卫星遥感监测海带筏式养殖面积实证研究

文/邹国华 张收元 王斐 张胜茂

作者单位：1.上海峻鼎渔业科技有限公司 2.山东省渔业发展和资源养护总站 3.中国水产科学研究院东海水产研究所 农业农村部渔业遥感重点实验室

随着遥感技术的进步和遥感数据源的不断丰富，水域遥感监测的精度和准确度也在不断提高，我国已先后发射了六颗高分遥感卫星，空间分辨率达到亚米级。高分一号（GF-1，2m全色、8m多光谱）及高分二号（GF-2，1m全色、4m多光谱）因其高空间分辨率的特点广泛应用于国土资源、农业及环境等方面研究，在经济作物监测、农业生产的精细化管理等中小尺度监测应用方面发挥了重要作用。

水产养殖设施由于光谱、形态等异于水面信息，且多为米级养殖设施小单元组合分布于某片海域，往往需要较高分辨率的遥感影像识别。目前，水产养殖区的遥感信息提取方法可以分为目视解译判别、基于一种或多种遥感比值参数的组合以及面向对象分类方法等。针对不同水产养殖品种各异的养殖周期、研究区的大小以及数据源是否充足等情况，不同的方法可不同程度解决某一方面的应用问题。

目视解译判别作为一种借助解译专家经验的交互式方法，具有精度高的特点，但工作量大，时间成本较高。基于一种或多种遥感比值参数的组合这一水产分类方法主要是利用养殖设施其光谱与水体的不同，构建养殖区域识别指数，达到养殖区域与水面或不同养殖类型影像上的区分。该类方法适用于养殖区与背景环境光谱有较高异质性的区域，同时，分类结果存在的“椒盐”噪声现象严重，影响了方法的实际应用。

面向对象分类方法则是综合图像的光谱特征、纹理、形状以及邻近关系等，对图像进行不同约束条件的分割，然后根据分割后图斑的不同特征信息明确其对应不同遥感地物类型。利用高分遥感数据进行筏式海带养殖信息提取时，面向对象分类方法可以使我们对图像的分析由像元尺度跳跃到图斑、对象尺度，更接近人类思维的认知，同时避免遥感影像处理时的“椒盐”噪声，可以更好发挥高分遥感影像的作用。本文主要采取此方法，对海带筏式养殖面积遥感测量进行了研究，为客观、全面反映水产养殖面积提供技术支撑。

一、数据与方法

（一）数据的获取及解译

在海带筏式养殖面积信息解译中，选择无云地区的1～4四个波段进行合成增强；对于部分有薄云地区，采用增强4波段近红外影像来增强水体反映，减少云层引起的影像模糊情况。分别选用4波段、2波段、1波段进行合成，此时水体颜色呈墨绿色，不影响水体判断。遥感影像在解译前进行相应预处理，以纠正影像中的畸变，通过调整、变换影像密度或色调，用来改善影像目视质量并突出水体特征，提高影像判读性能和效果。海水筏式养殖水体遥感影像如图1所示。

图1 海带筏式养殖遥感监测图

（二）研究区与遥感数据选取

研究区位于山东省烟台市蓬莱区，蓬莱区是山东省重要的渔业生产基地，渔业是此地农业的重要产业，其中筏式养殖主要进行海带等藻类生物的养殖。为了区分不同的养殖类型，团队根据不同养殖类型养殖周期的变化，分别选取了研究区的GF-1、GF-2及Landsat系列卫星数据，利用多时相的遥感数据来进行养殖信息提取方法的构建和验证。

针对多源卫星遥感数据，开展大气纠正、几何纠正、正射纠正等处理，遥感影像时相方面，根据研究区海带生长物候期选择提取预选年份12月至次年5月的数据，在受人为干扰影响比较小且不易发生变化的区域，时相可适当放宽；云量要求方面，单景影像平均云量小于10%，单景影像噪音面积小于10%。对2020年全年遥感影像进行统计发现，适用于该研究区的GF-2影像仅有1景，GF-1影像2景，Landsat 8卫星影像6景。

（三）筏式海带养殖区遥感特征集构建

为了将研究区内筏式海带的空间分布信息提取出来，对不同养殖结构及其在GF-2影像上的光谱、形态、分布等特征进行分析，找出不同养殖类型的区分特征，进而构建其在GF-2影像中的提取方法。

图2为海带养殖的综合分析图，如图2a中所示，海带养殖一般将苗绑于水面绳索上，绳索两侧一般用竹竿固定于水底，随着海带不断长大，筏式海带养殖区在GF-2假彩色合成影像的表现为图2b。粉色椭圆内离散的暗色矩形，形成原因为水中海带对可见光波段的进一步吸收使得筏式海带养殖区可见光波段暗于邻近水体。图2c为海带成熟收获后在岸边晾晒的过程，从图中可以看出，其晾晒布局与水中生长分布基本一致，海带在GF-2影像上呈现暗色条纹组成的方形特征。

图2 海带养殖的综合分析图

（四）筏式海带养殖区遥感图像提取方法

在可见光真彩色合成的GF系列卫星影像及Landsat系列影像上海带呈深黑色，分布成排而且形状像矩形比较规则，易于识别监测。本文主要采取面向对象分类的信息提取方法，把图像分割成具有一定意义的小的图像对象，然后根据分割结果建立分类目标对象，采用最近邻法结合地物的形状、纹理、光谱特性、密度、像元个数等特征指标来确定分割对象的类别，提取单个养殖像元。筏式海带养殖区的提取主要依据两大特征，一是影像进行水陆分割后，水上区域目标相对较少，筏式海带养殖区由于色素的吸收作用，红绿蓝波段的反射率相对水面的反射率更低；二是筏式海带养殖区在影像中多表现为矩形的特征。然后利用决策树分类系统，构建遥感影像分类器，将分割完成的影像上图斑赋予不同的属性信息。

决策树建立分两个阶段进行：层次分类法和区域类型的最近邻法。决策树顶层采用统一的结构，根据土地覆盖类型的特征与光谱规律，顶层决策树分为三层：水面与非水面、水产养殖与非养殖、线性与非线性。下层依据区域特征进一步设计，通过对象的解译标志库和样本训练，建立分类决策树的指标与决策树结构，通过决策树的分级，不断提纯类型，最终达到划分单个类别的结果。对于光谱复杂的类型，采用最邻近方法进行划分，可选取多个光谱特征中心进行类型分组。水产养殖决策树建立的基本框架如图3所示。

图3 GF/Landsat影像中筏式海带养殖区面向对象分类提取过程

研究的整体技术路线如图4所示，一是对GF及Landsat等多源影像进行数据预处理，主要包括辐射定标和大气校正，利用校正后的反射率数据计算归一化的水体指数、水产指数等，提取水陆边界后，掩膜去掉陆面部分的图像信息，对水面区域使用多尺度图像分割方法将由像素组成的图像分割为大小不同的对象组成的图像。

图4 筏式海带分类技术流程图

二是对筏式和吊笼的空间分布及几何形态进行识别。筏式海带养殖区与周边海域浮筏水产养殖类型的样本特征有所不同，根据在GF-2影像中的典型特征选取分类的样本库，构建不同养殖类型的决策树分类系统，最后将海带及不同养殖类型的空间分布状况信息提取出来。

三是基于并行处理的多尺度分割。尺度分割具有“短板”效应，面积最小的类型就是该影像最低分割尺度的依据，斑块大小以制图最小单元为准，根据研究区筏式海带养殖区最小斑块大小可以设置最小的分割尺度为6个像元，对于大尺度分割，由于各分区块海带和浮筏的大小和聚集程度不一致，形成的尺度大小不同。尺度数量不宜太多，以每个区域不超过2个为宜，以减少数据处理与分析的复杂程度。

四是建立决策树架构，作业流程采用样带决策树建立、分区块调试的途径，样带选取依据最大类型跨度，样带应为水平或垂直方向，以减少处理数据量。决策树分为节点、指标、阈值三个内容进行框架构建。节点是决策树分枝的位置或土地覆盖划分的类型及数量，节点的划分决定了分类的精度和效率。上层的节点划分结果影响下层的分类精度，因此上层的划分必须确保准确，减少误差的传递。分布方差小、光谱区域变化小的类型放在顶层，对于光谱跨度大、区域性变率高的混合类型或多变类型，放在下层节点。

五是分类后处理，分为接边处理和制图综合。接边处理指分区块土地覆盖提取后，每个区块需要进行空间接边工作，接边的主要工作是利用面向对象分类技术，根据边界变化的大小在不同的尺度下进行编辑，编辑好后叠加到土地覆盖结果图中。数据导出后进行数据融合处理，再对少数不吻合数据进行修改。制图综合包括图斑碎片整理和边界平滑。图斑碎片整理是指处理在图斑文件中一些面积非常小的图块，这些图块没有达到制图精度要求的最小面积。边界平滑是指由于影像分类造成的锯齿形边界，通过去除多余的多边形节点，达到图斑更加自然的效果。

二、结果与讨论

（一）GF-2影像筏式海带养殖面积提取结果分析

根据本文的技术路线，对蓬莱区北隍城乡岛及其周边区域影像中的水产养殖用地进行了分类，分类结果如图5所示。从图中可以看出，浅绿色的筏式海带养殖区和红色的渔筏养殖区多分布在靠近岛屿的水陆边缘区域。对不同养殖类型的分类结果进行统计得出，该研究区覆盖范围约为36km，其中海带养殖面积1.297km，渔筏养殖面积有0.799km，为水产养殖现状调查提供了准确的一手资料，也可以为评估水产养殖与环境可持续发展提供基础数据。

图5 蓬莱区北隍城乡岛附近养殖分类空间分布图

（二）多源遥感影像筏式海带养殖面积提取结果对比分析

为了验证多源遥感影像的分类精度，团队在岛的A-D四个区域选取了不同的海带养殖浮筏作为验证区域，并利用GPS对浮筏四至点的坐标进行定位。将采样得到的浮筏四至点坐标导入ArcGIS地理信息软件后，输出四至点组成图形的面积，并对比多源遥感影像提取结果（见表1）。基于相同的遥感分类方法，GF-2的分类精度在A-D区域都是最高的，这主要是由于GF-2拥有最高的空间分辨率，分类精度也都达到了94%以上，可以有效保证筏式海带养殖面积信息的提取精度。Landsat系列卫星的提取精度明显弱于GF系列卫星，主要是由于其空间分辨率的劣势，但不容忽视的是，Landsat系列卫星拥有更丰富的时间序列数据，这对海带全生长期的监测是非常有用的，但也凸显了遥感数据的时空矛盾性。

表1 多源遥感数据分类结果精度对比表

三、结论

通过GF-2卫星遥感影像可以非常精确地提取出研究区沿海筏式海带的养殖面积，且图斑精度达到94%以上，但随着遥感影像空间分辨率的降低，筏式海带养殖面积数据的提取精度也在不断下降。Landsat系列卫星筏式海带养殖面积数据的提取精度低于高分系列卫星，但Landsat系列卫星数据源更为丰富，可以为海带全生长期监测提供数据支持。同时，通过卫星遥感影像获取海上筏式作业方式的养殖面积，是统计水产养殖面积和产量新手段的探索。GF-2存在着特定研究区数据量稀少的问题，这主要是由于高分辨率卫星重访时间长及云层的遮挡多，解决这个问题需更多的高分商业卫星或结合航空无人机手段进行综合研究。