基于SR-NDVI和中值滤波的连云港海域紫菜筏架自动提取研究

快速准确地掌握紫菜筏架的个数和面积可为海域管理和海洋行政执法等提供决策支持。本文以连云港市紫菜养殖筏架为研究对象,利用Landsat-8卫星影像,采用分区域归一化植被指数(Sub-regional Normalized Difference Vegetation Index,SR-NDVI)和中值滤波(分别利用蓝光、绿光和红光波段)两种方法,开展紫菜筏架自动提取研究,并以无人机影像对实验结果开展精度验证,针对不同水深区域,从识别个数、面积和方法 3个角度进行比对分析。研究结果表明:浅水区SR-NDVI方法识别面积精度优于中值滤波方法,深水区恰恰相反;深水区水质稳定、受环境因素影响较小,提取精度较高,4种实验识别紫菜筏架误差均优于2个筏架,而浅水区提取精度相对较差;同时浅水区还存在较为严重的"筏架相连"现象。     

紫菜养殖筏架上定生浒苔对黄海绿潮的贡献

Green tides caused by the unusual accumulation of high floating Ulva prolifera have occurred regularly in the Yellow Sea since 2007. The primary source of the Yellow Sea green tides is the attached algae on the Pyropia aquaculture rafts in the Subei Shoal. Ulva prolifera and Blidingia(Italic) sp. are the main species observed on Pyropia aquaculture rafts in the Subei Shoal. We found that U. prolifera has strong buoyancy and a rapid growth rate, which may explain why it is the dominant species of green tides that occur in the China's sea area of the Yellow Sea. The growth rate of floating U. prolifera was about 20%–31% d–1, which was much higher than Blidingia(Italic) sp. There were about 1.7 × 10~4 t of attached algae on the Pyropia aquaculture rafts in May 2012. We found that 39% of attached algae could float when the tide rose in the Subei Shoal, and U. prolifera accounted for 63% of the floating algae. Our analysis estimated that about 4 000 t of attached U. prolifera floated into the surrounding waters of the Subei Shoal during the recycling period of aquaculture rafts. These results suggest that the initial floating biomass of large-scale green tides in the Yellow Sea is determined by the U. prolifera biomass attached to Pyropia aquaculture rafts, further impacting the scale of the green tide.     

黄海绿潮灾害早期防控方法——筏架下沉法

黄海绿潮自2007年至今连年暴发,对海上交通、滨海旅游、水产养殖等方面造成不同程度危害。大量研究表明,苏北辐射沙洲紫菜养殖区是绿潮源头,且筏架绿藻人为入海是绿潮主要来源。为了防控绿潮灾害,现有方法为物理打捞法和化学法,耗费大量人力物力。本文在紫菜养殖区现场调研分析基础上,提出了一种绿潮早期防控方法—筏架下沉法,并基于此方法结合已有物理打捞、化学方法,设计了一套筏架区绿潮早期综合防控方案。本文提出的筏架下沉法具有环保、经济的优势,综合防控方案可为绿潮灾害防灾减灾提供重要参考。     

苏北浅滩养殖筏架附生绿藻入海过程在黄海绿潮形成中的作用

本研究采用现场定量观测为主的研究方法,在2017年5月期间对苏北浅滩竹根沙收紫菜养殖筏架作业过程进行跟踪调查;对养殖筏架绠绳附生绿藻自然脱落和收筏架作业过程人为刮落附生绿藻,以及收筏架作业前后入海的漂浮绿藻生物量进行定量观测。结果表明:筏架绳附生绿藻自然脱落率低,为3.58%±0.78%;收筏架作业过程中绠绳上刮落绿藻生物量为(12±3)kg湿重/根,由此估算2017年整个苏北浅滩刮落的生物量估算可达到万吨湿重;收筏架作业后海域漂浮绿藻生物量是作业前的7.6倍。研究结果进一步明确了收筏架作业过程中人为刮落绿藻是目前筏架附生绿藻最主要的入海方式。刮落绿藻是海水中漂浮绿藻的主要来源,其生物量对南黄海绿潮的规模大小有重要的影响。研究结果为绿潮防控措施的制定和实施提供科学依据。     

江苏近岸紫菜养殖筏架区定生绿藻群落结构及其受控因素

基于2010年10月至2011年4月对苏北紫菜养殖筏架区定生绿藻及环境因素调查数据,分析研究了紫菜筏架上定生绿藻种群结构和数量变化及重要环境因子对其的影响并估算了调查区绿藻总生物量.结果表明,筏架上定生绿藻种类有浒苔(Ulva prolifera)、盒管藻(Capsosiphon groenlandicus)、缘管浒苔(Ulva linza)、肠浒苔(Ulva intestinalis)、条浒苔(Ulva clathrata)和扁浒苔(Ulva compressa).绿藻生物量变化呈倒抛物线型,4月份为主高峰14898吨,11月份为次高峰2034吨,2月份最低,仅为729吨,3-4月份绿藻几乎呈暴发性增长.种类多样性随季节变化有很大差异,养殖筏架刚入海的9、10月份,绿藻种类丰富,生物多样性高;12月至笠年2月,尽管生物量很低,但仍是多种并存;3-4月份随着生物量的猛增,种类多样性降至最低,盒管藻优势地位明显,生物量比例最大能到80%,浒苔比例呈指数增长,达20%～40%.水温对绿藻生物量及种类演替有直接调控作用,在水温< 10℃时,绿藻即能快速生长;而盐度作用不明显.开展紫菜筏架上定生绿藻群落动态变化及其生物量的估算,为追溯南黄海大规模绿潮发源地提供佐证,为绿潮预防和治理提供基础数据支撑.     

基于海岸带成像仪CZI的连云港紫菜养殖动态监测

连云港海域的紫菜养殖遥感监测对于规划紫菜养殖空间分布具有重要意义.基于50 m空间分辨率的"海洋一号C"卫星(HY-1C)海岸带成像仪(coastal zone imager,CZI)数据,利用归一化植被指数(NDVI)和人工目视解译,获取了2018年10月—2020年4月连云港沿岸的紫菜养殖遥感监测面积,并分析了紫菜...     

基于浮标监测的连云港近海紫菜养殖区水环境特征

为促进海洋渔业经济的健康可持续发展,文章以连云港高公岛附近的紫菜养殖区为研究区域,利用海洋环境综合监测浮标实时监测水环境和气象数据,采用定性和定量相结合的方法,分析紫菜养殖区海域的水温、电导率、水压、溶解氧浓度、pH值、盐度、叶绿素浓度和浊度等水环境因子的统计和变化特征及其相关性,在此基础上分析气象条件对水环境因子的影响。研究结果表明：研究区域的水温和盐度适宜紫菜养殖,浊度属于强变异性;水温和电导率整体呈逐渐升高的趋势,溶解氧浓度和pH值呈逐渐降低的趋势,其他水环境因子呈波动状态;水压的变化与气压具有一致性,水体未受到溶解氧和酸碱污染;水温与电导率之间存在较强的正相关性,水温与溶解氧浓度和pH值之间存在较强的负相关性,pH值与叶绿素浓度和盐度之间存在较强的正相关性;气象条件对水环境因子存在一定的影响,海上大风导致水体浊度陡增。     

基于谷歌地球引擎平台的海上养殖信息提取方法研究——以福建省平潭县为例

海上养殖业对粮食安全有着至关重要的作用。然而,海上养殖的无序扩张和开发,阻碍了海上交通,同时也造成了海洋环境问题。为及时、准确地获取海上养殖信息,满足海岸带调查以及推进海上养殖规范化、科学化,提出一种基于谷歌地球引擎(Google Earth Engine, GEE)平台实现长时间序列下海上养殖区信息快速提取的方法。本研究构建了一个基于随机森林分类的海上养殖区信息提取模型,该模型综合利用了Sentinel 1卫星SAR影像数据的VV和VH极化波段,以及Sentinel 2卫星的多光谱影像数据。此外,模型还融合了4个用于增强养殖区特征的指数,以提高养殖区域信息提取的准确性和效率。这种方法的应用旨在优化海上养殖区的识别过程,通过精确分析和利用不同数据源的互补优势,展现了〖JP2〗遥感技术在海洋养殖监测领域的巨大潜力。本研究对2017—2021年平潭县海上养殖区域进行判定与提取,实验结果表明,以养殖密度较低,养殖特征不明显为特征的海上养殖区,基于GEE平台的海上养殖区信息提取方法精度在90%以上,表明在复杂水体背景下对养殖区快速识别取得较好的效果,可为海上养殖科学规划与规范化管理提供有效的参考依据。     

面向对象的无人机遥感影像海岸线提取方法研究

针对海岸线区域地形复杂和卫星遥感影像分辨率的不足,精度难以满足大比例尺成图要求,以及常规解译方法的局限性,选取青岛小岛湾海岸线为研究区,以无人机(UAV)遥感影像为基础数据,提出一种面向对象的海岸线提取方法,结合现场实测验证,开展了人工海岸线和砂质海岸线识别的应用实验。结果表明:人工海岸线和砂质海岸线概率边缘指数(PRI)分别为0.97和0.88,边缘定位误差(BDE)分别为4.33和2.84,提取的人工海岸线和砂质海岸线与实测海岸线结果整体上匹配较好,仅在局部细微处存在微小差异。本文提出的方法可快速有效地获取海岸线信息,其精度能够满足海岸线动态变化监测的需求,可在海岸线资源管理中推广应用。     

基于Sentinel-2影像的围海养殖信息提取

为了能够利用遥感图像快速准确地提取围海养殖矢量信息,本文选取养殖水体、堤坝及育苗室等交错分布的海参围海养殖区域作为研究区域,根据研究区域Sentinel-2遥感影像的光谱特征,选用归一化差异水体指数（Normalized Difference Water Index,NDWI）、改进归一化差异水体指数（Modified Normalized Difference Water Index,MNDWI）和增强水体指数（Enhanced Water Index,EWI）三类水体指数,分别进行提取实验,利用同时期高空间分辨率的高分二号卫星（GF-2）影像作为参考,验证不同方法的提取精度,精度评价结果表明：相较MNDWI和EWI两类水体指数,NDWI的分类精度更高,且利用NDWI提取研究区域的围海养殖信息的效果更好,所以该方法可在养殖区域的动态监测和规划管理中发挥数据支撑作用。     

采用加速溶剂萃取法提高微藻油脂萃取量的优化条件研究

设计4因子5水平的正交实验方案[采用正交表L25（5＾6）],通过确定加速溶剂萃取法（ASE）处理的最优化条件,包括萃取溶剂、萃取温度、萃取时间和萃取循环次数,达到快速萃取微藻油脂并且萃取量高的效果．结果表明,除循环次数外,其他萃取条件因子均能显著影响油脂萃取量（P〈0．035）．在萃取溶剂为无水乙醇或丙酮、温度为175℃、萃取时间为16min、循环次数为3次的最优处理条件下,微藻油脂萃取量最高（19．20％～21．36％）．与常规的索氏萃取法相比,萃取量可提高39．08％～47．09％．采用ASE法在最优化条件下萃取微藻油脂可以达到良好效果．     

基于变分水平集方法的海冰信息自动提取

针对目前海冰信息解译时对海冰外缘线及面积信息提取不精确、业务化应用不强问题,提出一种基于分裂Bregman算法的海冰外缘线自动提取方法,并通过遥感影像预处理、算法程序化等工作步骤,将该算法应用到业务化海冰信息解译工作中。方法:分别选取五景中、高空间分辨率的可见光卫星遥感影像,将影像上待提取海冰区域首先进行不规则图像裁剪、图像增强等预处理工作,然后基于变分水平集及快速分裂Bregman投影方法进行了海冰外缘线信息的提取,并对提取出的海冰面积进行量化,最后与传统人工提取海冰信息进行了比较。实验结果表明,基于变分水平集及其快速分裂Bregman算法提取的海冰信息,具有提取的海冰边缘精确、自动化程度高、提取结果稳定可靠等优点。     

基于变分水平集方法的浒苔绿潮面积信息提取

绿潮面积信息提取是绿潮遥感监测中极其重要的环节,其结果将直接影响后续的统计分析和预测预警工作。目前科研人员一般基于传统阈值方法对绿潮面积信息进行提取,其提取结果具有不稳定、效率低、人为因素影响大等缺点。针对上述问题,本文基于变分水平集的对偶方法和分裂Bregman投影方法对绿潮面积信息进行了提取,并提出一种对上述两种方法提取出的绿潮面积信息结果进行量化的新方法。分别基于传统阈值方法、变分水平集的对偶方法和分裂Bregman投影方法进行了3幅影像的绿潮信息提取实验,对提取结果进行了比对分析。实验结果表明,对分辨率较高的卫星遥感数据,无论从运行效率还是从绿潮面积信息提取结果的精确性及稳定性上,基于变分水平集的对偶方法和分裂Bregman投影方法均优于基于传统阈值方法。     

基于深度卷积嵌入式聚类（DCEC）的海洋环境特征提取对渔情预报模型的改进研究以西南印度洋大眼金枪鱼为例

为提高大眼金枪鱼(Thunnus obesus)延绳钓渔情预报模型的预测能力,本研究提出了一种基于深度卷积嵌入式聚类(DCEC)的海洋环境时空特征提取方法,结合广义可加模型(GAM)对西南印度洋大眼金枪鱼延绳钓渔场进行预报。采用2018年1−12月0.041 6°×0.041 6°的MODIS-Aqua和MODIS-Terra海表面温度三级反演图像数据(以日为单位)构建DCEC模型,基于Davies-Bouldi 指数(DBI)确定最佳聚类数,在此基础上提取各月海表温度(SST)的类别特征值$ {F}_{M} $;采用美国国家海洋和大气管理局网站2018年1−12月1°×1°的Chl a浓度月平均值作为辅助环境特征因子;采用印度洋金枪鱼委员会2018年1−12月1°×1°的大眼金枪鱼延绳钓渔业数据(以月为单位),计算单位捕捞努力量渔获量(CPUE);将SST月类别特征值$ {F}_{M} $、Chl a浓度月平均值与CPUE数据进行时空匹配,构建改进GAM;采用SST月平均值、Chl a浓度月平均值与CPUE数据构建基础GAM;采用联合假设检验($ F $检验)验证模型解释变量对响应变量的影响;采用赤池信息准则(AIC)、均方误差(MSE)、绘制实测值和预测值的散点图并计算相关系数r,分析改进GAM相比于基础GAM的提升效果。实验结果表明：(1)基于DCEC模型提取的$ {F}_{M} $能够较好地反映西南印度洋海表温度的时空动态特征与规律,并与西南印度洋的气候条件、季风状况和水文特征等相互耦合;(2) $ {F}_{M} $相比SST平均值的因子解释率更高,对大眼金枪鱼CPUE影响更为显著,高渔获率集中在暖冷流交汇区域;(3)改进GAM相比基础GAM的AIC值降低了9.17%,MSE降低了26.7%,散点图显示改进GAM预测的CPUE对数值与实测CPUE对数值的相关性较显著,r为0.60。本研究证明了DCEC模型在海洋环境特征提取方面的有效性,可为后序大眼金枪鱼延绳钓渔情预报模型的改进研究提供参考。