在气候变化与人类活动的双重压力下，全球海岸带海洋藻华呈现分布范围扩大、发生频率增加、持续时间延长、多潮齐发等特点，对海洋生态系统和沿海经济发展构成严峻挑战。近日，中国科学院烟台海岸带研究所海岸带环境灾害遥感与评估研究组（邢前国研究员团队）围绕近岸复杂光学水体多类型藻华的高空间分辨率遥感识别开展了针对性研究，研究方法及其数据结果推动了海岸带藻华遥感技术的发展。

基于可持续发展卫星一号星(SDGSAT-1)多光谱10米分辨率影像，研究构建了决策树与机器学习模型，实现了对浒苔、马尾藻、红色夜光藻、绿色夜光藻及黑水这五种海洋藻华在三个海洋区域（中国近海水域、印度洋和大西洋）的自动识别与区分，系统评估了模型在复杂近岸水体中的适用性。另外，研究进一步将模型应用于Sentinel-2 MSI数据，并对其识别差异进行了对比分析。

图1 全球典型海洋藻华

图2 SDGSAT-1藻华识别模型

研究发现，相较于叶绿素a浓度、荧光基线高度、单一光谱指数等传统方法，基于多波段特征构建的决策树模型能够实现五类藻华及海水类型的识别与区分，实现复杂近岸水体中多目标的有效提取。对比决策树与机器学习模型的提取结果发现，在光学性质复杂的近岸水体中，不同模型的识别效果存在差异，其中决策树模型在光学吸收型黑水提取方面表现出较高的稳定性。基于Sentinel-2 MSI的对比研究显示，SDGSAT-1构建的模型具备跨传感器迁移潜力。

图3 中国近海典型藻华遥感应用

相关研究成果发表在期刊《Remote Sensing of Environment》，第一作者为烟台海岸带所博士生姜珊珊，通讯作者为邢前国研究员。该研究得到了国家自然科学基金、山东省技术创新计划项目和烟台海岸带所自主部署项目等项目资助。

相关论文：

S. Jiang, R. Guan, Q. Xing*, et al. 2026. Identification of marine algal blooms by SDGSAT-1 multispectral imagery. Remote Sensing of Environment, 337, 115340. https://doi.org/10.1016/j.rse.2026.115340.