基于卫星影像技术的水产养殖网箱周边宏观塑料污染与富营养化检测验证研究

《Remote Sensing Applications: Society and Environment》：Detection and verification of macroplastics presence and eutrophication associated with aquaculture cages using satellite imaging techniques

　　本研究创新性地应用Sentinel-2和Landsat OLI-8卫星数据，结合FDI、PI、NDVI、NDWI等光谱指数，成功实现对水产养殖区宏观塑料污染（反射值0.044-0.045）与富营养化（CDOM/FAI/CI）的精准监测。PCA分析显示环境变异主要受PC1（72.54%）和PC2（24.61%）主导，为水产养殖环境评估提供重要技术支撑。

　　

亮点

实验设置

宏观塑料从塑料商店收集并铺设在纱带片上（图1）。选择布鲁卢斯湖北部区域放置宏观塑料（图2），该区域靠近Mastrouh村。这些塑料瓶于2024年7月4日放置，直至7月26日以便Sentinel L2A传感器捕获图像。宏观塑料覆盖面积分别约为2×5米和2×6米。所有数据收集均遵守相关环境规范。

宏观塑料的检测与验证

关于湖泊中宏观塑料的研究较少，主要关注其在水岸线区域的积累（Lechthaler等，2020）。基于感兴趣区域的NDVI计算，发现地理参考点处或附近的反射率值分别为0.2783和0.129（最近像素）。感兴趣区域的NDVI值范围在0到0.4736之间（图5）。该区域特征为存在海藻、开阔水域和植物（如香蒲）。塑料的扩散可能因波浪作用而变得复杂，导致其被植被或沙子掩埋，从而增加检测难度。宏观塑料在近红外（NIR）波段显示出约0.044至0.045的反射率值，具体取决于表面覆盖程度。FDI指数进一步表明宏观塑料光谱值在0.018至0.065之间。NDWI值在0.129至0.2783之间。这些指数有助于识别水体表面的宏观塑料。

富营养化检测

使用Landsat OLI-8和Sentinel L2A图像计算了CDOM、NDTI、FAI和CI等富营养化指数。主成分分析（PCA）揭示了两种主要的环境模式：PC1和PC2，分别解释了72.54%和24.61%的方差，主要用于区分样本。PC1受到CDOM和FAI的正向影响，以及CI的负向影响。单因素方差分析（ANOVA）显示光谱指数之间存在高度显著差异（P<0.001）。这些结果表明网箱养殖对水质参数有显著影响。

局限性

尽管利用卫星图像分析光谱和反射率数据有助于识别可能受塑料污染影响的区域，但该方法存在一定的局限性。本研究若能获得更多数据，尤其是在有大量塑料碎片的区域，将有助于提高检测准确性。此外，整合无人机技术可以显著增强对陆地和海洋环境中宏观污染物的监测，提供更高的空间分辨率和灵活性。

结论

本研究旨在利用光学遥感数据评估宏观塑料的出现和富营养化污染。一些指数，如漂浮碎片指数（FDI）、塑料指数（PI）、归一化差异植被指数（NDVI）和归一化差异水体指数（NDWI），可以有效地帮助检测水体表面的宏观塑料。这些指数在不同卫星平台上的一致信号表明它们在检测宏观塑料方面的稳健性。富营养化指数（CDOM、NDTI、FAI、CI）成功识别了与网箱养殖相关的水质变化。统计分析（PCA、ANOVA）证实了环境参数的显著差异。建议实施更严格的监测和优化的投喂策略，以减少有机排放和宏观塑料泄漏，从而减轻敏感水生系统的环境退化。