Mit der intensiveren Erschließung mariner Ressourcen steht die ökologische Umwelt im Küstenbereich Chinas vor zunehmend ernsthaften Herausforderungen. Fernerkundungstechnologien mit ihren Merkmalen der kontinuierlichen Beobachtung und großen Abdeckung sind zu einem wichtigen technischen Mittel zur Erkennung und Analyse mariner ökologischer Risiken geworden. Diese Arbeit untersucht das südliche Küstengebiet von Yantai als Forschungsgebiet und fokussiert sich auf zwei typische ökologische Risikofaktoren: Ölverschmutzung und Seegras (Ulva). Anhand optischer und SAR-Multisensor-Fernerkundungsbilder wurde ein Deep-Learning-Modell zur Erkennung von Ölverschmutzung und Seegras entwickelt, um diese Phänomene in diesem Meeresgebiet langfristig zu überwachen. Darauf basierend wurden die raumzeitlichen Verteilungseigenschaften der beiden Risikofaktoren im Untersuchungsgebiet für den Zeitraum 2018 bis 2021 analysiert. Die Ergebnisse zeigen, dass die Erkennungsgenauigkeit beider Risikofaktoren in mehreren Bewertungskennzahlen über 90 % liegt; die raumzeitliche Analyse der Risikofaktoren zeigt, dass Ölverschmutzungsereignisse hauptsächlich im südöstlichen Meeresgebiet etwa 30 Seemeilen vor der Küste konzentriert sind, mit höherer Häufigkeit in den Jahren 2018, 2019 und 2021, hauptsächlich verursacht durch Schiffsabgase; Seegrasausbrüche treten hauptsächlich im Sommer auf, mit großflächigen Ausbrüchen in 2019 und 2021, wobei die Ausbruchsintensität im südwestlichen Meeresgebiet höher ist. Weiterführende räumliche Überlagerungsanalysen offenbaren das räumliche Verteilungsmuster ökologischer Risiken im Untersuchungsgebiet: Insgesamt zeigt sich ein Verteilungsmuster von „Ufernah dominiert durch Seegrasrisiken, zunehmende Ölverschmutzungsrisiken im mittleren Küstenbereich und Überlagerung beider Risiken im Offshore-Bereich“.

marine ökologische Umwelt;Ölverschmutzung;Seegras;Fernerkundung;Deep Learning