radarsat-2数据还有着其他方面的应用。李露锋等利用Radarsat-2卫星的SAR图像对珠江口海域的叶绿素a质量浓度进行了反演，获得了良好的效果[29]；范开国等利用Radarsat-2卫星的SAR图像探测了台湾浅滩浅海的水深，结果显示，探测水深值的均方根误差达到2.5 m，误差小于10%[30]；张忠等利用卫星同步实测渔船数据特征，与 Radarsat-2 卫星数据进行对比，得出由Radarsat-2图像数据得到的渔船的长宽数据与实测数据具有良好的对应关系，为今后提高海上渔船监测提供了有益参考[31]。在今后的研究过程中，Radarsat-2卫星数据可以得到更广泛的应用。 3卫星遥感数据在南极磷虾渔业中的应用前景
南极磷虾是目前已知的地球上资源量最大的单种生物，是南冰洋生态系统中的关键种，国际上已有研究表明，南极磷虾的时空变动与海冰的消长和叶绿素关系密切，受海冰的影响，渔场的渔期随着季节的改变也会相应改变[32-34]。由于南极区域特殊的气候特征，通过实地监测手段并不能做到全面、实时的调查，因此实测调查数据比较缺乏，而卫星遥感数据的应用满足了大范围、实时地监测南极磷虾渔业环境的需求。
国内外对基于卫星遥感数据的南极海域环境相关的研究并不是太多，常用的卫星数据类型主要是MODIS、SAR数据[19，35-36]。MODIS数据虽然具有较高的分辨率，完全可以获取比较精确的水色状况和海冰信息，但是南极地区长期处于冬季，光照时间较短，且经常有云覆盖，导致该地区能够用来研究的光学遥感数据相对缺乏[37]，研究时间段主要集中在南极夏季，说明MODIS数据难以满足监测南极水域海洋环境的需求。而微波遥感的全天候、高分辨率等特点，使得基于SAR数据监测南极海域海洋环境极为有效。同时，SAR数据中冰和水的比辐射率相差较大，可以区分冰和水的分界线，可以准确地获取海冰的详细特征。Radarsat-2作为目前最先进的星载SAR卫星之一，其SAR数据具有较强的探测能力及独特的优势，为今后南极海冰信息的遥感探测提供了保障。
4小结
本研究对几种常用的卫星遥感数据作了概括介绍，同时根据其特点介绍了它们在海洋渔业中的应用对象。而海洋卫星遥感数据中还有很多适合海洋渔业应用的数据，由于应用方向单一或者应用次数较少，文中并没有一一列出，如可以用来监测海洋叶绿素a浓度的SeaWIFs数据等。
随着遥感技术的逐步成熟，形成了比较系统全面的技术方法，多尺度、多分辨率、全天候、高精度和快速灵活成为了今后遥感技术的发展方向，很多卫星遥感数据在逐步被新的数据所替代，希望广大学者在今后的研究过程中能够发现更好的卫星遥感数据，并加以运用。
在南极磷虾渔业应用过程中，由于南极气候的原因，南极海域海洋水色状况研究相对较少，且相关研究精度偏低，在今后的研究工作中需要基于微波数据进行这方面的研究；同时还需要更多的实地调查，以获取南极海洋环境信息，用于验证和提高卫星遥感反演南极海域环境信息的精度。
参考文献：
[1]官文江，陈新军，潘德炉. 遥感在海洋渔业中的应用与研究进展[J]. 大连水产学院学报，2007，22（1）：62-66.
[2]Kemmerer A J，Savastano K J，Faller K H. Applications of space observations to the management and utilization of coastal fishery resources[C]//Godby E A，Otterman J. COSPAR：The contribution of space observations to global food information systems. Oxford Pergam on Press，1978：143-155.
[3]Chen I C，Lee P F，Tzeng W N. Distribution of albacore （Thunnus alalunga） in the Indian Ocean and its relation to environmental factors[J]. Fisheries Oceanography，2005，14（1）：71-80.
[4]崔雪森，樊伟，张晶. 太平洋黄鳍金枪鱼延绳钓渔获分布及渔场水温浅析[J]. 海洋通报，2005，24（5）：54-59.
[5]樊伟. 卫星遥感渔场渔情分析应用研究——以西北太平洋柔鱼渔业为例[D]. 上海：华东师范大学，2004.
[6]杨晓明，陈新军，周应祺，等. 基于海洋遥感的西北印度洋鸢乌贼渔场形成机制的初步分析[J]. 水产学报，2006（5）：669-675.
[7]Aduanced very high resoluticn radiorneter-AVHRR[EB/OL]. [2013-10-01]. http：//noaasis.noaa.gov/NOAASIS/ml/avhrr.html.
[8]张松，于非，刁新源，等. 渤、黄、东海海表面温度年际变化特征分析[J]. 海洋科学，2009，33（8）：76-81.
[9]商少凌，洪华生，商少平，等. 台湾海峡1997—1998年夏汛中上层鱼类中心渔场的变动与表层水温的关系浅析[J]. 海洋科学，2002，26（11）：27-30.
[10]赵冬至，张丰收，赵玲.近岸海域叶绿素和赤潮的AVHRR归一化差值探测方法研究[J]. 海洋技术，2003，22（3）：30-33.
[11]赵冬至，张丰收，赵玲，等. 近岸海域叶绿素和赤潮的AVHRR波段比值探测方法研究[J]. 海洋环境科学，2003，22（4）：9-12.
[12]李京. 利用NOAA卫星的AVHRR数据监测杭州湾海域的悬浮泥沙含量[J]. 海洋学报：中文版，1987，9（1）：132-135.
[13]MODIS[EB/OL]. [2013-10-01]. http：//modis.gsfc.nasa.gov/data/.
[14]刘良明，周军元. MODIS数据的海洋表面温度反演[J]. 地理空间信息，2006，4（2）：7-9.
[15]沙慧敏，李小恕，杨文波，等. 用MODIS遥感数据反演东海海表温度、叶绿素a浓度年际变化的研究[J]. 大连水产学院学报，2009，24（2）：151-156. [16]钱莉，刘文岭，郑小慎. 基于MODIS数据反演的渤海叶绿素浓度时空变化[J]. 海洋通报，2011，30（6）：683-687.
[17]王芳，李国胜. 海洋悬浮泥沙二元特征参数MODIS遥感反演模型研究[J]. 地理研究，2007，26（6）：1186-1196.
[18]吴龙涛，吴辉碇，孙兰涛，等. MODIS渤海海冰遥感资料反演[J]. 中国海洋大学学报：自然科学版，2006，36（2）：173-179.
[19]张辛，鄂栋臣. MODIS海冰数据监测中山站附近海冰的季节性变化[J]. 极地研究，2008，20（4）：346-354.
[20]Thematic Mapper[EB/OL]. [2013-10-01]. http：//landsat.usgs.gov/about_landsat5.php.
[21]胡平香，张鹰，姜杰. 海岸带滩涂地貌演变遥感方法研究[J]. 海洋技术，2004，23（4）：130-133，139.
[22]郑小慎，林培根. 基于TM数据渤海湾叶绿素浓度反演算法研究[J]. 天津科技大学学报，2010，25（6）：51-53.
[23]邢飞，汪亚平，高建华，等. 江苏近岸海域悬沙浓度的时空分布特征[J]. 海洋与湖沼，2010，41（3）：459-468.
[24]国巧真，顾卫，孙从容，等. 基于遥感数据的渤海海冰面积提取订正模型研究[J]. 海洋科学，2008，32（8）：70-75.
[25]马媛. 新疆土壤湿度的微波反演及应用研究[D]. 乌鲁木齐：新疆大学，2007.
[26]Radarsat-2[EB/OL]. [2013-10-01]. http：//www.asc-csa.gc.ca/eng/satellites/radarsat2/.
[27]刘建强，吴奎桥，黄润恒. Radarsat卫星渤海海冰监测研究[J]. 海洋预报，1999，16（3）：62-70.
[28]朱海天，冯倩，曾韬，等. 基于星载SAR的渤海海冰遥感监测系统设计与研究[J]. 遥感信息，2012（2）：81-84，95.
[29]李露锋，刘湘南，李致博，等. 珠江口海域叶绿素a质量浓度SAR反演模型[J]. 海洋学研究，2012，30（2）：66-73.
[30]范开国，黄韦艮，傅斌，等. 台湾浅滩浅海水深SAR遥感探测实例研究[J]. 地球物理学报，2012，55（1）：310-316.
[31]张忠，李继龙，王琳，等. 基于实测数据与雷达图像数据的渔船特征对比研究[J]. 江苏农业科学，2012，40（10）：363-365，400.
[32]Comiso J C，Zwally H J.Concentration gradients and growth/decay characteristics of the seasonal sea ice cover[J]. Journal of Geophysical Research，1984，89（5）：8081-8103.
[33]Hewitt R P，Watkins J，Naganobu M，et a1.Biomass of Antarctic krill in the Scotia Sea in January/February 2000 and its use in revising an estimate of precautionary yield[J]. Deep Sea Research Part II：Topical Studies in Oceanography，2004，51（12/13）：1215-1236.
[34]Comiso J C，Steffen K.Studies of Antarctic sea ice concentrations from satellite data and their applications[J]. Journal of Geophysical Research，2001，106（12）：31361-31385.
[35]Worby A P，Comiso J C.Studies of the Antarctic sea ice edge and ice extent from satellite and ship observations[J]. Remote Sensing of Environment，2004，92（1）：98-111.
[36]金思韵，潘建明，韩正兵. 南极夏季普里兹湾叶绿素a的时空变化研究[J]. 极地研究，2012，24（4）：361-371.
[37]樊伟，伍玉梅，陈雪忠，等. 南极磷虾的时空分布及遥感环境监测研究进展[J]. 海