茅尾海入海河口池塘养殖污染状况遥感调查

doi:10.13474/j.cnki.11-2246.2022.0196

测绘通报 ›› 2022, Vol. 0 ›› Issue (7): 12-17,53.doi: 10.13474/j.cnki.11-2246.2022.0196

茅尾海入海河口池塘养殖污染状况遥感调查

胡义强^1,2, 杨骥^1,2, 荆文龙^1,2, 彭小燕³, 蓝文陆³, 彭梦微³, 张雨萌⁴

1. 广东省科学院广州地理研究所(广东省遥感与地理信息系统应用重点实验室, 广东省地理时空大数据工程实验室), 广东广州 510070;
2. 南方海洋科学与工程广东省实验室(广州), 广东广州 511458;
3. 广西壮族自治区海洋环境监测中心站, 广西北海 536000;
4. 广东工业大学环境生态工程研究院, 广东广州 510006

收稿日期:2021-09-29 修回日期:2022-05-23 发布日期:2022-07-28
通讯作者: 杨骥。E-mail:yangji@gdas.ac.cn
作者简介:胡义强(1990—),男,硕士,工程师,主要从事生态环境遥感研究。E-mail:hyiqiang@gdas.ac.cn
基金资助:
广西科技重点研发计划(桂科AB20297037);国家自然科学基金(41976189;41976190);广东省科学院实施创新驱动发展能力建设专项(2019GDASYL-0301001);广东省科技计划项目(2021B1212100006);广东省引进创新创业团队项目(2016ZT06D336);南方海洋科学与工程广东省实验室(广州)(GML2019ZD0301);人才团队引进重大专项(GML2019ZD0301)

Remote sensing investigation on water pollution of pond aquaculture in estuary of Maowei Sea

HU Yiqiang^1,2, YANG Ji^1,2, JING Wenlong^1,2, PENG Xiaoyan³, LAN Wenlu³, PENG Mengwei³, ZHANG Yumeng⁴

1. Key Lab of Guangdong for Utilization of Remote Sensing and Geographical Information System(Guangdong Province Engineering Laboratory for Geographic Spatiotemporal Big Data, Guangzhou Institute of Geography, Guangdong Academy of Sciences), Guangzhou 510070, China;
2. Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou), Guangzhou 511458, China;
3. Marine Environmental Monitoring Center of Guangxi, Beihai 536000, China;
4. Institute of Environmental and Ecological Engineering, Guangdong University of Technology, Guangzhou 510006, China

Received:2021-09-29 Revised:2022-05-23 Published:2022-07-28

摘要/Abstract

摘要： 针对广西茅尾海入海河口池塘养殖污染问题,本文利用无人机多光谱遥感影像和实测水质数据,建立了反映水体营养状态的叶绿素a (Chl-a)、化学需氧量(COD)、悬浮物(SS)、总氮(TN)、总磷(TP)5种水质参数,反演光谱特征及遥感反演模型,并利用湖泊综合营养指数法对水体富营养化状态进行评价。研究结果表明:①Chl-a与蓝、近红外波段相关性显著,COD与红、红边波段相关性显著,SS与红边波段相关性显著,TN与近红外波段相关性显著,TP与蓝、绿波段相关性显著;②在建立的几种水质参数反演模型中,二次多项式函数反演模型综合效果最佳;③池塘养殖区水体富营养指数多集中在60～80,属于中度和重度富营养化程度,且近岸水体富营养化程度大多低于远岸。

关键词: 池塘养殖, 无人机, 水质参数, 遥感反演, 营养评价

Abstract: Aiming at the pollution of pond breeding in mouth of Mawei Sea in Guangxi, this paper based on unmanned aerial vehicle (UAV) multi-spectral remote sensing images and measured water quality data, establish spectral characteristics and remote sensing inversion model of five water quality parameters, which can reflecting the nutritional state of water bodies: Chlorophyll-A (Chl-A), Chemical Oxygen Demand (COD), Suspended Solid (SS), Total Nitrogen (TN) and Total Phosphorus (TP). Based on the inversion results, we evaluate the eutrophication status of water body. The results show that: ①Chl-A is significantly correlated with Blue and NIR bands, COD is highly correlated with Red and Red Edge bands, SS is highly correlated with Red Edge bands, TN issignificantly correlated with NIR bands, TP is highly correlated with Blue and Green bands. ②Among the established inversion models of water quality parameters, Quadratic polynomial function inversion model has the best fitting effect.③We found that the eutrophication index of water bodies in pond aquaculture area mainly ranged from 60 to 80, belonging to moderate and severe eutrophication degree, and the eutrophication degree of near-shore water bodies was lower than that of far-shore water bodies in spatial distribution.

Key words: pond aquaculture, UAV, water quality parameters, remote sensing inversion, nutritional evaluation

中图分类号:

P237

胡义强, 杨骥, 荆文龙, 彭小燕, 蓝文陆, 彭梦微, 张雨萌. 茅尾海入海河口池塘养殖污染状况遥感调查[J]. 测绘通报, 2022, 0(7): 12-17,53.

HU Yiqiang, YANG Ji, JING Wenlong, PENG Xiaoyan, LAN Wenlu, PENG Mengwei, ZHANG Yumeng. Remote sensing investigation on water pollution of pond aquaculture in estuary of Maowei Sea[J]. Bulletin of Surveying and Mapping, 2022, 0(7): 12-17,53.

参考文献

[1] EDWARDS P.Aquaculture environment interactions:past, present and likely future trends[J].Aquaculture, 2015, 447:2-14.
[2] 曹伏龙,夏丽华,郭治兴,等.海水养殖污染研究进展[J].广东农业科学,2015,42(22):97-105.
[3] 王皓,赵冬至,王林,等.水质遥感研究进展[J].海洋环境科学,2012,31(2):285-288.
[4] 王凤霞,夏卓异,郭雨辉,等.基于GEE的中国南海水质反演与富营养化评价[J].中国环境科学,2022,42(2):826-833.
[5] 冯奇,程学军,沈欣,等.利用Landsat 8 OLI进行汉江下游水体浊度反演[J].武汉大学学报(信息科学版),2017,42(5):643-647.
[6] 郭云开,钱佳,雷宇斌,等.基于GF-1卫星数据的水库叶绿素a浓度联合反演研究[J].测绘工程,2021,30(4):14-19.
[7] 张宏建,王冰,周健,等.基于BP神经网络的内陆河流水质遥感反演[J].华中师范大学学报(自然科学版),2022,56(2):333-341.
[8] 付海军.基于高分一号与Landsat-8影像的水体浊度反演比较[J].测绘与空间地理信息,2017,40(6):109-112.
[9] 罗婕纯一,秦龙君,毛鹏,等.水质遥感监测的关键要素叶绿素a的反演算法研究进展[J].遥感技术与应用,2021,36(3):473-488.
[10] 刘曼,付波霖,何宏昌,等.基于多时相主被动遥感的漓江水面监测与水质参数反演(2016-2020年)[J].湖泊科学,2021,33(3):687-706.
[11] 何振芳,郭庆春,邓焕广,等.南水北调调蓄湖泊水质参数遥感反演及其影响因素[J].水资源保护,2021,37(3):87-95.
[12] 刘海秋,任恒奎,牛鑫鑫,等.基于Sentinel-2遥感影像的巢湖蓝藻水华提取方法研究[J].生态环境学报,2021,30(1):146-155.
[13] WEI Lifei,WANG Zhou,HUANG Can,et al.Transparency estimation of narrow rivers by UAV-borne hyperspectral remote sensing imagery[J].IEEE Access,2020,8(168):137-153.
[14] SHAKHATREH H,SAWALMEH A H,AL-FUQAHA A,et al.Unmanned aerial vehicles (UAVs):a survey on civil applications and key research challenges[J].IEEE Access,2019,7:48572-48634.
[15] 蒯宇,王彪,吴艳兰,等.基于多尺度特征感知网络的城市植被无人机遥感分类[J].地球信息科学学报,2022,24(5):962-980.
[16] 张元敏.无人机航测技术在入海排污口排查中的应用[J].测绘通报,2020(1):146-149.
[17] WANG Xiaoping,ZHANG Fei,DING Jianli.Evaluation of water quality based on a machine learning algorithm and water quality index for the Ebinur Lake Watershed,China[J].Scientific Reports,2017,7:12858.
[18] 刘彦君,夏凯,冯海林,等.基于无人机多光谱影像的小微水域水质要素反演[J].环境科学学报,2019,39(4):1241-1249.
[19] 吴冰.渤黄海水体富营养化遥感探测[D].北京:中国地质大学(北京),2019.
[20] 陈艳,刘绥华,王堃,等.基于Landsat卫星影像的草海水质遥感反演及营养状态评价[J].水生态学杂志,2020,41(3):24-31.

茅尾海入海河口池塘养殖污染状况遥感调查

Remote sensing investigation on water pollution of pond aquaculture in estuary of Maowei Sea

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[2]	刘玉贤, 阮明浩, 闫臻. 一种基于机载激光点云的门型电塔精确提取方法[J]. 测绘通报, 2022, 0(7): 129-133.
[3]	周烨, 刘云波, 郑丽波, 龙泱君. 多平台点云数据的单木参数提取精度分析[J]. 测绘通报, 2022, 0(7): 168-172.
[4]	胡义强, 杨骥, 荆文龙, 杨传训, 舒思京, 李勇. 基于无人机遥感的海岸带生态环境监测研究综述[J]. 测绘通报, 2022, 0(6): 18-24.
[5]	周建国, 罗超, 彭朵. 微型无人机辅助的三角高程测量方法[J]. 测绘通报, 2022, 0(6): 71-75.
[6]	刘耀辉, 于祥惠, 范洁洁, 周洁, 程昊, 姚国标, 孟飞, 靳奉祥. 基于无人机影像和面向对象的中国西部地区农村宅基地面积快速估算[J]. 测绘通报, 2022, 0(6): 125-129.
[7]	万忠明, 王亚文, 范子义. 无人机倾斜摄影技术在边坡监测中的应用[J]. 测绘通报, 2022, 0(6): 170-172.
[8]	王广帅. 无人机倾斜摄影铁路轨道线高精度自动重建[J]. 测绘通报, 2022, 0(5): 133-139,156.
[9]	毕瑞, 甘淑, 袁希平, 李绕波, 高莎. 不同地形环境下无人机航线规划及三维建模分析[J]. 测绘通报, 2022, 0(4): 83-89,129.
[10]	任旭斌, 康建锋, 于东海. 无人机倾斜摄影测量在房屋建筑面积测算中的应用[J]. 测绘通报, 2022, 0(3): 116-120,126.
[11]	蔡嘉伦, 贾洪果, 刘国祥, 张波, 刘巧, 吴仁哲, 向卫, 毛文飞, 张瑞. 对比传统低空航测的无人机倾斜摄影测量精度评估[J]. 测绘通报, 2022, 0(2): 31-36.
[12]	贾煜, 汪泓, 蔡宏, 张磊. 结合地形因子与分层策略的喀斯特地区无人机影像分类[J]. 测绘通报, 2022, 0(2): 121-127.
[13]	范媛, 范宏, 吴建国, 林峻, 陈吉军, 巴日斯, 郑江华. 无人机影像识别白喉乌头的相对高程阈值法适用性分析[J]. 测绘通报, 2022, 0(2): 131-135.
[14]	高莎, 袁希平, 甘淑, 杨明龙, 袁新悦, 罗为东. 融合无人机影像与LiDAR点云的山区地表覆被景观特征探测[J]. 测绘通报, 2022, 0(1): 110-115.
[15]	周阳阳, 徐尚昭, 陈斌, 张青峰. 无人机倾斜摄影测量技术应用于自然保护区勘界[J]. 测绘通报, 2021, 0(9): 43-48.