中國科學院煙臺海岸帶所在多類型海洋藻華高分辨率遙感研究方面取得進展！

在氣候變化與人類活動的雙重壓力下，全球海岸帶海洋藻華呈現(xiàn)分布范圍擴大、發(fā)生頻率增加、持續(xù)時間延長、多潮齊發(fā)等特點，對海洋生態(tài)系統(tǒng)和沿海經(jīng)濟發(fā)展構(gòu)成嚴峻挑戰(zhàn)。近日，中國科學院煙臺海岸帶研究所海岸帶環(huán)境災害遙感與評估研究組（邢前國研究員團隊）圍繞近岸復雜光學水體多類型藻華的高空間分辨率遙感識別開展了針對性研究，研究方法及其數(shù)據(jù)結(jié)果推動了海岸帶藻華遙感技術(shù)的發(fā)展。

基于可持續(xù)發(fā)展衛(wèi)星一號星(SDGSAT-1)多光譜10米分辨率影像，研究構(gòu)建了決策樹與機器學習模型，實現(xiàn)了對滸苔、馬尾藻、紅色夜光藻、綠色夜光藻及黑水這五種海洋藻華在三個海洋區(qū)域（中國近海水域、印度洋和大西洋）的自動識別與區(qū)分，系統(tǒng)評估了模型在復雜近岸水體中的適用性。另外，研究進一步將模型應用于Sentinel-2 MSI數(shù)據(jù)，并對其識別差異進行了對比分析。

圖1 全球典型海洋藻華

圖2 SDGSAT-1藻華識別模型

研究發(fā)現(xiàn)，相較于葉綠素a濃度、熒光基線高度、單一光譜指數(shù)等傳統(tǒng)方法，基于多波段特征構(gòu)建的決策樹模型能夠?qū)崿F(xiàn)五類藻華及海水類型的識別與區(qū)分，實現(xiàn)復雜近岸水體中多目標的有效提取。對比決策樹與機器學習模型的提取結(jié)果發(fā)現(xiàn)，在光學性質(zhì)復雜的近岸水體中，不同模型的識別效果存在差異，其中決策樹模型在光學吸收型黑水提取方面表現(xiàn)出較高的穩(wěn)定性。基于Sentinel-2 MSI的對比研究顯示，SDGSAT-1構(gòu)建的模型具備跨傳感器遷移潛力。

圖3 中國近海典型藻華遙感應用

相關(guān)研究成果發(fā)表在期刊《Remote Sensing of Environment》，第一作者為煙臺海岸帶所博士生姜珊珊，通訊作者為邢前國研究員。該研究得到了國家自然科學基金、山東省技術(shù)創(chuàng)新計劃項目和煙臺海岸帶所自主部署項目等項目資助。

相關(guān)論文：

S. Jiang, R. Guan, Q. Xing*, et al. 2026. Identification of marine algal blooms by SDGSAT-1 multispectral imagery. Remote Sensing of Environment, 337, 115340. https://doi.org/10.1016/j.rse.2026.115340.

• 信息來源:中國科學院煙臺海岸帶研究所。

  轉(zhuǎn)載請注明信息來源及海洋知圈編排。