李軼平 ，吳英超 ，尤廣然 ，孔重人 ，席小慧 ，雷利元 ，趙東洋*

（1. 遼寧省海洋水產(chǎn)科學(xué)研究院, 遼寧 大連116023；2. 大連市海域海島開發(fā)與保護研究重點實驗室, 遼寧 大連116023）

我國近海野生漁業(yè)資源日益退化，而人們對海產(chǎn)品的需求卻不斷增長，這使得近年來我國的海水養(yǎng)殖業(yè)發(fā)展迅猛[1]。根據(jù)《中國漁業(yè)統(tǒng)計年鑒》[2-4]，截至2020 年，我國海水養(yǎng)殖面積達 199.56萬hm2，海水養(yǎng)殖產(chǎn)量達 2 135.3萬t，占世界海水養(yǎng)殖總量的80%[5-6]，高居世界第一，所以，我國是海水養(yǎng)殖大國，也是世界上唯一的養(yǎng)殖產(chǎn)量超過捕撈產(chǎn)量的國家[7]。海水養(yǎng)殖在不斷滿足人民日益增長的海產(chǎn)品需求的同時也出現(xiàn)了由于過度養(yǎng)殖所引起的爆發(fā)性水產(chǎn)病害問題、滸苔爆發(fā)等環(huán)境問題、大規(guī)模圍海養(yǎng)殖散亂分布影響船舶通航等海上交通問題[8]，以及占用濕地、破壞自然岸線等問題。圍海養(yǎng)殖區(qū)域作為承載海水養(yǎng)殖的主體，對海水養(yǎng)殖的規(guī)劃發(fā)展起著基礎(chǔ)性作用。如何準(zhǔn)確掌握圍海養(yǎng)殖的分布區(qū)域并進行科學(xué)合理的規(guī)劃，對保護海洋生態(tài)環(huán)境和促進海水養(yǎng)殖業(yè)的可持續(xù)發(fā)展具有重要意義[8-10]。

圍海養(yǎng)殖區(qū)域調(diào)查通常采用實地測量的方法，但該方法因受人力和物力的限制難以滿足現(xiàn)場信息即時獲取和大范圍作業(yè)的需求[1,11]。遙感作為一項成熟的對地觀測技術(shù)，其具有覆蓋范圍廣、可同步連續(xù)觀測，以及高空間分辨率、高時間分辨率等優(yōu)點，這些優(yōu)點可彌補傳統(tǒng)方法的不足[12-13]。采用遙感技術(shù)、利用遙感圖像能夠快速準(zhǔn)確地提取出海水養(yǎng)殖所需的專題信息，并在養(yǎng)殖區(qū)域的動態(tài)監(jiān)測、科學(xué)規(guī)劃與管理中發(fā)揮作用[7-8,14-15]。近年來很多學(xué)者利用遙感手段提取養(yǎng)殖區(qū)域信息，例如：武易天等[8]基于LandSat-8影像，運用光譜和紋理信息結(jié)合的方式提取近海網(wǎng)箱式和浮繩式養(yǎng)殖區(qū)；盧業(yè)偉等[10]基于Rapideye多光譜影像，利用紋理閾值檢測結(jié)合形狀判斷提取漁排和海帶/紫菜養(yǎng)殖區(qū)；程博等[11]利用國產(chǎn)高分系列影像通過構(gòu)建水體指數(shù)和紋理特征提取筏式養(yǎng)殖區(qū)與漁排網(wǎng)箱養(yǎng)殖區(qū)兩種近海養(yǎng)殖區(qū)信息；任源鑫等[16]通過構(gòu)建新型混合水體指數(shù)提取具有平原及山地背景下的陜西寶雞市復(fù)雜地域水體；等等。但目前的研究中均未提及針對海參圍海養(yǎng)殖的遙感信息提取方法。

本文選取養(yǎng)殖水體分布復(fù)雜且堤壩、工廠化養(yǎng)殖等交錯分布的海參圍海養(yǎng)殖區(qū)域作為實驗區(qū)，基于Sentinel-2遙感影像，選用歸一化差異水體指數(shù)（Normalized Difference Water Index，NDWI）[17]、改進歸一化差異水體指數(shù)（Modified Normalized Difference Water Index，MNDWI）[18]和增強水體指數(shù)（Enhanced Water Index，EWI）[19]三種水體指數(shù)，測試其提取效果，并使用同期高空間分辨率的高分二號（GF-2）衛(wèi)星影像作為參考，驗證不同方法的提取精度，最終通過提取結(jié)果掌握研究區(qū)域內(nèi)圍海養(yǎng)殖的分布情況。

1 研究區(qū)域

本文選取大連瓦房店紅沿河附近海域（121°28′～128°32′E，39°44′～39°47′N）為研究區(qū)域，該區(qū)域海參圍海養(yǎng)殖分布集中，數(shù)量眾多，在遙感圖像中易于識別，表現(xiàn)為多邊形的規(guī)則排列（圖1）。

圖1 研究區(qū)遙感圖像Fig. 1 Remote sensing images of the study area

2 數(shù)據(jù)來源和研究方法

2.1 數(shù)據(jù)來源

實驗數(shù)據(jù)為Sentinel-2衛(wèi)星拍攝的遙感影像數(shù)據(jù)[20]，該數(shù)據(jù)具有空間分辨率高、重復(fù)周期短和覆蓋波長范圍廣等特點[21]，由歐洲“哥白尼計劃”發(fā)射的第2顆攜帶多光譜成像儀衛(wèi)星[22]觀測獲得，其搭載了具有13個波段的多光譜成像傳感器，由可見光波段覆蓋至短波紅外波段，分辨率分為3類，分別為10 m、20 m和60 m，具有10 d的高效重返周期。

精度驗證數(shù)據(jù)為GF-2衛(wèi)星影像數(shù)據(jù)。GF-2衛(wèi)星采用ZY1000衛(wèi)星平臺，光學(xué)成像系統(tǒng)由2臺相機組合而成，同時具有全色和多光譜成像能力，地面像元分辨率優(yōu)于1 m全色和4 m多光譜，幅寬達到45 km[23]。

選取云量較少、質(zhì)量較好、成像時間為2020年10月的Sentinel-2和GF-2影像，影像區(qū)域范圍約為30 km2。實驗使用的Sentinel-2、GF-2遙感影像數(shù)據(jù)參數(shù)見表1。

表1 衛(wèi)星遙感數(shù)據(jù)Table 1 Parameters of the satellite remote sensing images

影像的預(yù)處理為影像數(shù)據(jù)的糾正與重建過程，主要是改正遙感成像過程中由傳感器外在原因（如姿態(tài)、高度、速度和大氣干擾等因素）所致的遙感影像的幾何畸變與信息誤差[24]，該過程通常包括輻射定標(biāo)、大氣校正、圖像融合和影像鑲嵌裁剪等[22]。本實驗選用的Sentinel-2數(shù)據(jù)是經(jīng)過正射校正和幾何校正的大氣表觀反射率產(chǎn)品（Level-1C，L1C），但沒有進行輻射定標(biāo)和大氣校正，所以，本研究在提取圍海養(yǎng)殖矢量信息之前，需要利用SNAP軟件的Sen2cor插件對L1C數(shù)據(jù)進行輻射定標(biāo)和大氣校正，同時將全部波段重采樣至10 m，處理后形成大氣底層反射率數(shù)據(jù)（Level-2A，L2A）[25]。

2.2 研究方法

2.2.1 光譜特征分析

養(yǎng)殖水體對入射光具有強吸收性，在大部分遙感傳感器的波長范圍內(nèi)，呈現(xiàn)較弱的反射率，并隨波長的增加而減弱[26]，即藍綠光波段短（表2），其反射率卻高，所以其對入射光的吸收弱；而短波紅外波段波段長（表2），其反射率反而較低，所以對入射光的吸收較強[27-28]。

表2 Sentinel-2波段特征Table 2 Characteristics of the Sentinel-2 bands

2.2.2 水體指數(shù)方法

水體指數(shù)方法是根據(jù)波段比值法[29]原理，利用反射波段與吸收波段的比值處理增強地物之間的波譜差異，以使?jié)穸刃畔⒚黠@的地物獲得最大的亮度增幅，同時抑制其他背景地物亮度[19]的方法。目前，常用的水體指數(shù)主要有NDWI、MNDWI和EWI。本文分別采用這3種水體指數(shù)提取實驗區(qū)的海參圍海養(yǎng)殖水體信息。

1）歸一化差異水體指數(shù)（NDWI）方法

基于植被指數(shù)（Normalized Difference Vegetation Index，NDVI）的比值原理，McFeeters[17]在1996年提出了歸一化差異水體指數(shù)（NDWI），該指數(shù)經(jīng)波段比值運算，利用波段之間的反差增強了水體的顯示亮度，從而突出影像中水體的顯示效果，其計算公式為：

式中：LG和LNIR分別為綠光波段（對應(yīng)于Sentinel-2影像的B3波段）和近紅外波段（對應(yīng)于Sentinel-2影像的B8波段）像元亮度值。

2）改進的歸一化差異水體指數(shù)（MNDWI）方法

在分析NDWI的基礎(chǔ)上，徐涵秋[18]針對城市水體改進了NDWI指數(shù)的波段組合方式，使用短波紅外波段（SWIR）替換了近紅外波段（NIR），提出了改進的歸一化差異水體指數(shù)MNDWI，用于抑制居民地和土壤信息，其計算公式為：

式中，LG和LSWIR分別為綠光波段（對應(yīng)Sentinel-2影像的B3波段）和短波紅外波段（對應(yīng)Sentinel-2影像的B11波段）像元亮度值。

3）增強水體指數(shù)（EWI）方法

針對半干旱地區(qū)的水體，閆霈等[19]在構(gòu)造歸一化指數(shù)的同時引入了近紅外波段與短波紅外波段，提出了增強水體指數(shù)EWI，其計算公式為：

式中，LG、LNIR和LSWIR分別為綠光波段（對應(yīng)Sentinel-2影像的B3波段）、近紅外波段（對應(yīng)Sentinel-2影像的B8波段）和短波紅外波段（對應(yīng)Sentinel-2影像的B11波段）像元亮度值。

4）確定閾值

利用3種水體指數(shù)法所獲取的圖像可以突出水體與其他地物之間的光譜差異，但是若要提取邊界信息，還需要使用閾值對圖像進行分割。理論上，水體指數(shù)提取的分割閾值均為0，但在實際操作中仍需要根據(jù)具體場景對閾值進行調(diào)整，以達到最優(yōu)的分割效果[8,15]。

本文采用Otsu算法[30]確定分割閾值[25]。Otsu算法又稱最大類間方差法，是由日本學(xué)者Otsu Nobuyuki于1979年提出的一種確定圖像二值化分割閾值的算法，其原理是：將圖像的灰度直方圖利用某一閾值分割為兩部分，即兩個類別，它們分別擁有最大的類間方差與最小的類內(nèi)方差，這個閾值就是最優(yōu)分割閾值[10-11]。

2.2.3 評價方法

混淆矩陣方法[16]是通過將每個地表真實像元與分類圖像中的相應(yīng)位置和分類進行比較計算，獲得比較陣列的像元數(shù)的方法。矩陣中，“列”通常表示驗證數(shù)據(jù)，“行”通常表示由遙感數(shù)據(jù)分類得到的類別數(shù)據(jù)。本文采用混淆矩陣方法獲取總體精度、Kappa系數(shù)、錯分誤差和漏分誤差等精度評價指標(biāo)，進而評價分類圖像精度?？傮w精度能夠反映分類正確的比例，Kappa系數(shù)能夠檢驗分類結(jié)果和實際結(jié)果的一致性，錯分誤差和漏分誤差分別可以檢驗錯分和漏分的像元數(shù)[31]。

3 結(jié)果與分析

3.1 實驗結(jié)果

對比原始影像（圖2a）與采用3種水體指數(shù)法運算獲取的水體指數(shù)圖像（圖2b至圖2d）可知：與原始影像相比，3種水體指數(shù)圖像中水體顯示亮度都出現(xiàn)了增強。其中：利用NDWI所得圖像增強效果最好，在該圖像上可以探測到更微細的信息（圖2b）；MNDWI和EWI未能完整體現(xiàn)出水體和背景地物的差別，因為這2個圖像中存在較多的干擾信息和陰影雜質(zhì)（圖2b和圖2c）。

圖2 Sentinel-2原始影像和采用3種水體指數(shù)法運算獲取的水體指數(shù)圖像Fig. 2 The original Sentinel-2 image and the images obtained by using 3 water indices

采用Otsu算法最終確定了NDWI、MNDWI和EWI三種水體指數(shù)的分割閾值，其分別為0、?0.1和?0.4。根據(jù)閾值對水體指數(shù)圖像進行分割，結(jié)果如圖3所示。由圖3可以看出：利用3種水體指數(shù)方法均能有效提取圍海養(yǎng)殖矢量信息，其中NDWI所提取的圖斑完整、形狀規(guī)則，與圍海養(yǎng)殖水體匹配度高（圖3a）；而MNDWI和EWI提取出的圖斑相對零散，噪聲雜質(zhì)較多，與圍海養(yǎng)殖水體匹配度較低（圖3b和圖3c）。采用NDWI方法可以去除圍海養(yǎng)殖周邊堤壩及工廠化養(yǎng)殖等建筑物所導(dǎo)致的陰影雜質(zhì)，排除干擾信息；采用MNDWI和EWI方法雖然可以有效提取出儲水量較低的圍海養(yǎng)殖信息，但同時也提取出了部分建筑物和植被等無效信息。

圖3 利用Otsu算法分割的圍海養(yǎng)殖矢量Fig. 3 The sea-enclosed aquaculture vectors obtained by segmentation with Otsu algorithm

3.2 精度評價

為定量分析利用3種水體指數(shù)方法所獲取的圍海養(yǎng)殖矢量信息的有效性和可靠性，本文依據(jù)遙感影像對圍海養(yǎng)殖矢量信息進行精度評價：首先對校驗影像GF-2進行輻射定標(biāo)和大氣校正，并與Sentinel-2數(shù)據(jù)進行幾何配準(zhǔn)；然后基于GF-2，采用目視解譯結(jié)合野外驗證的方式獲取實驗區(qū)的圍海養(yǎng)殖分類圖斑，如圖4所示，該圖經(jīng)實地驗證為實驗區(qū)圍海養(yǎng)殖分布的真實反映；最后，結(jié)合圖4利用混淆矩陣的方法對分割結(jié)果進行精度評價[28]。

圖4 GF-2目視解譯圍海養(yǎng)殖分類圖斑Fig. 4 Sea-enclosed aquaculture classification spots obtained by visual interpretation of GF-2 images

在區(qū)域范圍內(nèi)隨機選取100個驗證點，如圖5所示。根據(jù)分類結(jié)果構(gòu)建混淆矩陣，對3種方法做出精度評價，得出驗證點分類精度，如表3所示。

表3 提取結(jié)果精度指標(biāo)Table 3 Precision indices of the extracted results

圖5 GF-2影像及驗證點Fig. 5 GF-2 image and verifed points

由表3可知，利用NDWI方法比利用MNDWI和EWI兩種方法得到的總體分類精度高，說明NDWI分類準(zhǔn)確率更高，對陰影信息的區(qū)分度更好；利用NDWI方法獲得的Kappa系數(shù)最高，為0.540 7，說明其分類結(jié)果和實際結(jié)果的一致性最好；利用MNDWI和EWI方法獲得的錯分誤差和漏分誤差偏高，且利用這2種方法提取的圖像不僅在陰影信息上存在著許多錯分現(xiàn)象，還在對非水體信息的提取中存在著錯分和漏分。所以，相較于MNDWI和EWI，利用NDWI方法提取研究區(qū)域的圍海養(yǎng)殖信息的精度最高，有更好的適用性。

4 結(jié) 論

本文基于Sentinel-2衛(wèi)星影像，利用其空間分辨率的優(yōu)勢提取圍海養(yǎng)殖信息，實現(xiàn)了研究區(qū)圍海養(yǎng)殖水體信息提取。采用NDWI、MNDWI和EWI三種水體指數(shù)分別提取出實驗區(qū)的圍海養(yǎng)殖區(qū)域的水體指數(shù)圖像，再運用Otsu算法閾值分割水體指數(shù)圖像，最終獲得圍海養(yǎng)殖的矢量數(shù)據(jù)。主要結(jié)論如下：

1）在對實驗區(qū)的圍海養(yǎng)殖的影像信息提取方面，NDWI方法比MNDWI和EWI方法有更高的精度和更好的適用性，且能夠有效、完整地獲得圍海養(yǎng)殖矢量信息；MNDWI和EWI存在一定程度的誤提和漏提現(xiàn)象。

2）基于Sentinel-2影像B3和B8波段所構(gòu)建的NDWI在有效提取水體矢量信息的基礎(chǔ)上可以過濾陰影信息，故此方法對養(yǎng)殖池塘分布密集、與工廠化養(yǎng)殖等交錯分布的海參圍海養(yǎng)殖區(qū)域有更好的適用性。

3）MNDWI和EWI兩種指數(shù)的結(jié)合雖然能夠過濾大量無效信息，但其精度偏低，究其原因，是在提取水體矢量信息的過程中存在少量錯分現(xiàn)象，從而造成最終結(jié)果中部分信息缺失。

4）Sentinel-2傳感器中綠光波段和短波紅外波段的空間分辨率不一致（B3和B8均為10 m，B11為20 m)，導(dǎo)致MNDWI和EWI在提取結(jié)果中出現(xiàn)類似混合像元的問題，降低了提取精度。

5）EWI較NDWI在近紅外波段基礎(chǔ)上引入了短波紅外波段，可以起到增強水體信息、抑制背景信息效果，但相比于混合像元的影響，增強水體信息的效果并未顯現(xiàn)，其提取精度介于NDWI和MNDWI之間。

本文采用水體指數(shù)法能夠在較復(fù)雜地物背景下獲取圍海養(yǎng)殖矢量信息，但該方法存在不能很好地解決“異物同譜”、在分類結(jié)果中會產(chǎn)生“椒鹽”噪聲等不足[1,7]，在提取過程中也未考慮生物生長情況和圍海養(yǎng)殖利用情況對提取的影響，會導(dǎo)致部分區(qū)域出現(xiàn)錯分現(xiàn)象，這些問題將在后續(xù)研究中結(jié)合多時相遙感數(shù)據(jù)對圍海養(yǎng)殖區(qū)域變化進行更深入的探討。