基于Sentinel-2影像的圍海養(yǎng)殖信息提取

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(kāi)發(fā)與保護(hù)研究重點(diǎn)實(shí)驗(yàn)室, 遼寧 大連116023）

我國(guó)近海野生漁業(yè)資源日益退化，而人們對(duì)海產(chǎn)品的需求卻不斷增長(zhǎng)，這使得近年來(lái)我國(guó)的海水養(yǎng)殖業(yè)發(fā)展迅猛[1]。根據(jù)《中國(guó)漁業(yè)統(tǒng)計(jì)年鑒》[2-4]，截至2020 年，我國(guó)海水養(yǎng)殖面積達(dá) 199.56萬(wàn)hm2，海水養(yǎng)殖產(chǎn)量達(dá) 2 135.3萬(wàn)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(guó)是海水養(yǎng)殖大國(guó)，也是世界上唯一的養(yǎng)殖產(chǎn)量超過(guò)捕撈產(chǎn)量的國(guó)家[7]。海水養(yǎng)殖在不斷滿(mǎn)足人民日益增長(zhǎng)的海產(chǎn)品需求的同時(shí)也出現(xiàn)了由于過(guò)度養(yǎng)殖所引起的爆發(fā)性水產(chǎn)病害問(wèn)題、滸苔爆發(fā)等環(huán)境問(wèn)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(wèn)題[8]，以及占用濕地、破壞自然岸線(xiàn)等問(wèn)題。圍海養(yǎng)殖區(qū)域作為承載海水養(yǎng)殖的主體，對(duì)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(jìn)行科學(xué)合理的規(guī)劃，對(duì)保護(hù)海洋生態(tài)環(huán)境和促進(jìn)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(shí)地測(cè)量的方法，但該方法因受人力和物力的限制難以滿(mǎn)足現(xiàn)場(chǎng)信息即時(shí)獲取和大范圍作業(yè)的需求[1,11]。遙感作為一項(xiàng)成熟的對(duì)地觀(guān)測(cè)技術(shù)，其具有覆蓋范圍廣、可同步連續(xù)觀(guān)測(cè)，以及高空間分辨率、高時(shí)間分辨率等優(yōu)點(diǎn)，這些優(yōu)點(diǎn)可彌補(bǔ)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(zhuān)題信息，并在養(yǎng)殖區(qū)域的動(dòng)態(tài)監(jiān)測(cè)、科學(xué)規(guī)劃與管理中發(fā)揮作用[7-8,14-15]。近年來(lái)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(yùn)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(cè)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(guó)產(chǎn)高分系列影像通過(guò)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(guò)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(duì)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(chǎng)化養(yǎng)殖等交錯(cuò)分布的海參圍海養(yǎng)殖區(qū)域作為實(shí)驗(yàn)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(jìn)歸一化差異水體指數(shù)（Modified Normalized Difference Water Index，MNDWI）[18]和增強(qiáng)水體指數(shù)（Enhanced Water Index，EWI）[19]三種水體指數(shù)，測(cè)試其提取效果，并使用同期高空間分辨率的高分二號(hào)（GF-2）衛(wèi)星影像作為參考，驗(yàn)證不同方法的提取精度，最終通過(guò)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(xiāo)）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(shí)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(lái)源和研究方法

2.1 數(shù)據(jù)來(lái)源

實(shí)驗(yàn)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(zhǎng)范圍廣等特點(diǎn)[21]，由歐洲“哥白尼計(jì)劃”發(fā)射的第2顆攜帶多光譜成像儀衛(wèi)星[22]觀(guān)測(cè)獲得，其搭載了具有13個(gè)波段的多光譜成像傳感器，由可見(jiàn)光波段覆蓋至短波紅外波段，分辨率分為3類(lèi)，分別為10 m、20 m和60 m，具有10 d的高效重返周期。

精度驗(yàn)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(tái)，光學(xué)成像系統(tǒng)由2臺(tái)相機(jī)組合而成，同時(shí)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(dá)到45 km[23]。

選取云量較少、質(zhì)量較好、成像時(shí)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(shí)驗(yàn)使用的Sentinel-2、GF-2遙感影像數(shù)據(jù)參數(shù)見(jiàn)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(guò)程，主要是改正遙感成像過(guò)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(guò)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(shí)驗(yàn)選用的Sentinel-2數(shù)據(jù)是經(jīng)過(guò)正射校正和幾何校正的大氣表觀(guān)反射率產(chǎn)品（Level-1C，L1C），但沒(méi)有進(jìn)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(duì)L1C數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正，同時(shí)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(duì)入射光具有強(qiáng)吸收性，在大部分遙感傳感器的波長(zhǎng)范圍內(nèi)，呈現(xiàn)較弱的反射率，并隨波長(zhǎng)的增加而減弱[26]，即藍(lán)綠光波段短（表2），其反射率卻高，所以其對(duì)入射光的吸收弱；而短波紅外波段波段長(zhǎng)（表2），其反射率反而較低，所以對(duì)入射光的吸收較強(qiáng)[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(qiáng)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(shí)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(shí)驗(yàn)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(yùn)算，利用波段之間的反差增強(qiáng)了水體的顯示亮度，從而突出影像中水體的顯示效果，其計(jì)算公式為：

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

2）改進(jìn)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(duì)城市水體改進(jìn)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(jìn)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(jì)算公式為：

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

3）增強(qiáng)水體指數(shù)（EWI）方法

針對(duì)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(shí)引入了近紅外波段與短波紅外波段，提出了增強(qiáng)水體指數(shù)EWI，其計(jì)算公式為：

式中，LG、LNIR和LSWIR分別為綠光波段（對(duì)應(yīng)Sentinel-2影像的B3波段）、近紅外波段（對(duì)應(yīng)Sentinel-2影像的B8波段）和短波紅外波段（對(duì)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(duì)圖像進(jìn)行分割。理論上，水體指數(shù)提取的分割閾值均為0，但在實(shí)際操作中仍需要根據(jù)具體場(chǎng)景對(duì)閾值進(jìn)行調(diào)整，以達(dá)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(chēng)最大類(lèi)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(gè)類(lèi)別，它們分別擁有最大的類(lèi)間方差與最小的類(lèi)內(nèi)方差，這個(gè)閾值就是最優(yōu)分割閾值[10-11]。

2.2.3 評(píng)價(jià)方法

混淆矩陣方法[16]是通過(guò)將每個(gè)地表真實(shí)像元與分類(lèi)圖像中的相應(yīng)位置和分類(lèi)進(jìn)行比較計(jì)算，獲得比較陣列的像元數(shù)的方法。矩陣中，“列”通常表示驗(yàn)證數(shù)據(jù)，“行”通常表示由遙感數(shù)據(jù)分類(lèi)得到的類(lèi)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(cuò)分誤差和漏分誤差等精度評(píng)價(jià)指標(biāo)，進(jìn)而評(píng)價(jià)分類(lèi)圖像精度?？傮w精度能夠反映分類(lèi)正確的比例，Kappa系數(shù)能夠檢驗(yàn)分類(lèi)結(jié)果和實(shí)際結(jié)果的一致性，錯(cuò)分誤差和漏分誤差分別可以檢驗(yàn)錯(cuò)分和漏分的像元數(shù)[31]。

3 結(jié)果與分析

3.1 實(shí)驗(yàn)結(jié)果

對(duì)比原始影像（圖2a）與采用3種水體指數(shù)法運(yùn)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(qiáng)。其中：利用NDWI所得圖像增強(qiáng)效果最好，在該圖像上可以探測(cè)到更微細(xì)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?yàn)檫@2個(gè)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(yùn)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(duì)水體指數(shù)圖像進(jìn)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(duì)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(chǎng)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(chǔ)水量較低的圍海養(yǎng)殖信息，但同時(shí)也提取出了部分建筑物和植被等無(wú)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(píng)價(jià)

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(duì)圍海養(yǎng)殖矢量信息進(jìn)行精度評(píng)價(jià)：首先對(duì)校驗(yàn)影像GF-2進(jìn)行輻射定標(biāo)和大氣校正，并與Sentinel-2數(shù)據(jù)進(jìn)行幾何配準(zhǔn)；然后基于GF-2，采用目視解譯結(jié)合野外驗(yàn)證的方式獲取實(shí)驗(yàn)區(qū)的圍海養(yǎng)殖分類(lèi)圖斑，如圖4所示，該圖經(jīng)實(shí)地驗(yàn)證為實(shí)驗(yàn)區(qū)圍海養(yǎng)殖分布的真實(shí)反映；最后，結(jié)合圖4利用混淆矩陣的方法對(duì)分割結(jié)果進(jìn)行精度評(píng)價(jià)[28]。

圖4 GF-2目視解譯圍海養(yǎng)殖分類(lèi)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(jī)選取100個(gè)驗(yàn)證點(diǎn)，如圖5所示。根據(jù)分類(lèi)結(jié)果構(gòu)建混淆矩陣，對(duì)3種方法做出精度評(píng)價(jià)，得出驗(yàn)證點(diǎn)分類(lèi)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(yàn)證點(diǎn)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(lèi)精度高，說(shuō)明NDWI分類(lèi)準(zhǔn)確率更高，對(duì)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(shuō)明其分類(lèi)結(jié)果和實(shí)際結(jié)果的一致性最好；利用MNDWI和EWI方法獲得的錯(cuò)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(cuò)分現(xiàn)象，還在對(duì)非水體信息的提取中存在著錯(cuò)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(shì)提取圍海養(yǎng)殖信息，實(shí)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(shí)驗(yàn)區(qū)的圍海養(yǎng)殖區(qū)域的水體指數(shù)圖像，再運(yùn)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(duì)實(shí)驗(yàn)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(guò)濾陰影信息，故此方法對(duì)養(yǎng)殖池塘分布密集、與工廠(chǎng)化養(yǎng)殖等交錯(cuò)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(guò)濾大量無(wú)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(guò)程中存在少量錯(cuò)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(lèi)似混合像元的問(wèn)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(qiáng)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(qiáng)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(lèi)結(jié)果中會(huì)產(chǎn)生“椒鹽”噪聲等不足[1,7]，在提取過(guò)程中也未考慮生物生長(zhǎng)情況和圍海養(yǎng)殖利用情況對(duì)提取的影響，會(huì)導(dǎo)致部分區(qū)域出現(xiàn)錯(cuò)分現(xiàn)象，這些問(wèn)題將在后續(xù)研究中結(jié)合多時(shí)相遙感數(shù)據(jù)對(duì)圍海養(yǎng)殖區(qū)域變化進(jìn)行更深入的探討。