柘林湾海水养殖污染负荷估算与空间特征分析

夏丽华，刘志根，徐 珊

（广州大学地理科学学院，广东 广州 510006）

海水养殖主要集中在浅海海湾、近海岸水域和滩涂等地，按养殖水域、所用设施和技术水平的不同，养殖类型可分为陆基池塘养殖、高位池养殖、滩涂养殖、港湾网箱养殖、浅海筏式养殖和工厂化养殖。我国是海水养殖产量最大的国家之一，海水养殖在为我国带来巨大经济利益的同时，也对近海水体和生态环境造成了严重破坏，引起海水富营养化，产生了一系列水质污染问题［1］。海水污染严重区和赤潮多发区主要集中在海湾，而其污染物较多来源于养殖自身的污染排放，严重影响了海水养殖业的协调发展，也威胁到人畜的生命安全。不同养殖类型和品种产生的污染量不同，对环境造成的影响也存在差异，但目前海洋环境监测及渔业养殖环境监测中，还未进行养殖污染源及污染负荷的监测［2］。因此，如何有效评估海水养殖污染负荷，用于预防赤潮和指导渔业生产是亟需研究与解决的问题。已有诸多学者对海水养殖所产生的污染量进行了估算和研究，取得了一系列成果［3-8］。随着海水养殖业面积的扩大，对海水养殖所产生的污染量的估算和研究方法较多，主要有物质平衡法［9］、化学分析法［10］、经验估算法［11］和氮氨测定法［12］，其他方法也在逐步探讨［13-15］。然而，目前研究存在数据的滞后性和范围的局限性等问题，且对污染物空间分布特征分析较少。而遥感具有大范围、低成本和周期性等特点，可以弥补常规污染负荷估算的缺陷，能有效地监测海湾养殖区污染水体的时空变化状况。本研究以广东省典型海湾海水养殖区柘林湾为例，利用面向对象及光谱特征值法完成海水养殖类型的面积遥感提取，选取氮（N）、磷（P）和化学需氧量（COD）为指标，针对池塘养殖、高位池养殖和网箱养殖三大养殖类型进行污染负荷评估方法研究和空间分布特征分析，实现了柘林湾海水养殖大面积污染的遥感监测。

1 研究区域与数据来源

1.1 研究区概况

柘林湾（116°58′～1l7°05′E 和 23°31′～23°37′N）位于广东省潮州市饶平县南部，总面积为79.3 km2，地处闽、粤两省交界处，北靠黄冈河平原，东倚柘林半岛，南有汛洲岛、西澳岛相伴，西至海山岛，湾内水域面积宽阔、为69 km2，滩涂面积16 km2（图1）。该区域属海洋性亚热带季风气候，避风条件好，优越的海洋环境为海水养殖的发展提供了良好条件，湾域鱼类品种繁多，拥有全国最大的海水网箱养殖示范基地，俗称“海上牧场”。自20世纪90年代以来，该区海水养殖业快速发展，逐渐形成以海水网箱、池塘为主的养殖基地，已成为我国海水养殖最为密集的海湾之一。但随着海水养殖污染物以及陆源污染物的大量排放，柘林湾成为赤潮多发区，给当地海水养殖业带来严重的经济损失。

图1 柘林湾位置示意图

1.2 数据源及预处理

本研究的遥感影像数据采用Landsat 8 OLI（Operational Land Image，陆地成像仪）影像，其行列号为120-044，空间分辨率为30 m，成像时间为2013年11月23日，原始影像来源于美国地质调查局网站（USGS）。Landsat 8 OLI包括9个波段，其中Band8是15 m的全色波段，此外，蓝色波段主要可用于海岸带观测，短波红外波段包括水汽强吸收特征、可用于云检测。

选择 FLAASH大气校正模块［16］实现Landsat 8影像数据的大气校正；利用GPS实地获取的地面控制点对影像进行几何精校正，误差控制在0.5个像元内；以GS（Gram-Schmidt）图像融合方法，将影像空间分辨率提高到15 m；采用规则裁剪的方法裁剪出研究区域影像数据。

2 研究方法

2.1 养殖模式遥感信息提取方法

柘林湾水体类型丰富，主要有河流、湖泊、海湾水域、养殖水域等。为实现不同海水养殖类型的信息提取，先对试验区内水体类型进行了目视判别分析，建立了不同水体判别解译标志，基于决策树规则的面向对象和光谱特征值法对养殖模式进行提取［17-18］。面向对象分类方法在多尺度分割基础上进行地物信息分类提取，选择最优分割尺度是其分类效果的关键。本研究采用平均分割评价指数（Average Segmentation Evaluation Index，ASEI ）法［19］得到普通池塘养殖、网箱养殖和高位池养殖的最优分割尺度（图2）。进行目标地物影像特征分析、选取有效的属性特征，建立分类层次，定义隶属度函数［20］（表1）。养殖遥感信息提取的主要步骤：（1）利用改进的归一化差异水体指数（MNDWI）［21］实现水陆分离；（2）利用各水体类型在近红外波段的标准差值、延长度、近红外波段的标准差规则，剔除河流和面积较大的湖泊；（3）利用MNDWI值、中红外波段标准差值、矩形度、纹理特征值，剔除池塘间的小路和塘埂，同时利用面积规则、矩形度实现高密度养虾池与普通池塘的分类提取；（4）利用网箱材质引起的与周围水体光谱差异特性，通过中红外波段标准差、平均亮度值等特征实现网箱养殖的提取。

图2 3种海水养殖类型最优尺度分割

表1 柘林湾海水养殖类型分类规则集

2.2 海水养殖污染负荷估算方法

广东省海水养殖过程产生的污染物主要来源于饲料的剩饵和水产品的排泄物。评估养殖污染对水环境影响的指标或参数因调查研究目的不同而有所差异。本研究针对氮、磷和化学需氧量3个指标，将“物质平衡法”估算模型进行改进，用养殖面积替换养殖产量，即不同海水养殖总面积与污染系数乘积并累加，进而估算污染物的排污总量。污染负荷总量计算方法为：

式中，Q为污染物的负荷总量（kg）；i为养殖类型，分别是网箱养殖（i=1）、高密度对虾养殖（i=2）和池塘养殖（i=3）；j为污染负荷指标，分别是氮（j=1）、磷（j=2）和化学需氧量（j=3）；Si为各养殖类型的面积（hm2）；T为养殖周期，即将养殖期为一年的设定系数为1、一年两季系数为2、一年三季系数为3；L为污染系数（kg/hm2）；M为单位面积养殖产量；k为饵料系数；C1为饵料污染负荷含量，C2为养殖生物体污染负荷含量。改进后的估算模型可结合遥感技术对养殖污染进行估算，实现大范围海水养殖面源污染的动态监测。

2.3 不同养殖类型污染系数率定

污染系数是本研究评估养殖污染负荷量的关键因素。为估算各类养殖类型在1年内单位面积产生的污染负荷量，需对相关参数进行确定。网箱养殖属于人工控制的高密度型养殖类型，精养化程度高，养殖过程中投饵量大，鱼类生长过程中产生的代谢有机物、未被摄食的饵料对养殖周围海域环境的影响较大。高位池养殖受人工调控影响较大，养殖集约化程度高、投放密度大、产量高，养殖周期一年1～2次。池塘养殖以海水鱼、对虾混养或虾蟹混养为主，属半精养类型，受人工控制程度低于网箱养殖和高位池养殖模式，养殖密度较低，养殖周期一年1次。网箱养殖饵料主要为冰鲜杂鱼，为提高饵料利用率，通常会配合用少量饲料。根据舒廷飞、Xu、颉晓勇等人的研究成果［23-27］，结合柘林湾网箱养殖场的实地调查数据，得到网箱养殖的冰鲜杂鱼饵料、配合饲料氮磷含量（含氮量由粗蛋白按6.25系数转化而成）。依据专家咨询和实际养殖调查情况，将网箱养殖的饵料系数取值为8，单位面积产量为50 t/hm2，高位池养殖饵料系数取值为1.3，单位面积产量约7.5 t/hm2，池塘养殖的饵料系数取值为1.8，单位面积养殖产量约3.75 t/hm2。结合统计数据和文献，依据养殖产量、养殖周期、饵料成分、饵料系数、养殖容量等参数，将污染排放量换算成以养殖面积为基础的污染系数，建立不同养殖模式的污染系数，估算N、P和COD的排放量（表2）。

表2 柘林湾不同海水养殖模式的污染系数

3 结果与分析

3.1 养殖模式遥感解译结果与精度检验

利用面向对象和光谱特征值法，结合对象大小、形状、空间关系等要素，为减少分类规则受人为因素的影响，提高养殖模式的分类效率，利用关联规则数据挖掘的方法，实现了柘林湾养殖类型分类的半自动化提取（图3，彩插四）。实验区40 544.30 hm2，从解译结果得到，柘林湾网箱养殖面积319.34 hm2、高位池养殖面积50.92 hm2、池塘养殖面积6 886.94 hm2。采用混淆矩阵方法对分类结果的精度进行评价，参考实验区Google Earth高分辨率影像，目视随机选取100个样本点来评价分类结果，并在ENVI5.3软件中分别对监督分类结果进行精度评估（表3）。通过精度评价比较可以看出，面向对象分类的总体精度比监督分类提高了近10%，总体分类精度达到83.87%，Kappa系数为0.79。说明面向对象分类法在海水养殖遥感信息提取中是一种精度较高的有效方法，该方法能够区分不同的养殖模式，但对于不同遥感影像及不同地区均需要重新进行分类规划摸索。

图3 柘林湾海水养殖分布

3.2 海水养殖模式的分布特征分析

柘林湾是一个半封闭性的海湾，根据遥感提取结果，可以对不同养殖模式的空间分布进行分析，如图2所示。柘林湾网箱养殖分布在3个区域，第一个面积最大的养殖区呈条带状，分布在三百门水域至东南方向的汛洲岛、西澳岛之间的海域；第二个片区呈矩形状，分布在海山岛东北角与汛洲岛西边海域之间；第三个片区呈条带状，分布在柘林镇与西澳岛之间的海域。池塘养殖主要分布在柘林湾西边的汫洲镇和海山镇、北边的黄冈镇以及东边的所城镇和柘林镇，又以黄冈镇、汫洲镇养殖区最为集中；高位池养殖呈散点状，分布在海山岛东部、西南部与外海相邻的沿岸。掌握养殖类型的空间分布特点，有助于渔业管理和养殖结构优化。

表3 柘林湾海水养殖类型分类结果精度评价

3.3 不同海水养殖污染物负荷量估算

本研究利用改进估算法对不同养殖模式的污染负荷进行估算（设定养殖期为1年，T=1）。结果（表4）表明，2013年柘林湾海水养殖主要污染总负荷量为13 641.62 t，由网箱养殖产生的污染负荷量为9 073.32 t，其中氮负荷量为2 718.61 t，占总氮负荷量的78.22%；磷负荷量为634.29 t，占总磷负荷量的68.35%；COD负荷量为5 720.42 t，占总COD负荷量的61.92%。高位池养殖产生的污染负荷量为78.57 t，氮负荷量为24.62 t，占总氮负荷量的0.71%；磷负荷量为7.5 t，占总磷负荷量的0.51%；COD负荷量为46.45 t，占总COD负荷量的0.51%。池塘养殖产生的污染负荷量为4 489.73 t，其中氮负荷量为732.43 t，占总氮负荷量的21.07%；磷负荷量为286.15 t，占总磷负荷量的30.84%；COD负荷量为3 471.15 t，占总COD负荷量的37.57%。以上结果表明柘林湾海水养殖自身污染总量较大，已成为该海湾主要的污染源。

表4 柘林湾海水养殖污染负荷量估算及污染贡献率评估结果

3.4 不同海水养殖模式污染贡献率评估

基于海水养殖污染系数、养殖模式和养殖面积构建污染贡献率评估模型，实现柘林湾海水养殖面源污染的定量评估。研究结果表明，柘林湾2013年海水养殖环境主要污染总负荷量为13 641.62 t，其中氮负荷总量为3 475.65 t，磷负荷总量为927.95 t，COD负荷总量为9 238.02 t；网箱养殖主要污染负荷贡献率为66.51%，普通池塘养殖为32.91%，高位池养殖仅为0.58%。海水养殖业本身对于沿海环境的污染贡献率越来越大，不同海水养殖类型所产生的污染量差别较大，网箱养殖污染贡献率远远大于池塘养殖和高位池养殖。因此，渔民应控制养殖容量，调整养殖类型，将有利于渔业的可持续发展和优化经济生态效益。

3.5 海水养殖氮磷污染强度的空间特征分析

利用GIS软件结合实测数据生成柘林湾2013年海水养殖区的氮、磷污染强度空间分布图（图4，彩插四）。从图3（彩插四）可以看出，产生氮污染最为严重的区域为网箱养殖区，磷污染较为严重的区域为黄冈镇的池塘养殖区和网箱养殖区，其次是汫洲镇的池塘养殖区。因此，养殖户应合理改良养殖类型和适当调整养殖密度，相关部门可以制订相应的治理办法或防控措施。

图4 柘林湾环境氮和磷污染强度空间分布

4 结论与讨论

海水养殖业给人类提供食物来源、带来经济效益的同时也引起了近海海洋生态环境的污染问题，对海水养殖污染负荷进行评估具有重要意义［28］。本研究选择典型海水养殖区柘林湾为实验区，对海水养殖污染负荷的评估方法进行研究，完成典型海湾海水养殖污染负荷的估算与监测，可填补渔业环境污染监测在海湾海水养殖面源污染的空缺。采用实测法建立了不同养殖类型的污染系数，为水产养殖面源污染问题监测与评估提供了重要参考依据。利用面向对象及光谱特征值法完成海水养殖类型的遥感提取，分析了污染物在空间上的分布特征，为海水养殖用地的合理规划与海水养殖持续发展提供理论依据及技术方法。此外，本研究还估算了不同海水养殖模式的污染贡献率，可为沿海养殖业的生产调控提供科学依据。

受遥感数据空间分辨率的限制，信息提取结果与实际存在偏差。选择高分辨率影像数据或多源遥感数据进行综合探讨。利用排污染系数进行养殖污染排放量估算具有不确定性，同时养殖业增产量依靠统计数据，存在时间滞后性，具有一定的误差。不同养殖阶段和不同养殖类型对环境影响程度有差异，应加强对不同阶段养殖排污情况的研究。未来的研究将利用成像光谱仪进行不同养殖模式观测，构建养殖区污染物反演模型，结合GIS等技术建立污染物动态监测与空间分布模拟平台，以更全面地评价海水养殖业对近海环境的影响。

［1］周颖，钟昌标. 近海养殖对海洋渔业环境的影响分析［J］. 渔业经济研究，2008（6）：11-17.

［2］环境保护部. 2015年中国海洋环境状况公报［EB/OL］. http：//www.coi.gov.cn/gongbao/huanjing/201604/t20160414_33875.html，2016-04-14.

［3］赵宁. 《中国海洋发展报告（2015）》发布［N］.中国海洋报，2015-06-24.

［4］颉晓勇，李纯厚，孔啸兰. 广东省海水养殖现状与环境污染负荷评估［J］. 农业环境与发展，2011，28（5）：111-114.

［5］Teodorowicz M. Surface water quality and intensive fish culture［J］. Archives of Polish Fisheries，2013，21（2）：65-111.

［6］潘灿民，张珞平，黄金良，等. 厦门西海域、同安湾入海污染负荷估算研究［J］. 海洋环境科学，2011（1）：90-95.

［7］夏新建，许忠能，林小涛，等. 不同池塘养殖模式的环境氮磷负荷及其水质特征［J］. 海洋科学，2012，26（5）：87-92.

［8］马叶胜，许忠能，林小涛，等. 柘林湾沿岸对虾养殖环境的氮磷负荷与区域分布［J］. 水生态学杂志，2010，31（2）：23-27.

［9］Hans A. Discharge of nutrients from Swedish Fish Farming to Adjacent Sea Areas［J］. Ambio，1990，19（1）：28-35.

［10］Pham T A，Carolien K，Arthur P J M. Water pollution by intensive brackish shrimp farming in south-east Vietnam：Causes and options for control［J］. Agricultural Water Management，2010，97（6）：872-882.

［11］李纯厚，黄洪辉，林钦，等. 海水对虾池塘养殖污染物环境负荷量的研究［J］. 农业环境科学学报，2004，23（3）：545-550.

［12］石芳永，张延青，徐洋，等. 海水养殖废水中氨氮测定方法的影响因素及改进研究［J］. 渔业现代化，2009（2）：20-24.

［13］夏丽华，徐珊，陈智斌，等. 广东省海岸带海水养殖业污染贡献率研究［J］. 广州大学学报（自然科学版），2013（5）：80-86.

［14］任新君. 海域承载力和海水养殖业布局的内在作用机理研究［D］. 青岛：中国海洋大学，2010.

［15］李京梅，杨士永. 基于环境质量成本模型的海水养殖业污染控制研究［J］. 农业经济与管理，2013（4）：89-96.

［16］罗彩莲，陈杰，乐通潮. 基于FLAASH模型的Landsat ETM+卫星影像大气校正［J］. 防护林科技，2008（5）：46-48，51.

［17］程田飞，周为峰，樊伟. 水产养殖区域的遥感识别方法进展［J］. 国土资源遥感，2012（3）：1-5.

［18］周春艳，王萍，张振勇，等. 基于面向对象信息提取技术的城市用地分类［J］. 遥感技术与应用，2008，23（1）：31- 35.

［19］陈春雷，武刚. 面向对象的遥感影像最优分割尺度评价［J］. 遥感技术与应用，2011，26（1）：96-102.

［20］关学彬，张翠萍，蒋菊生，等. 水产养殖遥感监测及信息自动提取方法研究［J］. 国土资源遥感，2009（2）：41-44.

［21］徐涵秋. 利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究［J］. 遥感学报，2005（5）：589-595.

［22］舒廷飞，温琰茂，周劲风，等. 哑铃湾网箱养殖环境容量研究 Ⅰ. 网箱养殖污染负荷分析计算［J］. 海洋环境科学，2005，24（1）：21-23.

［23］Xu Z，Lin X，Lin Q，et al. Nitrogen，phosphorus，and energy waste outputs of four marine cage-cultured fish fed with trash fish［J］.Aquaculture，2007（263）：130-141.

［24］颉晓勇，李纯厚，孔啸兰. 广东省海水养殖现状与环境污染负荷评估［J］. 农业环境与发展，2011，28（5）：111-114.

［25］张玉珍，洪华生，陈能汪，等. 水产养殖氮磷污染负荷估算初探［J］. 厦门大学学报（自然科学版），2003，42（2）：223-227.

［26］李纯厚，黄洪辉，林钦，等. 海水对虾池塘养殖污染物环境负荷量的研究［J］. 农业环境科学学报，2004，23（3）：545-550.

［27］李金亮. 精养虾池氮磷收支研究及养殖效果分析［D］. 海南：海南大学，2010.

［28］陈一波，宋国宝，赵文星，等. 中国海水养殖污染负荷估算［J］. 海洋环境科学，2016，35（1）：1-6，12.