基于多源遥感技术的海藻养殖季节性动态与环境因子响应机制研究

本研究针对气候变化下南苏拉威西海藻养殖的季节性生产波动问题，通过整合无人机(UAV)与卫星遥感数据，构建了环境参数(温度、盐度、波浪)与Kappaphycus alvarezii产量的预测模型。研究发现盐度(r=-0.73)与波浪高度显著影响产量，Lasso回归模型解释度达79%，为气候适应性养殖提供科学依据。

　　

气候变化正对全球海藻养殖业构成严峻挑战，尤其在印度尼西亚南苏拉威西省，季风交替导致的水温、盐度和营养盐波动直接影响着主要经济藻类Kappaphycus alvarezii的生长。作为全球最大的海藻生产区，该地区2%的全国产量背后隐藏着农民们对抗自然规律的艰辛——传统经验难以预测的环境变化常导致减产，而科学模型的缺失更让精准管理无从谈起。

为破解这一难题，研究人员开展了一项创新性研究，通过"天空之眼"与"太空之眼"的协同观测，首次系统揭示了季风周期中海藻养殖的时空演变规律。研究团队采用DJI Phantom系列无人机获取厘米级分辨率影像，结合Sentinel-2等卫星的海洋环境数据，构建了2019-2024年间226公顷养殖区的动态图谱。特别值得注意的是，团队在雨季(12-2月)捕捉到海藻向0-5米浅水区聚集的生存策略，而过渡季(3-5月)则观察到向深水区扩张的适应性迁移。

关键技术包括：1) 无人机多光谱与RGB传感器协同采集，地面采样距离(GSD)达13-15.9厘米；2) Agisoft Metashape软件生成数字高程模型(DEM)校正的正射影像；3) 基于Avenza Map的27个地面控制点验证；4) 采用Lasso/Ridge回归处理Aqua Modis温度、Marine Copernicus盐度等多源数据。

研究结果揭示三大发现：

1. 空间分布模式

   无人机影像显示养殖区随季节呈规律性迁移，过渡季1(3-5月)产量达峰值809.02吨，显著高于西季风期(350.72吨)。ANOVA分析证实季节差异具有统计学意义(p=0.0127)。

2. 生产估算模型

   通过栽培绳长度计算法(公式：总湿重=绳长/捆距×单捆重)，建立产量预测方程。发现盐度与产量呈强负相关(r=-0.73，p=0.0071)，而波浪高度(R²=0.191)和降雨(R²=0.154)虽呈正相关但未达显著水平。

3. 环境驱动机制

   六年的数据追踪显示，盐度(32.81-34.44)和波浪是核心调控因子。Lasso回归筛选出这两个关键参数，模型解释度达79%，而保留全部变量的Ridge回归将解释度提升至82%，但存在温度-风速(r=-0.99)等强多重共线性问题。

讨论部分强调，该研究首次量化了季风过渡期(Transition 1)作为最佳养殖窗口的生态学基础，其温和的水文条件(波浪0.4-0.6m，盐度33.5)显著优于暴雨频繁的西季风期。研究创新性地采用正则化回归处理遥感数据的尺度差异问题，为发展中国家的低成本精准农业监测提供范本。

这项发表在《Remote Sensing Applications: Society and Environment》的成果，不仅为农民提供了基于环境阈值的种植决策工具，更开创了"无人机-卫星"协同的养殖监测新模式。未来通过引入ARIMA时间序列分析，有望进一步优化季节性生产预测，助力实现联合国可持续发展目标(SDGs)中的气候适应性水产养殖。