沿海水产养殖调查在沿海资源开发利用和海洋环境保护方面发挥着重要作用。随着我国卫星遥感技术的发展,利用高分辨率遥感技术进行沿海水产养殖监测将大大节约调查成本、提高调查效率。由于高分辨率遥感影像具有越来越丰富的空间信息和纹理信息,传统的基于像元的信息提取方法已经越来越不能满足细节及精度要求,因此探索有效的高精度遥感信息提取方法日益重要。本文基于2016年1月16日的高分二号(GF-2)高分辨率遥感影像,提出了一种基于指数标准差的面向对象的分类方法对悬浮泥沙浓度较高的枸杞岛后头湾养殖区进行提取,并将其结果与三种传统的基于像元的分类方法所得到的分类结果进行比较。继而利用最优的遥感提取结果对贻贝养殖区氮、磷营养盐进行环境污染负荷评估。取得的成果与认识如下:(1)本文所提出的基于指数标准差的面向对象的分类方法,其实质是建立指数RWI以突出养殖区地物特征,通过对指数图像特征的分析,确定以指数标准差作为养殖区提取的判别指标,依据水色反演所得的研究区悬浮泥沙浓度分布,分别确定不同浊度下的养殖区提取阈值,从而获得整体最优提取效果。其优势在于能够根据不同的悬浮泥沙浓度情况,通过规则的限定使得各级别的局部效果达到最优,从而使得组合起来的整体提取结果精度最高,效果最好。(2)尽管受高浊度水体的影响,研究区的遥感影像表现出严重的“同谱异物”现象,本文提出的面向对象的分类方法仍旧表现出很好的分类效果,总体精度达到94.10%;而基于像元的三种分类方法中,分类精度最高的支持向量机分类,其总体精度为80.78%,分类精度最低的神经网络法分类,其总体精度仅为71.17%。精度评价结果表明本文提出的面向对象的分类方法能够较为准确地提取浑浊水域中的水产养殖区,从而获得养殖区的面积、分布等信息。(3)通过对养殖区氮、磷环境污染负荷的评估发现,后头湾养殖区夏季至秋季贻贝养殖每天对海水贡献的营养盐负荷较高,这导致水域富营养化压力较大。因此,应该合理的控制养殖规模和密度,并且常态化的对水体污染情况进行监测,从而减轻甚至消除养殖区对水体环境带来的富营养化危害。本次研究的成果可以为管理部门提供有效的信息支持和决策分析辅助,有助于科学规划和管理沿海水产养殖区。