我室王迪峰研究员及其合作者在遥感领域知名期刊IEEE Transactions on Geoscience and Remote Sensing上发表了题为“A New High-Resolution Remote Sensing Monitoring Method for Nutrients in Coastal Waters”（一种新的高空间分辨率遥感监测近海营养盐浓度的方法）的研究论文。论文第一作者为我室与浙江大学联合培养的博士生黄菁菁，通讯作者为我室王迪峰研究员，合作者包括上海交大与我室联培硕士研究生李鸿喆，我室何贤强研究员，白雁研究员与龚芳高级工程师。

海水养殖是一项重要的近海经济活动，过度养殖可能导致海洋生态系统恶化。养殖海域的营养物质浓度（主要是溶解无机氮（DIN）和活性磷酸盐（PO4））是表征海域健康状况的主要因素。传统的现场监测方法在时空上存在限制，而遥感技术具有高空间覆盖和长时间序列监测的优势，然而当前高空间分辨率遥感估测营养盐浓度的难点主要在于匹配的数据量较少，算法的精度有待提升等等。

本研究以温州苍南县大渔湾为主要研究区（图 1），该海域长期进行着海带的养殖。针对匹配数据量较少的问题，创新性地通过双星联合（Sentinel-2 和Sentinel-3）的方法进行解决。将覆盖温州近海的Sentinel-3 L2级数据与实地测量数据进行匹配，然后，通过Sentinel-2（大气校正后）和Sentinel-3之间的光谱对应转换获取了Sentinel-2波段和实测数据之间的匹配数据集。相对于Sentinel-2单独与实测数据进行匹配仅能匹配到10个站位的数据，通过双星联合的方法增加到了112个，大大提高了匹配数据量。

图1.大渔湾研究区示意图

针对算法的精度有待提升的问题，本研究使用了机器学习算法（包括支持向量机和高斯回归模型）构建了具有独立验证过程的反演模型，为防止过拟合，采用了5折交叉验证。得到无机氮模型验证集的RMSE为 0.13mg/L，活性磷酸盐验证集的RMSE为0.013mg/L，R²大于0.6（图 2）。应用模型得到长时序的大渔湾营养盐浓度的变化情况，以及不同季节的营养盐平均浓度（图 3），整体而言，大渔湾的营养盐在冬季高，夏季低。

图2. 模型精度散点图

图3. 大渔湾不同季节营养盐浓度分布情况

在此基础上，为分析营养盐变化的调控机制，着重分析了养殖筏架的变化情况和降水的情况。从遥感影像上提取养殖筏架的面积信息，发现大渔湾的养殖筏架一般出现于每年的9月底10月初，于次年的3月中几乎完全消失，数量于12月达到最大值。结合营养盐反演结果，发现养殖期内营养盐的浓度显著大于非养殖期。综合温州的降水主要集中在夏季（6月至8月）及其各月降水情况显示，整体营养物质浓度与养殖筏架面积呈正相关，与降水呈负相关，且与养殖筏架面积的相关性强于与降水的相关性（图 4）。

图4. 营养盐浓度与养殖筏架面积与降水量之间的关系

本研究实现了近岸海域高空间分辨率的营养盐遥感监测，给出了2015-2022年间大渔湾营养盐浓度的变化特征，并对其变化机制进行了初步的分析，为高分辨率遥感在近海养殖环境监测应用中的实用化给出了一条新的思路。相关技术作为成果“高分辨率入海排污及近海水质卫星遥感监视监测技术”的主要组成部分之一入选了“2023年浙江省生态环境十大科技创新”名单，并在2023年亚运会帆船比赛期间为海洋环境质量保障任务提供技术支撑，是科研支撑地方发展的重要举措。

论文引用：Huang, J.; Wang, D.; Pan, S.; Li, H.; Gong, F.; Hu, H.; He, X.; Bai, Y.; Zheng, Z. A New High-Resolution Remote Sensing Monitoring Method for Nutrients in Coastal Waters. IEEE Trans. Geosci. Remote Sensing 2023, 61, 1–15, doi:10.1109/TGRS.2023.3294436.