针对这些问题，我院来志刚教授研究团队，采用定义海洋热浪事件（Marine Heat Wave）的统计方法，提出并建立了海洋藻华事件定义和分析的技术框架。以南海北部吕宋海峡冬季藻华（“吕宋藻华”）为例，基于该海域4 km全覆盖、逐日的叶绿素遥感数据集SCSDCT，研究分析了藻华事件的统计特征、长期趋势和控制因子。结果发现，在2004-2019间，吕宋藻华呈数量减少、强度增加的趋势。此外，环境条件可影响吕宋藻华事件发生的前兆和峰值，当风应力增强、混合层增厚以及亚中尺度锋面活动减少时，易受发生藻华；而当风应力和垂向混合减弱，亚中尺度过程在混合层斜压不稳定的作用下可产生丰富的锋面活动和层化条件，导致浮游植物的生长和藻华爆发。

该技术方法框架是首次应用于藻华事件分析，并有望扩展至其它研究领域，为认识全球变化下的多种极端海洋事件提供技术方法和认识基础。

以上研究成果于2022年6月在中科院大类二区Top期刊Remote Sensing（IF= 5.349）发表（Wenfang Lu, Xinyu Gao, Zelun Wu, Tianhao Wang, Shaowen Lin, Canbo Xiao and Zhigang Lai. Framework to Extract Extreme Phytoplankton Bloom Events with Remote Sensing Datasets: A Case Study）。论文第一作者和通讯作者分别为我院卢文芳副教授和来志刚教授，合作团队来自美国特拉华大学、厦门大学和福州大学。

2021年以来，卢文芳副教授已在海洋动力与生态系统遥感反演、重建及相关应用中获得了系列研究成果，在TGRS，JGR: Oceans和RS等高水平期刊发表了多篇论文。构建的数据集及代码在科学数据银行、GitHub等平台上开放共享，获得了广泛关注。该系列研究得到中山大学“百人计划”人才启动经费、南方海洋科学与工程广东省实验室（珠海）深海生命与生态过程创新团队、国家自然科学基金（41906019）、国家重点研发计划（2016YFA0601201）和广东省海洋遥感重点实验室开放课题（2017B030301005-LORS2004）的资助。

相关论文：

Lu, W., Gao, X., Wu, Z., Wang, T., Lin, S., Xiao, C., & Lai, Z. (2022). Framework to Extract Extreme Phytoplankton Bloom Events with Remote Sensing Datasets: A Case Study. Remote Sensing, 14(15). https://doi.org/10.3390/rs14153557

Lu, W., Wang, J., Jiang, Y., Chen, Z., Wu, W., Yang, L., & Liu, Y. (2022). Data-Driven Method with Numerical Model: A Combining Framework for Predicting Subtropical River Plumes. Journal of Geophysical Research: Oceans, e2021JC017925. https://doi.org/10.1029/2021JC017925

Yu, P., Xu, W., Zhong, X., Johannessen, J. A., Yan, X.-H., Geng, X., . . . Lu, W*. (2022). A Neural Network Method for Retrieving Sea Surface Wind Speed for C-Band SAR. Remote Sensing, 14(9). https://doi.org/10.3390/rs14092269

Wang, T., Yu, P., Wu, Z., Lu, W.*, Liu, X., Li, Q. P., & Huang, B. (2021). Revisiting the Intraseasonal Variability of Chlorophyll-a in the Adjacent Luzon Strait With a New Gap-Filled Remote Sensing Data Set. IEEE Transactions on Geoscience and Remote Sensing, 60, 1-11. https://doi.org/10.1109/tgrs.2021.3067646

【资料来源】中山大学海洋科学 | 论文链接 | SCSDCT数据集链接：