L'exemple du mois : application des données pour les efflorescences algales nuisibles

Qu'est-ce que les efflorescences algales nuisibles ?

Certaines algues produisent des toxines qui, en grande quantité, peuvent être nuisibles à la vie marine et potentiellement aux humains. Les algues formant ces couches denses sont qualifiées d’efflorescences algales nuisibles (HABs). La surveillance des efflorescences algales nuisibles est importante pour les écosystèmes d'eau douce afin d’éviter la contamination des sources locales d'eau potable, ainsi que dans les régions côtières pour prévenir l’intoxication par les coquillages et les pertes économiques dues à leurs impacts sur les pêcheries locales et le tourisme. Les mortalités massives de poissons peuvent résulter des toxines associées ou de la diminution considérable d’oxygène causée par l’activité algale accrue. Les conditions générales qui favorisent les efflorescences algales incluent l’augmentation des températures de l’eau de mer et une forte charge en nutriments provenant des engrais. Cependant, il existe de nombreux types de phytoplanctons qui ont tendance à proliférer dans différentes zones.

Content

  1. Introduction de HABs
  2. Comment les efflorescences algales nuisibles (HABs) peuvent-elles être surveillées depuis l'espace ?
    2.1 Surveillance visuelle directe de la couleur de l'océan 
    2.2 Surveillance à l'aide d'indices 
  3. Effet des conditions régionales sur la surveillance des HABs par satellite
  4. Satellites disponibles pour la surveillance des HABs
  5. Exigences et limitations de la télédétection pour la surveillance des HABs
  6. Combinaison de la télédétection et de la surveillance in-situ
  7. Groupes de travail régionaux/internationaux sur la surveillance des HABs 
  8. Sources de données
  9. Sources logicielles
  10. Ressources de formation
  11. Lectures complémentaires  

 

1.    Introduction de HABs

Un terme courant pour décrire les efflorescences algales nuisibles (HABs) est « marée rouge », qui provient des pigments photosynthétiques bruns et rouges présentés par certaines espèces de phytoplancton. Une espèce bien connue appartenant à cette catégorie est Karenia brevis. Elle produit de puissantes neurotoxines, appelées brevetoxines, et est particulièrement répandue le long de la côte de Floride et dans le golfe du Mexique.

Red algal bloom at Leigh, near Cape Rodney, New Zealand. Image: Miriam Godfrey for New Zealand's National Institute of Water and Atmospheric Research

MERIS image of 13 July 2005 over the Baltic Sea showing a large algal bloom of cyanobacteria. Image: ESA  

 

Les algues bleu-vert, formées par des cyanobactéries, sont également incluses dans le groupe des efflorescences algales nuisibles (HABs). Les cyanobactéries possèdent des caractéristiques à la fois d'algues et de bactéries, et peuvent être surveillées de manière similaire aux autres algues (Organisation mondiale de la Santé). Une attention particulière est portée aux cyanobactéries car elles produisent également des toxines pouvant être nocives pour les animaux et les humains. Cependant, il existe de nombreuses autres espèces et toxines (Pettersson et Pozdnyakov, 2013). Une liste des organismes responsables est présentée ci-dessous. De plus, la prévalence régionale des espèces et des toxines est répertoriée sur la page de l'Institut océanographique de Woods Hole dédiée aux algues nuisibles (Woods Hole Oceanographic Institution's page on Harmful Algae).

Types of algae proliferating into HABS (Pettersson and Pozdnyakov, 2013 Table 1.1)

Prévalence régionale des efflorescences algales nuisibles (HABs)

Selon Shen, Xu et Guo (2012), « chaque année, de nombreuses régions côtières à travers le monde sont menacées par de graves problèmes écologiques associés à d'énormes pertes économiques et à des problèmes de santé causés par les HABs. » Leur article résume des études sur les eaux de Hong Kong, la mer de Chine orientale, la mer du Sud de la Corée, la mer du Japon, le golfe du Tonkin, la mer d'Arabie, les côtes de France, les côtes du Portugal, les eaux de la Nouvelle-Zélande, les Rias galiciennes, la mer Baltique, le golfe du Mexique, Washington, le golfe de Californie, la côte de Floride, le golfe du Maine, la côte de la Nouvelle-Écosse, la côte de la Colombie-Britannique et la côte sud-africaine. Toutes ces zones sont « sujettes à des HABs avec des tendances déconcertantes de plus grandes étendues spatiales et de fréquences accrues » (Shen, Xu, and Guo 2012).

Les études sur les régions d'intérêt sont cruciales pour identifier les principales espèces d'algues et le type de toxine attendu dans la région. La page dédiée aux algues nuisibles de l'Institut océanographique de Woods Hole (WHOI) présente des cartes indiquant où les six différentes toxines sont dominantes ainsi que les zones où des mortalités de poissons associées aux HABs se produisent. 

Global distribution of HABS

Figure 2. Global Distribution of harmful algal blooms. Image: WHOI

 

2. Comment les efflorescences algales nuisibles (HABs) peuvent-elles être surveillées depuis l'espace ?

 

2.1 Surveillance visuelle directe de la couleur de l'océan :

Les images satellites mesurent la réflectance de l'océan, fournissant des informations sur la couleur de l'océan (basées sur les intensités lumineuses). La couleur dans laquelle les efflorescences algales apparaissent sur les images dépend des pigments contenus dans un type d’algues particulier et des longueurs d’onde auxquelles ces pigments reflètent ou absorbent la lumière. 

La chlorophylle A, par exemple, est un pigment dominant dans les algues et reflète principalement dans le spectre vert, ce qui lui donne une apparence verte pour l’œil humain. En revanche, l’absorption par la phycocyanine est faible dans les spectres bleu, cyan et vert, ce qui lui donne une apparence de bleu ou de turquoise. Un exemple d’algues ayant une forte teneur en phycocyanine est celui des cyanobactéries ou algues bleu-vert, illustré à la figure 1b.

Figure 3. Light absorption of algal pigments. Image: Fondriest Environmental Inc.

Outre la couleur propre aux algues, d'autres réflectances dans l'eau peuvent être observées. L'image ci-dessous illustre les variations de réflectance : l'eau et les plantes riches en chlorophylle apparaissent vertes, l'eau claire apparaît bleue, la matière organique dissoute (CDOM) présente une légère teinte jaune et les sédiments apparaissent brunâtres.

 Figure 4. Inherent optical properties and the colour of water. Image: NASA Applied Remote Sensing Training Program

Surveillance visuelle à l'aide d'images optiques améliorées (ERGB)

Puisque la différence dans la couleur de l’océan n’est pas très claire, des images optiques améliorées (ERGB) sont utilisées pour détecter les efflorescences algales. Elles sont créées en choisissant les bandes rouge, verte et bleue d’un satellite et en étirant les valeurs des couleurs dans la gamme de l’eau, de sorte que les différences dans la couleur de l’océan soient plus faciles à observer. Au lieu de la gamme de couleurs précédente, une couleur brunâtre/rougeâtre est souvent « attribuée à de fortes concentrations de phytoplancton ; la couleur vive est causée par des eaux riches en sédiments et/ou la réflexion d’un fond peu profond ; et la couleur sombre résulte d’une forte concentration de phytoplancton et/ou de matière organique dissoute colorée (CDOM) » (Zhao et al., 2014). Une leçon sur l’utilisation des images ERGB, de la chlorophylle et des données in situ pour surveiller les efflorescences algales est présentée sur LearnEO.

Figure 5. MODIS/Aqua-derived Enhanced Red-Green-Blue (ERGB) image collected on 23 December 2008 over the Gulf of Oman. Dark brown colour in the ERGB image indicates the occurrence of algal bloom. (Zhao et al. 2016)

2.2 Surveillance à l'aide d'indices:

Les indices quantitatifs et qualitatifs peuvent également aider à automatiser la surveillance des efflorescences algales, permettant de calculer la biomasse et, dans certains cas, de déterminer les espèces présentes. La plupart des algorithmes se concentrent sur la détermination de la concentration de chlorophylle-A et de la hauteur de la ligne de fluorescence (FLH). La hauteur de la ligne de fluorescence est un indicateur de l'énergie réémise par les molécules de chlorophylle après la photosynthèse.

Les ratios de bandes spectrales les plus courants pour obtenir les valeurs de Chl-a sont les ratios de bandes spectrales bleu-vert (440-550 nm) développés à partir de données empiriques. Cela s’explique par le fait que la majeure partie de l’absorption du phytoplancton se produit dans cette partie du spectre visible (Blondeau-Patissier et al. 2014).  

Lorsque l'imagerie optique ne peut pas être utilisée en raison de la couverture nuageuse, les données radar peuvent être utilisées pour détecter la réflectance et la rétrodiffusion émises par la surface de la Terre. Comme les algues provoquent des modifications visibles de la structure de la surface de l'eau, les bandes radar à synthèse d'ouverture (SAR) peuvent également être utilisées pour détecter les efflorescences algales.

Figure 6.  A contrast of MODIS/Aqua-derived chlorophyll-a map (using the default OC3 M algorithm) with ERGB image (Zhao et al. 2016). 

Les indices de chlorophylle dérivés dépendent du satellite et de l’algorithme utilisés pour leur développement. Les valeurs de Chl-a en [mg/m³] disponibles sur le site de la couleur des océans de la NASA (NASA’s ocean colour website) sont produites en combinant deux algorithmes :  l’algorithme du ratio de bandes O'Reilly (OCx) (O'Reilly band ratio (OCx) et l’algorithme de l’indice de couleur Hu (CI) algorithm. Les coefficients utilisés sont spécifiques à chaque capteur et sont consultables sur le site de la couleur des océans de la NASA (NASA ocean colour website). 

Bien que des valeurs élevées de Chl-A soient un indicateur d’efflorescences algales nuisibles, des variations saisonnières de la présence de chlorophylle dans les océans ou les lacs peuvent se produire. Les anomalies de Chl, calculées en comparant les valeurs d’une date donnée à une moyenne des semaines précédentes, sont souvent utilisées pour mettre en évidence les efflorescences algales.

Figure 7. How light interacts with water. Image: NASA ARSET Advanced Water Monitoring Webinar Sep 2018

Alors que la Chl-A est dérivée des réflectances de télédétection Rs, de nombreux algorithmes appliquent la réflectance sortante de l'eau (L,w), ou en particulier la réflectance sortante normalisée de l'eau (L,wn), qui est moins dépendante de l'angle du zénith solaire, de la direction de visualisation ou des conditions atmosphériques. Les valeurs des descriptions et des calculs utilisés pour différents paramètres sont présentées ici, notamment pour la réflectance normalisée.

  • Indice des Efflorescences Algales Nuisibles (HABi) ou Indice de Marée Rouge (RI)

Des chercheurs et des entreprises privées ont développé des indicateurs spécifiques permettant de détecter certains types d'algues. L'Indice des Efflorescences Algales Nuisibles (HABi) d'EOMAP est spécialisé dans la détection des algues bleu-vert contenant des pigments de phycocyanine, tandis que l'Indice de Marée Rouge (RI) suit la réflectance des photopigments caroténoïdes présents dans l'espèce Karenia brevis. Des recherches supplémentaires sur la détection ou l'évaluation des efflorescences algales par type sont en cours, et étant donné que la présence des espèces varie selon les localités, l'utilisation d'indicateurs spécifiques pour certaines régions est nécessaire.

  • Indice des Efflorescences Algales de Surface  (SABI)

L'algorithme SABI détecte la biomasse flottant à la surface de l'eau, qui présente une réponse NIR similaire à celle de la végétation terrestre (Alawadi 2010). Il s'agit d'un ratio empirique de différences de bandes similaire à l'NDVI, mais incluant spécifiquement des bandes spectrales sensibles à l'océan : le bleu (caractéristique de l'eau claire) et le vert (caractéristique des efflorescences algales dans la colonne d'eau). Pour le Modis, les bandes correspondantes sont : B1 (XR = 645 nm) et B2 (XNIR = 869 nm), toutes deux agrégées à partir du groupe de bandes MODIS à résolution de 250 m ; et les bandes B3 (XB = 469 nm) et B4 (XG = 555 nm), disponibles respectivement dans le groupe de bandes MODIS à résolution de 500 m  (Alawadi 2010).

 

Figure 8.  Ulva prolifera bloom in the Yellow Sea (Terra, 25 June 2008) and SABI images. (Alawadi 2010)

  • Indice de Végétation Normalisé Bleu (BNDVI)

L'indice de végétation normalisé bleu (BNDVI) est un indice de bande spécifiquement destiné aux cyanobactéries, corrélé avec les densités de biomasse à la surface de l'eau. Le ratio de bandes peut être comparé au volume de cellules de cyanobactéries dans un échantillon de la colonne d'eau, également appelé volume de cellules packagées flottantes (BPCV). Son calcul nécessite uniquement les bandes NIR et bleu, et peut être utile si l'efflorescence algale nuisible dominante dans une région est composée de cyanobactéries. (Van der Merwe and Price 2015)

  • Indice des Algues Flottantes (FAI)

L'indice FAI identifie uniquement les espèces qui présentent un « red-edge » dans leur spectre de réflectance au-dessus de l'eau, ce qui permet de distinguer les macroalgues du phytoplancton ou d'autres végétations aquatiques immergées. Il peut être utilisé pour quantifier le nombre de pixels d'algues macroflottantes s (Garcia et al. 2013).

où, RRC est la réflectance corrigée Rayleigh au sommet de l'atmosphère ; λ(SWIR), λ(NIR) et λ(RED) sont respectivement les longueurs d'onde des bandes SWIR, NIR et rouge. L'FAI montre une amélioration significative en réduisant la variabilité observée dans les régions affectées par le reflet du soleil (Sun-glint) ou une atmosphère brumeuse. Cependant, l'FAI est sensible aux eaux troubles.

Paramètres supplémentaires

De nombreux modèles intégrés utilisent également des paramètres supplémentaires tels que la température de surface de la mer, ou des modèles de vent et de courant. Ces paramètres contribuent à la formation des efflorescences algales par remontée d'eaux froides et riches en nutriments vers la surface de l'océan, ce qui stimule la croissance du phytoplancton. Les zones de remontée peuvent être identifiées par des températures de surface de la mer (SST) fraîches et des concentrations élevées de chlorophylle-a. Un exemple de modèle de circulation océanique est le modèle HYCOM, un modèle océanique global généralisé dont les données et les codes sources sont disponibles ici.

3. Effet des conditions régionales sur la surveillance des HABs par satellite

Les algues se trouvent dans les eaux intérieures, les eaux côtières et l'océan ouvert. Dans tous les cas, la surveillance par satellite ne mesure que la réflectance de la couche supérieure de surface, de sorte que les efflorescences algales se produisant dans des couches plus profondes ne sont pas mesurables. Néanmoins, les algorithmes de télédétection doivent tenir compte de la composition de l'eau dans les différents plans d'eau. 

Dans l'océan ouvert - généralement appelé eaux de type 1 - le phytoplancton est le constituant principal (Morel 1980)[q]. Par conséquent, le phytoplancton est lié empiriquement (via des formules avec des coefficients déterminés expérimentalement) à la réflectance sortante de l'eau et des rapports de bandes spectrales bleu-vert empiriques peuvent être appliqués pour évaluer les concentrations de Chl-a.

Les eaux côtières et les lacs d'eau douce sont appelées eaux de type 2, car elles sont plus optiquement complexes, étant influencées par de nombreux composants tels que les sédiments. Dans ces cas, la Chl-a ne peut pas être récupérée de manière fiable à partir des rapports de bandes vert-bleu, mais des informations supplémentaires provenant des bandes rouge et NIR peuvent être utilisées (Blondeau-Patissier et al. 2014).

DLa poussière et la vapeur d'eau au-dessus de la zone d'intérêt affectent également la mesure des HABs avec l'imagerie optique par satellite. En particulier, dans le golfe d'Oman, où l'atmosphère est généralement chargée de niveaux élevés de poussière et a une forte teneur en vapeur d'eau, la précision des méthodes classiques de couleur des océans peut être affectée. Les différences régionales de réflectance atmosphérique doivent être prises en compte dans les corrections AOT. (Zhao et al. 2016)

4. Satellites disponibles pour la surveillance des HABs 

Le tableau 2 présente les satellites qui peuvent être utilisés pour surveiller les efflorescences algales nuisibles (HABs). De plus, deux satellites non mentionnés dans le tableau 2 et pertinents pour la surveillance des HABs depuis l’espace ont été lancés en 2016 et 2018 : les satellites jumeaux Sentinel-3, qui transportent l'instrument Ocean and Land Colour Instrument (OLCI) et ont remplacé le MERIS ENVISAT. Ils représentent une amélioration en matière d’exposition aux erreurs de réflexion solaire (sunglint) par rapport au MERIS, car le sunglint contaminait plus de la moitié des observations MERIS à des latitudes subtropicales (ESA).

Table 2 Characteristics of ocean colour sensors (Shen, Xu, and Guo 2012)

 

 5. Exigences et limitations de la télédétection pour la surveillance des HABs

La capacité de la télédétection à détecter les efflorescences algales nuisibles (HABs) dépend fortement de la taille des efflorescences et de la résolution de l'instrument choisi. Les données de couleur des océans de SeaWiFS et MODIS, disponibles avec une résolution de 1 km, ne peuvent être utilisées que pour détecter de grandes efflorescences dans l'océan ouvert, mais sont trop grossières pour cartographier les efflorescences dans les zones côtières. En revanche, MERIS et son successeur Sentinel-3 sont capables de détecter des efflorescences dans une gamme de 300 m². 

Outre la résolution et la qualité des mesures attendues de l'instrument, le temps de revisitabilité d'un satellite sur la zone d'intérêt détermine également la manière dont une efflorescence algale peut être surveillée.

Aperçu des algorithmes disponibles (par satellite)

différents types de satellites. Le tableau ci-dessous indique quelles bandes sont utilisées pour créer le produit souhaité (FLH = Hauteur de la ligne de fluorescence).

 

Table Bands used in algorithms for algal bloom indicators for MODIS, MERIS, SeaWiFS (Blondeau-Patissier et al. 2014).

Spectral bands (in nm) used in algal bloom indices for SeaWiFS, MODIS and MERIS

 

Potentiels faux positifs

Même lorsqu'un algorithme parfaitement adapté est utilisé, une zone indiquée par le produit comme une efflorescence algale potentielle peut ne pas être un HAB après tout. Tout d'abord, toutes les efflorescences algales détectées ne sont pas nuisibles, ou elles peuvent indiquer un phénomène ayant une apparence similaire. Dans le cas des images satellitaires radar, les efflorescences algales peuvent apparaître similaires à des déversements de pétroles.

Limitations

Dans l'ensemble, la détection des HABs par télédétection nécessite toujours une vérification in situ. Certains algorithmes risquent d'échouer dans les zones côtières en raison de problèmes avec la correction atmosphérique, ou le signal de la hauteur de la ligne de fluorescence peut être masqué en raison de l'influence de la matière organique dissoute et des matières en suspension totales (McKee et al. 2007). Shen, Xu et Guo (2012) notent cependant que "bien qu'il soit difficile pour la télédétection par satellite de détecter les HABs de haute toxicité existant dans des couches fines, elle reste un outil efficace pour identifier les HABs à forte biomasse comme les marées rouges”.

La gestion des efflorescences algales nuisibles nécessite également de savoir quelles espèces et quelles toxines sont présentes. En raison de la multitude d'espèces et de toxines et de la limitation de la télédétection pour observer certaines caractéristiques spectrales, cela n'est pas toujours possible. Pour certaines espèces distinctes de HAB, des caractéristiques spectrales indicatives ont été trouvées. Zhao et al. (2010) ont conclu que trois principaux types de caractéristiques spectrales (à pic simple, à double pic et à large pic) existent pour la plupart des espèces de HAB. Le type à pic simple se caractérise par un seul pic de réflectance entre 680 et 750 nm (par exemple, pour les espèces Heterosigma akashiwo et Ceratium furan), tandis que le type à double pic a un pic de réflectance fort autour de 700 nm et un pic faible autour de 800 nm (par exemple, Gymnodinium spp., Pyramimonas spp.). Le type à large pic a un pic de réflectance relativement large distribué de 680 à 900 nm (par exemple, Platymonas spp., Nitzschia closterium and Chlorella spp.)

6. Combinaison de la télédétection et de la surveillance in-situ

Bien que la télédétection soit un outil puissant pour la détection des efflorescences algales, son intégration avec d'autres sources de données, et en particulier les validations in-situ, est nécessaire pour garantir l'exactitude des observations. La figure ci-dessous indique un cadre pour comprendre comment différentes sources de données sont intégrées et analysées. De plus, une leçon de formation sur l'utilisation de la télédétection pour détecter les efflorescences algales nuisibles et intégrer les données in-situ et satellitaires est disponible sur LearnEO.

Figure 9. A synthesized framework of satellite remote sensing for detecting HABs. Image: Shen, Xu, and Guo 2012

Lastly, the following section presents an overview of working groups on HAB monitoring, available data sources and web maps, as well as available software for the processing and monitoring of satellite images.

7. Groupes de travail régionaux/internationaux sur la surveillance des HABs 

  1. Commission océanographique intergouvernementale de l'UNESCO 
  2. Groupe de travail régional de l'IOC sur les HAB en Amérique du Sud    
  3. Groupe de travail régional de l'IOC sur les HAB dans les Caraïbes regional working group on HAB in the Caribbean
  4. Produits Sentinel pour la détection de l'eutrophisation et des événements d'efflorescences algales nuisibles  (S-3 EUROHAB)
     

8. Sources de données

Données satellitaires brutes (Niveau 0, nécessitant une correction atmosphérique (AOT) et tout le traitement de base)

Cartes de chlorophylle prétraitées :

Données In-situ :

HAB maps :

 9. Sources logicielles:

  1. NASA SeaDAS
  2. Bilko
  3. Acolite

10. Ressources de formation 

  1. NOAA
  2. Caractéristiques des capteurs de couleur océanique historiques et actuels (Shen et al. 2012)
  3. Comment créer des cartes de chlorophylle à partir des données - Sentinel-3 avec SNAP
  4. Webinaire avancé ARSET : Traitement des images satellites pour la surveillance de la qualité de l'eau
  5. Étude de cas EO Learn/Bilko (Intégration des données in-situ et de télédétection)
  6. Formation SEOS sur l'observation de la Terre pour la couleur de l'océan, spécifiquement pour les efflorescences algales nuisibles.

 11. Lectures complémentaires

Alawadi, Fahad. 2010. “Detection of Surface Algal Blooms Using the Newly Developed Algorithm Surface Algal Bloom Index (SABI).” In , edited by Charles R. Bostater, Jr., Stelios P. Mertikas, Xavier Neyt, and Miguel Velez-Reyes, 782506. https://doi.org/10.1117/12.862096.

Blondeau-Patissier, David, James F.R. Gower, Arnold G. Dekker, Stuart R. Phinn, and Vittorio E. Brando. 2014. “A Review of Ocean Color Remote Sensing Methods and Statistical Techniques for the Detection, Mapping and Analysis of Phytoplankton Blooms in Coastal and Open Oceans.” Progress in Oceanography 123 (April): 123–44. https://doi.org/10.1016/J.POCEAN.2013.12.008.

Carvalho, Gustavo A, Peter J Minnett, Viva F Banzon, Warner Baringer, and Cynthia A Heil. 2011. “Long-Term Evaluation of Three Satellite Ocean Color Algorithms for Identifying Harmful Algal Blooms (Karenia Brevis) along the West Coast of Florida: A Matchup Assessment.” Remote Sensing of Environment 115 (1): 1–18. https://doi.org/10.1016/j.rse.2010.07.007.

Garcia, Rodrigo A., Peter Fearns, John K. Keesing, and Dongyan Liu. 2013. “Quantification of Floating Macroalgae Blooms Using the Scaled Algae Index.” Journal of Geophysical Research: Oceans 118 (1): 26–42. https://doi.org/10.1029/2012JC008292.

McKee, David, Alex Cunningham, David Wright, and Lorraine Hay. 2007. “Potential Impacts of Nonalgal Materials on Water-Leaving Sun Induced Chlorophyll Fluorescence Signals in Coastal Waters.” Applied Optics 46 (31): 7720–29. http://www.ncbi.nlm.nih.gov/pubmed/17973016.

Merwe, Deon Van der, and Kevin P Price. 2015. “Harmful Algal Bloom Characterization at Ultra-High Spatial and Temporal Resolution Using Small Unmanned Aircraft Systems.” Toxins 7 (4): 1065–78. https://doi.org/10.3390/toxins7041065.

Pettersson, Lasse H., and Dmitry Pozdnyakov. 2013. Monitoring of Harmful Algal Blooms. Monitoring of Harmful Algal Blooms. https://doi.org/10.1007/978-3-540-68209-7.

Shen, Li, Huiping Xu, and Xulin Guo. 2012. “Satellite Remote Sensing of Harmful Algal Blooms (HABs) and a Potential Synthesized Framework.” Sensors 12 (6): 7778–7803. https://doi.org/10.3390/s120607778.

Zhao, Dongzhi, Xiaogang Xing, Yuguang Liu, Jianhong Yang, and Lin Wang. 2010. “The Relation of Chlorophyll-a Concentration with the Reflectance Peak near 700 Nm in Algae-Dominated Waters and Sensitivity of Fluorescence Algorithms for Detecting Algal Bloom.” International Journal of Remote Sensing. https://doi.org/10.1080/01431160902882512.

Zhao, Jun, and Hosni Ghedira. 2014. “Monitoring Red Tide with Satellite Imagery and Numerical Models: A Case Study in the Arabian Gulf.” https://doi.org/10.1016/j.marpolbul.2013.10.057.