中国海洋大学在渔业遥感领域取得新进展

 近日，中国海洋大学水产学院刘阳教授团队在国际遥感顶刊ISPRS Journal of Photogrammetry and Remote Sensing（《ISPRS 摄影测量与遥感杂志》）发表了题为“Mapping subtle-featured oyster rafts with high-resolution imagery and deep learning techniques”（基于高分辨率卫星影像和深度学习技术的微弱特征牡蛎养殖筏探测）的研究成果。该研究为我国近海养殖精细化管理提供了关键技术支撑，有望破解长期以来近海养殖监管效率低、精度不足的难题。同时，该研究也进行了产业转化应用的推广，“基于卫星遥感的牡蛎养殖区规划及确权监管评估技术”荣获全国水产技术推广总站和中国水产学会渔业新技术2025年优秀科技成果。

水产养殖在保障粮食安全、推动渔业经济发展、促进沿海地区民生改善等方面发挥着不可替代的作用。然而，随着近海养殖规模不断扩大，养殖设施布局不合理，传统监管手段面临着“覆盖范围有限、数据更新滞后、识别精度不足”等突出问题，难以满足精细化管理的现实需求。近年来，遥感影像技术与图像分类算法的快速发展，为近海养殖区识别提供了全新思路，相关领域研究呈现出蓬勃发展的态势。但梳理现有研究成果可以发现，多数研究仍聚焦于大范围、大尺度的养殖区域宏观调查，无法精准提取单个养殖设施的位置、形态、规模等关键信息。这种“重宏观、轻微观”的研究现状，使得卫星遥感技术在近海养殖设施动态监测、违规用海排查等精细化管理场景中的应用受到极大限制，难以充分发挥技术优势。

针对这一行业痛点，刘阳教授团队开展了针对性研究。团队以高分辨率“吉林一号”卫星影像为数据基础，创新构建并训练深度学习语义分割模型，重点攻克复杂海洋环境下“微弱特征牡蛎养殖筏精准识别”这一核心难题。与传统研究相比，该成果的突破点主要体现在三个方面：

一是识别精度的跨越式提升。团队采用Swin-Transformer编码器搭建语义分割模型，有效解决了传统卷积神经网络“感受野受限、难以捕捉全局上下文信息”的技术瓶颈。该模型基于自注意力机制，能够充分关联影像中的全局特征与局部细节，精准识别出光学反射特征弱、纹理信息不明显的牡蛎养殖筏，即使在海浪、云层、光照变化等复杂干扰条件下，仍能保持稳定的识别性能。在测试数据集验证中，该模型的提取精度高达88%，显著优于UNet等传统深度学习模型，为单个养殖设施的精准定位奠定了技术基础。

图1 语义分割模型流程图

二是实现从“区域识别”到“单体提取”的突破。依托高精度模型，团队首次实现了复杂海洋环境下牡蛎养殖筏的“单体级”提取。以山东乳山市海域为研究区域进行实地验证时，团队成功识别出超过4万个牡蛎养殖筏，并精准获取了每个养殖筏的长度、分布密度等关键参数。同时也发现有零星长度异常的养殖筏分散在养殖区周边。经分析，这些异常养殖筏多因人为操作不规范（如设施维护不到位）或自然环境影响（如风浪冲击导致设施变形、移位），处于养殖状态异常的情况，为后续养殖设施健康状况监测、风险预警提供了精准的数据支撑。

图2 高分卫星遥感识别牡蛎养殖筏结果

三是为精细化监管与可持续发展提供实践路径。本研究得到的养殖筏识别结果能够快速、准确地识别出超出规划养殖区范围、侵占航道、生态保护区等其他海洋功能区的违规养殖筏。成果可直接服务于海洋管理部门的违规用海排查与整改工作，帮助规范养殖户的合法用海行为，有效避免因无序养殖导致的海域资源浪费、海洋生态环境破坏等问题，为乳山市牡蛎养殖业的规范化、可持续发展提供了有力的技术保障。

团队参加2025年中国水产学会范蠡学术大会并上台领奖（左三为刘阳）

论文的第一作者为水产学院2025级博士研究生牟天伟，通讯作者为刘阳教授，研究工作得到国家重点研发计划，以及北京天象新亚科技有限公司、乳山市海洋发展局、乳山市海洋经济发展中心、乳山市国有资本运营有限公司等协助支持。刘阳教授团队长期深耕“遥感技术与水产领域交叉应用”，始终围绕行业实际需求开展研究，在海洋牧场规划、养殖区科学选址、养殖容量精准评估、渔业资源监测与评估等关键领域持续攻关，为推动我国水产新质生产力发展作出了积极贡献。

文：田浩 牟天伟

文章链接：https://doi.org/10.1016/j.isprsjprs.2025.10.029