基于遥感技术的渔业应用研究综述

张佳泽，王 斐，张胜茂，张收元

(1.中国水产科学研究院东海水产研究所，农业农村部渔业遥感重点实验室，上海 200090;2.上海海洋大学信息学院，上海 201306；3.山东省渔业发展和资源养护总站，山东济南 250013)

渔业作为农业中的重要产业之一，其2019 年全国水产品总量6 480.36 万t，产值26 406.50 亿元[1]，渔业作为一种捕捞、养殖及加工进而获取水域中生物的社会产业部门，整个产业链条及水域环境信息的监测都可以与遥感技术进行有机结合，利用遥感技术数据客观、时空高效、成本可控及探测多元化的特点，为渔业产业的科学、高效、绿色发展提供必要的技术保障[2-5]。

渔业相关的遥感技术以搭载传感器的平台可以分为天基卫星、空基航空、地基物联网和海基声学探测四大类，其中天基卫星遥感技术主要是利用卫星搭载的不同用途的传感器，获取渔业相关的海陆水环境信息、渔业作业的船只及设施信息，进而应用于渔业栖息地环境的监测保护、远洋捕捞渔场的动态预报、渔船渔港的行为监测以及渔业养殖的调查及宏观指导[6]；空基航空技术主要基于航空有人飞机、无人机及浮空器等平台搭载不同用途的传感器，实现与渔业卫星遥感相似的应用，但该方法相对卫星遥感手段更加的灵活、针对性高，有效解决卫星数据受卫星数量、天气及运行周期等的影响[7]；地基物联网技术主要是利用物联网技术，将渔业作业、生产过程进行高频的传感器监测，实现渔业水产品的可控溯源，实现金枪鱼等高附加值渔业产品的全产业链追踪[8]。海基声学探测技术主要利用声学探测传感器设备，实现复杂水环境条件下鱼群的探测，为水产养殖监测和远洋渔船的捕捞提供可靠的技术支持[9]。图1 展示了遥感技术在渔业中应用的四个方向。

图1 遥感技术在渔业中的应用Fig.1 Application of remote sensing technology in fishery

遥感技术在渔业监控方面有了大力地发展，不仅可以高时空分辨率的监测渔业的情况，还可以及时发现渔业生产过程中潜在的自然灾害和违法违规问题。随着遥感技术的发展，以日益丰富的平台、种类、分辨率的卫星、航空、物联网及水下声学探测数据作为基础，为新的渔业遥感提取方面增添了很多新的方法和途径[10-11]。本文从四类不同遥感传感器搭载平台角度，探讨利用遥感等技术对渔业产业的具体应用，并对可能存在的问题以及未来发展方向做出了展望。

1 天基遥感渔业应用

天基卫星探测主要指常运行在外太空系统探测的遥感卫星。它具有探测范围广、速度快、周期短、经济效益大等特点[12]。利用卫星搭载的可见光、近红外、热红外、微波及通信等传感器，获取渔业相关的海陆水环境的温度、盐度、流场、水色、渔业作业的船只及养殖设施等信息，进而应用于渔业栖息地环境的监测保护、远洋捕捞渔场的动态预报、渔船渔港的行为监测以及渔业养殖的调查及宏观指导[13-15]。遥感作为空基卫星探测中最常用的一种探测装置，也是当前应用最广的。目前，主要应用的遥感卫星及其参数如表1 所示。卫星遥感在国内外主要应用有:中国远洋渔业信息网、中国渔业遥感信息情报网、地听远洋渔业服务平台以及法国的CATSAT 渔业遥感系统，其为渔船提供了重要的海表温和叶绿素及风速等信息，极大方便了管理部门及时了解海上信息，作出灵活的决策。

表1 主要遥感卫星及其参数Tab.1 Main remote sensing satellites and their parameters

图2 是通过知网查找渔业和遥感相关文献，共查到178 篇相关文献，利用Citespace 软件聚类制作而成。该图显示了从2012-2020 年渔业发展的趋势以及渔业遥感的热点词语，从上到下表示重要程度依次递减。除此之外，渔业信息提取方法正在逐年增加，其热点方向也不断变化，从传统的面向对象方法逐渐过渡到人工智能相关方法。图3 主要显示了近20 年研究渔业的主要学校和文献的比例。其中，主要的研究的科研人员有朱国平、陈新军、苏奋振和冯永玖等作者。渔业的研究领域也从内陆池塘、湖泊和近海岸养殖向着远洋方面发展，其中包括远洋捕捞和栖息地保护以及船舶监测等方面，这对于渔业的研究提供了新的思路。

图2 渔业遥感热点词Fig.2 Hot words in fishery remote sensing

图3 主要研究机构Fig.3 Main research institutions

1.1 远洋捕捞

远洋捕捞是指在200 m 等深线以外大洋区进行捕捞作业。人类为了深入了解大海，探索更多的鱼类，获得高额收益，不得不进入远洋进行捕捞。根据调研发现，国内当前的远洋捕捞船队大都依靠船长丰富的从业经验来判断渔场的位置。由于远离大陆架的远洋作业面积广阔，加之现代远洋船队规模越来越大，单纯依靠老船长的经验作业的方案并不是合理的，因此，使用遥感卫星成了从事远洋航船的必备技能，从遥感卫星可以获得大洋上天气、温度等信息，对捕捞鱼类有很大的作用。

在远洋捕捞上有许多科学家做出研究，魏振华等[16]根据卫星遥感收集到的海温、叶绿素等因素，利用消息调度机制，设计了一个远洋渔业数据采集及功能模块平台，极大地方便了海温数据采集和其在远洋渔业服务系统中的应用。季民[17]从海洋原始数据集的定义、时空数据仓库的内涵、时空数据组织的层次、算法的应用层次等多个方面搭建了海洋渔业时空数据组织框架模型和时空数据仓库的构建策略，除此之外，还提出了基于格网的时序快照修正模型(GSSADM)，并针对GSSADM 模型中修正快照的存储，提出了行式数据压缩编码方案，随后进行了对西北太平洋生产辅助决策支持系统的展望。薛迎春等[18]分析了目前远洋渔业管理方法，之后基于安全分析判断法(safety analysis judgment,SAJ)设计了一个安全管理评价模型，最后分析了SAJ 在远洋渔业中的具体应用，提出了未来合理使用的一些方法。HSU,et al[19]根据2012-2015 年全球捕捞活动和遥感数据，利用海面温度、海面高度、海面盐度、叶绿素等环境指标模拟鲣鱼Katsuwonus pelamis 渔场，实现了对远洋的每日预报和远洋捕捞位置的精确定位，对远洋捕捞的监测起到了推动的作用。

由此可以看出，利用遥感卫星可以获取遥感数据用于构建不同的辅助模型，为远洋捕捞提供决策。但是我国在这方面的相关研究尚处于起步阶段，主要不足之处是在远洋捕捞作业中起决策支持的技术仍然处于分散不成体系的状态[l1,20]，这些模型需要一定时间检验其有效性，这对于我国发展远洋捕捞业的国内企业十分不利。因此，在未来加快信息化建设和形成有效的模型对于远洋捕捞等相关产业技术发展有着重要的意义[21]。

1.2 栖息地保护

栖息地又称生境，是指围绕一个或多个物种种群栖息(生活和生长)的自然环境。针对海洋渔业主要指的是渔场预报。渔场是空间上概念，渔场预报是指对捕捞对象高度集群的水域位置和时间进行预测预报。在海洋中鱼类、渔获量受资源量大小的影响，渔场渔汛的形成也与周边环境变化有关。因此，通过不同的海洋环境因子建立渔场预报模型是当前进行渔情预报的一个常用手段[22]。遥感技术的普及使得获取大范围的海洋信息成为可能，为渔场预报模型的建立提供了便利，进一步加强对海洋渔业的管理和监控。

针对栖息地保护中渔场预报功能，不同科学家做出了不同方向的研究。GAO Feng,et al[23]利用遥感技术实时监控海面温度、温度梯度、海面高度等海洋环境数据指标，建立了一种新的基于增强回归树的高精度渔场预报模型，对于监管黄海和东海有重要的参考价值。袁红春等[24]利用卷积神经网络搭建了基于全卷积网络的长鳍金枪鱼Thunnus alalunga 渔场预报模型，解决了传统渔场预报方法在处理高维复杂海洋数据时准确率偏低的问题，为渔场预报提供了一种新方法。陈雪忠等[25]根据长鳍金枪鱼的单位捕捞努力量渔获量(CPUE)分为高CPUE、中CPUE 和低CPUE，作为随机森林训练中的响应变量，根据训练的结果将预测概率等值面图与实际渔业生产进行比较，分析出各个渔获量值预测的情况，得到较高的精度。GLASER,et al[26]为了对渔业预测更加准确，引入了空间变异性，将空间结构纳入渔业资源评估模型中，并运用单位空间分辨率的CPUE 时间序列模型进行预测，并最终预测出未来几年北太平洋长鳍金枪鱼数量增长情况。

渔场预报在栖息地保护中尤为重要，虽然已有学者使用不同的方法建立起不同模型的对其进行探索，但是模型的各自缺点也不容忽视，如增强树模型容易陷入局部最优导致预测结果并不准确。全卷积神经网络受到网络层数的限制，不能兼顾上下文信息且效率也不够实时不能及时预报渔场情况。随机森林模型易受到属性特征的影响，因此产生的属性权值并不可信。而时间序列模型只针对了单个特征进行预测，预测的值单一未考虑其他因素的影响。因此在未来应该重视渔业的保护、加强对渔场预测的探究，争取早日建立起更加准确的渔场预报模型。

1.3 船舶监测

船舶监测指的是船舶在航行时的实时定位、路线规划、停靠的码头和进港的顺序等。利用遥感技术可以对船舶更加方便管理、方便港口的自由贸易并且促进贸易的增长。随后研究出了相关的船舶定位系统:船位监控系统(vessel monitoring system,VMS)和船舶自动识别系统(automatic identification system,AIS)

针对两大系统的船舶监测功能，科学家做出了不同的研究方向。郭刚刚等[27]利用船位监控系统进行了捕捞努力量估算、渔民行为特点和渔场分析、捕捞活动对海洋生态环境影响等方面的研究，展望了该系统未来发展前景和存在问题，最后对VMS 数据提出了相关建议。GALDELLI,et al[28]研究了近几年船舶的时空和地理分布数据，发现了单独使用某一技术的局限性，因此使用了Sentinel-1 图像与AIS 数据进行融合，更加凸显数据的准确性，之后采用机器学习等方法解决船只精准定位等问题。张风丽等[29]分析了欧盟之前的两个项目:MPAST 和DECLMS，并且对欧盟船舶遥感探测关键技术进行了研究，总结了各自的优缺点，最后展望了欧盟船舶遥感探测技术和系统发展现状对我国的借鉴意义。MAN,et al[30]针对目前远程监控和控制无人船的开发的研究和商业活动不断增加的现象，进行了系统性研究，邀请多位参与者和通信商进行场景模拟，最终从生态学角度发现人为因素问题的干扰、使得操作员受到限制、决策延迟和自动化偏差。因此提议对于船舶监测还需要纳入生态学问题，才可以更加合理地对船舶进行监控。

船舶监测在实时定位、监测管理方面取得了一定的成果，但是其仍面临一些基本问题，如AIS 数据不全，没有任何网站和机构可以收集到所有船的数据和VMS 系统维护成本高、无法检测到小型船只，以及船舶探测系统建设还受到陆地隔离误差和图像伪影的影响等[28]问题，因此在未来仍然需要对新的定位系统进行研究，只有更好的系统才能收集到更加准确的数据，这对未来渔业的发展起到至关重要的作用。

1.4 近海养殖

近海养殖主要是针对沿海地区养殖区域，对于遥感影像，研究近海岸是了解沿海地区渔业养殖发展的一项重要指标。运用不同提取方法包括目视解译识别近海岸遥感养殖是一项重要的工作，随着数据量的逐渐扩大，目视解译受到效率和时间等方面的限制，因此计算机技术和机器学习方法被引入，方便了科学家对近海养殖进行研究。

针对近海的浮筏、海带、网箱等，许多科研人员都曾采用天基卫星遥感进行探测。初佳兰等[31]基于国产高分一号数据，提出了一种光谱、纹理特征结合的支持向量机(SVM)算法，该算法可以高效提取海水、浮筏等养殖物，实现对渔业养殖信息的提取。卢业伟等[32]利用Rapideye 多光谱影像，在分析近海养殖区光谱特征的基础上，建立了光谱特征指数，并设计了统计均值纹理与阈值检测算法，实现了不同类型近海养殖区的高精度自动提取。武易天[33]通过多个波段组合的方式，构建了渔业中常用的一些指数并结合叶绿素浓度和悬浮泥沙浓度指数，使用正交加权约束能量最小化算法对养殖区进行增强，然后使用自适应阈值对水产养殖区域进行分割提取，提取出养殖区结果。郑智腾等[34]基于高分二号卫星数据提出了一种改进的双支网络模型网箱信息提取方法通过特征融合来丰富网箱空间细节特征信息和深层判别特征信息，从而提高网箱的提取精度。

近海养殖在各个国家遥感领域和渔业发展中都是很重要的一个指标，关系着遥感发展和国家渔业经济的发展。一直以来深受遥感科研人员的喜爱，并且具有高效、准确、实时的特点。但是也有一定的缺点，比如近海养殖易受天气、人为因素以及水表温和浮游生物的影响，造成一定的经济损失。同时，近海养殖也出现了污染渔业环境的问题，主要包括残饵和粪便等有机物。因此，研究新的、稳定的和可持续发展的方法对渔业的发展有很大的必要性。

1.5 内陆养殖

内陆养殖指的是在陆地上一些湖泊和河流内进行养殖。内陆养殖具有稳定、人工可方便管理、遇险等级低等优点。比如池塘:面积大，土地利用率低，劳动强度大;季节性强，影响因素多，人工控制程度低;多品种混养，成本低，饲料利用率高等优点。由于内陆养殖投资较小，且近年来渔业的发展越来越快，人民生活水平提高了，随之而来的也就是物质生活更大的需求。因此内陆养殖有着很大的进步空间。

徐京萍等[35]基于SPOTS 卫星遥感数据，以面向对象的图像分析理论为基础，通过大、中、小尺度分割及特征分析，建立了分类规则集，实现较高精度的池塘养殖用海信息提取。裴亮等[36]以Sentinel-2、Landsat-8 卫星影像为数据源，基于NDPI 结合面向对象技术提出ONDPI 方法，并对海岸养殖池塘进行了分类提取实验，实现了对池塘的精准分类。孙裕钰等[37]采用面向对象方法，通过尺度分割和其形状、光谱、纹理等信息，建立分类规则集，实现对围海养殖区的分类提取。王静等[38]基于Landsat 影像，进行了对应分析、纹理分析和决策树分类，最终提取出养殖区。

目前，在国内外研究中内陆养殖有许多方法可以进行更好的监测。虽然这些方法解决了内陆养殖的一部分问题，但是也凸显了一部分缺点，比如湖泊养殖具有:水流缓慢、换水周期长、水生生物对水中气体影响较大。这几个缺点对于养殖区是致命的，因此，极易造成湖泊杂草丛生或者藻类植物丛生，对于渔业的发展是极其不利的。在未来人工加强管理是必要的一种手段，同时应研究更高的空间分辨率遥感技术，实现对内陆养殖更好的监测也是未来的研究方向。

2 空基遥感渔业应用

空基卫星探测指的是空中飞行的物体安装了探测器设备，通过探测器可以对地面物体进行电磁波的辐射、反射特性的探测。空中飞机探测包括:浮空器探测和无人机探测等。空中遥感探测相比于天空卫星探测，最大的优点在于获取的数据更为准确、细致、回传更加方便及时。由于空中飞机速度原因，拍摄频率更高，数据更加完善。

2.1 浮空器探测

浮空器一般是指内部充填轻质气体(如氦气、氢气)、依靠或主要依靠空气静浮力实现升空的飞行器。它具有飞行时间长、覆盖面积大、载重能力强、效费高等特点[39]，可以搭载可见光光电载荷，可24 h 不间断、360°从空中监视地面动态，而且可以进行全景扫描。浮空器是随着航空事业的发展，越来越多人从事航空事业研究，而研发出来的一项前沿技术。浮空器主要用于侦察监视、预测预警以及通信中继等。许多科学家将浮空器用于其他行业监控上。

对于浮空器的研究，渔业学的科研学者们也在积极探索其对渔业的推动作用。CARLSON,et al[40]通过浮空器搭载遥测装置进行长时间拍摄，利用相对校正技术量化、图像分析技术和气候图结合等方式预测海面石油扩散，利用该项技术可以及时控制石油扩散，保护海洋资源和渔业资源。ARORA,et al[41]利用浮空器进行了天空中气流的采集，通过NWP 模型进行的短期天气预报，对渔业捕捞和渔业养殖有提示预警的积极作用。ADAMS,et al[42]使用浮空器和飞艇等作为探测器，连续、覆盖且长时间对海洋生物和渔业进行监控，这种方法对加强生态研究和渔业保护方面起到了积极的作用

浮空器在渔业遥感应用方面相对较少，但是随着渔业遥感的发展，该项技术一定会有可用之处，尤其是对于定向区域或者沿海等监测，也可以对海带、夜光藻和蓝藻等海洋植物全天监控其生长方式。但是由于浮空器发展还在进步阶段，加上无人驾驶技术也在不断进步，因此，相比于有人驾驶，浮空器更适合于小面积监控和测量并且需要及时回收，防止遭遇恶劣天气。随着未来科技发展和材料技术的发展，一定可以研发出续航时间长、自动悬浮控制的浮空器供渔业遥感方面监控。

2.2 无人机探测

无人机是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。相比于原始飞机，无人机具有:质量轻、飞行快、危害性小等优点。在农业、渔业、抢险救灾等方面有无人机有很大的应用空间。随着科技发展，无人机加载探测设备已经成为渔业探测的一种常规手段。

闫静等[43]利用无人机相加获取光谱信息，建立渔排监测指数，提出了渔排监测指数阈值快速提取算法并计算出渔排养殖面积，为初步估算渔业养殖区提供参考。郑俊拓等[44]使用无人机探测，进行转换坐标等方法，构建定位模型的方法分析，从而减少定位系统误差，实现了对遥感数据信息的更精确分析。SUJIT,et al[45]使用天空无人机与水下无人机相协调方式，部署在海洋和水面，使得传输信号可以快速、正确的回传到基站，避免因为海洋因素阻挡传输的情况，可以实时监测渔业的生存环境。田月笙等[46]设计了一个稳定紧凑的四齿联动的无人机,加以汽油发动机作为动力源，在大风的近海岸渔业饲养环境中，飞行器整体可以通过变矩器的灵活性来适应一定级别的大风，为近海岸养殖提供了一种新的便捷方法。

无人机探测在近几年内，发展迅速，虽然其本身优点有很多，但是同时也显示出明显的缺点，比如，虽然无人机方便，但是由于其小巧的特点缺少了一定的平衡性和稳定性，即使有一定的抗风性，但也是杯水车薪。同时，因为其需要耗电等因素，都是需要人工提前去维修检查等，这样就造成了一定的成本浪费，因此在未来海洋渔业监测中，无人机仍然需要进一步的升级和改进。

3 地基物联网监测渔业应用

物联网顾名思义即是连接物品的网络，通过各式各样的传感器采集数据，根据各种通信技术和协议达到联网的目的，准确地将信息传输到云平台进行存储、分析，物联网相关技术包括射频技术、紫蜂技术(Zig-Bee)、无线网络通信技术(Wi-Fi)等。采用适当的信息安全保障机制，对渔业信息提供安全可控甚至个性化的实时在线监测、定位跟踪、报警联动、调度指挥、远程控制、安全防范、远程维护等管理和服务功能，实现各种鱼类的溯源和“互联”[47]。

将物联网应用到渔业养殖过程中，可以确保渔业的高产和高效，对促进渔业的可持续发展具有非常重要的现实意义。唐黎标[48]总结了在渔业养殖中的物联网几大应用:实时监控养殖区域水的状况，并对其进行管理和控制，实时监控养植物的生长状况和运输、加工等流程，利用物联网可以实现全程跟踪，达到让消费者安心购买的目的。李新成等[49]设计了一种以物联网技术为基础，单片机为控制核心，集云计算、水质传感检测以及无线网络等技术于一体的水产养殖池塘智能管控系统，依托该系统实现数据的实时监控与过往数据追溯，降低了养殖风险、提高养殖效益、提升企业渔业信息化管理水平。ISLAM,et al[50]通过制作云服务器，提供生活在水生环境中的各种鱼类的信息，并利用K 近邻算法作为模型实现了鱼类选取网站，同时通过遥感卫星搭载多个传感器实现多设备结合的方式搭建了物联网系统，为鱼类数据获取提供有效、简洁的途径。

当然物联网监测也存在一定的问题，渔业养殖自身技术落后、基础设施不齐全的问题。物联网技术设备虽然在一定方面取得成就，但是在渔业养殖上，依然属于起步阶段，设备依然需要不断改进且相关人才的培养也需要一定的时间。在未来仍需要加强物联网技术人才的培养，普及物联网常识，同样加强关键技术的科学研究，推陈出新，确保渔业养殖可以行稳致远。

4 海基水下探测渔业应用

海基水下探测指的是对水下物体进行声、光信号和电磁波等物体属性的监测，探究渔业在水下的活动特性和轨迹。利用探测技术对渔业养殖进行监测，既可以监视渔业发展规律和特性，又可以及时对渔业的生存环境进行必要的调整。因此，海基水下探测具有广泛的应用空间。

4.1 声呐探测

声呐(SONAR)是利用声波在水中的传播和反射特性，经过电声转换和信息处理，实现导航和测距的技术。它也指利用这种技术探测(存在、位置、性质、运动方向等)并与水下目标进行通信的电子设备。声呐是水下声学中应用最广泛、最重要的声学器件。声呐技术已经发展了100 多年，最初是用来在海上航行时侦测冰山，后来发展成多功能，可以侦测鱼类、潜艇等实物，被广泛应用在各个领域中。声呐具有可以识别目标能力强和隐蔽性强的优点。

从1870-1880 年代，声呐技术开始应用在渔业方面，并且取得显著成果，之后的科学家利用机器学习等方法研究出更有效的方法，促进了渔业的蓬勃发展。李国栋等[51]利用声呐探测性能对多波束渔用声呐在不同海况下进行仿真分析，并从多个角度提出了提高多波束渔声呐探测性能用的方法，展望了未来改进优化的一个方向。沈蔚等[52]利用水声探测技术对双频识别声呐(DIDSON)在水库中采集到的学数据进行研究。经过处理计算显示出结果具有相当高的统计精度。实验表明了，DIDSON 可以用于鱼类识别与计数，在浅水水域的鱼类资源探测与管理方面具有非常广阔的应用空间。荆丹翔[53]在探讨识别声呐工作原理的基础上，利用识别声呐进行渔业资源评估的理论研究和实际应用，提出一套基于识别声呐的新型渔业资源评估方法，形成一套新型的基于识别声呐的渔业资源评估体系。

声呐探测也有一定的缺点，如探测波短、容易暴露位置和探测静止目标。因此，在渔业和其他领域仍然需要研究更好的处理方法，来填补我国在渔业资源高精度评估领域中的空白，为我国渔业开发提供新的技术支撑。

4.2 水下机器人探测

水下机器人探测主要指的是利用自主、半自主或人工控制的机器人搭载探测技术，对物体进行水下探测。由于人类渴望认识海洋、开发海洋，因此需要借助高科技进行深入研究。随着水下机器人的产生，极大地引起了人类对海洋的探索，其应用也越来越广泛。目前国内外水下机器人主要分为:遥控水下机器人(ROV)、深海载人潜水器(HOV)、自主式水下机器人(AUV)三种主流类型水下机器人[54]。

水下机器人一经问世，科学家便将其应用到渔业的探索中。来佳涛[55]在探讨传统水下机器人的优缺点中，开发了水下多足机器人，利用该机器人可以很好实时接收到到视频数据，并可以发出相应指令，对渔业进行很好的探测，并且具有运行稳定，体积小等优点。TANG Zhijie,et al[56]为了增加水下机器人近场探测功能，更好的模仿鱼的侧线，开发了一组压力传感器，使得水下机器人更好地对海洋渔业进行探测。史兴波等[57]为了解决水下机器人高精度定位实现渔业探索等问题，利用无迹卡尔曼滤波(UKF)算法和AUV 组合成导航系统，并分析了误差来源和测量模型，进行了综合仿真实验，证明其组合系统的精度高以及鲁棒性强，对未来渔业探索具有重大意义。

当然，水下机器人也有一定的不足，还需要其他产业的共同发展。比如由于水越深压强越大等原因，迫切需要推动材料业的发展，同时也会带动传感器的发展。因此，在未来可以通过政府引导，企业主导的原则下，推动水下机器人在海洋环境监测、海洋资源开发、防灾减灾，以及保障海洋环境安全方面蓬勃前景[58]。

5 总结与展望

渔业养殖所用区域主要是针对水域进行区分，包括近海和内陆湖泊，本文重点包括天、空、地、海四大方面，从不同角度对渔业养殖进行研究，获得渔业研究价值有所不同，从上述四个方面实现对渔业全方面的研究，总结出各自方法的优点和不足之处，推动科学家对渔业的深入研究。根据水体特性，利用遥感探测器可以很好捕捉水体的信息，例如相似的光谱特征；还有相似的波谱、波段等特性。除此之外，遥感的数据获取趋于三多和三高，其中三多指的是多平台、多角度、多传感器，三高指的是高空间分辨率、高时相分辨率、高光谱分辨率[59-61]。如果要获得高的时空分辨率，那么空间分辨率会下降。而如果想要高的空间分辨率，则时间分辨率同样会下降，两者是相辅相成的。在未来研发中，不仅单独应用遥感技术进行研究，还涉及其他多方面的技术，比如GPS 技术、材料学技术、化学技术等，形成了一条产业链，需要多方面共同进步，共同创新。随着高分卫星的不断发展，推动了渔业养殖的发展和应用，促进了我国渔业产业经济的飞速发展。

人工智能的自主学习能力、自主辨别能力，对于遥感从业人员，都是一个新的知识，并且成了一个从业者的必备技能[62]。随着遥感技术的发展和计算机人工智能的引入，将二者融入到渔业养殖中，形成一种新的渔业养殖方案，这样做不仅可以对渔业进行监视包括渔业生物的生长，渔业的捕捞等，还可以对渔业养殖进行判断和决策，渐渐的成为一种智能化系统，未来该技术将是一个新的研究热点。