基于GoogleEarthEngine平臺(tái)的太湖圍網(wǎng)養(yǎng)殖時(shí)空變化

李尚志 薛華柱 李靜茹

摘要：基于谷歌地球引擎（Google Earth Engine，簡稱GEE）平臺(tái)，以我國太湖水域?yàn)槔?，利?0年時(shí)間序列的Landsat系列衛(wèi)星數(shù)據(jù)，結(jié)合光譜信息、多種遙感指數(shù)和紋理信息，利用分類與回歸樹的方法對(duì)1985—2019年之間的太湖圍網(wǎng)養(yǎng)殖區(qū)域進(jìn)行分類提取，并且探討太湖圍網(wǎng)養(yǎng)殖空間分布模式及時(shí)間序列上的面積變化情況。結(jié)果表明，分類與回歸樹方法可以用于提取圍網(wǎng)養(yǎng)殖區(qū)域，同時(shí)提取精度較高，細(xì)節(jié)信息也較為豐富;在空間上，太湖圍網(wǎng)養(yǎng)殖活動(dòng)主要存在于東太湖水域，西太湖區(qū)域面積較小。在時(shí)間序列上，太湖圍網(wǎng)養(yǎng)殖產(chǎn)業(yè)自1985年開始以來，圍網(wǎng)養(yǎng)殖區(qū)面積逐年提高，至2007年達(dá)到峰值，然后逐年縮小，在近年保持穩(wěn)定狀態(tài)。養(yǎng)殖區(qū)最大面積達(dá)到136.57 km2，經(jīng)過近年來的一系列的治理工作之后，太湖水產(chǎn)養(yǎng)殖區(qū)面積減少至15 km2以下。利用谷歌地球引擎遙感大數(shù)據(jù)平臺(tái)提取圍網(wǎng)養(yǎng)殖區(qū)對(duì)于太湖水資源保護(hù)具有極大的優(yōu)勢，主要表現(xiàn)在GEE平臺(tái)降低了數(shù)據(jù)準(zhǔn)備的時(shí)間，同時(shí)保證大數(shù)據(jù)量的高性能計(jì)算，在以后的水資源保護(hù)研究中有著極大的優(yōu)勢。

關(guān)鍵詞：谷歌地球引擎;太湖;圍網(wǎng)養(yǎng)殖;分類與回歸樹;時(shí)空分布

水產(chǎn)養(yǎng)殖是指出于商業(yè)目的而飼養(yǎng)水生生物（包括魚類、軟體動(dòng)物、甲殼類動(dòng)物和水生植物等）的人類活動(dòng)。我國是水產(chǎn)養(yǎng)殖大國，水產(chǎn)養(yǎng)殖規(guī)模處于快速增長狀態(tài)[1]。太湖是我國著名的水產(chǎn)養(yǎng)殖基地，隨著經(jīng)濟(jì)的發(fā)展和生活水平的提高，在太湖水域進(jìn)行圍網(wǎng)養(yǎng)殖的現(xiàn)象越來越普遍。常年圍網(wǎng)養(yǎng)殖導(dǎo)致太湖水質(zhì)惡化，已經(jīng)嚴(yán)重威脅到太湖流域生態(tài)環(huán)境安全，也影響了太湖正常的蓄水防洪能力，加劇了洪澇災(zāi)害出現(xiàn)的可能性。利用衛(wèi)星遙感手段對(duì)太湖圍網(wǎng)養(yǎng)殖區(qū)域進(jìn)行監(jiān)測，為實(shí)現(xiàn)可持續(xù)發(fā)展提供了有力的技術(shù)支撐。眾多學(xué)者基于遙感手段圍繞水體圍網(wǎng)養(yǎng)殖行為導(dǎo)致的水域面積、養(yǎng)殖區(qū)面積及水質(zhì)變化做了大量的研究工作。沈芳等利用1986—1998年的陸地衛(wèi)星專題成像儀（Landsat TM）影像對(duì)太湖流域的滆湖、洮湖圍網(wǎng)養(yǎng)殖面積變化進(jìn)行了研究工作，并對(duì)養(yǎng)殖區(qū)水質(zhì)進(jìn)行了評(píng)價(jià)[2]。楊英寶等利用多時(shí)相TM數(shù)據(jù)對(duì)東太湖圍網(wǎng)養(yǎng)殖區(qū)域進(jìn)行了提取工作，并且確定了超密度圍網(wǎng)養(yǎng)殖區(qū)域范圍[3]。馬艷娟等基于ASTER衛(wèi)星遙感影像構(gòu)建水體指數(shù)，結(jié)合波段運(yùn)算提取了近海水產(chǎn)養(yǎng)殖區(qū)，為養(yǎng)殖區(qū)決策提供了參考依據(jù)[4]。賀秋華等利用高分二號(hào)遙感影像采用人機(jī)交互目視解譯的方法提取了湖南省網(wǎng)箱養(yǎng)殖信息，研究了圍網(wǎng)養(yǎng)殖的空間分布情況并且估算了養(yǎng)殖產(chǎn)生的氮、磷排放量[5]。黃帥等利用資源三號(hào)高分遙感影像，利用圍網(wǎng)養(yǎng)殖區(qū)和非養(yǎng)殖區(qū)的光譜信息差異，采用梯度變換的方法提取養(yǎng)殖區(qū)，精度達(dá)到90.66%[6]。王家偉等利用 5期TM遙感影像， 利用多段光譜數(shù)據(jù)構(gòu)建了改正歸一化差異水體指數(shù)，提取了太湖圍網(wǎng)養(yǎng)殖區(qū)域[7]。李俊杰等利用CBERS衛(wèi)星遙感數(shù)據(jù)，提出了基于遙感影像紋理信息的湖泊圍網(wǎng)養(yǎng)殖區(qū)提取的方法，并取得了較好的提取效果[8]。目前，對(duì)于太湖圍網(wǎng)養(yǎng)殖的研究多針對(duì)單個(gè)時(shí)間段，缺乏連續(xù)的調(diào)查資料。而且對(duì)太湖圍網(wǎng)養(yǎng)殖現(xiàn)象進(jìn)行長時(shí)間序列的分析與監(jiān)測，需要的數(shù)據(jù)量較大，傳統(tǒng)的遙感手段，從數(shù)據(jù)下載到數(shù)據(jù)預(yù)處理，再到遙感數(shù)據(jù)分析，需要大量的準(zhǔn)備工作，而且受限于本地運(yùn)算能力，導(dǎo)致運(yùn)算速度慢，耗時(shí)較長。

谷歌地球引擎（Google Earth Engine，簡稱GEE）是基于谷歌云的遙感大數(shù)據(jù)處理平臺(tái)，部署了PB級(jí)遙感數(shù)據(jù)供用戶免費(fèi)使用。谷歌地球引擎也支持在線處理各種復(fù)雜的空間分析運(yùn)算，包括圖層疊加、數(shù)組運(yùn)算、圖像分類、圖像拼接、時(shí)間序列分析等。另外，谷歌地球引擎提供了Javascript和Python應(yīng)用程序接口，通過Code Editor模塊可以實(shí)現(xiàn)數(shù)據(jù)在線使用與算法編寫，方便算法的開發(fā)與應(yīng)用。借助強(qiáng)大的云計(jì)算資源與海量影像數(shù)據(jù)，谷歌地球引擎已成為地理、空間信息學(xué)研究的重要基礎(chǔ)性工具[9]。與傳統(tǒng)的遙感平臺(tái)如ENVI、e-Cognition軟件相比，GEE平臺(tái)簡化了數(shù)據(jù)收集流程，提高了數(shù)據(jù)處理效率，是一個(gè)高效且實(shí)用的科研平臺(tái)。

1 研究區(qū)概況

太湖位于我國江蘇省南部，地處30°56′～31°14N′，119°54′～120°36′E，水域面積為 2 338 km2，湖中島嶼面積為89.7 km2，平均水深 1.9 m，是我國第三大淡水湖（圖1）。太湖地處亞熱帶，氣候溫和濕潤，屬季風(fēng)氣候。太湖周邊河港縱橫，有主要進(jìn)出河流50余條，周邊主要城市有江蘇省無錫市、江蘇省蘇州市、浙江省湖州市、江蘇省宜興市等，在歷年的汛期起到重要的防洪和水量調(diào)節(jié)作用。太湖西側(cè)和西南側(cè)為丘陵山地，東側(cè)為平原。太湖流域是我國重點(diǎn)淡水養(yǎng)殖基地，全域淡水魚產(chǎn)量約占我國總產(chǎn)量的10%。圍網(wǎng)養(yǎng)殖是太湖漁業(yè)養(yǎng)殖的傳統(tǒng)模式，傳統(tǒng)圍網(wǎng)養(yǎng)殖中高密度的圍網(wǎng)設(shè)置、為追求經(jīng)濟(jì)效益而過渡投放餌料等行為已經(jīng)對(duì)太湖生態(tài)系統(tǒng)給造成了嚴(yán)重的不良影響[10]。按照自然形態(tài)進(jìn)行劃分，太湖可以分成梅梁湖、五里湖、貢湖、竺山湖、湖心區(qū)、西部沿岸區(qū)、東部沿岸區(qū)、東太湖、南部沿岸區(qū)等9個(gè)區(qū)域[11]。太湖中存在若干島嶼，其中，西山島為太湖第一大島，貢山島位于太湖東北部，由小貢山和大貢山組成。太湖中部為漫山島，東南部為三山島，也是太湖的重要組成部分。

2 試驗(yàn)數(shù)據(jù)

衛(wèi)星遙感數(shù)據(jù)為Landsat系列衛(wèi)星多光譜數(shù)據(jù)，空間分辨率為30 m（表1），具有成像質(zhì)量高、觀測周期長等優(yōu)點(diǎn)，在地球資源環(huán)境監(jiān)測領(lǐng)域具有很大優(yōu)勢。太湖的捕撈時(shí)間是每年9月1日至翌年1月15日[12]，每年的7—8月是圍網(wǎng)養(yǎng)殖力度最大的階段。為此，選擇每年7—8月高質(zhì)量的遙感影像作為輸入數(shù)據(jù)。谷歌地球引擎遙感大數(shù)據(jù)平臺(tái)部署的開放獲取數(shù)據(jù)集涵蓋了40多年的Landsat系列陸地衛(wèi)星歷史影像數(shù)據(jù)和科學(xué)數(shù)據(jù)集，而且處于每天都在更新的狀態(tài)。主要傳感器包括陸地成像儀（operational land imager，簡稱OLI）、熱紅外傳感器（thermal infrared scanner，簡稱TIRS）、多光譜掃描儀（multi-spectral scanner，簡稱MSS）、增強(qiáng)型專題繪圖儀（enhanced thematic mapper，簡稱ETM+）和專題成像儀（thematic mapper，簡稱TM），傳感器參數(shù)在設(shè)計(jì)時(shí)具有較好的歷史一致性，能夠滿足長時(shí)間序列分析的要求。借助谷歌地球引擎平臺(tái)，可以在線使用各種形式的Landsat數(shù)據(jù)，包括原始影像，地表反射率和大氣頂端反射率。

3 分類特征

3.1 光譜特征

利用遙感影像提取圍網(wǎng)養(yǎng)殖區(qū)域的關(guān)鍵是圍網(wǎng)養(yǎng)殖行為導(dǎo)致的光譜信息差異，太湖水體可以分為養(yǎng)殖區(qū)和非養(yǎng)殖區(qū)2種，非養(yǎng)殖區(qū)呈現(xiàn)水體的典型光譜特征，其中，在藍(lán)波段有明顯的吸收峰，而綠波段有反射峰，短波紅外反射率較低。而水產(chǎn)養(yǎng)殖區(qū)域在養(yǎng)殖過程中產(chǎn)生的多余的飼料及養(yǎng)殖生物產(chǎn)生的排泄物殘留在水中，導(dǎo)致水中氮磷排放指標(biāo)高而對(duì)水生環(huán)境產(chǎn)生較大影響。2種水體之間存在一定的光譜差異，具體表現(xiàn)為水產(chǎn)養(yǎng)殖區(qū)域水體在近紅外波段和短波紅外波段的反射率高于正常水體。

3.2 遙感指數(shù)

歸一化差異水體指數(shù)（normalized difference water index，簡稱NDWI）由Mcfeeters提出，由于水體在綠光波段的反射率大于紅光波段，因此歸一化差異水體指數(shù)既保留了歸一化植被指數(shù)（normalized vegetation index，簡稱NDVI）對(duì)植被和土壤的增強(qiáng)作用，又最大化了水體特性，能夠最大程度地抑制植被信息，突出水體信息，可以有效地將植被與水體被分割開來[13]，表達(dá)式如下：

NDVI可以用來反映植被生長情況，由于人工圍網(wǎng)養(yǎng)殖過程中，漁戶使用擋水材料組織投喂餌料流失，容易產(chǎn)生大量的餌料殘余，使得有機(jī)質(zhì)含量遠(yuǎn)高于正常水體，吸引水中大量藻類微生物聚集，使得NDVI增高。NDVI表達(dá)式定義為

由于綠光波段反射率高于近紅外波段反射率，因此歸一化水體指數(shù)會(huì)混雜土壤或建筑用地信息[14]。因此，改進(jìn)的歸一化差異水體指數(shù)（modified normalizd difference water index，簡稱MNDWI）也是提取水體信息的常用方法。公式為

3.3 紋理信息

遙感影像的紋理結(jié)構(gòu)反映了地面目標(biāo)中同質(zhì)現(xiàn)象排列的視覺特征，表征了物體表面的緩慢變化或者周期性變化的結(jié)構(gòu)組織排列屬性。灰度共生矩陣（gray level co-occurrence matrix，簡稱GLCM）能夠從方向、間隙、變化范圍等方面綜合反映圖像信息，是圖像紋理分析中最為常用的分析方法[15]。灰度共生矩陣的原理是取圖像中的任意一點(diǎn)和另一個(gè)在水平和垂直方向上均有偏移的點(diǎn)之間形成一個(gè)點(diǎn)對(duì)。對(duì)于每個(gè)點(diǎn)對(duì)出現(xiàn)的次數(shù)，將其排列為一個(gè)矩陣，再用點(diǎn)對(duì)總的出現(xiàn)次數(shù)歸一化為出現(xiàn)概率，由此構(gòu)造灰度共生矩陣。灰度共生矩陣提供了影像中像元與像元之間的空間關(guān)系，Haralick等提出了14種灰度矩陣的紋理統(tǒng)計(jì)指標(biāo)[16]。根據(jù)灰度共生矩陣，本研究選擇了對(duì)比度（Contrast）和熵（Entropy）2種統(tǒng)計(jì)方法描述圖像的紋理信息，公式如下：

4 研究方法

分類與回歸樹（classification and regression tree，簡稱CART）算法既可以用于分類問題，也可以用于連續(xù)變量預(yù)測。該算法不要求輸入數(shù)據(jù)服從統(tǒng)計(jì)分布，而且可以確定變量對(duì)于分類任務(wù)的重要程度，結(jié)構(gòu)清晰并且易于理解。分類與回歸樹算法首先將訓(xùn)練樣本分為測試變量（特征向量）和目標(biāo)變量（地物類型）。然后采用遞歸分割的方式選擇特征向量中合適的變量集分割節(jié)點(diǎn)，并構(gòu)建二叉決策樹。分類與回歸樹算法利用基尼系數(shù)作為選擇最佳測試變量和閾值的準(zhǔn)則。在分類問題中，假設(shè)有K類，樣本點(diǎn)屬于第k類的概率為pk，則概率分布的基尼系數(shù)的定義為

在實(shí)際應(yīng)用過程中，決策樹可能會(huì)存在過擬合現(xiàn)象，為此分類回歸算法采用交叉驗(yàn)證的方法對(duì)決策樹進(jìn)行修剪，通過決策樹剪枝可以有效防止過擬合，最終獲得一棵兼顧復(fù)雜度和錯(cuò)誤率的最優(yōu)二叉決策樹[17]。

5 精度驗(yàn)證

利用混淆矩陣對(duì)本研究的分類精度進(jìn)行評(píng)價(jià)的結(jié)果表明，綜合光譜信息、遙感指數(shù)及紋理信息的分類方法較為準(zhǔn)確地反映了研究區(qū)內(nèi)的養(yǎng)殖區(qū)分布情況，總體分類精度在90%左右。由于30 m分辨率Landsat影像空間分辨率并不足夠高，因此存在一定的混合像元現(xiàn)象，在一定程度上降低了分類精度。谷歌地球引擎平臺(tái)引擎提供了影像導(dǎo)出功能，可以將分類結(jié)果下載到本地，同時(shí)使用谷歌地球提供的高分辨率遙感圖像，輔助混淆矩陣對(duì)分類結(jié)果進(jìn)行驗(yàn)證工作。

由于圍網(wǎng)養(yǎng)殖區(qū)域的養(yǎng)殖強(qiáng)度差異較大，在低密度養(yǎng)殖區(qū)域與正常水體差異較小，在高密度養(yǎng)殖區(qū)域在光譜上與陸地類似，因此會(huì)造成一定的誤分存在。除此之外，湖邊內(nèi)塘也存在相應(yīng)數(shù)量的養(yǎng)殖區(qū)域，在不引入位置信息等先驗(yàn)知識(shí)的條件下，僅憑借遙感影像也很難區(qū)分。分類結(jié)果的混淆矩陣如表2所示。

6 結(jié)果與分析

6.1 太湖養(yǎng)殖區(qū)空間分布特征

利用分類與回歸樹對(duì)各個(gè)時(shí)期太湖水域的分類結(jié)果見圖2，圍網(wǎng)養(yǎng)殖區(qū)顯示為紅色，自然水體為藍(lán)色，陸地及其他地物類型為綠色。太湖圍網(wǎng)養(yǎng)殖活動(dòng)在不同時(shí)期表現(xiàn)出不同的分布特點(diǎn)。1984年以前，太湖漁業(yè)以人工放流和自然捕撈為主，土地利用類型以自然水體和沿湖圍墾為主。由于受到“圍湖造田”等歷史政策因素影響，東太湖水面南岸地區(qū)為陸地類型，隨著漁業(yè)的經(jīng)濟(jì)價(jià)值增大，沿岸圍墾區(qū)域逐漸轉(zhuǎn)為沿岸養(yǎng)殖區(qū)。20世紀(jì)80年代初期，太湖周邊各級(jí)政府就開始在太湖實(shí)施封湖禁漁制度，由此太湖成為全國首個(gè)封湖禁漁的內(nèi)陸湖泊。同時(shí)，政府部門也鼓勵(lì)漁民變捕撈為養(yǎng)殖，網(wǎng)圍養(yǎng)殖得到了快速發(fā)展[10]，由此開啟了太湖的圍網(wǎng)養(yǎng)殖時(shí)代。

1984年太湖圍網(wǎng)養(yǎng)殖主要存在于東太湖南岸，依托圍堰分隔湖邊水體開展人工養(yǎng)殖活動(dòng)。到1985年，太湖圍網(wǎng)養(yǎng)殖區(qū)域面積仍然較小，在隨后幾年內(nèi)受到經(jīng)濟(jì)利益的驅(qū)使，太湖人工圍網(wǎng)養(yǎng)殖區(qū)域逐年擴(kuò)大。其中，部分增長來自于圍堰用地轉(zhuǎn)為養(yǎng)殖區(qū)域，部分來自于侵占正常水體。1989年，東太湖北岸區(qū)域開始出現(xiàn)圍網(wǎng)養(yǎng)殖區(qū)域，養(yǎng)殖面積開始逐年擴(kuò)大。至1999年，東太湖近一半?yún)^(qū)域?yàn)槿斯ゐB(yǎng)殖區(qū)域。到2004年，東太湖水域幾乎全部被圍網(wǎng)養(yǎng)殖活動(dòng)覆蓋。2004年，漫山島西側(cè)部分水域被開辟為養(yǎng)殖區(qū)，并在隨后的幾年內(nèi)面積不斷擴(kuò)大養(yǎng)殖規(guī)模。

1993年以后圍網(wǎng)養(yǎng)殖面積迅速增大，至2000年圍網(wǎng)遍及整個(gè)東太湖流域，除了湖中央的主航道以外，湖面幾乎全部被圍網(wǎng)設(shè)施覆蓋。2000年左右，圍網(wǎng)養(yǎng)殖區(qū)域沿東太湖湖灣向湖中心擴(kuò)展，養(yǎng)殖面積加倍。至2004年，東太湖水域養(yǎng)殖區(qū)幾乎全部淪為人工養(yǎng)殖區(qū)域，使正常水體惡化，對(duì)生物多樣性造成了嚴(yán)重的破壞。隨后，圍網(wǎng)養(yǎng)殖區(qū)域已經(jīng)突破東太湖，向西太湖逐步發(fā)展。到2005年，七都以北、西山島以南、東太湖以東的區(qū)域，圍網(wǎng)養(yǎng)殖已經(jīng)形成規(guī)模，正常水體逐年壓縮。2006年，太湖西山島的東側(cè)和南側(cè)也存在少量的圍網(wǎng)養(yǎng)殖區(qū)域。至2007年5月，常年高密度和大范圍的圍網(wǎng)養(yǎng)殖活動(dòng)致使太湖藍(lán)藻事件暴發(fā)，太湖水質(zhì)遭到嚴(yán)重污染，影響了周邊城市居民的正常生活。

從2008年起，在各級(jí)政府的主導(dǎo)下，太湖水域開始?jí)嚎s圍網(wǎng)養(yǎng)殖面積。到2013年，圍網(wǎng)養(yǎng)殖被壓縮到東太湖北岸水域，養(yǎng)殖格網(wǎng)更加規(guī)則，表現(xiàn)出較高的養(yǎng)殖密度。到2014年，太湖圍網(wǎng)現(xiàn)象優(yōu)于1997年以前的水平，圍網(wǎng)養(yǎng)殖現(xiàn)象得到控制，保持穩(wěn)中向好的趨勢。隨著太湖治理力度加大，東太湖養(yǎng)殖區(qū)域進(jìn)一步縮小，但至今仍然是太湖主要圍網(wǎng)養(yǎng)殖區(qū)域。2015年，東太湖養(yǎng)殖區(qū)的面積略有減少，但整體不變。

2017年圍網(wǎng)養(yǎng)殖區(qū)域被大量拆除，退回到1994年時(shí)的狀態(tài)。2018年，太湖圍網(wǎng)養(yǎng)殖區(qū)域面積進(jìn)一步收縮，為了增加水體的流動(dòng)性，沿岸圍網(wǎng)區(qū)域拆除。2020年，太湖圍網(wǎng)養(yǎng)殖區(qū)域可能將會(huì)消失。

從太湖養(yǎng)殖區(qū)的空間演變情況可以看出，太湖圍網(wǎng)養(yǎng)殖區(qū)多依托湖岸，利用道路交通優(yōu)勢，方便餌料與水產(chǎn)品運(yùn)輸。太湖養(yǎng)殖區(qū)主要分布在東太湖地區(qū)，湖中央和北部地區(qū)零星分布，太湖北部的貢湖、梅梁湖水域一直沒有大規(guī)模養(yǎng)殖現(xiàn)象出現(xiàn)，南部太湖水域整體情況較好。

6.2 太湖養(yǎng)殖區(qū)年際面積變化特征

太湖水域從1985年以來的圍網(wǎng)養(yǎng)殖區(qū)面積變化曲線見圖3。太湖地區(qū)圍網(wǎng)養(yǎng)殖主要經(jīng)歷了5個(gè)階段。包括1985—1991年的緩慢增長階段;1992—1997年的快速增長階段;1998—2007年的高水平穩(wěn)定階段;2008—2013年的逐步減少階段;以及2014—2019年的進(jìn)一步減少階段。1984—1991年期間，太湖圍網(wǎng)養(yǎng)殖活動(dòng)處于起步階段，圍網(wǎng)養(yǎng)殖區(qū)域面積在20 km2以下，年均增長面積達(dá)1.3 km2，1992—1996年期間太湖圍網(wǎng)養(yǎng)殖區(qū)面積增加了約7192 km2，其中，1993年太湖圍網(wǎng)養(yǎng)殖區(qū)的面積為58.67 km2，1994年的為64.12 km2，年平均增加圍網(wǎng)養(yǎng)殖區(qū)面積為14.38 km2。1997—1999年期間，太湖圍網(wǎng)養(yǎng)殖區(qū)面積增加了36.4 km2，1999年太湖圍網(wǎng)養(yǎng)殖區(qū)的面積為76.17 km2，年平均增加圍網(wǎng)養(yǎng)殖區(qū)面積為7.28 km2。1999—2007年期間，太湖圍網(wǎng)養(yǎng)殖區(qū)面積增加了69.11 km2，至此達(dá)到太湖圍網(wǎng)養(yǎng)殖區(qū)面積的峰值，為136.57 km2。

2008—2013年期間，太湖圍網(wǎng)養(yǎng)殖區(qū)面積減少了89.14 km2，2013年太湖圍網(wǎng)養(yǎng)殖區(qū)的面積為4587 km2，年平均減少圍網(wǎng)養(yǎng)殖區(qū)面積為 20.28 km2。2013—2016年期間，太湖圍網(wǎng)養(yǎng)殖區(qū)面積保持穩(wěn)定，但有進(jìn)一步降低的趨勢，受到經(jīng)濟(jì)利益的影響，面積在40 km2左右浮動(dòng)。

2017年通過一系列的退漁還湖改造，推廣綠色漁業(yè)，使得過度養(yǎng)殖現(xiàn)象得到一定的緩解，網(wǎng)圍養(yǎng)殖比例從79.3%下降為37.6%。2018年，太湖圍網(wǎng)養(yǎng)殖區(qū)總面積約為29.95 km2，與1992年的相當(dāng)。2019年，太湖水域圍網(wǎng)設(shè)施大量拆除，面積進(jìn)一步降低到15 km2左右。根據(jù)太湖周邊政府公告，太湖流域各級(jí)政府加大治理力度，太湖圍網(wǎng)養(yǎng)殖將有望成為歷史。

7 討論與結(jié)論

本研究嘗試?yán)霉雀璧厍蛞孢b感平臺(tái)對(duì)太湖養(yǎng)殖區(qū)開展提取工作，利用30 m分辨率Landsat衛(wèi)星系列數(shù)據(jù)，結(jié)合遙感指數(shù)和圖像紋理特征，使用CART算法，實(shí)現(xiàn)了太湖圍網(wǎng)養(yǎng)殖區(qū)提取，并就提取結(jié)果在空間和時(shí)間2個(gè)維度上進(jìn)行了分析與討論，而且在長時(shí)間序列上給出太湖圍網(wǎng)養(yǎng)殖區(qū)面積變化的情況。研究表明，基于Landsat 8影像監(jiān)測太湖養(yǎng)殖區(qū)，可以全面、客觀地表現(xiàn)出圍網(wǎng)養(yǎng)殖空間分布狀況和面積的變化概況。太湖流域養(yǎng)殖區(qū)主要分布在東南沿岸，空間分布上并不均衡。近40年來，太湖水域中圍網(wǎng)養(yǎng)殖區(qū)面積變化呈現(xiàn)出先增加后減少的趨勢。與以往的養(yǎng)殖區(qū)提取工作相比，使用谷歌地球引擎遙感大數(shù)據(jù)平臺(tái)可以很方便地實(shí)現(xiàn)大量遙感數(shù)據(jù)收集，快速獲取結(jié)果，為大范圍、長時(shí)間序列圍網(wǎng)養(yǎng)殖監(jiān)測提供了強(qiáng)有力的手段。但是，利用遙感影像提取圍網(wǎng)養(yǎng)殖區(qū)域也存在較大的局限性，比如，不同時(shí)期圍網(wǎng)養(yǎng)殖強(qiáng)度存在較大的差異，而且圍網(wǎng)養(yǎng)殖區(qū)域?qū)е碌乃w富營養(yǎng)化擴(kuò)散作用明顯，給圍網(wǎng)養(yǎng)殖提取帶來了較大的挑戰(zhàn)。以上研究結(jié)論對(duì)于在太湖流域生態(tài)環(huán)境保護(hù)、合理利用水資源具有重要的參考價(jià)值，可為太湖流域水資源綜合開發(fā)利用提供科學(xué)依據(jù)與理論支持，在確保發(fā)展經(jīng)濟(jì)效益的同時(shí)保證太湖生態(tài)環(huán)境健康發(fā)展。

參考文獻(xiàn)：

[1]程田飛，周為峰，樊 偉. 水產(chǎn)養(yǎng)殖區(qū)域的遙感識(shí)別方法進(jìn)展[J]. 國土資源遙感，2012（3）：1-5.

[2]沈 芳，匡定波. 太湖流域典型中小湖群水資源利用及動(dòng)態(tài)變化的遙感調(diào)查與分析[J]. 遙感學(xué)報(bào)，2003（3）：221-226.

[3]楊英寶，江 南，殷立瓊，等. 東太湖湖泊面積及網(wǎng)圍養(yǎng)殖動(dòng)態(tài)變化的遙感監(jiān)測[J]. 湖泊科學(xué)，2005，17（2）：133-138.

[4]馬艷娟，趙冬玲，王瑞梅. 基于ASTER數(shù)據(jù)的近海水產(chǎn)養(yǎng)殖區(qū)提取方法對(duì)比研究[J]. 測繪通報(bào)，2011（1）：59-63.

[5]賀秋華，鄒 娟，余姝辰，等. 基于高分二號(hào)數(shù)據(jù)的湖南省十大水庫網(wǎng)箱圍欄養(yǎng)殖分布遙感調(diào)查[J]. 測繪通報(bào)，2019（10）：8-11.

[6]黃 帥，宋開宏，羅菊花，等. 基于梯度變換的淺水湖泊圍網(wǎng)區(qū)遙感提取算法[J]. 湖泊科學(xué)，2017，29（2）：490-497.

[7]王家偉，李云梅. 多參數(shù)融合的太湖圍網(wǎng)養(yǎng)殖遙感動(dòng)態(tài)監(jiān)測[J]. 安徽農(nóng)業(yè)科學(xué)，2009，37（29）：14334-14337.

[8]李俊杰，何隆華，戴錦芳，等. 基于遙感影像紋理信息的湖泊圍網(wǎng)養(yǎng)殖區(qū)提取[J]. 湖泊科學(xué)，2006，18（4）：337-342.

[9]Gorelick N，Hancher M，Dixon M，et al. Google Earth Engine：planetary-scale geospatial analysis for everyone[J]. Remote Sensing of Environment，2017，202：18-27.

[10]楊再福，施煒綱，陳立僑，等. 網(wǎng)圍養(yǎng)殖對(duì)太湖生態(tài)環(huán)境的影響[J]. 中國農(nóng)業(yè)科學(xué)，2004，37（6）：928-932.

[11]商兆堂，任 健，秦銘榮，等. 氣候變化與太湖藍(lán)藻暴發(fā)的關(guān)系[J]. 生態(tài)學(xué)雜志，2010，29（1）：55-61.

[12]谷孝鴻，白秀玲，江 南，等. 太湖漁業(yè)發(fā)展及區(qū)域設(shè)置與功能定位[J]. 生態(tài)學(xué)報(bào)，2006，26（7）：2247-2254.

[13]Mcfeeters S K. The use of the normalized difference water index （NDWI） in the delineation of open water features[J]. International Journal of Remote Sensing，1996，17（7）：1425-1432.

[14]徐涵秋. 利用改進(jìn)的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究[J]. 遙感學(xué)報(bào)，2005，9（5）：589-595.

[15]Gribkov I V，Koltsov P P，Kotovich N V，et al. Performance evaluation of texture segmentation methods[EB/OL]. （2009-10-16）[2020-06-01]. http：//www.iiis.org/cds 2008/cd2009sci/sci2009/PapersPdf/s491vm.pdf.

[16]Haralick R M，Shanmugam K，Dinstein I H. Textural features for image classification[J]. IEEE Transactions on Systems，Man，and Cybernetics，1973，6：610-621.

[17]Lewis R J. An introduction to classification and regression tree （CART） analysis[C]//San Francisco：Annual Meeting of the Society for Academic Emergency Medicine，2000.

[18]吳慶龍. 東太湖養(yǎng)殖漁業(yè)可持續(xù)發(fā)展的思考[J]. 湖泊科學(xué)，2001，13（4）：337-344.張 偉，彭曉燕. 挑戰(zhàn)與回應(yīng)：城鄉(xiāng)融合視域下的浙江省土地綜合整治再審視[J]. 江蘇農(nóng)業(yè)科學(xué)，2021，49（6）：232-237.