遥感技术在典型海湾海域使用动态识别中的研究

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。

1.3 区域特征提取方法

区域特征提取方法融合几何形态、光谱响应与空间分布特征，实现海湾海域结构与利用模式的定量识别[5。基于Landsat -8（30m） 与Senti-nel—2MSI影像，提取B1－B8A光谱特征与GLCM纹理 （0^∘，45^∘，90^∘，135^∘） 。地形数据使用SRTM（30m） 或ASTERGDEM（ 15m 获取坡度、高程等，结合空间聚类与分割算法划定功能边界[]。引人FDI与CONTAG景观指标，结合K一Means与面向对象规则，构建多尺度海域使用识别图层。

2 遥感技术在海湾海域使用动态识别中的应用

2.1遥感图像预处理技术

遥感图像预处理技术是海湾海域动态识别的关键环节，主要用于纠正几何畸变、辐射误差与光谱漂移，确保空间与光谱一致性。处理流程包括6S模型辐射定标、RMS控制点精度小于0.5像素的几何校正、二阶多项式重采样与配准。图像融合采用Brovey变换与PCA提升分辨率至2m ，增强细节识别。通过结合高程数据与ND-WI提取动态边界，区域掩膜裁剪与云雾检测可将分析误差控制在 5% 以内[8]。

2.2 海域利用类型识别

海域利用类型识别通过光谱、几何与时序特征分析，精准判定功能性用海区域的分类边界[9]采用Landsat—8OLI（陆地成像仪）、Sentinel—2MSI与GF一2（高分二号卫星）多光谱数据，结合空间分辨率 10～30m 的影像，提取时序NDWI、NDVI、MNDWI等指数的动态变化特征。利用支持向量机（SVM）或随机森林（RF）监督分类算法，构建海域类型识别模型，并结合面向对象的分割规则优化边界，提升斑块的空间完整性与分类一致性[10]。分类体系具体划分见表2。

2.3海域生态环境变化识别

海域生态环境变化识别通过遥感数据的多源、多尺度与多时相特性，构建动态检测体系[11]。采用Sentinel-2MSI与MODISTerra/Aqua（空间分辨率 250m ，重访周期1d）影像，提取ND-WI、 Chl-a. 、AOD等生态因子，利用 ΔNDWI 、ΔNDVI 关键生态参数。变化检测采用 ΔNDWI ΔNDVI 等差异指数与Theil一Sen斜率法，以量化变化速率与方向[12]。并通过Mann－Kendall趋势检验（显著性水平 α=0.05; 评估其统计可靠性。空间层面采用对象级变化检测（OBCD）技术，结合动态图像分割方法提升小尺度变化的识别精度。最终构建复合生态指数（CEI，实现生态变化强度的空间定量表达[13]。

3遥感技术在典型海湾海域使用识别中的创新应用

在典型复合型海域——胶州湾（年均海表温度 15.2^∘C ，盐度 30.6‰ ，透明度 1.2～1.8m ，集成多源遥感协同解译、时序数据融合与AI辅助分类，构建多维遥感识别框架。通过Sentinel-1与Sentinel一2MSI影像提取结构与变化图层，结合MODIS季度级NDWI、 Chl-a 、SSC等生态参数序列提升时效与生态识别能力[14]。分类算法采用CNN与随机森林融合模型，显著增强边界与小尺度识别，总体精度（OA）与Kappa值明显优于传统方法，见表3。

表3数据显示，传统监督分类总体精度为81.35% ，Kappa系数为0.756，存在边界误差；面向对象多尺度分割法总体精度提升至 85.92% .显示其结构优势；多源融合与CNN一RF组合算法总体精度达91. 68% ，Kappa系数提升至0.869，显著增强了复杂海域类型的识别与一致性[15]。

4结论

遥感技术在典型海湾海域使用动态识别中的应用展现出多源数据融合、时序分析与智能分类的协同优势，有效提升了复杂用海结构与生态变化的识别精度。未来应强化多尺度数据的实时接入与动态建模机制，构建更高频率、更高分辨率的海域监测体系，实现对海岸带资源可持续利用的精细化管理与预警支持。

参考文献：

[1]付弘涛，张昊睿，秦平，等.基于遥感和OpenCV的海域使用疑点疑区自动提取与变化检测方法研究[J].海洋技术学报，2022，41（3）：10—16.

[2]付弘涛，秦平，齐安翔，等.长江河口海域重叠区域典型用海用岛遥感变化监测及管理策略[J].海洋信息技术与应用，2024，39（3）：164—171.

[3]王义方，李新举，李富强，等.基于多时相遥感影像的采煤塌陷区典型扰动轨迹识别：以山东省济宁市典型高潜水位矿区为例[J].地质学报，2019，93（S1）：301-309.

[4]林玲，金袭，员鹏，等.温州海岸带典型生境的识别方法、空间分布及保护修复[J].福建林业科技，2024，51（3）：118—123，130.

[5]丁梦磊.光学遥感图像中舰船识别方法研究[J].舰船科学技术，2024，46（16）：143—147.

[6]关纯安，倪元龙，高伟，等.基于卫星和无人机融合的海域动态监测方法研究与应用[J」.山东国土资源，2025，41（3）：52-59.

[7]翁宇斌，孙芹芹，张加晋.基于多源数据的典型海湾岸滩环境历史演变分析：以福建省安海湾为例[J].华南师范大学学报（自然科学版），2024，56（5）：102—108.

[8］张才学，林宏升，孙省利.广东省典型海湾表层沉积有机质的来源和分布[J].热带海洋学报，2012，31（6）：62-68.

[9]孟云闪，韩志聪，曹英志，等.空间分辨率对海岸线时空演变遥感分析的影响：以渤海湾为例[J.海洋开发与管理，2023，40（4）：122—131.

[10]白雪冬，卜祥松.遥感技术在海域使用动态监测中的应用[J]中文科技期刊数据库（全文版）自然科学，2024（11）：128—131.

[11]史奇让.基于遥感的近海污染物空间分布特征与污染状况评价研究[J].环境科学与管理，2024，49（3）：190—194.

[12]李阳，关纯安，刘浩，等.基于高分遥感影像和矢量数据的海域使用现状调查与分析：以山东省管辖海域为例[J].山东国土资源，2023，39（6）：52-59.

[13]蒋正江，王恩国.基于卫星遥感的某核电站近岸海域温度场分析[J].世界核地质科学，2025，42（1）：178—186.

[14]石海岗，薛庆，章新益，等.基于遥感的海域环境变化监测分析[J].环境监测管理与技术，2024，36（1）：53-56.

[15」徐金梦，丁苗苗，于潭，等.基于卫星遥感的黄海海域溢油提取[J].石化技术，2024，31（9）：352-354.

（收稿日期：2025-04-28）