基于多源遥感与GIS技术的海藻养殖季节性生产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，整合UAV航拍与卫星遥感数据，构建了融合环境参数（温度、盐度、波浪等）的Lasso/Ridge回归模型，揭示盐度（r=-0.73）与波高是影响Kappaphycus alvarezii产量的关键因子，为气候适应性养殖策略提供科学依据。

　　

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，季风转换导致的水温、盐度和营养盐波动显著影响经济藻类Kappaphycus alvarezii的生产稳定性。传统监测手段难以捕捉养殖区的时空动态变化，而环境因子与产量间的定量关系尚未明确。这一科学盲区制约着当地制定精准的气候适应策略，亟需融合新型遥感技术与环境建模方法破解生产难题。

研究人员通过整合无人机（UAV）多光谱传感器与Sentinel-2/Aqua Modis卫星数据，构建了2019-2024年期间涵盖四类季风期（西季风、东季风及过渡期）的养殖区动态数据库。采用Agisoft Metashape软件生成厘米级精度正射影像，结合GNSS地面控制点（GCP）实现水平误差<0.93米的精准地理配准。环境参数通过QGIS平台处理海洋哥白尼计划（Marine Copernicus）的盐度、海流数据和ERA5风浪数据集，运用Spearman秩相关与方差膨胀因子（VIF）分析揭示变量间共线性。为克服多重共线性，创新性采用Lasso回归筛选关键变量，并通过Ridge回归验证模型稳健性。

3.1 海藻养殖空间分布与生产模式
无人机航拍显示：雨季（12-2月）养殖区集中分布于0-5米浅水区，过渡期（3-5月）向>5米深水区扩展，干季（6-8月）呈现均匀分布。通过栽培绳长度模型估算，过渡期1产量最高（中位数809.02吨），显著高于西季风期（350.72吨，p=0.0127），ANOVA验证季节差异的统计学显著性。

3.2 环境因子关联机制
盐度呈现最强负相关性（r=-0.73，p=0.0071），简单回归显示其可解释53.2%产量变异（R²=0.532）。波高（r=0.44）与降雨（r=0.39）呈正相关但未达显著水平。温度与风速存在近完美负相关（r_s=-0.99），VIF分析证实风速（116.12）、波高（57.69）和温度（21.02）存在严重共线性。

4.讨论
Lasso模型筛选出盐度和波高作为核心预测因子（R²=0.79），而Ridge模型保留全部变量后解释力提升至82%。研究表明：1）盐度升高通过渗透压应激抑制藻体代谢；2）适度波浪促进营养交换与附着物清除；3）季风转换期的环境组合最适生产。该成果为养殖区选址提供量化标准，建议优先选择盐度32.81-34.44、波高<1.5米的海域。

这项发表于《Remote Sensing of Environment》的研究，首次在南苏拉威西建立海藻生产-环境耦合模型，其方法论框架可推广至全球热带养殖区。未来需结合PCA降维与ARIMAX时间序列分析，进一步提升长期预测能力。研究成果不仅助力联合国可持续发展目标（SDG 14）下的蓝色经济增长，更为气候脆弱区的生态养殖提供技术范式。