鄧詩月，秦九妹，齊 煜，李雪雪，侯孟珠，潘 燈，陳思明

(閩江學(xué)院海洋學(xué)院，福建 福州 350108)

根據(jù)《全國漁業(yè)經(jīng)濟統(tǒng)計公報》顯示[1]，2019年全國水產(chǎn)品總產(chǎn)量64 803.6 kt，比上年增長0.35%。全國水產(chǎn)養(yǎng)殖面積71 085 km2，同比下降1.13%。其中，海水產(chǎn)品產(chǎn)量32 825 kt，海水養(yǎng)殖面積19 921.8 km2,同比下降2.49%，海水養(yǎng)殖密度進一步加大。由于海水養(yǎng)殖業(yè)不合理的養(yǎng)殖模式，過度追求產(chǎn)量提高，以及大量海水養(yǎng)殖污染直接排放，導(dǎo)致了養(yǎng)殖密集區(qū)水域固體廢物遍布，鄰海環(huán)境污染嚴重，給海水養(yǎng)殖業(yè)和海洋環(huán)境保護帶來極大的威脅。因此，對沿海水域固體廢物污染的監(jiān)測尤為重要。

傳統(tǒng)的水體污染的監(jiān)測方法主要是采用定點剖面法，該方法不僅費時費力，且在大范圍內(nèi)難以獲取較為精準的海域污染狀況及相關(guān)信息[2]。近年來，隨著空間遙感技術(shù)的廣泛應(yīng)用，特別是各類新型傳感器的不斷涌現(xiàn)，遙感技術(shù)應(yīng)用于水體污染監(jiān)測已成為當前研究的熱點[3]。劉瑛利用遙感技術(shù)監(jiān)測水體污染，結(jié)果表明基于遙感技術(shù)獲取的水體污染的時空分布圖，與當年實地探查的水質(zhì)情況較為一致，且多個時段的影像圖還可反映出研究區(qū)水域污染的變化趨勢[4]；劉志根運用遙感技術(shù)對近岸海水養(yǎng)殖的環(huán)境污染進行監(jiān)測和評價，探討海水養(yǎng)殖對近海環(huán)境的影響[5]；游少鴻等結(jié)合抽樣實測調(diào)查和衛(wèi)星遙感影像數(shù)據(jù)，開展桂北地區(qū)漓江上游流域溝塘系統(tǒng)水環(huán)境狀況監(jiān)測，解譯出研究區(qū)水體污染的潛在污染源[6]；陳文志等采用遙感技術(shù)快速定位杭州灣污染源的位置和被污染的水體范圍[7]。然而，現(xiàn)有研究主要側(cè)重海域油污染、廢水污染、水體的富營養(yǎng)化等方面，對于海域養(yǎng)殖區(qū)的固體污染的研究相對較少，一定程度上影響了人們對水體污染的認知。

在影像分類技術(shù)中，面向?qū)ο蠓诸惙?object-oriented classification)是一種基于目標的分類算法，可有效降低影像分類過程中所產(chǎn)生的“椒鹽現(xiàn)象”和語義信息損失問題[8]。海水養(yǎng)殖在中國近海區(qū)域的分布范圍較廣，數(shù)量較多，大面積固體廢棄物的排放不僅對海域水動力條件起到阻礙作用[9]，而且加重了水體富營養(yǎng)化程度，成為海洋水環(huán)境污染的主要原因之一[10-11]。因此，該研究基于Landsat 8 OLI遙感影像數(shù)據(jù)，采用面向?qū)ο蠓诸惙▽ｐB(yǎng)殖區(qū)的固體廢物進行提取，定量分析固體廢棄物污染的時空動態(tài)，對推進發(fā)展中國“生態(tài)文明”和“藍色經(jīng)濟”的建設(shè)，確保沿海人民群眾生產(chǎn)、生活的安全，構(gòu)建綠色家園十分具有現(xiàn)實意義。

1 材料與方法

1.1 研究區(qū)概況

寧德市霞浦縣長腰島附近海域，位于福建省東北部，北緯 26°49′30 ″～ 26°50′30 ″，東經(jīng)119°48′0 ″～119°49′0 ″，距大陸最近點約300 m(圖1)。該地區(qū)受到亞熱帶海洋性季風(fēng)氣候的影響，夏季高溫多雨，冬季溫和少雨，年均氣溫在17～19 ℃之間，年均水溫為20.3 ℃。該區(qū)域的地理位置優(yōu)越，海岸線曲折多灣，咸淡水交混，營養(yǎng)物質(zhì)豐富，現(xiàn)存大量的海域養(yǎng)殖網(wǎng)箱，導(dǎo)致大量固體廢棄物的排放，成為當?shù)厣鷳B(tài)環(huán)境破壞的主要因素之一[12]。

圖1 研究區(qū)的地理位置和驗證點Fig.1 Geographical location and verification point of the study area

1.2 數(shù)據(jù)來源與軟件處理

選用Landsat 8衛(wèi)星帶有的主要載荷OLI開展研究。OLI(operational land imager)即陸地成像儀，由卡羅拉多州的鮑爾航天技術(shù)公司研制。OLI陸地成像儀空間分辨率為30 m，包括9個波段，其中包括一個15 m的全色波段，成像寬幅為185 km × 185 km。

采用ENVI(the environment for visualizing images)軟件進行數(shù)據(jù)處理。ENVI是由美國Exelis Visual Information Solutions公司開發(fā)的一個功能強大的遙感圖像處理軟件。它能夠快速、準確、便捷地從影像中提取信息。

選取來源于地理空間數(shù)據(jù)云(http://www.gscloud.cn/)2014—2019年6月份4期Landsat 8 OLI遙感影像數(shù)據(jù)，其空間分辨率為30 m，云量均低于10%。在ENVI 5.3軟件中，利用寧德市的地形圖進行幾何精糾正，控制誤差在0.5個像元內(nèi)，并對校正后的影像進行輻射定標、大氣校正、影像裁剪等預(yù)處理。同時，利用GS(gram-schmidt pan sharpening)軟件對預(yù)處理后影像的多光譜波段(30 m)和全色波段(15 m)進行影像融合，提高多光譜影像的空間分辨率。

1.3 分類體系構(gòu)建

根據(jù)研究區(qū)主要地物光譜、紋理特征和空間位置，建立遙感影像分類方法的解釋標志(表1)。人工判讀把圖像中的地物分為植被、陸域、水體、固體廢物、海水養(yǎng)殖區(qū)5類，通過繪制多邊形感興趣區(qū)進行訓(xùn)練樣本選取，并對每類地物的感興趣區(qū)用不同顏色加以區(qū)分[13]。其中，養(yǎng)殖密集區(qū)的固體廢物通常由多種類垃圾組成，如排入海中的由養(yǎng)殖所產(chǎn)生的大量廢棄物，海岸上居民傾倒于海中的各種生活垃圾等，這些固體廢物一般堆積在海岸線上，或漂浮在養(yǎng)殖網(wǎng)箱附近的海域，其表面紋理結(jié)構(gòu)較為明顯，性狀呈不規(guī)則排列，形成塊狀分布[14]。同時這些固體廢物中包含大量的白色泡沫箱和塑料袋，在影像上往往呈現(xiàn)亮白色。解釋標志采用Landsat OLI影像4、3、2合成，這種真彩色合成方式能夠真實突出固體廢物的信息。

表1 影像解譯標志

續(xù)表

1.4 研究方法

e-Cognition是由德國Definiens Imaging公司開發(fā)的一個基于目標信息的遙感信息提取軟件。它采用決策專家系統(tǒng)支持的模糊分類算法，突破了傳統(tǒng)商業(yè)遙感軟件單純基于光譜信息進行影像分類的局限性，提出了面向?qū)ο蟮姆诸惙椒?，大大提高了高空間分辨率數(shù)據(jù)的自動識別精度，有效地滿足了科研和工程應(yīng)用的需求。在本項目中e-Cognition的使用是為了對研究區(qū)影像進行分類，以便于能清晰地得到地物的分布情況。

以谷歌高分辨衛(wèi)星影像為參考依據(jù)，采用面向?qū)ο蠓诸惙▽?個時期的Landsat 8 OLI遙感圖像進行分類。面向?qū)ο蠓诸惙ㄊ遣捎枚喑叨确指罴夹g(shù)對影像分割成任意尺度，使相鄰?fù)|(zhì)像元能組成大小不同的對象，然后利用每個對象的光譜、幾何、結(jié)構(gòu)以及紋理等信息，實現(xiàn)主動分類的功能。本研究通過e-Cognition軟件中的相應(yīng)模塊來進行面向?qū)ο蠓诸悾指顣r通過設(shè)置不同的分割尺度、顏色及形狀因子的權(quán)重來獲取較合適的分割結(jié)果。在實驗中發(fā)現(xiàn)，分割尺度以及形狀因子權(quán)重設(shè)置越大，獲取對象就越完整。反之，得到的對象就越“破碎”[15]。得到初步的分割結(jié)果后，再運用光譜差異分割進行輔助分割。通過比較，當基礎(chǔ)分割尺度為5，形狀因子權(quán)重為0.6，顏色因子權(quán)重為0.4，緊致度為0.5，光滑度為0.5時所獲得的分割結(jié)果圖像最合適(圖2)。

圖2 影像分割尺度Fig.2 Image segmentation scale

1.5 精度驗證

本研究結(jié)合Google earth高分辨率遙感影像數(shù)據(jù)，選取2014—2019年6月份固體廢物的樣本點各50個(圖1)，用于計算混淆矩陣，獲取總體精度和Kappa系數(shù)，其中Kappa系數(shù)的大小可以反映不同土地利用類型的分類結(jié)果與真實地物空間分布的一致性。當Kappa系數(shù)大于0.75時，說明兩者具有很好的一致性[16]。

2 結(jié)果與分析

2.1 空間信息提取

利用養(yǎng)殖區(qū)固體廢物的地物光譜、紋理特征和空間位置，采用面向?qū)ο蠓诸惙▽?014—2019年的遙感影像進行分類。以2019年遙感影像分類(圖3)為例可以看出，研究區(qū)不同地物的界限較為分明，利用陸域與其接壤的水體、植被邊緣界限提取的水陸、陸植分界線較為清晰，固體廢棄物沿植被邊緣呈錯落分布，可看出不連續(xù)的邊界細微變化，海水養(yǎng)殖區(qū)養(yǎng)殖浮箱經(jīng)常不規(guī)則排列在一起，在圖像上呈深藍色不連續(xù)塊狀或條帶狀。同時，進一步分析發(fā)現(xiàn)，固體廢棄物主要分布在沿海養(yǎng)殖區(qū)和海域潮間帶，這與實際情況較為吻合，說明運用面向?qū)ο蠓诸惙苡行У刈R別出海水養(yǎng)殖區(qū)固體廢物，但是Landsat系列影像的空間分辨率相對較低，固體廢物受到水體或懸浮泥沙的影響，部分被錯分。

圖3 2019年海水養(yǎng)殖區(qū)固體廢物的分布圖Fig.3 Distribution of solid waste in mariculture area in 2019

2.2 分類精度評價

通過Google Earth高分辨率影像選取的樣本點進行精度驗證。Google Earth高分辨率影像是谷歌地球平臺提供的影像信息，谷歌地球(Google Earth)是美國谷歌公司在2005年推出的一款虛擬地球儀軟件，它綜合了衛(wèi)星遙感影像、航空遙感影像、數(shù)字高程模型、三維建筑模型、矢量地圖數(shù)據(jù)以及其他地理數(shù)據(jù)并把它們疊加在一個球體上。Google Earth含有豐富的高分辨率衛(wèi)星影像，其分辨率可以達到亞米級而且數(shù)據(jù)還在不斷地更新。

精度驗證結(jié)果表明各年份的總體精度均在74%以上，Kappa系數(shù)均在0.72以上(表2)，5種地物的可分性較好，采用面向?qū)ο蠓诸惙扇〉幂^好的分類效果和穩(wěn)定性。同時，為了進一步印證分類結(jié)果，項目團隊于2019年6月在研究區(qū)進行實地考察，對照Google Earth影像上固體廢物的空間位置，并在每幅高清影像上選取50個具有較大特征的固體廢棄物堆作為采樣點，對提取的固體廢棄物遙感影像進行實地對應(yīng)檢驗，經(jīng)過人工判讀可以得出分類結(jié)果正確率約達76.5%，較大程度符合采樣點地物類別。其中誤差大致來源于Google Earth影像和Landsat8影像拍攝時間間隔、潮汐漲落、人為因素等，使沿海固體廢物發(fā)生空間上的位置變化，該誤差情況在本研究考慮范圍之內(nèi)。

表2 2014—2019年分類結(jié)果的精度評價

2.3 固體廢物的分布動態(tài)

2014—2019年期間養(yǎng)殖區(qū)固體廢棄物的分布面積呈波動式變化(圖4)。其中2014—2016年固體廢棄物分布面積呈下降趨勢，由10.2%減少到5.6%，年均減少率為0.23%。但是，2016—2017年固體廢物分布面積又有所增加，由5.6%增加到11.6%，其原因是隨著社會經(jīng)濟的不斷發(fā)展，國內(nèi)外市場對水產(chǎn)品的需求日益增加，直接推動了沿海地區(qū)海水養(yǎng)殖產(chǎn)業(yè)的發(fā)展，導(dǎo)致沿海地區(qū)水體污染現(xiàn)象較為嚴重。2019年之后，固體廢物急劇減少，僅分布在沿海居民聚集區(qū)和固體垃圾處理區(qū)，這是因為近年來我國沿海地區(qū)加大了環(huán)境保護力度。

圖4 2014—2019年海水養(yǎng)殖區(qū)固體廢物的空間分布Fig4 Spatial distribution of solid waste in mariculture area in 2014—2019

3 結(jié)論與展望

近年來，我國海水養(yǎng)殖產(chǎn)業(yè)的快速發(fā)展，極大地促進沿海地區(qū)經(jīng)濟的發(fā)展。但海水養(yǎng)殖產(chǎn)業(yè)在為我國帶來巨大的經(jīng)濟效益時，也引發(fā)了一系列海水污染問題對海洋生物的生存環(huán)境造成極大的威脅，同時也影響了人們的身體健康。因此，海水養(yǎng)殖區(qū)固體廢物污染治理刻不容緩。遙感技術(shù)在環(huán)境變化監(jiān)測應(yīng)用中，具有空間分布廣、監(jiān)測動態(tài)及時、投入成本低等特點，將其運用到沿海養(yǎng)殖區(qū)固體廢物的動態(tài)監(jiān)測中，對海洋環(huán)境保護十分具有現(xiàn)實指導(dǎo)意義。

本文結(jié)合LandSat8 OLI影像和面向?qū)ο蠓诸惙?，提取霞浦縣長腰島海岸附近的海水養(yǎng)殖區(qū)固體廢物的信息，監(jiān)測固體廢物的污染動態(tài)。結(jié)果表明，各年份的總體精度均在74%以上，Kappa系數(shù)在0.72以上，取得較好的分類效果。2014—2019年期間，海水養(yǎng)殖區(qū)固體廢棄物的分布面積呈波動式變化。這與其社會經(jīng)濟發(fā)展和政府決策有一定關(guān)系。當然，養(yǎng)殖區(qū)居民的生活習(xí)慣也廢棄物堆積形成的重要原因之一，海域上固體廢物隨潮汐漲落漂浮至海岸線區(qū)域沉積也是廢棄物堆積形成日益嚴重的另一個重要因素。因此，海洋環(huán)境健康發(fā)展，需要全社會共同參與，共同努力，相關(guān)部門在海岸線以及附近海域可利用該方法進行動態(tài)監(jiān)測，相信一定能在監(jiān)測沿海固體廢物漂浮、堆積以及清理固體廢物污染等方面上取得階段性的防治成果，有效地推進海洋環(huán)境的健康發(fā)展。