遙感技術在典型海灣海域使用動態識別中的研究

中圖分類號：P717 文獻標志碼：A 文章編號：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

典型海灣海域作為陸海交匯的重要生態空間，承載著密集的人類活動與復雜的自然過程，其空間利用格局與生態環境動態變化密切相關。隨著海洋經濟發展與沿海城市化進程加快，海域功能區劃的沖突與生態系統脆弱性問題日益凸顯，需構建高效、精細的動態識別技術體系。遙感技術憑借其大尺度、周期性與多維觀測優勢，成為支撐海域使用動態監測與管理決策的關鍵手段，具有重要的價值。

海域使用動態識別的方法

1.1 傳統遙感識別方法

傳統遙感識別方法依托Landsat—8（空間分辨率 30m ，重訪周期 16d） 、Sentinel-2MSI（空間分辨率 10～20m ，重訪周期5d）及GF-1（高分一號衛星）影像，利用NDWI、MNDWI等水體指數，結合人工判讀與監督分類（如MLC、最小距離法）對港口、養殖、交通與灘涂等海域類型進行動態監測[1]。該方法適用于變化小、影像質量高的近岸區域。近紅外與短波紅外用于邊界與底質識別，藍綠波段適于水質與懸浮物監測，且時效性較弱[2]。

1.2生態環境指標識別方法

生態環境指標識別方法通過遙感數據構建多維生態因子體系，實現對海域生態狀態動態監測[3]。同時，使用Sentinel一2MSI（空間分辨率10～20m ，重訪周期5d）與MODIS（日頻觀測）數據，涵蓋水體類（ Chl-a 、SSC、Kd490）、大氣類（AOD）、生物類（NDVI、LAI）和人為干擾（夜光指數、 LCI）^[4] 。該方法為生態監測與動態識別模型提供關鍵定量輸入，見表1。

1.3 區域特征提取方法

區域特征提取方法融合幾何形態、光譜響應與空間分布特征，實現海灣海域結構與利用模式的定量識別[5。基于Landsat -8（30m） 與Senti-nel—2MSI影像，提取B1－B8A光譜特征與GLCM紋理 （0^°，45^°，90^°，135^°） 。地形數據使用SRTM（30m） 或ASTERGDEM（ 15m 獲取坡度、高程等，結合空間聚類與分割算法劃定功能邊界[]。引人FDI與CONTAG景觀指標，結合K一Means與面向對象規則，構建多尺度海域使用識別圖層。

2 遙感技術在海灣海域使用動態識別中的應用

2.1遙感圖像預處理技術

遙感圖像預處理技術是海灣海域動態識別的關鍵環節，主要用于糾正幾何畸變、輻射誤差與光譜漂移，確保空間與光譜一致性。處理流程包括6S模型輻射定標、RMS控制點精度小于0.5像素的幾何校正、二階多項式重采樣與配準。圖像融合采用Brovey變換與PCA提升分辨率至2m ，增強細節識別。通過結合高程數據與ND-WI提取動態邊界，區域掩膜裁剪與云霧檢測可將分析誤差控制在 5% 以內[8]。

2.2 海域利用類型識別

海域利用類型識別通過光譜、幾何與時序特征分析，精準判定功能性用海區域的分類邊界[9]采用Landsat—8OLI（陸地成像儀）、Sentinel—2MSI與GF一2（高分二號衛星）多光譜數據，結合空間分辨率 10～30m 的影像，提取時序NDWI、NDVI、MNDWI等指數的動態變化特征。利用支持向量機（SVM）或隨機森林（RF）監督分類算法，構建海域類型識別模型，并結合面向對象的分割規則優化邊界，提升斑塊的空間完整性與分類一致性[10]。分類體系具體劃分見表2。

2.3海域生態環境變化識別

海域生態環境變化識別通過遙感數據的多源、多尺度與多時相特性，構建動態檢測體系[11]。采用Sentinel-2MSI與MODISTerra/Aqua（空間分辨率 250m ，重訪周期1d）影像，提取ND-WI、 Chl-a. 、AOD等生態因子，利用 ΔNDWI 、ΔNDVI 關鍵生態參數。變化檢測采用 ΔNDWI ΔNDVI 等差異指數與Theil一Sen斜率法，以量化變化速率與方向[12]。并通過Mann－Kendall趨勢檢驗（顯著性水平 α=0.05; 評估其統計可靠性。空間層面采用對象級變化檢測（OBCD）技術，結合動態圖像分割方法提升小尺度變化的識別精度。最終構建復合生態指數（CEI，實現生態變化強度的空間定量表達[13]。

3遙感技術在典型海灣海域使用識別中的創新應用

在典型復合型海域——膠州灣（年均海表溫度 15.2^°C ，鹽度 30.6‰ ，透明度 1.2～1.8m ，集成多源遙感協同解譯、時序數據融合與AI輔助分類，構建多維遙感識別框架。通過Sentinel-1與Sentinel一2MSI影像提取結構與變化圖層，結合MODIS季度級NDWI、 Chl-a 、SSC等生態參數序列提升時效與生態識別能力[14]。分類算法采用CNN與隨機森林融合模型，顯著增強邊界與小尺度識別，總體精度（OA）與Kappa值明顯優于傳統方法，見表3。

表3數據顯示，傳統監督分類總體精度為81.35% ，Kappa系數為0.756，存在邊界誤差；面向對象多尺度分割法總體精度提升至 85.92% .顯示其結構優勢；多源融合與CNN一RF組合算法總體精度達91. 68% ，Kappa系數提升至0.869，顯著增強了復雜海域類型的識別與一致性[15]。

4結論

遙感技術在典型海灣海域使用動態識別中的應用展現出多源數據融合、時序分析與智能分類的協同優勢，有效提升了復雜用海結構與生態變化的識別精度。未來應強化多尺度數據的實時接入與動態建模機制，構建更高頻率、更高分辨率的海域監測體系，實現對海岸帶資源可持續利用的精細化管理與預警支持。

參考文獻：

[1]付弘濤，張昊睿，秦平，等.基于遙感和OpenCV的海域使用疑點疑區自動提取與變化檢測方法研究[J].海洋技術學報，2022，41（3）：10—16.

[2]付弘濤，秦平，齊安翔，等.長江河口海域重疊區域典型用海用島遙感變化監測及管理策略[J].海洋信息技術與應用，2024，39（3）：164—171.

[3]王義方，李新舉，李富強，等.基于多時相遙感影像的采煤塌陷區典型擾動軌跡識別：以山東省濟寧市典型高潛水位礦區為例[J].地質學報，2019，93（S1）：301-309.

[4]林玲，金襲，員鵬，等.溫州海岸帶典型生境的識別方法、空間分布及保護修復[J].福建林業科技，2024，51（3）：118—123，130.

[5]丁夢磊.光學遙感圖像中艦船識別方法研究[J].艦船科學技術，2024，46（16）：143—147.

[6]關純安，倪元龍，高偉，等.基于衛星和無人機融合的海域動態監測方法研究與應用[J」.山東國土資源，2025，41（3）：52-59.

[7]翁宇斌，孫芹芹，張加晉.基于多源數據的典型海灣岸灘環境歷史演變分析：以福建省安海灣為例[J].華南師范大學學報（自然科學版），2024，56（5）：102—108.

[8］張才學，林宏升，孫省利.廣東省典型海灣表層沉積有機質的來源和分布[J].熱帶海洋學報，2012，31（6）：62-68.

[9]孟云閃，韓志聰，曹英志，等.空間分辨率對海岸線時空演變遙感分析的影響：以渤海灣為例[J.海洋開發與管理，2023，40（4）：122—131.

[10]白雪冬，卜祥松.遙感技術在海域使用動態監測中的應用[J]中文科技期刊數據庫（全文版）自然科學，2024（11）：128—131.

[11]史奇讓.基于遙感的近海污染物空間分布特征與污染狀況評價研究[J].環境科學與管理，2024，49（3）：190—194.

[12]李陽，關純安，劉浩，等.基于高分遙感影像和矢量數據的海域使用現狀調查與分析：以山東省管轄海域為例[J].山東國土資源，2023，39（6）：52-59.

[13]蔣正江，王恩國.基于衛星遙感的某核電站近岸海域溫度場分析[J].世界核地質科學，2025，42（1）：178—186.

[14]石海崗，薛慶，章新益，等.基于遙感的海域環境變化監測分析[J].環境監測管理與技術，2024，36（1）：53-56.

[15」徐金夢，丁苗苗，于潭，等.基于衛星遙感的黃海海域溢油提取[J].石化技術，2024，31（9）：352-354.

（收稿日期：2025-04-28）