海洋科学  2021, Vol. 45 Issue (7): 9-17   PDF    
http://dx.doi.org/10.11759/hykx20200831003

文章信息

王鑫华, 刘建强, 邢前国, 陈艳拢. 2021.
WANG Xin-hua, LIU Jian-qiang, XING Qian-guo, CHEN Yan-long. 2021.
基于海岸带成像仪CZI的连云港紫菜养殖动态监测
Monitoring of Porphyra cultivation dynamics in Lianyungang based on coastal zone imager
海洋科学, 45(7): 9-17
Marine Sciences, 45(7): 9-17.
http://dx.doi.org/10.11759/hykx20200831003

文章历史

收稿日期:2020-08-31
修回日期:2020-12-10
基于海岸带成像仪CZI的连云港紫菜养殖动态监测
王鑫华1,2, 刘建强3, 邢前国1,2, 陈艳拢4     
1. 中国科学院海岸带环境过程与生态修复重点实验室, 中国科学院烟台海岸带研究所, 烟台 264003;
2. 中国科学院大学, 北京 100049;
3. 自然资源部 国家卫星海洋应用中心, 北京 100081;
4. 国家海洋环境监测中心, 大连 116023
摘要:连云港海域的紫菜养殖遥感监测对于规划紫菜养殖空间分布具有重要意义。基于50 m空间分辨率的“海洋一号C”卫星(HY-1C)海岸带成像仪(coastal zone imager,CZI)数据,利用归一化植被指数(NDVI)和人工目视解译,获取了2018年10月—2020年4月连云港沿岸的紫菜养殖遥感监测面积,并分析了紫菜养殖的季节变化特征。结果显示,连云港紫菜养殖区主要分布于海州湾和连岛附近海域;养殖区自9月至次年5月在CZI图像上可见,紫菜养殖遥感监测面积呈先增加后减少的趋势,1—2月其遥感监测面积通常达到一个养殖周期的最大值,3月初面积迅速减少;基于CZI影像的2019年度遥感监测面积为123 km2,2020年度为160 km2。建立HY-1C与哨兵二号(10 m)、高分一号(16 m)和Landsat-8(30 m)监测结果的线性模型,以Google Earth影像目视解译的紫菜养殖区遥感面积作为真实值,并将哨兵二号监测值转换为真实值。换算成真实值的2020年度紫菜养殖区真实面积为94 km2,较2015年度的42 km2增长了1倍多。研究展示CZI可用于紫菜养殖区的业务化观测。建议利用其1—2月份的多期遥感影像监测结果作为年度紫菜养殖区遥感监测面积的基准。
关键词HY-1C    海岸带成像仪(CZI)    NDVI    连云港    紫菜养殖    
Monitoring of Porphyra cultivation dynamics in Lianyungang based on coastal zone imager
WANG Xin-hua1,2, LIU Jian-qiang3, XING Qian-guo1,2, CHEN Yan-long4     
1. Key Laboratory of Coastal Zone Environmental Process and Ecological Remediation, Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. National Satellite Ocean Application Service, Ministry of Natural Resources, Beijing 100081, China;
4. National Marine Environmental Monitoring Center, Dalian 116023, China
Abstract: For planning the spatial distribution of Porphyra cultivation, remote sensing monitoring the Lianyungang sea area is of great significance. Normalized difference vegetation index (NDVI) and visual interpretation methods were used to extract the remote sensing monitoring area of Porphyra cultivation along the coast of Lianyungang from October 2018 to April 2020 based on Coastal Zone Imager (CZI) data of HY-1C satellite with a 50-m spatial resolution. Porphyra cultivation's seasonal variation characteristics were analyzed based on the extracted data. Results show that Porphyra cultivation area in Lianyungang was mainly distributed in the Haizhou Bay and the adjacent waters of the Liandao Island. From September to April of the following year, the aquaculture area was visible on CZI images, which showed that the monitored area first increased and then decreased. The remote sensing area reached the maximum value over a breeding period from January to February; then rapidly reduced in early March. The total remote sensing area in 2019 and 2020 was 123 km2 and 160 km2, respectively. The linear models of HY-1C, Sentinel-2 (10 m), and GF-1 (16 m) were established based on satellite images of the Porphyra area. The Google Earth's visual representation image was used to interpret the Porphyra cultivation's remote sensing area as the true value, and the Sentinel-2's monitoring value was converted into true value. The Porphyra cultivation area in 2020, which was converted into a true area, was about 94 km2; this is more than twice the monitoring results in 2015 when the true area of Porphyra was 42 km2. This study shows that CZI data can be used for operational monitoring of Porphyra cultivation zones. The multi-period remote sensing images of Porphyra in January to February were also suggested as a standard for the observed area of annual Porphyra cultivation.
Key words: HY-1C    coastal zone imager (CZI)    NDVI    Lianyungang    Porphyra cultivation    

紫菜养殖业是江苏连云港市渔业经济的重要组成部分[1], 连云港市具有独特的水环境和气候条件, 紫菜养殖历史悠久, 条斑紫菜优质[2]。连云港的紫菜养殖模式多采用插杆式养殖, 位于连云港市近岸水深较深的水域[3-4], 每个紫菜养殖周期, 紫菜遥感监测面积变化明显[5]。紫菜养殖的季节变化和紫菜养殖区的年际变化较大, 紫菜养殖的遥感监测对于规划紫菜养殖空间分布具有重要意义。

相比于现场调查监测, 卫星遥感具有监测范围大、分辨率高和周期短等优势[6], 国内外诸多学者基于卫星影像和无人机影像, 对海藻养殖区进行动态监测: 郭瑞宏[7]通过对比DVI、NDVI、FAI和VB-FAH等紫菜养殖区提取方法的精度, 指出NDVI的监测精度较高; 魏振宁等[8]利用Landsat影像研究了2000—2015年南黄海紫菜养殖区的空间分布, 得出连云港紫菜养殖区遥感监测面积由11 km2增长至65 km2, 且具有逐年增长的趋势; Lu等[9]以遥感和GIS技术, 通过面向对象分类法提取了连云港沿岸紫菜养殖区, 并分析紫菜养殖的空间分布、空间变化和扩张趋势; Xing等[10]利用多源传感器对黄海海藻养殖进行监测, 对江苏浅滩的紫菜养殖区进行精细化提取, 并对比各年的养殖设备回收时间。卫星遥感技术在我国近岸海藻养殖领域发挥了重要作用, 遥感技术逐渐成为海藻养殖区监测的重要方法之一[11-13]

2018年9月发射的“海洋一号C”(下简称HY-1C)卫星海岸带成像仪(coastal zone imager, CZI), 空间分辨率为50 m, 重访周期为3 d, 幅宽≥950 km, 具有高空间分辨率和获取频次高的优势[14-15], 有助于海藻养殖的动态监测。本文基于HY-1C数据, 利用NDVI(归一化植被指数)和动态阈值方法, 提取了2018年10月—2020年4月的连云港沿岸紫菜养殖区, 计算紫菜养殖遥感监测面积并分析其时空分布特征和季节变化规律, 并通过准同步卫星影像, 探究HY-1C与“高分一号”、“哨兵二号”和Landsat-8数据监测结果的差异, 以Google Earth影像人工解译的紫菜养殖区遥感面积作为紫菜养殖区真实面积, 将遥感监测值转换为真实值。本文旨在探索HY-1C CZI影像在插杆式紫菜养殖区动态监测方面的能力, 定量评估CZI影像的监测精度, 为连云港市紫菜养殖区遥感监测和HY-1C CZI影像应用于我国近海海藻养殖监测, 提供理论依据。

1 研究区概况

选取的研究区域位于江苏省连云港市的沿岸海域, 连云港市位于33°59′~35°07′N, 118°24′~119°48′E, 东临黄海, 北部与山东省相邻, 是江苏省重要的港口城市, 如图 1所示。

图 1 研究区域 Fig. 1 Study area 注: a: 中国近海, 红色方框为研究区域; b: 连云港市沿岸海域; c: CZI真彩色影像中的插杆式紫菜养殖区

连云港市地处暖温带, 历年平均气温14 ℃, 降水约920 mm, 气候温暖湿润, 独特的气候条件适合插杆式紫菜的养殖。连云港附近海域的紫菜养殖区年际变化明显, 近年来遥感监测的紫菜养殖区面积具有逐年增长的趋势。紫菜养殖区主要集中分布于海州湾和连岛附近海域, 每个紫菜养殖周期, 一般于1—2月紫菜养殖遥感监测面积达到年度最大[16]

2 数据与方法 2.1 数据来源

本文所使用的数据为海洋系列的HY-1C卫星CZI数据, 来自国家海洋卫星应用中心(https://osdds.nsoas.org.cn/), 每月选取1~3幅无云或少云的影像。经筛选, 本文共选取23景影像。此外, 选取2019年1月27日的“哨兵二号”影像、2020年1月4日的“高分一号”WFV影像和2019年1月16日的Landsat-8 OLI影像, 用于建立不同分辨率紫菜养殖区遥感监测面积之间的转换模型。Google Earth卫星影像空间分辨率达1~2.5 m至亚米级, 以Google Earth影像目视解译结果作为紫菜养殖区真实面积, 将遥感监测值转换为真实值。HY-1C CZI数据包括可见光和近红外范围的4个波段, 分别为0.42~0.50 μm的蓝波段、0.52~0.60 μm的绿波段、0.61~0.69 μm的红波段和0.76~0.89 μm的近红外波段。

2.2 研究方法与数据处理

紫菜体内富含叶绿素a、胡萝卜素、叶黄素、藻红蛋白、藻蓝蛋白、R-藻蓝蛋白等, 条斑紫菜通常表现出红褐色乃至紫褐色[17]。本文随机选取了连云港沿岸的100个紫菜养殖区样点和周围海域的100个海水样点, 分别统计紫菜养殖区与海水的辐射亮度随波长变化, 如图 2(a)所示。可以看到, 近红外波段紫菜养殖区的辐射亮度高于海水, 而红波段紫菜养殖区辐射亮度低于海水, 因此, 本文利用归一化植被指数(NDVI), 通过设置动态阈值, 结合真彩色影像来提取紫菜养殖区。NDVI的计算公式如下:

$ {\rm{NDVI = }}\left( {{L_{{\rm{NIR}}}} - {L_{{\rm{Red}}}}} \right)/\left( {{L_{{\rm{NIR}}}} + {L_{{\rm{Red}}}}} \right), $ (1)

其中, LNIR表示近红外波段的辐射亮度, LRed为红光波段的辐射亮度, 分别对应于数据的第4和第3波段。针对NDVI的计算结果, 选取3 000个左右典型海水和紫菜养殖区样本, 统计紫菜养殖区和海水的NDVI频率分布, 如图 2(b)所示。本文设定的紫菜养殖区提取阈值为-0.4, 即高于-0.4的识别为紫菜养殖区, 可以将绝大多数(95%以上)的紫菜养殖区像元识别出来。但由于不同水域泥沙含量和水体环境的差异, 设置50×50~100×100的窗口, 设置[-0.45, -0.35]的动态阈值进行提取。即对于周围海水NDVI值较高的紫菜养殖区识别, 设定大于-0.35的提取范围, 而对于周围海水NDVI值较低时, 设定大于-0.45的范围, 使得紫菜养殖区遥感提取结果更为准确。

图 2 紫菜养殖区与海水的辐射亮度随波长变化及NDVI频率分布 Fig. 2 (a) Radiance of Porphyra cultivation area and sea water varies with wavelength; (b) NDVI frequency distribution of Porphyra cultivation area and sea water

数据处理过程包括: 1) 数据的预处理: 包括辐射定标、几何校正、图像裁剪等。2) 计算NDVI: 将陆地掩膜, 并计算紫菜养殖区水域的NDVI。3) 紫菜养殖区提取: 将影像的4、3、2波段分别赋予R、G、B进行假彩色合成, 设置动态阈值并结合目视解译对紫菜养殖区进行提取。4)信息统计: 利用GIS将数据的地理坐标转换为UTM WGS 1984 51°N投影坐标, 并将多期紫菜养殖区遥感结果叠加得到年度紫菜养殖区遥感结果, 统计分析紫菜养殖信息, 包括紫菜养殖季节变化, 紫菜养殖区遥感监测面积、分布区域等。

3 结果与讨论 3.1 紫菜养殖季节变化

HY-1C CZI每一景影像监测到的紫菜养殖区为单期紫菜养殖遥感结果, 计算每一期紫菜养殖遥感监测面积, 并绘制紫菜养殖遥感结果季节分布图和单期遥感监测面积变化图, 如图 3~图 5所示。连云港市紫菜养殖周期为9月至次年5月左右, 通常于次年1—2月遥感监测面积达到最大。为方便表述, 本文将2018年9月至2019年5月遥感监测到的紫菜养殖区规定为2019年度, 2019年9月至2020年5月这一养殖周期规定为2020年度。

图 3 2019年度连云港市紫菜养殖区遥感结果 Fig. 3 Remote sensing results of Porphyra cultivation area in Lianyungang in 2019

图 4 2020年度连云港市紫菜养殖区遥感结果 Fig. 4 Remote sensing results of Porphyra cultivation area in Lianyungang in 2020

图 5 2019与2020年度单期紫菜养殖区遥感结果 Fig. 5 Remote sensing results of Porphyra cultivation area in single phase in 2019 and 2020

2019年度于2018年10月23日在HY-1C影像上首次监测到紫菜养殖, 遥感监测面积为18 km2, 2020年度首次发现于2019年9月30日, 遥感监测面积为3 km2。推测连云港紫菜养殖设备开始紫菜养殖时间为9月份前后, 这与郭瑞宏[7]的监测结果一致。紫菜幼苗下种之后, 叶体长度达到20 cm左右即可进行收割, 整个养殖周期可收割10余次[18]。9月至11月初, 连云港市沿岸海域紫菜养殖陆续开始, 紫菜养殖遥感监测面积达到40 km2左右。至12月底, 紫菜养殖遥感监测面积迅速持续增加至100 km2左右; 之后于次年1月底, 遥感监测面积达到年度最大值, 2019年度单期最大遥感监测面积为2019年1月27日监测到的112 km2, 2020年度为2020年1月31日监测到的149 km2。1月初到2月底, 紫菜养殖遥感监测面积始终在100 km2以上, 其中2020年遥感监测面积比2019年同期大20~40 km2左右。

3月初开始, 紫菜进入养殖后期, 大面积的紫菜养殖设施被拆除, 遥感影像监测到的紫菜养殖面积迅速减少, 3月初至4月初, 2019年紫菜养殖遥感监测面积从100 km2减少至20 km2左右, 2020年紫菜养殖遥感监测面积从120 km2减少至10 km2左右。从遥感监测结果看, 海州湾沿岸海域养殖设施回收更快, 而连岛附近及连岛至灌河口海域回收进程结束较晚。4月初至4月底, 紫菜养殖遥感监测面积减少并不明显, 此时紫菜养殖设施回收进入尾声。整体而言, 2020年度紫菜养殖设备回收进程快于2019年度。

对比两年的遥感监测结果, 整体进程和变化趋势相差不大。紫菜养殖设备开始紫菜养殖时间均为9月份前后, 遥感监测面积最大时间段同为1月底, 该时段遥感监测到的紫菜养殖面积为年度最大值。3月初都进入养殖后期, 遥感监测面积迅速下降, 4月进入尾声。其中, 2020年度养殖设施回收进程相比于2019年度更快。该结果显示, 可利用卫星遥感对紫菜养殖的时空分布、养殖设备回收进程和季节变化进行监测。

3.2 紫菜养殖区空间分布

1—2月份为紫菜生长旺季, 紫菜养殖密度和紫菜养殖遥感监测面积较大, 因此本文建议利用其1—2月份的多期遥感影像监测结果作为年度紫菜养殖区遥感监测面积的基准。将1、2月份多期遥感结果合成年度紫菜养殖区遥感结果, 绘制2019与2020年度连云港市紫菜养殖区遥感结果的空间分布图, 如图 6图 7所示。其中, 2019年度紫菜养殖区遥感监测面积为123 km2, 2020年度为160 km2, 均比各自最大单期遥感监测面积高约10 km2

图 6 2019年度紫菜养殖区空间分布 Fig. 6 Spatial distribution of Porphyra cultivation area in 2019

图 7 2020年度紫菜养殖区空间分布 Fig. 7 Spatial distribution of Porphyra cultivation area in 2020

从遥感监测结果看, 2019与2020年度的紫菜养殖区分布区域变化不大, 部分地区有所差异。2020年度在连岛北部和东北部海域(图 6图 7蓝圈内海域)监测到的紫菜养殖区更多, 而连岛至灌河口海域也由2019年度的35 km2增长至2020年度的43 km2, 面积增长较为显著。空间分布方面, 郭瑞宏[7]以Landsat数据研究了2000—2015年连云港沿岸紫菜养殖区的空间分布特征, 发现2010年之前, 紫菜养殖区主要分布于海州湾和连岛至灌河口近岸海域, 而2010年之后, 逐步向10 km外的海域扩张, 连岛沿岸的遥感监测结果也迅速增加。本文则发现近年紫菜养殖区扩张至近岸30 km左右海域, 连岛周边海域紫菜养殖区遥感监测结果增长显著。

3.3 多源遥感数据监测结果

相比于高空间分辨率数据“高分一号”(16 m)和“哨兵二号”(10 m), HY-1C(50 m)数据存在更多的混合像元, 导致监测结果差异明显。为评估HY-1C数据的监测结果, 本文选取紫菜长势较好的1月份的两期准同步卫星数据, 探究“高分一号”和“哨兵二号”与HY-1C监测结果之间的差异。

表 1所示, 两期影像的获取时间相近, 紫菜养殖遥感监测面积变化不大。通过选取样本, 研究3种数据监测结果的差异, 发现3种数据监测结果呈线性相关(如图 8所示)。其中, HY-1C(x)与GF-1(y)监测结果的关系为: y=0.830 6x–0.128 7(R2=0.978 1), HY-1C(x)与Sentinel-2(y)监测结果线性关系为: y=0.803 3x– 0.034 6(R2=0.986 2)。2015年度之前, 连云港市紫菜养殖区遥感监测多采用30 m分辨率的Landsat数据[7-8], 为了将2020年度HY-1C紫菜养殖区遥感监测面积与历史同期(2015年)对比, 本文又选取了2019年1月的一景Landsat-8影像, 建立了HY-1C(x)与Landsat-8(y) 遥感结果的线性关系, 结果为: y=0.922 4x–0.205 4 (R2=0.996 2)。相比于“高分一号”(16 m), Landsat-8 (30 m)和HY-1C(50 m), “哨兵二号”(10 m)空间分辨率最高, 监测精度更高。以“哨兵二号”的遥感监测面积作为标准, “高分一号”的监测结果多3.4%, Landsat-8的监测结果多14.8%, HY-1C的监测结果多24.49%。该结果显示, 采用NDVI动态阈值法, 连云港市沿岸插杆式紫菜养殖区的遥感监测, 至少在50 m、30 m、16 m和10 m这4种分辨率的水平上, 分辨率越高, 其遥感监测面积越低, 这与高分辨率影像的混合像元较少有关; Xing等[10]用不同分辨率遥感影像对江苏浅滩潮间带紫菜养殖区的监测结果也呈此趋势。

表 1 同期“高分一号”(GF-1)、“哨兵二号”(Sentinel-2)与HY-1C数据信息 Tab. 1 Data of GF-1, Sentinel-2, and HY-1C in the same period
卫星传感器 获取时间 空间分辨率/m
Sentinel-2B MSI 2019年1月27日10: 49: 59 10
HY-1C CZI 2019年1月27日10: 50: 42 50
GF-1 WFV 2020年1月4日11: 13: 57 16
HY-1C CZI 2020年1月4日10: 51: 30 50

图 8 HY-1C与“哨兵二号”(Sentinel-2), “高分一号”(GF-1)和Landsat-8监测结果对比 Fig. 8 Comparison of monitoring results between HY-1C, Sentinel-2, GF-1, and Landsat-8

不同分辨率的遥感影像受混合像元效应的影响程度不同, 造成监测结果产生差异。为将遥感监测值转换为真实值, 本文将哨兵二号遥感监测值(x)转换为真实值(y), 如图 9: y=0.732 4x(R2=0.976 4)。基于50 m分辨率的HY-1C监测的结果显示, 2019年度紫菜养殖区遥感监测面积为123 km2, 2020年为160 km2, 换算成真实值的理论结果则分别为72 km2, 94 km2。Xing等[10]和魏振宁等[8]以30 m分辨率的Landsat数据监测的2015年该区域紫菜养殖区遥感监测面积为65 km2, 依据本文方法, 转换为真实值为42 km2。结果显示2015至2020年间, 该区域紫菜养殖区遥感监测面积增加1倍以上。

图 9 Sentinel-2遥感监测值与真实值对比 Fig. 9 Comparison of Sentinel-2 remote sensing monitoring value and true value
4 结论

本研究基于50 m分辨率的HY-1C CZI数据, 以归一化植被指数(NDVI)和动态阈值法, 获取了2018年10月—2020年4月两年度的连云港市紫菜养殖遥感监测面积, 并分析紫菜养殖的时空分布和季节变化特征, 结论如下:

1) 连云港市紫菜养殖季节变化明显, 两年度变化趋势基本保持一致: 9月份前后遥感影像开始监测到紫菜养殖, 10月后遥感监测面积迅速增加, 1—2月遥感监测面积达到养殖周期最大值, 3月初紫菜遥感监测面积迅速下降, 4月底紫菜养殖的1个周期基本结束。建议利用1、2月份的多期遥感影像提取合成年度紫菜养殖区遥感监测结果。

2) HY-1C CZI数据可用于插杆式紫菜养殖区的业务化观测评估。基于HY-1C CZI影像的2019年度紫菜养殖区遥感监测面积为123 km2, 2020年度为160 km2, 换算成真实值的2020年度连云港紫菜养殖区真实面积约为94 km2, 较2015年的42 km2增加了1倍多。

参考文献
[1]
滕亚娟, 史志. 连云港紫菜养殖业存在的问题与对策探讨[J]. 水利渔业, 2005, 25(4): 114-115.
Teng Yajuan, Shi Zhi. Discussion on the problems and countermeasures of laver breeding in Lianyungang[J]. Aquaculture Fisheries, 2005, 25(4): 114-115.
[2]
陈飞, 张耀存, 姜有山, 等. 连云港海区养殖优质条斑紫菜原因研究[J]. 气象科学, 2005, 25(5): 534-542.
Chen Fei, Zhang Yaocun, Jiang Youshan, et al. The research on Lianyungang sea area cultivation high quality Porphyra yezoensis (Ueda)[J]. Science Meteorologica Sinica, 2005, 25(5): 534-542. DOI:10.3969/j.issn.1009-0827.2005.05.013
[3]
李建军. 连云港市紫菜产业发展探析[J]. 渔业经济, 2019(11): 50-53.
Li Jianjun. Analysis on the development of laver industry in Lianyungang City[J]. Fishery Economy, 2019(11): 50-53.
[4]
Zhang J H, Zhao P, Huo Y Z, et al. The fast expansion of Pyropia aquaculture in "Sansha" regions should be mainly responsible for the Ulva blooms in Yellow Sea[J]. Estuarine, Coastal and Shelf Science, 2017, 189: 58-65. DOI:10.1016/j.ecss.2017.03.011
[5]
Qiu L P, Mao Y X, Tang L, et al. Characterization of Pythium chondricola associated with red rot disease of Pyropia yezoensis (Ueda) (Bangiales, Rhodophyta) from Lianyungang, China[J]. Journal of Oceanology and Limnology, 2018, 37(3): 1102-1112.
[6]
许海蓬, 张彦彦, 陈志远, 等. 近10年连云港海域紫菜养殖区遥感监测与分析[J]. 现代测绘, 2019, 42(3): 10-14.
Xu Haipeng, Zhang Yanyan, Chen Zhiyuan, et al. The remote sensing monitoring and analysis of Porphyra cultivation in Lianyungang in recent 10 years[J]. Modern Surveying and Mapping, 2019, 42(3): 10-14.
[7]
郭瑞宏. 江苏沿海紫菜养殖时空动态遥感(2000-2015)[D]. 北京: 中国科学院大学, 2017.
Guo Ruihong. Evaluation on the changes in the seaweed (Porphyra yezoensis) aquaculture in Jiangsu coastal waters using remote sensing[D]. Beijing: University of Chinese Academy of Sciences, 2017.
[8]
魏振宁, 邢前国, 郭瑞宏, 等. 基于遥感的2000-2015年南黄海紫菜养殖空间分布变化研究[J]. 海洋技术学报, 2018, 37(4): 17-22.
Wei Zhenning, Xing Qianguo, Guo Ruihong, et al. Study on the spatial distribution variation of Porphyra aquaculture in the Southern Yellow Sea during the period 2000-2015 retrieved by satellite remote sensing[J]. Journal of Ocean Technology, 2018, 37(4): 17-22.
[9]
Lu X, Zhang Y Z, Zhang S, et al. Spatial change analysis of Porphyra yezoensis aquaculture in the Lianyungang coastal area by the use of remote sensing and geographic information system technology[J]. Journal of the Indian Society of Remote Sensing, 2019, 47(9): 1609-1622. DOI:10.1007/s12524-019-00987-7
[10]
Xing Q G, An D Y, Zheng X Y, et al. Monitoring seaweed aquaculture in the Yellow Sea with multiple sensors for managing the disaster of macroalgal blooms[J]. Remote Sensing of Environment, 2019, 231: 111279. DOI:10.1016/j.rse.2019.111279
[11]
Liu D Y, Keesing J K, Xing Q G, et al. World's largest macroalgal bloom caused by expansion of seaweed aquaculture in China[J]. Marine Pollution Bulletin, 2009, 58(6): 888-895.
[12]
Liu D Y, Keesing J K, Dong Z J, et al. Recurrence of the world's largest green-tide in 2009 in Yellow Sea, China: Porphyra yezoensis aquaculture rafts confirmed as nursery for macroalgal blooms[J]. Marine Pollution Bulletin, 2010, 62(9): 1423-1432.
[13]
Wu H L, Huo Y Z, Zhang J H, et al. Bioremediation efficiency of the largest scale artificial Porphyra yezoensis cultivation in the open sea in China[J]. Marine Pollution Bulletin, 2015, 95(1): 289-296.
[14]
周屈, 刘建强, 王剑茹, 等. 利用HY-1C卫星CZI数据的新型冠状病毒肺炎疫情期间武汉知音湖和黄家湖浊度监测研究[J]. 武汉大学学报(信息科学版), 2020, 45(5): 676-681.
Zhou Qu, Liu Jianqiang, Wang Jianru, et al. Water turbidity monitoring of Zhiyin and Huangjia Lakes in Wuhan for the 2019 novel coronavirus pneumonia using HY-1C CZI data[J]. Geomatics and Information Science of Wuhan University, 2020, 45(5): 676-681.
[15]
林明森, 何贤强, 贾永君, 等. 中国海洋卫星遥感技术进展[J]. 海洋学报, 2019, 41(10): 99-112.
Lin Mingsen, He Xianqiang, Jia Yongjun, et al. Advances in marine satellite remote sensing technology in China[J]. Haiyang Xuebao, 2019, 41(10): 99-112.
[16]
卢霞, 顾杨, 王晓静, 等. 连云港近海紫菜养殖区遥感识别、空间变异和驱动分析[J]. 海洋科学, 2018, 42(7): 87-96.
Lu Xia, Gu Yang, Wang Xiaojing, et al. The identification of Porphyra culture area by remote sensing and spatial distribution change and driving factors analysis[J]. Marine Sciences, 2018, 42(7): 87-96.
[17]
有贺祐胜, 于廷林. 条斑紫菜(Porphyra yezoensis)的颜色和色素[J]. 国外水产, 1982(4): 8-13.
ARUGA Yusho, Yu Tinglin. Color and pigment of Porphyra yezoensis[J]. Aquatic Products Abroad, 1982(4): 8-13.
[18]
李晓红. 连云港市紫菜产业有序发展研究——以赣榆区为例[J]. 经营管理, 2019(12): 67-70.
Li Xiaohong. A study on the orderly development of Porpyhra industry in Lianyungang city-A case study of Ganyu district[J]. Operating Management, 2019(12): 67-70.