进化趋势和Ulva prolifera绿潮驱动因素的分析:基于随机森林算法和多源遥感图像的研究
Wenlong Hou1, Jinyue Chen1, Maoxia He2
1Academician Workstation for Big Data in Ecology and Environment, Environment Research Institute, Shandong University, Qingdao, 266237, China; Shenzhen Research Institute of Shandong University, Shenzhen, 518057, China.
Marine environmental research
|April 30, 2024
概括
卫星遥感有效监测了南黄海的Ulva prolifera绿色潮,显示2011-2022年每年减少3%. 影响生长的关键因素包括海面温度,风和营养物质的流失.
科学领域:
- 海洋生态海洋生态学
- 遥感 遥感 遥感 遥感
- 环境科学 环境科学
背景情况:
- 绿色潮对海洋生态系统构成重大挑战,需要有效的监测和管理策略.
- 卫星遥感对于大规模,长期监测诸如绿色潮之类的海洋现象至关重要.
研究的目的:
- 开发和验证用于监测Ulva prolifera分布的遥感模型.
- 为了分析时间空间进化,趋势和推动因素的Ulva prolifera在南黄海的绿色潮.
- 提出减轻绿潮事件的管理策略.
主要方法:
- 使用GOCI I/II图像开发了一种混合遥感提取模型 (ACI-RF),获得F1评分>0.95.
- 使用气象,流水和水质数据 (SST,电流,风,降水,DO,PAR,Si,NO3-,PO43-,N/P) 分析了时空演变.
- 采用机器学习算法和统计分析来确定驱动因素.
主要成果:
- 乌尔瓦繁殖的绿色潮在2011-2022年间 (不包括2021年) 显著下降 (平均每年3%).
- 超过75%的绿色潮向北漂移,受到电流和风场的影响.
- 海洋表面温度,风速,降水量,PO43-,N/P/Si,沿海土地使用,以及6月份的下水对增长产生了重大影响.
结论:
- 该ACI-RF模型为Ulva prolifera监测提供了一个强大的方法.
- 有效的管理需要减轻污染物输入和精确的环境监测在关键领域.
- 该方法和因素选择标准可应用于其他海洋生态灾害管理工作.
更多相关视频
08:47Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
Published on: February 9, 2024
1.4K
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
13.3K
