《卫星遥感技术监测鲸鱼的大规模搁浅事件》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: liguiju
  • 发布时间:2021-11-30
  • 英国南极调查局领导的一个国际科学家小组发表了一项关于利用遥感技术监测大规模搁浅鲸鱼的行为,以及如何利用遥感技术保护鲸鱼种群的新成果。这篇论文发表在学术期刊《海洋科学前沿》(Frontiers in Marine Science)上,认为高分辨率卫星图像有助于在偏远地区建立长期的鲸类(如鲸鱼、海豚和海豚)搁浅监测网络。

    该团队分析了2019年在智利戈尔弗德佩纳斯收集的卫星图像资料,该地区每年都会发生大规模搁浅事件,也是2015年全球最大的须鲸搁浅发生地。结果表明,卫星有能力推断事件发生的时间,这对长期监测方案至关重要。

    这项研究表明,人们需要在全球范围内加强对大规模搁浅的监测,以更好地了解鲸类的数量、所面临的威胁并评估未来全球变化对其可能产生的影响。这在缺乏搁浅监测网络的偏远地区尤其重要,在这些地区,卫星提供了收集基线数据的机会。

    这项研究强调了海洋生物研究与遥感技术相结合的重要性,确定卫星在帮助人们认识大规模搁浅事件之前、期间和之后的自然环境和人为条件的特殊意义。遥感数据可以帮助突出海洋环境的变化,并提供一个早期预警系统,以减轻大规模搁浅事件,并发展更加知情、知识丰富和快速响应的搁浅网络。

    未来,该团队计划通过与新西兰等热点地区现有的高效搁浅网络合作,开发工作协议和自动检测程序,并测试该技术可靠性。在此之后,他们将集中用于偏远地区,如智利巴塔哥尼亚地区、非洲东西海岸的大部分地区、极地以及西北印度洋等政治动荡地区的海岸。(傅圆圆 编译)

  • 原文来源:https://www.bas.ac.uk/media-post/whale-strandings/
相关报告
  • 《新研究利用卫星遥感监测沿海死亡区》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:liguiju
    • 发布时间:2022-12-01
    • 目前对全球海洋死亡区时空演化还知之甚少,美国密歇根州立大学(MSU)领导的一项新研究发现了一种监测方法,利用遥感来认识和预测不断变化的海洋“死亡区”。研究成果近期在线发表在《环境遥感》(Remote Sensing of Environment)期刊上。 研究人员表示,探究海洋死亡区的位置和变化规律是缓解海洋恶性环境问题的第一步。但传统方法无法用于大规模的海洋监测工作。死亡区又称为无氧区,指水体缺氧到生物无法生存的程度。该问题主要出现在沿海地区,化肥径流导致藻类大量繁殖,死亡后的藻类遗体沉入水底并腐烂,消耗水中溶解氧气,使水体发生缺氧导致其他水生生物(如鱼类)窒息。 死亡区很难识别和追踪,通常通过水样来观察。该研究以密西西比河河口的墨西哥湾作为示范点,利用卫星观测来监测海洋深处的环境变化。研究小组补充了水采样的数据,并采用不同的方式来使用卫星视图。除了预测缺氧区的大小外,该研究还提供了更多关于死亡地带发生时间、地点和持续时长的信息,从而能够近乎实时地对缺氧区进行建模预测。 据报道,自1995年以来海岸附近至少有500个沿海死亡区,总面积超过英国,危及渔业、娱乐和海洋的整体健康。而且气候变化正在加剧缺氧。该研究团队指出,有必要建立一个全球海岸观测网络,综合和共享数据,以便更好地了解、预测和报道不断变化的海岸。(张灿影 编辑)
  • 《内陆水体水质遥感技术新进展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2024-11-07
    • 自然资源部第二海洋研究所何贤强研究员团队及合作者在遥感领域TOP期刊《International Journal of Applied Earth Observation and Geoinformation》上发表了题为“Satellite retrievals of water quality for diverse inland waters from Sentinel-2 images: an example from Zhejiang Province, China”的研究论文。论文第一作者为自然资源部第二海洋研究所与浙江大学联合培养的直博生赵雅琪,通讯作者为何贤强研究员,合作者包括浙江省生态环境监测中心的潘淑萍高级工程师,自然资源部第二海洋研究所白雁研究员、王迪峰研究员、李腾副研究员、龚芳高级工程师以及张翾高级工程师。 监测内陆水体水质对于保护和管理水资源、水体污染防治以及保障生态系统健康具有重要意义。然而,不同水域的水体组分来源不同,水体光学特性复杂多变;另一方面,对于营养盐等不具有光学活性的水体化学参数,难以与遥感光谱建立直接关系,需要基于实测数据建立经验统计或机器学习模型。因此,如何构建适用于不同河流、湖库等内陆水体的非光学活性水质参数遥感反演模型是当前面临的主要难点。 本研究从数据驱动的角度出发,以浙江省为例,基于浙江省水质自动监测站积累的丰富历史水质数据,与10米分辨率的Sentinel-2卫星遥感影像进行匹配,构建了大规模的卫星遥感-地面实测匹配数据集,其中高锰酸盐指数8760例,总氮7434例,总磷8845例,氨氮8642例,涵盖了不同光学类型的水体和不同季节,确保了样本量广泛且全面。在此基础上结合极端梯度提升树(XGBoost)机器学习方法,针对各水质参数建立了适用于不同内陆水体的统一遥感反演模型。验证结果表明,遥感反演获得的水质参数结果与实测数据在空间分布、时间变化方面具有良好的一致性。利用该模型,在晴空条件下可实现对不同水体的每5天一次水质状况监测。 本研究为何贤强研究员团队前期突破入海河流水质遥感技术后取得的新成果,已业务化应用于浙江省海洋生态环境遥感监视监测工作。该研究得到了浙江省“尖兵”计划项目(2023C03011)、国家重点研发计划项目(2023YFC3108101)等资助。 论文引用: Zhao, Y., He, X., Pan, S., Bai, Y., Wang, D., Li, T., Gong, F., Zhang, X., 2024. Satellite retrievals of water quality for diverse inland waters from Sentinel-2 images: An example from Zhejiang Province, China. Int. J. Appl. Earth Obs.