2024年 第46卷 第5期
2024, 46(5): 1-15.
doi: 10.12284/hyxb2024028
摘要:
大西洋水是北冰洋内部最重要的储热层，而西北冰洋楚科奇边陲区域是大西洋水进入加拿大海盆的关键海域，研究大西洋水在楚科奇边陲区域的变化能深入揭示大西洋水对北冰洋的影响。本文收集整理并校正1999−2021年的大量历史水文数据，探讨了近年来在波弗特流涡加强和摆动背景下，大西洋水、太平洋冬季水和双扩散阶梯结构在西北冰洋楚科奇边陲区域的时空变化。结果表明，在研究时段内楚科奇边陲区域出现了3次大西洋水暖异常信号，出现时间分别在2000年、2012年和2018年，异常暖水核心处的位温均超过1℃。太平洋冬季水核心和大西洋水核心间垂向平均热含量在楚科奇边陲区域中部和东部显著升高，主要归因于太平洋冬季水核心位温的增高。太平洋冬季水核心深度对波弗特流涡变化的响应相比大西洋水更显著。太平洋冬季水核心位温与大西洋水核心位温的联动变化调制着双扩散阶梯结构的变化。加拿大海盆内的双扩散阶梯结构呈现出从大阶梯结构向小阶梯结构过渡、直至大范围消亡的演变。该过程的主要调控机制为大西洋水核心位温的降低以及其上界面层化的增强抑制了垂向混合。
大西洋水是北冰洋内部最重要的储热层，而西北冰洋楚科奇边陲区域是大西洋水进入加拿大海盆的关键海域，研究大西洋水在楚科奇边陲区域的变化能深入揭示大西洋水对北冰洋的影响。本文收集整理并校正1999−2021年的大量历史水文数据，探讨了近年来在波弗特流涡加强和摆动背景下，大西洋水、太平洋冬季水和双扩散阶梯结构在西北冰洋楚科奇边陲区域的时空变化。结果表明，在研究时段内楚科奇边陲区域出现了3次大西洋水暖异常信号，出现时间分别在2000年、2012年和2018年，异常暖水核心处的位温均超过1℃。太平洋冬季水核心和大西洋水核心间垂向平均热含量在楚科奇边陲区域中部和东部显著升高，主要归因于太平洋冬季水核心位温的增高。太平洋冬季水核心深度对波弗特流涡变化的响应相比大西洋水更显著。太平洋冬季水核心位温与大西洋水核心位温的联动变化调制着双扩散阶梯结构的变化。加拿大海盆内的双扩散阶梯结构呈现出从大阶梯结构向小阶梯结构过渡、直至大范围消亡的演变。该过程的主要调控机制为大西洋水核心位温的降低以及其上界面层化的增强抑制了垂向混合。
2024, 46(5): 16-26.
doi: 10.12284/hyxb2024074
摘要:
沉积物耗氧（SOC）是海洋沉积物重要参数，是海底沉积物有机质矿化速率的重要表征参数，开展沉积物耗氧的研究有助于了解整个海洋的碳循环过程。陆架边缘海作为有机质矿化和埋藏最重要和最活跃的场所之一，在全世界已经受到广泛关注与研究，但是对于具有海洋环境典型季节变化的中国边缘海区域，尤其是黄、渤海仍然缺乏相应的关注。本文使用整柱培养法，分别于2022年4月、7月和10月对黄、渤海沉积物耗氧进行研究，结果表明黄、渤海沉积物耗氧速率为7.11～17.33 mmol/(m2·d)。黄海春季沉积物耗氧速率与渤海无显著差异（ANOVA，p > 0.05），夏季（ANOVA，p < 0.01）和秋季（ANOVA，p < 0.01）黄海沉积物耗氧速率低于渤海；黄海春季沉积物耗氧速率最高，秋季次之，夏季最小，渤海夏季和秋季接近，显著高于春季（ANOVA，p < 0.05），温度和沉积物Chl a浓度是主要影响因素。同时，用沉积物耗氧速率来评估海底有机质矿化速率，并与初级生产力相比较，结果表明渤海海底有机质矿化与初级生产力的占比范围为42.8%～74.5%，是渤海碳循环的关键环节之一，黄海海底沉积物有机质矿化在黄海碳循环中作用不如渤海显著。本文系统研究了黄、渤海沉积物耗氧速率及其时空分布特征，探究了黄、渤海地区有机质矿化对初级生产力的贡献，为理解黄、渤海区域有机质矿化和埋藏提供理论支持。
沉积物耗氧（SOC）是海洋沉积物重要参数，是海底沉积物有机质矿化速率的重要表征参数，开展沉积物耗氧的研究有助于了解整个海洋的碳循环过程。陆架边缘海作为有机质矿化和埋藏最重要和最活跃的场所之一，在全世界已经受到广泛关注与研究，但是对于具有海洋环境典型季节变化的中国边缘海区域，尤其是黄、渤海仍然缺乏相应的关注。本文使用整柱培养法，分别于2022年4月、7月和10月对黄、渤海沉积物耗氧进行研究，结果表明黄、渤海沉积物耗氧速率为7.11～17.33 mmol/(m2·d)。黄海春季沉积物耗氧速率与渤海无显著差异（ANOVA，p > 0.05），夏季（ANOVA，p < 0.01）和秋季（ANOVA，p < 0.01）黄海沉积物耗氧速率低于渤海；黄海春季沉积物耗氧速率最高，秋季次之，夏季最小，渤海夏季和秋季接近，显著高于春季（ANOVA，p < 0.05），温度和沉积物Chl a浓度是主要影响因素。同时，用沉积物耗氧速率来评估海底有机质矿化速率，并与初级生产力相比较，结果表明渤海海底有机质矿化与初级生产力的占比范围为42.8%～74.5%，是渤海碳循环的关键环节之一，黄海海底沉积物有机质矿化在黄海碳循环中作用不如渤海显著。本文系统研究了黄、渤海沉积物耗氧速率及其时空分布特征，探究了黄、渤海地区有机质矿化对初级生产力的贡献，为理解黄、渤海区域有机质矿化和埋藏提供理论支持。
2024, 46(5): 27-36.
doi: 10.12284/hyxb2024034
摘要:
海表温度是海洋最重要的物理量之一，提供了气候系统的基本信息，准确地预报海表温度有着广泛而重要的应用。近年来，基于人工智能的海温预报方法开始流行，并展现出巨大的潜力。基于卷积长短时记忆神经网络（ConvLSTM），本文研究了多尺度输入场对南海北部二维海表温度预报结果的影响。文章采用多元集合经验模态分解方法（MEEMD）将日均海表温度分解成多个尺度的空间主模态，并以不同的组合训练ConvLSTM模型进行预报实验。结果表明，采用前4个海表温度主模态数据训练模型时，预报1～7 d海表温度的均方根误差约为0.4～0.8℃，比仅用原始海表温度训练时减小了0.2～1.2℃；平均绝对百分比误差为1%～6%，减小了0.5%～10%；空间相关系数为99.5%～96.5%，提高了0.5%～3.5%。而且，随机实验也进一步证明该方法具有较高的普适性。基于深度学习的预报模型，需结合海温的物理特性，选择合适的数据进行训练，才能进一步提高其预报精度。本文初步探究了人工智能方法与物理概念在海温预报中的融合，可为以后的研究提供一定的参考。
海表温度是海洋最重要的物理量之一，提供了气候系统的基本信息，准确地预报海表温度有着广泛而重要的应用。近年来，基于人工智能的海温预报方法开始流行，并展现出巨大的潜力。基于卷积长短时记忆神经网络（ConvLSTM），本文研究了多尺度输入场对南海北部二维海表温度预报结果的影响。文章采用多元集合经验模态分解方法（MEEMD）将日均海表温度分解成多个尺度的空间主模态，并以不同的组合训练ConvLSTM模型进行预报实验。结果表明，采用前4个海表温度主模态数据训练模型时，预报1～7 d海表温度的均方根误差约为0.4～0.8℃，比仅用原始海表温度训练时减小了0.2～1.2℃；平均绝对百分比误差为1%～6%，减小了0.5%～10%；空间相关系数为99.5%～96.5%，提高了0.5%～3.5%。而且，随机实验也进一步证明该方法具有较高的普适性。基于深度学习的预报模型，需结合海温的物理特性，选择合适的数据进行训练，才能进一步提高其预报精度。本文初步探究了人工智能方法与物理概念在海温预报中的融合，可为以后的研究提供一定的参考。
2024, 46(5): 37-56.
doi: 10.12284/hyxb2024072
摘要:
利用南极半岛（D1-7）和南奥克尼群岛附近海域（D5-6）海洋沉积物有机质的分子生物标志物中所隐含的生态学关系，将重建的浮游生物生产力和种群结构变化与生物泵（BP）/微型生物碳泵（MCP）以及海洋碳汇和储碳效率联系起来研究。柱样沉积物中的一系列分子生物标志物在近百年里发生显著变化，上层海洋浮游生物生产力/群落结构与沉积碳库储量存在较大的时空演变，实际上均与全球气候变化相联系。研究结果如下：（1）从生物标志化合物正构烷烃分子组合特征和色谱图峰型、主峰碳（MH）、轻烃/重烃（L/H）、菌藻类-（nC15 + nC17 + nC19）、大型浮游植物-（nC21 + nC23 + nC25）和碳优势指数-（CPI）来看，沉积碳源主要是海源生物碳，海洋生物是固碳与储碳的天然碳汇。（2）D5-6柱样的有机质高富集，主要受海洋上层水体较高初级生产力、高沉积速率（平均为0.19 cm/a）、水深较浅（385 m）和还原性沉积环境（Pr/Ph值平均为0.95）这些均有利于颗粒有机碳（POC）通过BP过程从海洋表面输送到深海，快速埋藏和储存；而D1-7柱样因水深大（1 100 m）和沉积速率低（0.07 cm/a），含碳化合物沉降过程中发生降解，又被环境氧化降解（Pr/Ph值平均为1.22），二者均不利于沉积物储碳，但相比之下控制沉积物碳保存重要的因素可能是沉积速率。（3）近百年来南极半岛附近海域和南奥克尼群岛浮游动物总量、浮游植物初级生产力、硅藻和甲藻生物量趋于上升，而颗石藻生物量和所占比例呈减少趋势（南极半岛附近海域更明显），说明钙质生物泵作用在逐年下降，而硅藻主导的硅质泵作用在不断加强，这两个过程的相对强度在很大程度上决定了由生物泵结构（硅质泵/钙质泵）和效率、及其向海洋沉积物输送有机碳和无机碳的比例大小。（4）2个柱样的分子生物标志物变化趋势在整体上具有一定的可比性，均有明显的阶段性，在年代际突变后（1972年），受到显著影响的是南奥克尼群岛海域浮游动物总量从（5～6 cm）1982年开始发生明显增加，特别在1997年和2012年期间浮游动物总量开始剧增，意味着在全球变暖背景下浮游生物群落结构发生快速变化，浮游植物初级生产的降低和浮游动物总量的剧增，二者变异使得生物泵强度（增强/削弱）变化存在很大的不确定性。（5）相比之下，近百年来南极半岛附近海域浮游植物生产力/硅藻甲藻生物量逐渐提高，而微生物生产力/古菌生物量逐渐降低，意味着微生物固碳强度减弱，即MCP储碳效率在降低,揭示了全球变暖对海域浮游生物生产力/生物量的增减起到关键作用，而浮游生物群落生物量和组成特征直接影响南极海洋BP中上层水体有机碳的流动和MCP水柱固碳效率的强弱，作为全球海洋最大碳汇的南极，其储碳能力可能正在降低。
利用南极半岛（D1-7）和南奥克尼群岛附近海域（D5-6）海洋沉积物有机质的分子生物标志物中所隐含的生态学关系，将重建的浮游生物生产力和种群结构变化与生物泵（BP）/微型生物碳泵（MCP）以及海洋碳汇和储碳效率联系起来研究。柱样沉积物中的一系列分子生物标志物在近百年里发生显著变化，上层海洋浮游生物生产力/群落结构与沉积碳库储量存在较大的时空演变，实际上均与全球气候变化相联系。研究结果如下：（1）从生物标志化合物正构烷烃分子组合特征和色谱图峰型、主峰碳（MH）、轻烃/重烃（L/H）、菌藻类-（nC15 + nC17 + nC19）、大型浮游植物-（nC21 + nC23 + nC25）和碳优势指数-（CPI）来看，沉积碳源主要是海源生物碳，海洋生物是固碳与储碳的天然碳汇。（2）D5-6柱样的有机质高富集，主要受海洋上层水体较高初级生产力、高沉积速率（平均为0.19 cm/a）、水深较浅（385 m）和还原性沉积环境（Pr/Ph值平均为0.95）这些均有利于颗粒有机碳（POC）通过BP过程从海洋表面输送到深海，快速埋藏和储存；而D1-7柱样因水深大（1 100 m）和沉积速率低（0.07 cm/a），含碳化合物沉降过程中发生降解，又被环境氧化降解（Pr/Ph值平均为1.22），二者均不利于沉积物储碳，但相比之下控制沉积物碳保存重要的因素可能是沉积速率。（3）近百年来南极半岛附近海域和南奥克尼群岛浮游动物总量、浮游植物初级生产力、硅藻和甲藻生物量趋于上升，而颗石藻生物量和所占比例呈减少趋势（南极半岛附近海域更明显），说明钙质生物泵作用在逐年下降，而硅藻主导的硅质泵作用在不断加强，这两个过程的相对强度在很大程度上决定了由生物泵结构（硅质泵/钙质泵）和效率、及其向海洋沉积物输送有机碳和无机碳的比例大小。（4）2个柱样的分子生物标志物变化趋势在整体上具有一定的可比性，均有明显的阶段性，在年代际突变后（1972年），受到显著影响的是南奥克尼群岛海域浮游动物总量从（5～6 cm）1982年开始发生明显增加，特别在1997年和2012年期间浮游动物总量开始剧增，意味着在全球变暖背景下浮游生物群落结构发生快速变化，浮游植物初级生产的降低和浮游动物总量的剧增，二者变异使得生物泵强度（增强/削弱）变化存在很大的不确定性。（5）相比之下，近百年来南极半岛附近海域浮游植物生产力/硅藻甲藻生物量逐渐提高，而微生物生产力/古菌生物量逐渐降低，意味着微生物固碳强度减弱，即MCP储碳效率在降低,揭示了全球变暖对海域浮游生物生产力/生物量的增减起到关键作用，而浮游生物群落生物量和组成特征直接影响南极海洋BP中上层水体有机碳的流动和MCP水柱固碳效率的强弱，作为全球海洋最大碳汇的南极，其储碳能力可能正在降低。
2024, 46(5): 57-67.
doi: 10.12284/hyxb2024056
摘要:
为明确烟台长岛海洋牧场大型底栖动物群落组成及其分布特征，评估海洋牧场对大型底栖动物的影响，2022年10月在该海域牧场内外设置采样站位，开展大型底栖动物调查，并进行大型底栖动物群落特征分析。本航次共采集和鉴定了88种大型底栖动物，牧场内和对照区物种数量相近，但优势类群不同。在牧场内共鉴定出了70种，以软体动物为优势类群，对照区有69种，以环节动物为优势类群。共发现8种优势种，其中牧场内3种软体动物，对照区有6种，包括软体动物2种、棘皮动物1种和环节动物3种。大型底栖动物的平均丰度和生物量牧场内均显著高于对照区，但Margalef物种丰富度指数（d）、Pielou均匀度指数（J'）和Shannon-Wiener多样性指数（H'）在牧场内外相差较小。聚类分析（CLUSTER）和非度量多维标度排序分析（NMDS）结果表明，海洋牧场内外各站位相似性程度较低。AMBI和m-AMBI分析显示，研究海域总体受污染扰动较小，表明底栖生态健康较好。结合历史资料发现，调查区域大型底栖动物群落物种丰度和生物量均有较大增加，表明海洋牧场的发展对大型底栖动物群落的生长发育有一定程度的影响。
为明确烟台长岛海洋牧场大型底栖动物群落组成及其分布特征，评估海洋牧场对大型底栖动物的影响，2022年10月在该海域牧场内外设置采样站位，开展大型底栖动物调查，并进行大型底栖动物群落特征分析。本航次共采集和鉴定了88种大型底栖动物，牧场内和对照区物种数量相近，但优势类群不同。在牧场内共鉴定出了70种，以软体动物为优势类群，对照区有69种，以环节动物为优势类群。共发现8种优势种，其中牧场内3种软体动物，对照区有6种，包括软体动物2种、棘皮动物1种和环节动物3种。大型底栖动物的平均丰度和生物量牧场内均显著高于对照区，但Margalef物种丰富度指数（d）、Pielou均匀度指数（J'）和Shannon-Wiener多样性指数（H'）在牧场内外相差较小。聚类分析（CLUSTER）和非度量多维标度排序分析（NMDS）结果表明，海洋牧场内外各站位相似性程度较低。AMBI和m-AMBI分析显示，研究海域总体受污染扰动较小，表明底栖生态健康较好。结合历史资料发现，调查区域大型底栖动物群落物种丰度和生物量均有较大增加，表明海洋牧场的发展对大型底栖动物群落的生长发育有一定程度的影响。
2024, 46(5): 68-80.
doi: 10.12284/hyxb2024064
摘要:
红树林是海岸带的重要生态屏障，也是气候变化和人类活动的敏感区；底栖动物是对环境变化最直接的响应群体。基于2021年4月在潮汕海岸带红树林分布区7个站位的现场观测和样品采集，对沉积物环境、小型底栖动物的群落特征、空间分布及生态环境质量进行了分析。研究区共发现15个小型底栖动物类群，自由生活海洋线虫占丰度上的绝对优势（90.32%）；多毛类在生物量上居首（58.44%）。小型底栖动物平均丰度较其他红树林略高，其丰度分布和海洋线虫丰度，叶绿素a、脱镁叶绿酸、有机碳和重金属（Cd、Zn、Cu、Cr和Hg）含量具有相似的空间格局：中部区域莲阳河北岸最高，向南向北均降低。不同斑块间的动物群落相似性较高（70%），解释其群落结构差异分布的最佳环境因子是重金属Pb。海洋线虫与桡足类的丰度比（N/C）、潜在生态风险指数和沉积物质量分级结果均表明研究区环境质量整体较差。
红树林是海岸带的重要生态屏障，也是气候变化和人类活动的敏感区；底栖动物是对环境变化最直接的响应群体。基于2021年4月在潮汕海岸带红树林分布区7个站位的现场观测和样品采集，对沉积物环境、小型底栖动物的群落特征、空间分布及生态环境质量进行了分析。研究区共发现15个小型底栖动物类群，自由生活海洋线虫占丰度上的绝对优势（90.32%）；多毛类在生物量上居首（58.44%）。小型底栖动物平均丰度较其他红树林略高，其丰度分布和海洋线虫丰度，叶绿素a、脱镁叶绿酸、有机碳和重金属（Cd、Zn、Cu、Cr和Hg）含量具有相似的空间格局：中部区域莲阳河北岸最高，向南向北均降低。不同斑块间的动物群落相似性较高（70%），解释其群落结构差异分布的最佳环境因子是重金属Pb。海洋线虫与桡足类的丰度比（N/C）、潜在生态风险指数和沉积物质量分级结果均表明研究区环境质量整体较差。
2024, 46(5): 81-92.
doi: 10.12284/hyxb2024066
摘要:
石油污染以及塑料垃圾对海洋生态安全具有严重威胁，甚至在南大洋的罗斯海地区也发现石油污染和微塑料的存在。本研究为了获得该地区的低温烷烃降解菌和塑料降解菌，通过采集自南大洋罗斯海地区的12个沉积物样品用于富集分离南大洋低温烷烃降解菌株，结果表明十四烷富集菌群优势属主要包括假单胞菌属（Pseudomonas）、食烷菌属（Alcanivorax）、海单胞菌属（Marinomonas）、假交替单胞菌属（Pseudoalteromonas）等。进一步利用分离获得的烃类富集菌对聚对苯二甲酸乙二醇酯（PET）和聚乙烯（PE）进行降解验证，扫描电子显微镜（SEM）以及傅里叶变换红外光谱技术（ATR-FTIR）证明了Pseudomonas pelagia R1-05-CR3、Pseudomonas taeanensis A11-04-CA4、Halomonas titanicae A11-02-7C2和Rhodococcus cerastii R1-05-7C3这4株细菌对PE可进行有效降解。高效液相色谱质谱技术（UPLC-MS）和SEM结果表明R. cerastii R1-05-7C3、Microbacterium maritypicum RA1-00-CA1、H. titanicae A11-02-7C2对PET塑料具有降解能力。研究结果表明南大洋罗斯海近海沉积物中存在多样性的低温烃类及塑料降解菌，在原位环境污染中发挥自净作用，同时也为低温下烃与塑料污染生物降解提供了菌种资源。
石油污染以及塑料垃圾对海洋生态安全具有严重威胁，甚至在南大洋的罗斯海地区也发现石油污染和微塑料的存在。本研究为了获得该地区的低温烷烃降解菌和塑料降解菌，通过采集自南大洋罗斯海地区的12个沉积物样品用于富集分离南大洋低温烷烃降解菌株，结果表明十四烷富集菌群优势属主要包括假单胞菌属（Pseudomonas）、食烷菌属（Alcanivorax）、海单胞菌属（Marinomonas）、假交替单胞菌属（Pseudoalteromonas）等。进一步利用分离获得的烃类富集菌对聚对苯二甲酸乙二醇酯（PET）和聚乙烯（PE）进行降解验证，扫描电子显微镜（SEM）以及傅里叶变换红外光谱技术（ATR-FTIR）证明了Pseudomonas pelagia R1-05-CR3、Pseudomonas taeanensis A11-04-CA4、Halomonas titanicae A11-02-7C2和Rhodococcus cerastii R1-05-7C3这4株细菌对PE可进行有效降解。高效液相色谱质谱技术（UPLC-MS）和SEM结果表明R. cerastii R1-05-7C3、Microbacterium maritypicum RA1-00-CA1、H. titanicae A11-02-7C2对PET塑料具有降解能力。研究结果表明南大洋罗斯海近海沉积物中存在多样性的低温烃类及塑料降解菌，在原位环境污染中发挥自净作用，同时也为低温下烃与塑料污染生物降解提供了菌种资源。
2024, 46(5): 93-102.
doi: 10.12284/hyxb2024044
摘要:
网箱养殖是海水养殖中最重要的类型之一，各类网箱在遥感影像中形状不一，且背景复杂，以往的网箱提取方法，未能完全模拟人类的视觉行为，以及高效利用光谱信息。针对上述问题，提出深度多循环注意力光谱的U-Net网络模型（Spectral Loopy Attention U-Net, SLA-UNet）进行网箱养殖信息提取，使用基于最优尺度寻优（Estimation of Scale Parameter, ESP）的随机森林（Random Forest, RF）算法，去除波段运算后的冗余光谱信息，并添加类似人眼的注意力行为机制，深化影响网箱信息提取的重要特征通道，同时进行边缘补齐补充损失信息，实现了网箱养殖信息的高精度提取。选取广东省湛江市和海南省临高县作为研究区域，与Canny算子、Otsu算法、PCA_Kmeans算法、基于ESP的RF算法、U-Net模型提取结果进行对比，所提SLA-UNet模型近岸网箱的提取精度为98.3%，深海网箱提取精度平均值为98.9%，验证了SLA-UNet模型在网箱养殖识别中的有效性。
网箱养殖是海水养殖中最重要的类型之一，各类网箱在遥感影像中形状不一，且背景复杂，以往的网箱提取方法，未能完全模拟人类的视觉行为，以及高效利用光谱信息。针对上述问题，提出深度多循环注意力光谱的U-Net网络模型（Spectral Loopy Attention U-Net, SLA-UNet）进行网箱养殖信息提取，使用基于最优尺度寻优（Estimation of Scale Parameter, ESP）的随机森林（Random Forest, RF）算法，去除波段运算后的冗余光谱信息，并添加类似人眼的注意力行为机制，深化影响网箱信息提取的重要特征通道，同时进行边缘补齐补充损失信息，实现了网箱养殖信息的高精度提取。选取广东省湛江市和海南省临高县作为研究区域，与Canny算子、Otsu算法、PCA_Kmeans算法、基于ESP的RF算法、U-Net模型提取结果进行对比，所提SLA-UNet模型近岸网箱的提取精度为98.3%，深海网箱提取精度平均值为98.9%，验证了SLA-UNet模型在网箱养殖识别中的有效性。
2024, 46(5): 103-115.
doi: 10.12284/hyxb2024030
摘要:
滨海湿地具有重要的经济价值与生态价值，快速准确地监测其现状对滨海湿地资源的保护和管理具有重要意义。由于潮汐动态变化、植被光谱相似性以及云覆盖等因素的影响，滨海湿地的遥感监测具有较大挑战。本文提出了一个综合考虑潮位变化及植被物候特征的滨海湿地遥感分类方法，基于GEE（Google Earth Engine）平台，首先引入Fmask（Function of mask）算法进行云检测与去云处理，然后利用S-G（Savitzky-Golay）滤波算法重构NDVI（Normalized Difference Vegetation Index）时间序列数据，提取植被物候特征参数，采用随机森林算法实现互花米草（Spartina alterniflora）、芦苇（Phragmites australis）、碱蓬（Suaeda salsa）与茅草（Imperata cylindrica）4种湿地植被类型的提取；最后利用最大光谱指数合成算法 (Maximum Spectral Index Composite, MSIC) 生成最高与最低潮位合成影像，结合大津算法（Otsu）提取光滩与海水，实现滨海湿地的精细化遥感分类。研究结果表明，生长季开始时间、生长季结束时间、生长季时长、基准值、振幅、小季节积分是区分滨海湿地植被的重要植被物候特征参数。利用本方法对盐城滨海湿地进行分类，湿地总体分类精度达96.50%，Kappa系数为0.957 1，湿地植被中互花米草的使用者精度最高，为96.59%；其次是芦苇与碱蓬；茅草最低，为93.55%。与面向对象分类相比，本方法不仅能够提取完整的光滩范围，而且将总体精度提高了10.25%，体现出植被物候特征在滨海湿地动态变化遥感监测中的应用潜力。
滨海湿地具有重要的经济价值与生态价值，快速准确地监测其现状对滨海湿地资源的保护和管理具有重要意义。由于潮汐动态变化、植被光谱相似性以及云覆盖等因素的影响，滨海湿地的遥感监测具有较大挑战。本文提出了一个综合考虑潮位变化及植被物候特征的滨海湿地遥感分类方法，基于GEE（Google Earth Engine）平台，首先引入Fmask（Function of mask）算法进行云检测与去云处理，然后利用S-G（Savitzky-Golay）滤波算法重构NDVI（Normalized Difference Vegetation Index）时间序列数据，提取植被物候特征参数，采用随机森林算法实现互花米草（Spartina alterniflora）、芦苇（Phragmites australis）、碱蓬（Suaeda salsa）与茅草（Imperata cylindrica）4种湿地植被类型的提取；最后利用最大光谱指数合成算法 (Maximum Spectral Index Composite, MSIC) 生成最高与最低潮位合成影像，结合大津算法（Otsu）提取光滩与海水，实现滨海湿地的精细化遥感分类。研究结果表明，生长季开始时间、生长季结束时间、生长季时长、基准值、振幅、小季节积分是区分滨海湿地植被的重要植被物候特征参数。利用本方法对盐城滨海湿地进行分类，湿地总体分类精度达96.50%，Kappa系数为0.957 1，湿地植被中互花米草的使用者精度最高，为96.59%；其次是芦苇与碱蓬；茅草最低，为93.55%。与面向对象分类相比，本方法不仅能够提取完整的光滩范围，而且将总体精度提高了10.25%，体现出植被物候特征在滨海湿地动态变化遥感监测中的应用潜力。
2024, 46(5): 116-126.
doi: 10.12284/hyxb2024048
摘要:
“精灵圈”是海岸带盐沼植被生态系统中的一种“空间自组织”结构，对盐沼湿地的生产力、稳定性和恢复力有重要影响。无人机影像是实现“精灵圈”空间位置高精度识别及解译其时空演化趋势与规律的重要数据源，但“精灵圈”像素与背景像素在色彩信息和外形特征上差异较小，如何从二维影像中智能精准地识别“精灵圈”像素并对识别的单个像素形成个体“精灵圈”是目前的技术难点。本文提出了一种结合分割万物模型（Segment Anything Model，SAM）视觉分割模型与随机森林机器学习的无人机影像“精灵圈”分割及分类方法，实现了单个“精灵圈”的识别和提取。首先，通过构建索伦森−骰子系数（Sørensen-Dice coefficient，Dice）和交并比（Intersection over Union，IOU）评价指标，从SAM中筛选预训练模型并对其参数进行优化，实现全自动影像分割，得到无属性信息的分割掩码/分割类；然后，利用红、绿、蓝（RGB）三通道信息及空间二维坐标将分割掩码与原图像进行信息匹配，构造分割掩码的特征指标，并根据袋外数据（Out of Bag，OOB）误差减小及特征分布规律对特征进行分析和筛选；最后，利用筛选的特征对随机森林模型进行训练，实现“精灵圈”植被、普通植被和光滩的自动识别与分类。实验结果表明：本文方法“精灵圈”平均正确提取率96.1%，平均错误提取率为9.5%，为精准刻画“精灵圈”时空格局及海岸带无人机遥感图像处理提供了方法和技术支撑。
“精灵圈”是海岸带盐沼植被生态系统中的一种“空间自组织”结构，对盐沼湿地的生产力、稳定性和恢复力有重要影响。无人机影像是实现“精灵圈”空间位置高精度识别及解译其时空演化趋势与规律的重要数据源，但“精灵圈”像素与背景像素在色彩信息和外形特征上差异较小，如何从二维影像中智能精准地识别“精灵圈”像素并对识别的单个像素形成个体“精灵圈”是目前的技术难点。本文提出了一种结合分割万物模型（Segment Anything Model，SAM）视觉分割模型与随机森林机器学习的无人机影像“精灵圈”分割及分类方法，实现了单个“精灵圈”的识别和提取。首先，通过构建索伦森−骰子系数（Sørensen-Dice coefficient，Dice）和交并比（Intersection over Union，IOU）评价指标，从SAM中筛选预训练模型并对其参数进行优化，实现全自动影像分割，得到无属性信息的分割掩码/分割类；然后，利用红、绿、蓝（RGB）三通道信息及空间二维坐标将分割掩码与原图像进行信息匹配，构造分割掩码的特征指标，并根据袋外数据（Out of Bag，OOB）误差减小及特征分布规律对特征进行分析和筛选；最后，利用筛选的特征对随机森林模型进行训练，实现“精灵圈”植被、普通植被和光滩的自动识别与分类。实验结果表明：本文方法“精灵圈”平均正确提取率96.1%，平均错误提取率为9.5%，为精准刻画“精灵圈”时空格局及海岸带无人机遥感图像处理提供了方法和技术支撑。
2024, 46(5): 127-136.
doi: 10.12284/hyxb2024026
摘要:
针对北极融冰期的海冰密集度反演，并改善全球导航卫星系统反射测量（GNSS-R）对海水的海冰密集度高估问题，本文提出一种利用机器学习算法生成高时空分辨率的融冰期海冰密集度估算方法，提取GNSS-R时延多普勒图（DDM）的特征参数，并结合海表温度数据建立LightGBM模型，将反演结果与参考海冰密集度值进行相关性分析和评估。本文的模型结果与OSI SAF的海冰密集度产品显示出较好的一致性，相关系数、平均绝对误差和均方根误差分别为0.965、0.061和0.090。该方法能够实现对北极海冰边缘区的海冰密集度高精度估计。
针对北极融冰期的海冰密集度反演，并改善全球导航卫星系统反射测量（GNSS-R）对海水的海冰密集度高估问题，本文提出一种利用机器学习算法生成高时空分辨率的融冰期海冰密集度估算方法，提取GNSS-R时延多普勒图（DDM）的特征参数，并结合海表温度数据建立LightGBM模型，将反演结果与参考海冰密集度值进行相关性分析和评估。本文的模型结果与OSI SAF的海冰密集度产品显示出较好的一致性，相关系数、平均绝对误差和均方根误差分别为0.965、0.061和0.090。该方法能够实现对北极海冰边缘区的海冰密集度高精度估计。
Email alert
RSS
