水产养殖是保障全球粮食安全和营养供给的重要环节。近几十年来,野生渔业资源的濒于枯竭,全球人口数量的不断上升和日益增长的粮食和蛋白质需求,共同推动了水产养殖业的快速发展。海岸带低洼的地势,丰富的咸淡水资源,使其成为水产养殖发展的主要场所。然而,海岸带水产养殖的快速发展也导致了一系列环境和生态问题。比如,沿海土地利用类型的大规模转变、湿地自然生境的破坏、近岸水体富营养化等。中国水产养殖占全球水产养殖的最大份额,养殖活动遍布整个沿海区域。水产养殖塘作为我国水产养殖的重要模式之一,其分布直接反映我国的水产养殖空间布局。快速、准确获取海岸带水产养殖塘的时空分布信息,为水产行业管理和可持续发展提供支撑,遥感技术手段发挥着关键作用。目前已有研究聚焦于沿海水产养殖塘的遥感提取,但多基于常规水体指数和面向对象识别方法。由于水产养殖塘与盐田,湖泊、库塘等水体空间形态的相似性,致提取结果仍存在着精度不稳定和错分等问题。目前,尚未有研究将水产养殖塘的高营养状态特征作为水产养殖塘的遥感判别规则。因此,为实现更为精准的提取工作,本研究将水环境参数纳入到水产养殖塘的判别体系中,基于谷歌地球引擎（GEE）云平台和Sentinel-2 MSI时间序列数据,提出了一种结合水产养殖塘空间形态和叶绿素a浓度（Chlorophyll-a,Chl-a）,营养状态指数（Tropic State Index,TSI）和浮游藻类指数（Floating Alge Index,FAI）的海岸带水产养殖塘遥感智能识别算法。利用该算法,本文完成了2017年、2019年、2021年中国海岸带水产养殖塘的遥感提取,并对中国海岸带水产养殖塘的空间分布现状、动态以及驱动因素,水产养殖塘的水环境现状及其动态进行了分析。主要结论如下:（1）提出了一种基于空间形态和水环境参数的海岸带水产养殖塘时序遥感智能识别算法。该算法利用水体指数和阈值方法,融合时序遥感数据排除暴雨淹没、稻田等具有季节性特征水体对提取结果的影响;基于水产养殖塘空间形态筛选规则水体图斑,并利用从生物光学模型中反演的三种水环境参数,即Chl-a浓度,TSI和FAI,解决水产养殖塘与盐田、河流、湖泊、库塘等具有相似形态特征和光谱特征水体之间的错分与误分问题。经验证,在空间异质性明显的中国海岸带,本文算法总体精度可达到91%。（2）2021年,中国海岸带水产养殖塘总面积为1,023,034 ha。山东省,广东省和江苏省三省水产养殖塘分别占中国海岸带水产养殖塘总面积的24.07%,19.06%,12.34%。中国海岸带水产养殖塘分布具有明显的聚集性特征。1)表现在地理位置上:密集地分布在渤海湾、苏北平原和珠江口等低洼平原和河口区域。2)表现在离海距离上:海岸线5 km范围内,水产养殖塘分布最为密集,约占研究区内水产养殖塘总面积的58%。随着离海距离增加,其单位缓冲区内水产养殖塘面积逐渐减少,水产养殖强度不断降低,超过80%的水产养殖塘集中在岸线15 km缓冲区内。（3）2017年～2021年,中国海岸带水产养殖塘面积总体呈现减少的趋势,四年间面积累计减少31,961ha,在地理空间格局上呈现“北增南减”的特征。具体到各省份,主要呈现出四种不同的变化趋势:1)先增加,后减少。如江苏省和台湾省;2)基本稳定。如天津市,上海市和香港特别行政区;3)持续增加。如山东省;4)持续减少。如河北省和广东省。（4）2017年～2021年,中国海岸带水产养殖塘的水环境参数均值总体呈下降趋势。2021年中国海岸带水产养殖塘的Chl-a浓度、TSI和FAI均值分别为25.70μg/L、59.34、0.015,与2017年的27.01μg/L、61.90、0.017相比,分别下降了4.85%、4.14%、11.76%。通过分析水产养殖塘水环境参数和水产养殖种类的关系,结果表明,中国海岸带水产养殖塘的水环境参数与其水产养殖种类具有显著的相关性。在鱼、虾类养殖塘中,其Chl-a浓度、TSI和FAI均值约为35.05μg/L,65.33,0.038;而在海参养殖塘中,其水环境参数均值约为21.20μg/L,55.33,-0.001。因此,遥感反演水体水环境参数不仅可以区分水产养殖塘与其他类型水体,在区分不同水产养殖种类上也具有很大的潜力。