柘林灣海水養殖污染負荷估算與空間特征分析

夏麗華，劉志根，徐 珊

（廣州大學地理科學學院，廣東 廣州 510006）

海水養殖主要集中在淺海海灣、近海岸水域和灘涂等地，按養殖水域、所用設施和技術水平的不同，養殖類型可分為陸基池塘養殖、高位池養殖、灘涂養殖、港灣網箱養殖、淺海筏式養殖和工廠化養殖。我國是海水養殖產量最大的國家之一，海水養殖在為我國帶來巨大經濟利益的同時，也對近海水體和生態環境造成了嚴重破壞，引起海水富營養化，產生了一系列水質污染問題［1］。海水污染嚴重區和赤潮多發區主要集中在海灣，而其污染物較多來源于養殖自身的污染排放，嚴重影響了海水養殖業的協調發展，也威脅到人畜的生命安全。不同養殖類型和品種產生的污染量不同，對環境造成的影響也存在差異，但目前海洋環境監測及漁業養殖環境監測中，還未進行養殖污染源及污染負荷的監測［2］。因此，如何有效評估海水養殖污染負荷，用于預防赤潮和指導漁業生產是亟需研究與解決的問題。已有諸多學者對海水養殖所產生的污染量進行了估算和研究，取得了一系列成果［3-8］。隨著海水養殖業面積的擴大，對海水養殖所產生的污染量的估算和研究方法較多，主要有物質平衡法［9］、化學分析法［10］、經驗估算法［11］和氮氨測定法［12］，其他方法也在逐步探討［13-15］。然而，目前研究存在數據的滯后性和范圍的局限性等問題，且對污染物空間分布特征分析較少。而遙感具有大范圍、低成本和周期性等特點，可以彌補常規污染負荷估算的缺陷，能有效地監測海灣養殖區污染水體的時空變化狀況。本研究以廣東省典型海灣海水養殖區柘林灣為例，利用面向對象及光譜特征值法完成海水養殖類型的面積遙感提取，選取氮（N）、磷（P）和化學需氧量（COD）為指標，針對池塘養殖、高位池養殖和網箱養殖三大養殖類型進行污染負荷評估方法研究和空間分布特征分析，實現了柘林灣海水養殖大面積污染的遙感監測。

1 研究區域與數據來源

1.1 研究區概況

柘林灣（116°58′～1l7°05′E 和 23°31′～23°37′N）位于廣東省潮州市饒平縣南部，總面積為79.3 km2，地處閩、粵兩省交界處，北靠黃岡河平原，東倚柘林半島，南有汛洲島、西澳島相伴，西至海山島，灣內水域面積寬闊、為69 km2，灘涂面積16 km2（圖1）。該區域屬海洋性亞熱帶季風氣候，避風條件好，優越的海洋環境為海水養殖的發展提供了良好條件，灣域魚類品種繁多，擁有全國最大的海水網箱養殖示范基地，俗稱“海上牧場”。自20世紀90年代以來，該區海水養殖業快速發展，逐漸形成以海水網箱、池塘為主的養殖基地，已成為我國海水養殖最為密集的海灣之一。但隨著海水養殖污染物以及陸源污染物的大量排放，柘林灣成為赤潮多發區，給當地海水養殖業帶來嚴重的經濟損失。

圖1 柘林灣位置示意圖

1.2 數據源及預處理

本研究的遙感影像數據采用Landsat 8 OLI（Operational Land Image，陸地成像儀）影像，其行列號為120-044，空間分辨率為30 m，成像時間為2013年11月23日，原始影像來源于美國地質調查局網站（USGS）。Landsat 8 OLI包括9個波段，其中Band8是15 m的全色波段，此外，藍色波段主要可用于海岸帶觀測，短波紅外波段包括水汽強吸收特征、可用于云檢測。

選擇 FLAASH大氣校正模塊［16］實現Landsat 8影像數據的大氣校正；利用GPS實地獲取的地面控制點對影像進行幾何精校正，誤差控制在0.5個像元內；以GS（Gram-Schmidt）圖像融合方法，將影像空間分辨率提高到15 m；采用規則裁剪的方法裁剪出研究區域影像數據。

2 研究方法

2.1 養殖模式遙感信息提取方法

柘林灣水體類型豐富，主要有河流、湖泊、海灣水域、養殖水域等。為實現不同海水養殖類型的信息提取，先對試驗區內水體類型進行了目視判別分析，建立了不同水體判別解譯標志，基于決策樹規則的面向對象和光譜特征值法對養殖模式進行提取［17-18］。面向對象分類方法在多尺度分割基礎上進行地物信息分類提取，選擇最優分割尺度是其分類效果的關鍵。本研究采用平均分割評價指數（Average Segmentation Evaluation Index，ASEI ）法［19］得到普通池塘養殖、網箱養殖和高位池養殖的最優分割尺度（圖2）。進行目標地物影像特征分析、選取有效的屬性特征，建立分類層次，定義隸屬度函數［20］（表1）。養殖遙感信息提取的主要步驟：（1）利用改進的歸一化差異水體指數（MNDWI）［21］實現水陸分離；（2）利用各水體類型在近紅外波段的標準差值、延長度、近紅外波段的標準差規則，剔除河流和面積較大的湖泊；（3）利用MNDWI值、中紅外波段標準差值、矩形度、紋理特征值，剔除池塘間的小路和塘埂，同時利用面積規則、矩形度實現高密度養蝦池與普通池塘的分類提取；（4）利用網箱材質引起的與周圍水體光譜差異特性，通過中紅外波段標準差、平均亮度值等特征實現網箱養殖的提取。

圖2 3種海水養殖類型最優尺度分割

表1 柘林灣海水養殖類型分類規則集

2.2 海水養殖污染負荷估算方法

廣東省海水養殖過程產生的污染物主要來源于飼料的剩餌和水產品的排泄物。評估養殖污染對水環境影響的指標或參數因調查研究目的不同而有所差異。本研究針對氮、磷和化學需氧量3個指標，將“物質平衡法”估算模型進行改進，用養殖面積替換養殖產量，即不同海水養殖總面積與污染系數乘積并累加，進而估算污染物的排污總量。污染負荷總量計算方法為：

式中，Q為污染物的負荷總量（kg）；i為養殖類型，分別是網箱養殖（i=1）、高密度對蝦養殖（i=2）和池塘養殖（i=3）；j為污染負荷指標，分別是氮（j=1）、磷（j=2）和化學需氧量（j=3）；Si為各養殖類型的面積（hm2）；T為養殖周期，即將養殖期為一年的設定系數為1、一年兩季系數為2、一年三季系數為3；L為污染系數（kg/hm2）；M為單位面積養殖產量；k為餌料系數；C1為餌料污染負荷含量，C2為養殖生物體污染負荷含量。改進后的估算模型可結合遙感技術對養殖污染進行估算，實現大范圍海水養殖面源污染的動態監測。

2.3 不同養殖類型污染系數率定

污染系數是本研究評估養殖污染負荷量的關鍵因素。為估算各類養殖類型在1年內單位面積產生的污染負荷量，需對相關參數進行確定。網箱養殖屬于人工控制的高密度型養殖類型，精養化程度高，養殖過程中投餌量大，魚類生長過程中產生的代謝有機物、未被攝食的餌料對養殖周圍海域環境的影響較大。高位池養殖受人工調控影響較大，養殖集約化程度高、投放密度大、產量高，養殖周期一年1～2次。池塘養殖以海水魚、對蝦混養或蝦蟹混養為主，屬半精養類型，受人工控制程度低于網箱養殖和高位池養殖模式，養殖密度較低，養殖周期一年1次。網箱養殖餌料主要為冰鮮雜魚，為提高餌料利用率，通常會配合用少量飼料。根據舒廷飛、Xu、頡曉勇等人的研究成果［23-27］，結合柘林灣網箱養殖場的實地調查數據，得到網箱養殖的冰鮮雜魚餌料、配合飼料氮磷含量（含氮量由粗蛋白按6.25系數轉化而成）。依據專家咨詢和實際養殖調查情況，將網箱養殖的餌料系數取值為8，單位面積產量為50 t/hm2，高位池養殖餌料系數取值為1.3，單位面積產量約7.5 t/hm2，池塘養殖的餌料系數取值為1.8，單位面積養殖產量約3.75 t/hm2。結合統計數據和文獻，依據養殖產量、養殖周期、餌料成分、餌料系數、養殖容量等參數，將污染排放量換算成以養殖面積為基礎的污染系數，建立不同養殖模式的污染系數，估算N、P和COD的排放量（表2）。

表2 柘林灣不同海水養殖模式的污染系數

3 結果與分析

3.1 養殖模式遙感解譯結果與精度檢驗

利用面向對象和光譜特征值法，結合對象大小、形狀、空間關系等要素，為減少分類規則受人為因素的影響，提高養殖模式的分類效率，利用關聯規則數據挖掘的方法，實現了柘林灣養殖類型分類的半自動化提取（圖3，彩插四）。實驗區40 544.30 hm2，從解譯結果得到，柘林灣網箱養殖面積319.34 hm2、高位池養殖面積50.92 hm2、池塘養殖面積6 886.94 hm2。采用混淆矩陣方法對分類結果的精度進行評價，參考實驗區Google Earth高分辨率影像，目視隨機選取100個樣本點來評價分類結果，并在ENVI5.3軟件中分別對監督分類結果進行精度評估（表3）。通過精度評價比較可以看出，面向對象分類的總體精度比監督分類提高了近10%，總體分類精度達到83.87%，Kappa系數為0.79。說明面向對象分類法在海水養殖遙感信息提取中是一種精度較高的有效方法，該方法能夠區分不同的養殖模式，但對于不同遙感影像及不同地區均需要重新進行分類規劃摸索。

圖3 柘林灣海水養殖分布

3.2 海水養殖模式的分布特征分析

柘林灣是一個半封閉性的海灣，根據遙感提取結果，可以對不同養殖模式的空間分布進行分析，如圖2所示。柘林灣網箱養殖分布在3個區域，第一個面積最大的養殖區呈條帶狀，分布在三百門水域至東南方向的汛洲島、西澳島之間的海域；第二個片區呈矩形狀，分布在海山島東北角與汛洲島西邊海域之間；第三個片區呈條帶狀，分布在柘林鎮與西澳島之間的海域。池塘養殖主要分布在柘林灣西邊的汫洲鎮和海山鎮、北邊的黃岡鎮以及東邊的所城鎮和柘林鎮，又以黃岡鎮、汫洲鎮養殖區最為集中；高位池養殖呈散點狀，分布在海山島東部、西南部與外海相鄰的沿岸。掌握養殖類型的空間分布特點，有助于漁業管理和養殖結構優化。

表3 柘林灣海水養殖類型分類結果精度評價

3.3 不同海水養殖污染物負荷量估算

本研究利用改進估算法對不同養殖模式的污染負荷進行估算（設定養殖期為1年，T=1）。結果（表4）表明，2013年柘林灣海水養殖主要污染總負荷量為13 641.62 t，由網箱養殖產生的污染負荷量為9 073.32 t，其中氮負荷量為2 718.61 t，占總氮負荷量的78.22%；磷負荷量為634.29 t，占總磷負荷量的68.35%；COD負荷量為5 720.42 t，占總COD負荷量的61.92%。高位池養殖產生的污染負荷量為78.57 t，氮負荷量為24.62 t，占總氮負荷量的0.71%；磷負荷量為7.5 t，占總磷負荷量的0.51%；COD負荷量為46.45 t，占總COD負荷量的0.51%。池塘養殖產生的污染負荷量為4 489.73 t，其中氮負荷量為732.43 t，占總氮負荷量的21.07%；磷負荷量為286.15 t，占總磷負荷量的30.84%；COD負荷量為3 471.15 t，占總COD負荷量的37.57%。以上結果表明柘林灣海水養殖自身污染總量較大，已成為該海灣主要的污染源。

表4 柘林灣海水養殖污染負荷量估算及污染貢獻率評估結果

3.4 不同海水養殖模式污染貢獻率評估

基于海水養殖污染系數、養殖模式和養殖面積構建污染貢獻率評估模型，實現柘林灣海水養殖面源污染的定量評估。研究結果表明，柘林灣2013年海水養殖環境主要污染總負荷量為13 641.62 t，其中氮負荷總量為3 475.65 t，磷負荷總量為927.95 t，COD負荷總量為9 238.02 t；網箱養殖主要污染負荷貢獻率為66.51%，普通池塘養殖為32.91%，高位池養殖僅為0.58%。海水養殖業本身對于沿海環境的污染貢獻率越來越大，不同海水養殖類型所產生的污染量差別較大，網箱養殖污染貢獻率遠遠大于池塘養殖和高位池養殖。因此，漁民應控制養殖容量，調整養殖類型，將有利于漁業的可持續發展和優化經濟生態效益。

3.5 海水養殖氮磷污染強度的空間特征分析

利用GIS軟件結合實測數據生成柘林灣2013年海水養殖區的氮、磷污染強度空間分布圖（圖4，彩插四）。從圖3（彩插四）可以看出，產生氮污染最為嚴重的區域為網箱養殖區，磷污染較為嚴重的區域為黃岡鎮的池塘養殖區和網箱養殖區，其次是汫洲鎮的池塘養殖區。因此，養殖戶應合理改良養殖類型和適當調整養殖密度，相關部門可以制訂相應的治理辦法或防控措施。

圖4 柘林灣環境氮和磷污染強度空間分布

4 結論與討論

海水養殖業給人類提供食物來源、帶來經濟效益的同時也引起了近海海洋生態環境的污染問題，對海水養殖污染負荷進行評估具有重要意義［28］。本研究選擇典型海水養殖區柘林灣為實驗區，對海水養殖污染負荷的評估方法進行研究，完成典型海灣海水養殖污染負荷的估算與監測，可填補漁業環境污染監測在海灣海水養殖面源污染的空缺。采用實測法建立了不同養殖類型的污染系數，為水產養殖面源污染問題監測與評估提供了重要參考依據。利用面向對象及光譜特征值法完成海水養殖類型的遙感提取，分析了污染物在空間上的分布特征，為海水養殖用地的合理規劃與海水養殖持續發展提供理論依據及技術方法。此外，本研究還估算了不同海水養殖模式的污染貢獻率，可為沿海養殖業的生產調控提供科學依據。

受遙感數據空間分辨率的限制，信息提取結果與實際存在偏差。選擇高分辨率影像數據或多源遙感數據進行綜合探討。利用排污染系數進行養殖污染排放量估算具有不確定性，同時養殖業增產量依靠統計數據，存在時間滯后性，具有一定的誤差。不同養殖階段和不同養殖類型對環境影響程度有差異，應加強對不同階段養殖排污情況的研究。未來的研究將利用成像光譜儀進行不同養殖模式觀測，構建養殖區污染物反演模型，結合GIS等技術建立污染物動態監測與空間分布模擬平臺，以更全面地評價海水養殖業對近海環境的影響。

［1］周穎，鐘昌標. 近海養殖對海洋漁業環境的影響分析［J］. 漁業經濟研究，2008（6）：11-17.

［2］環境保護部. 2015年中國海洋環境狀況公報［EB/OL］. http：//www.coi.gov.cn/gongbao/huanjing/201604/t20160414_33875.html，2016-04-14.

［3］趙寧. 《中國海洋發展報告（2015）》發布［N］.中國海洋報，2015-06-24.

［4］頡曉勇，李純厚，孔嘯蘭. 廣東省海水養殖現狀與環境污染負荷評估［J］. 農業環境與發展，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］潘燦民，張珞平，黃金良，等. 廈門西海域、同安灣入海污染負荷估算研究［J］. 海洋環境科學，2011（1）：90-95.

［7］夏新建，許忠能，林小濤，等. 不同池塘養殖模式的環境氮磷負荷及其水質特征［J］. 海洋科學，2012，26（5）：87-92.

［8］馬葉勝，許忠能，林小濤，等. 柘林灣沿岸對蝦養殖環境的氮磷負荷與區域分布［J］. 水生態學雜志，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］李純厚，黃洪輝，林欽，等. 海水對蝦池塘養殖污染物環境負荷量的研究［J］. 農業環境科學學報，2004，23（3）：545-550.

［12］石芳永，張延青，徐洋，等. 海水養殖廢水中氨氮測定方法的影響因素及改進研究［J］. 漁業現代化，2009（2）：20-24.

［13］夏麗華，徐珊，陳智斌，等. 廣東省海岸帶海水養殖業污染貢獻率研究［J］. 廣州大學學報（自然科學版），2013（5）：80-86.

［14］任新君. 海域承載力和海水養殖業布局的內在作用機理研究［D］. 青島：中國海洋大學，2010.

［15］李京梅，楊士永. 基于環境質量成本模型的海水養殖業污染控制研究［J］. 農業經濟與管理，2013（4）：89-96.

［16］羅彩蓮，陳杰，樂通潮. 基于FLAASH模型的Landsat ETM+衛星影像大氣校正［J］. 防護林科技，2008（5）：46-48，51.

［17］程田飛，周為峰，樊偉. 水產養殖區域的遙感識別方法進展［J］. 國土資源遙感，2012（3）：1-5.

［18］周春艷，王萍，張振勇，等. 基于面向對象信息提取技術的城市用地分類［J］. 遙感技術與應用，2008，23（1）：31- 35.

［19］陳春雷，武剛. 面向對象的遙感影像最優分割尺度評價［J］. 遙感技術與應用，2011，26（1）：96-102.

［20］關學彬，張翠萍，蔣菊生，等. 水產養殖遙感監測及信息自動提取方法研究［J］. 國土資源遙感，2009（2）：41-44.

［21］徐涵秋. 利用改進的歸一化差異水體指數（MNDWI）提取水體信息的研究［J］. 遙感學報，2005（5）：589-595.

［22］舒廷飛，溫琰茂，周勁風，等. 啞鈴灣網箱養殖環境容量研究 Ⅰ. 網箱養殖污染負荷分析計算［J］. 海洋環境科學，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］頡曉勇，李純厚，孔嘯蘭. 廣東省海水養殖現狀與環境污染負荷評估［J］. 農業環境與發展，2011，28（5）：111-114.

［25］張玉珍，洪華生，陳能汪，等. 水產養殖氮磷污染負荷估算初探［J］. 廈門大學學報（自然科學版），2003，42（2）：223-227.

［26］李純厚，黃洪輝，林欽，等. 海水對蝦池塘養殖污染物環境負荷量的研究［J］. 農業環境科學學報，2004，23（3）：545-550.

［27］李金亮. 精養蝦池氮磷收支研究及養殖效果分析［D］. 海南：海南大學，2010.

［28］陳一波，宋國寶，趙文星，等. 中國海水養殖污染負荷估算［J］. 海洋環境科學，2016，35（1）：1-6，12.