遥感技术在典型海湾海域使用动态识别中的研究

2025-08-04刘可

河北渔业 2025年7期

中图分类号：P717 文献标志码：A 文章编号：1004—6755（2025）07-0031—03

Research on the application of remote sensing technology in spatiotemporal dynamics monitoring of typical bay areas

LIU Ke

（Shenzhen Ocean Development Promotion Center，Shenzhen 5l8ooo，China）

Abstract：To enhance the accuracy and eficiency of spatiotemporal dynamics monitoring in typical bay areas，this study evaluates the applicability of multi一source remote sensing imagery in discriminating typical marine functional zones，such as port operation zones，intertidal buffer areas，and marine aquaculture zones，and using Jiaozhou Bay as the study area， this research integrates multi-source remote sensing data （Sentinel -1 ，Sentinel-2，and MODIS），employs a CNN-RF hybrid algorithm，achieving an overall classification accuracy of 91.68% and a Kappa coeficient of O.869. These results significantly surpass those of traditional SVM methods （81.35% ，0.756） and multi-scale segmentation approaches （ 85.92% ，0.802），thereby validating the superior performance of multi一 source remote sensing fusion and inteligent algorithms in interpreting complex marine environments.

Key words：remote sensing recognition；gulf sea area；dynamic monitoring

典型海湾海域作为陆海交汇的重要生态空间，承载着密集的人类活动与复杂的自然过程，其空间利用格局与生态环境动态变化密切相关。随着海洋经济发展与沿海城市化进程加快，海域功能区划的冲突与生态系统脆弱性问题日益凸显，需构建高效、精细的动态识别技术体系。遥感技术凭借其大尺度、周期性与多维观测优势，成为支撑海域使用动态监测与管理决策的关键手段，具有重要的价值。

海域使用动态识别的方法

1.1 传统遥感识别方法

传统遥感识别方法依托Landsat—8（空间分辨率 30m ，重访周期 16d）、Sentinel-2MSI（空间分辨率 10～20m ，重访周期5d）及GF-1（高分一号卫星）影像，利用NDWI、MNDWI等水体指数，结合人工判读与监督分类（如MLC、最小距离法）对港口、养殖、交通与滩涂等海域类型进行动态监测[1]。该方法适用于变化小、影像质量高的近岸区域。近红外与短波红外用于边界与底质识别，蓝绿波段适于水质与悬浮物监测，且时效性较弱[2]。

1.2生态环境指标识别方法

生态环境指标识别方法通过遥感数据构建多维生态因子体系，实现对海域生态状态动态监测[3]。同时，使用Sentinel一2MSI（空间分辨率10～20m ，重访周期5d）与MODIS（日频观测）数据，涵盖水体类（ Chl-a 、SSC、Kd490）、大气类（AOD）、生物类（NDVI、LAI）和人为干扰（夜光指数、 LCI）^[4] 。该方法为生态监测与动态识别模型提供关键定量输入，见表1。