水產(chǎn)養(yǎng)殖區(qū)域的遙感識別方式

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了水產(chǎn)養(yǎng)殖區(qū)域的遙感識別方式范文，希望能給你帶來靈感和參考，敬請閱讀。

本文作者：程田飛、周為峰、樊偉 單位：中國水產(chǎn)科學研究院東海水產(chǎn)研究所、上海海洋大學海洋科學學院

0引言

水產(chǎn)養(yǎng)殖是指商業(yè)性的飼養(yǎng)水生生物(包括魚類、軟體動物、甲殼類動物和水生植物)的活動［1］，按操作的基面性質可分為陸地、水面和灘涂等3大類。以陸地為主的系統(tǒng)主要包括池塘、稻田以及在陸地建造的其他設施;以水面為基礎的養(yǎng)殖系統(tǒng)包括攔灣、圍欄、網(wǎng)箱及筏式養(yǎng)殖，通常位于設有圍場的沿?；騼?nèi)陸水域;以灘涂為基礎的養(yǎng)殖系統(tǒng)包括基塘養(yǎng)殖和高位池養(yǎng)殖［2］。我國是世界第一水產(chǎn)養(yǎng)殖大國，也是世界唯一的養(yǎng)殖產(chǎn)量超過捕撈產(chǎn)量的國家，而且目前水產(chǎn)養(yǎng)殖規(guī)模仍在繼續(xù)快速增長中。在為滿足世界水產(chǎn)品需求做出巨大貢獻的同時，我國的水產(chǎn)養(yǎng)殖正面臨著水環(huán)境狀況的日益惡化、社會輿論的監(jiān)督、政策與法規(guī)的監(jiān)控及水產(chǎn)品質要求日益提高等各方面的壓力，水產(chǎn)養(yǎng)殖日益成為當前研究熱點之一。

遙感具有探測范圍廣、獲得資料速度快、周期短、時效性強、成本低、經(jīng)濟效益大等優(yōu)點。利用遙感圖像能快速提取所需水產(chǎn)養(yǎng)殖的專題信息，可幫助養(yǎng)殖場選址、決定養(yǎng)殖品種，開展養(yǎng)殖密度、養(yǎng)殖水體污染(赤潮、水質等)監(jiān)測;結合GIS技術，還可對養(yǎng)殖區(qū)進行規(guī)劃和管理，評估水產(chǎn)養(yǎng)殖區(qū)對環(huán)境的影響，加深對魚類等水生生物棲息地的理解和認識［3－4］。以往由于農(nóng)業(yè)活動和降水作用導致的水質隨季節(jié)變化明顯，導致水產(chǎn)養(yǎng)殖遙感識別需要更高的時間分辨率數(shù)據(jù)來獲取信息等原因，相對于在其他領域(如地質學和林學等)的應用，遙感在水產(chǎn)養(yǎng)殖方面的應用發(fā)展較遲緩［5］。近年來，隨著遙感技術的發(fā)展，日益豐富的多平臺、多種類、多分辨率的遙感數(shù)據(jù)為水產(chǎn)養(yǎng)殖信息獲取提供了新的契機;許多研究人員也對水產(chǎn)養(yǎng)殖專題信息的快速、高精度提取方法進行了積極的探索和研究，使得遙感在水產(chǎn)養(yǎng)殖中的應用日趨廣泛。本文針對目前的研究現(xiàn)狀，對用于水產(chǎn)養(yǎng)殖區(qū)域識別的遙感數(shù)據(jù)源、識別方法進行分析和總結，并進一步探討其研究和應用的趨勢。

1多源遙感數(shù)據(jù)源

隨著遙感技術的發(fā)展，越來越多的不同類型的遙感傳感器數(shù)據(jù)被用于對水域的觀測。不同類型的遙感數(shù)據(jù)在水產(chǎn)養(yǎng)殖信息提取中具有各自的優(yōu)勢和特性，因而也對應有不同的應用領域和信息提取精度。一般來說，多光譜遙感記錄了地物的反射、輻射波譜特征，擁有豐富的地物空間分布及光譜信息，有助于識別水產(chǎn)養(yǎng)殖區(qū)域，是目前水產(chǎn)養(yǎng)殖區(qū)信息提取的主要信息源。但大多數(shù)多光譜遙感圖像數(shù)據(jù)空間分辨率相對較低，即空間的細節(jié)表現(xiàn)能力比較差，將多光譜圖像和全色圖像融合，可有效提高圖像解譯能力。目前常用的識別水產(chǎn)養(yǎng)殖區(qū)的衛(wèi)星遙感數(shù)據(jù)主要有全色圖像、多光譜圖像和微波雷達圖像等，具體參數(shù)如表1所示。SAR具有全天時、全天候、多波段、多極化工作方式、可變側視角、穿透能力強等特點，SAR圖像中則含有豐富的地表紋理結構信息。在沿海水域，由于海水對微波雷達的回波能量較弱，而養(yǎng)殖用的基座、圍欄和網(wǎng)箱等回波能量較強，色調(diào)比周圍的海水更亮，二者對比度較大，因而可從SAR圖像中提取養(yǎng)殖區(qū)域的相關信息。此外，在進行精度驗證時，還可利用GoogleEarth平臺提供的在線照片，這為實地調(diào)查驗證提供了便利。2水產(chǎn)養(yǎng)殖區(qū)域的識別方法由于受研究時間、研究區(qū)域和數(shù)據(jù)源等客觀因素的限制，還沒有一種方法是最普遍和最佳的水產(chǎn)養(yǎng)殖區(qū)的識別方法。目前常用的水產(chǎn)養(yǎng)殖區(qū)識別方法主要有目視解譯、基于比值指數(shù)分析的信息提取、基于對應分析的信息提取、基于空間結構分析的信息提取以及基于面向對象的信息提取等。

2．1目視解譯

目視解譯是遙感應用最常用、最基本的方法之一。它根據(jù)遙感圖像目視解譯標志(位置、形狀、大小、色調(diào)、陰影、紋理、圖形及相關布局等)和解譯經(jīng)驗，與多種非遙感信息資料相結合，運用相關知識，采用對照分析的方法，進行由此及彼、由表及里、去偽存真、循序漸進的綜合分析和邏輯推理，從遙感圖像中獲取需要的專題信息。目前，目視解譯一般都采用人機交互方式。在解譯前先通過遙感圖像處理軟件對圖像進行必要的預處理，包括圖像增強、圖像融合等，有效地改善圖像的可識別能力，突出主要信息，提高判讀的精度。楊英寶等依據(jù)6景TM圖像和3期高精度航片，利用人機交互式解譯方法分析了東太湖20世紀80年代以來網(wǎng)圍養(yǎng)殖的時空變化情況［6］;李新國等采用3景航空圖像對東太湖的網(wǎng)圍養(yǎng)殖面積動態(tài)變化進行人機交互目視解譯［7］;樊建勇等在經(jīng)過增強處理后的SAR圖像上，對膠州灣海域養(yǎng)殖區(qū)進行了交互跟蹤矢量化［8］;褚忠信等利用不同時期的TM圖像，對黃河三角洲平原水庫與水產(chǎn)養(yǎng)殖場面積進行了人機交互解譯［9］;吳巖峻等用4景ETM+圖像，經(jīng)過多次外業(yè)調(diào)查，建立解譯標志，采用人機交互方法，對海南省海水和島上水產(chǎn)養(yǎng)殖區(qū)進行了勾畫［10］;宮鵬等借助1987—1992年和1999—2002年的TM/ETM+圖像及GoogleEarth平臺提供的高分辨率圖像和部分在線照片，對包括海水養(yǎng)殖場在內(nèi)的全國濕地分布進行了目視解譯，并繪制了專題圖［11］。目視解譯簡單易行，而且具有較高的信息提取精度，適用于絕大多數(shù)養(yǎng)殖區(qū)域的識別，但是也存在一定的缺點。當解譯人員的專業(yè)知識背景、解譯經(jīng)驗不同時，可能得到不同的結果，其結果往往帶有解譯者的主觀隨意性。當養(yǎng)殖區(qū)域水體同非養(yǎng)殖區(qū)域水體的光譜特征或空間結構特征等相似時，解譯人員就很難根據(jù)標志將其區(qū)分開來，使精度受到影響;而且目視解譯工作量大、費工費時，難以實現(xiàn)對海量空間信息的定量化分析和保證信息的時效性，因此研究遙感信息的自動提取方法已成必然。

2．2基于比值指數(shù)分析的信息提取

比值型指數(shù)［12］創(chuàng)建的基本原理就是在同一圖像的多光譜波段內(nèi)，求得每個像元在不同波段的亮度值之比，構成新的圖像，以壓制某些造成光照差異的因子或背景的影響，增強地物光譜特征的微小差別，突出目標地物的輻射特征。比值型指數(shù)通常又會作歸一化處理，使其數(shù)值范圍統(tǒng)一到－1～1之間。馬艷娟等利用ASTER數(shù)據(jù)，分析養(yǎng)殖水體與非養(yǎng)殖水體在圖像各波段上的特征差異，構建用于提取圖像中水產(chǎn)養(yǎng)殖區(qū)域的指數(shù)(normalizeddifferenceaquacultureindex，NDAI);并分析用NDAI提取得到的結果中錯分的受大氣、傳感器影響的水體與自然水體的各波段灰度值的分布，構建了用來進一步提取深海區(qū)域的指數(shù)(marineextractionindex，MEI)，將近海水產(chǎn)養(yǎng)殖區(qū)的養(yǎng)殖水體與其他水體區(qū)分開［13］，取得了較高的精度。由于比值指數(shù)分析的信息提取方法只考慮各波段上的灰度信息，當部分養(yǎng)殖區(qū)在光譜上與深海水域接近或是當深海水域光譜并非均一時，會導致錯分。該方法適用于養(yǎng)殖區(qū)與背景環(huán)境光譜差異大的地區(qū)，否則將無法克服傳統(tǒng)遙感分類方法所普遍存在的“椒鹽”噪聲，從而影響信息提取的精度。

2．3基于對應分析的信息提取

對應分析是在因子分析的基礎上發(fā)展起來的分析方法，又稱“R－Q型因子分析”［14］。該方法已在生物和統(tǒng)計領域得到廣泛的認同和應用，但在遙感領域的應用相對較少。在遙感應用中對應分析方法既研究圖像波段特征屬性及其相互關系，也研究像元特征之間的關系，有利于提高信息提取的精度。王靜等應用該方法快速有效地進行了滆湖圍網(wǎng)養(yǎng)殖區(qū)湖泊圍網(wǎng)分布信息的提?。?5］。該方法對遙感圖像的質量要求較高，并在分析前要進行嚴格有效的圖像預處理。此外，該方法并無法有效地解決“異物同譜”和“異物同紋理”的分類問題。

2．4基于空間結構分析的信息提取

空間結構分析的處理方法有鄰域分析、紋理分析、線性特征提取等。其中，鄰域分析是對波段每一個像元依據(jù)四周鄰近的像元對其進行空間分析的方法［16］，分析和運算的像元數(shù)目和位置由掃描窗口確定;紋理表現(xiàn)是指圖像灰度在空間上有序重復出現(xiàn)的特征，反映了一個區(qū)域中某個像元灰度級的空間分布規(guī)律，其基本分析方法有3類:統(tǒng)計分析方法、結構分析方法和頻譜分析方法。周小成等采用ASTER遙感圖像，以九龍江河口地區(qū)為研究示范區(qū)，利用卷積算子，采用鄰域分析法來增強水產(chǎn)養(yǎng)殖地的空間紋理信息［17］;李俊杰等利用紋理統(tǒng)計分析方法中的灰度共生矩陣(graylevelco－occurrencematrices，GLCM)，選用中巴資源衛(wèi)星02星多光譜數(shù)據(jù)，以白馬湖為試驗區(qū)，提取湖泊圍網(wǎng)養(yǎng)殖區(qū)，實驗表明紋理量化的均值指標能夠較好地反映自然水體、圍網(wǎng)養(yǎng)殖區(qū)和其他地物內(nèi)部結構的異質性，取得了較理想的效果［18］;林桂蘭等利用方差算法對廈門海灣海上的吊養(yǎng)和網(wǎng)箱養(yǎng)殖進行紋理分析，得到養(yǎng)殖專題圖［19］;初佳蘭等選用長?？h廣鹿島海區(qū)的SAR圖像，統(tǒng)計有效視數(shù)(ef-fectivenumberoflooks)，并對圖像進行多種方法濾波分析，提取了浮筏養(yǎng)殖信息［20］。基于空間結構分析的養(yǎng)殖區(qū)識別方法，適用于近海水產(chǎn)養(yǎng)殖地的自動提取，而不適用于內(nèi)陸水產(chǎn)養(yǎng)殖地，因為后者在空間上的分布孤立，斑塊小，與其他農(nóng)用坑塘水體的空間特征類似，但仍可以作為一種遙感圖像識別的輔助方法。

2．5基于面向對象的信息提取

面向對象的圖像分析主要思想是:首先將圖像分割成具有一定意義的圖像對象，然后綜合運用地物的光譜特征、紋理、形狀、鄰近關系等相關信息，在最鄰近法和模糊分類思想的指導下，確定分割對象所屬類別，得到精度比較高的遙感圖像分類結果［21］。對于養(yǎng)殖區(qū)分布的提取，面向對象的圖像分析方法基本步驟包括多精度圖像分割、面向對象的水陸劃分和非養(yǎng)殖水域剔除。首先，使用多精度圖像分割對原始圖像進行分割以獲得分割圖斑，并計算各個圖斑的特征，為后繼分析服務;然后，根據(jù)遙感圖像中水域的輻射特性進行水陸分割;接著根據(jù)圖斑的光譜、形狀及空間特征提取出面狀、線狀非養(yǎng)殖水域部分;最后，在水陸劃分得到的水域全圖的基礎上剔除以上提取的面狀水系和線狀水系，得到養(yǎng)殖水域提取結果［22］。謝玉林等利用該方法，對珠江口養(yǎng)殖區(qū)域進行了提取，驗證該方法在水產(chǎn)養(yǎng)殖區(qū)提取上的可行性［22］;關學彬等采用該方法對海南省文昌地區(qū)的水產(chǎn)養(yǎng)殖區(qū)進行監(jiān)測，取得了理想效果［23］;孫曉宇等采用該方法，利用多時相遙感數(shù)據(jù)對珠江口海岸帶地區(qū)水產(chǎn)養(yǎng)殖場的變化進行了提取［24］。面向對象的圖像分析將處理的對象從像元過渡到了圖斑的對象層次，更接近人們觀測數(shù)據(jù)的思維邏輯，更利于知識與規(guī)則的融合。在很多情況下，面向對象的遙感圖像分析方法會比基于像元的分析方法取得更好的效果。采用面向對象技術，在解決常規(guī)圖像分類時的椒鹽噪聲效應、結果的可解釋性上有很大優(yōu)勢，因此在高分辨率圖像信息提取中能夠發(fā)揮更大的作用。但是當特征及隸屬度函數(shù)選取不當時，會出現(xiàn)較嚴重的誤分現(xiàn)象，此時要結合目視解譯方法，判別分類結果的合理性，優(yōu)化隸屬度函數(shù)，重新進行分類。

3總結與展望

水產(chǎn)養(yǎng)殖用地與其他水體類型具有非常相似的光譜特征，常規(guī)多光譜遙感只能提供大于100nm光譜分辨率的間斷性波譜波段信息。在水產(chǎn)養(yǎng)殖區(qū)識別方法中，利用目視解譯、比值指數(shù)分析、對應分析的方法并不能很好地解決“異物同譜”的問題，并會在分類結果中產(chǎn)生“椒鹽”噪聲。而高光譜遙感有足夠的光譜分辨率對具有納米級診斷光譜特性的地表物體進行區(qū)分。因此利用高光譜數(shù)據(jù)來分析和提取水產(chǎn)養(yǎng)殖區(qū)域信息，尤其是對養(yǎng)殖水體污染(赤潮、水質等)的監(jiān)測，將是今后研究的方向之一。

基于空間結構和基于面向對象的水產(chǎn)養(yǎng)殖區(qū)域識別具有較好的效果。隨著遙感技術和計算機技術的發(fā)展，針對水產(chǎn)養(yǎng)殖專題信息的提取方法不斷涌現(xiàn)和深化。人工智能、非線性理論的引入，使遙感信息計算機提取技術具有了自學習和智能化的特點，有著廣泛的應用前景。專家系統(tǒng)的應用是遙感信息提取的另一個重要研究方向，它采用人工智能語言將某一領域的專家分析方法或經(jīng)驗，對地物的多種屬性進行分析、判斷，從而確定各地物的屬性，實現(xiàn)遙感圖像的智能化解譯和信息獲取。不同信息提取方法各有優(yōu)劣，單純利用其中某種方法已經(jīng)不能滿足水產(chǎn)養(yǎng)殖信息高精度提取的要求。引入高光譜遙感數(shù)據(jù)，綜合運用目視解譯、比值指數(shù)分析、對應分析、紋理分析、面向對象的圖像分析、人工智能、非線性理論以及專家系統(tǒng)，揚長避短，將是今后水產(chǎn)養(yǎng)殖遙感應用領域研究的重點。