水產(chǎn)養(yǎng)殖區(qū)域的遙感識(shí)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(shí)別方式范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

本文作者：程田飛、周為峰、樊偉 單位：中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所、上海海洋大學(xué)海洋科學(xué)學(xué)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(dòng)物、甲殼類動(dòng)物和水生植物)的活動(dòng)［1］，按操作的基面性質(zhì)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(shè)施;以水面為基礎(chǔ)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(shè)有圍場(chǎng)的沿?；騼?nèi)陸水域;以灘涂為基礎(chǔ)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(xiàn)的同時(shí)，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(huì)輿論的監(jiān)督、政策與法規(guī)的監(jiān)控及水產(chǎn)品質(zhì)要求日益提高等各方面的壓力，水產(chǎn)養(yǎng)殖日益成為當(dāng)前研究熱點(diǎn)之一。

遙感具有探測(cè)范圍廣、獲得資料速度快、周期短、時(shí)效性強(qiáng)、成本低、經(jīng)濟(jì)效益大等優(yōu)點(diǎn)。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(chǎng)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(zhì)等)監(jiān)測(cè);結(jié)合GIS技術(shù)，還可對(duì)養(yǎng)殖區(qū)進(jìn)行規(guī)劃和管理，評(píng)估水產(chǎn)養(yǎng)殖區(qū)對(duì)環(huán)境的影響，加深對(duì)魚類等水生生物棲息地的理解和認(rèn)識(shí)［3－4］。以往由于農(nóng)業(yè)活動(dòng)和降水作用導(dǎo)致的水質(zhì)隨季節(jié)變化明顯，導(dǎo)致水產(chǎn)養(yǎng)殖遙感識(shí)別需要更高的時(shí)間分辨率數(shù)據(jù)來獲取信息等原因，相對(duì)于在其他領(lǐng)域(如地質(zhì)學(xué)和林學(xué)等)的應(yīng)用，遙感在水產(chǎn)養(yǎng)殖方面的應(yīng)用發(fā)展較遲緩［5］。近年來，隨著遙感技術(shù)的發(fā)展，日益豐富的多平臺(tái)、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(jī);許多研究人員也對(duì)水產(chǎn)養(yǎng)殖專題信息的快速、高精度提取方法進(jìn)行了積極的探索和研究，使得遙感在水產(chǎn)養(yǎng)殖中的應(yīng)用日趨廣泛。本文針對(duì)目前的研究現(xiàn)狀，對(duì)用于水產(chǎn)養(yǎng)殖區(qū)域識(shí)別的遙感數(shù)據(jù)源、識(shí)別方法進(jìn)行分析和總結(jié)，并進(jìn)一步探討其研究和應(yīng)用的趨勢(shì)。

1多源遙感數(shù)據(jù)源

隨著遙感技術(shù)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(duì)水域的觀測(cè)。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(shì)和特性，因而也對(duì)應(yīng)有不同的應(yīng)用領(lǐng)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(shí)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(duì)較低，即空間的細(xì)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(shí)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(dá)圖像等，具體參數(shù)如表1所示。SAR具有全天時(shí)、全天候、多波段、多極化工作方式、可變側(cè)視角、穿透能力強(qiáng)等特點(diǎn)，SAR圖像中則含有豐富的地表紋理結(jié)構(gòu)信息。在沿海水域，由于海水對(duì)微波雷達(dá)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(qiáng)，色調(diào)比周圍的海水更亮，二者對(duì)比度較大，因而可從SAR圖像中提取養(yǎng)殖區(qū)域的相關(guān)信息。此外，在進(jìn)行精度驗(yàn)證時(shí)，還可利用GoogleEarth平臺(tái)提供的在線照片，這為實(shí)地調(diào)查驗(yàn)證提供了便利。2水產(chǎn)養(yǎng)殖區(qū)域的識(shí)別方法由于受研究時(shí)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(shí)別方法。目前常用的水產(chǎn)養(yǎng)殖區(qū)識(shí)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(duì)應(yīng)分析的信息提取、基于空間結(jié)構(gòu)分析的信息提取以及基于面向?qū)ο蟮男畔⑻崛〉取?/p>

2．1目視解譯

目視解譯是遙感應(yīng)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(biāo)志(位置、形狀、大小、色調(diào)、陰影、紋理、圖形及相關(guān)布局等)和解譯經(jīng)驗(yàn)，與多種非遙感信息資料相結(jié)合，運(yùn)用相關(guān)知識(shí)，采用對(duì)照分析的方法，進(jìn)行由此及彼、由表及里、去偽存真、循序漸進(jìn)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(jī)交互方式。在解譯前先通過遙感圖像處理軟件對(duì)圖像進(jìn)行必要的預(yù)處理，包括圖像增強(qiáng)、圖像融合等，有效地改善圖像的可識(shí)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(jī)交互式解譯方法分析了東太湖20世紀(jì)80年代以來網(wǎng)圍養(yǎng)殖的時(shí)空變化情況［6］;李新國等采用3景航空?qǐng)D像對(duì)東太湖的網(wǎng)圍養(yǎng)殖面積動(dòng)態(tài)變化進(jìn)行人機(jī)交互目視解譯［7］;樊建勇等在經(jīng)過增強(qiáng)處理后的SAR圖像上，對(duì)膠州灣海域養(yǎng)殖區(qū)進(jìn)行了交互跟蹤矢量化［8］;褚忠信等利用不同時(shí)期的TM圖像，對(duì)黃河三角洲平原水庫與水產(chǎn)養(yǎng)殖場(chǎng)面積進(jìn)行了人機(jī)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(biāo)志，采用人機(jī)交互方法，對(duì)海南省海水和島上水產(chǎn)養(yǎng)殖區(qū)進(jìn)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(tái)提供的高分辨率圖像和部分在線照片，對(duì)包括海水養(yǎng)殖場(chǎng)在內(nèi)的全國濕地分布進(jìn)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(shí)別，但是也存在一定的缺點(diǎn)。當(dāng)解譯人員的專業(yè)知識(shí)背景、解譯經(jīng)驗(yàn)不同時(shí)，可能得到不同的結(jié)果，其結(jié)果往往帶有解譯者的主觀隨意性。當(dāng)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(jié)構(gòu)特征等相似時(shí)，解譯人員就很難根據(jù)標(biāo)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(fèi)工費(fèi)時(shí)，難以實(shí)現(xiàn)對(duì)海量空間信息的定量化分析和保證信息的時(shí)效性，因此研究遙感信息的自動(dòng)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(gè)像元在不同波段的亮度值之比，構(gòu)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(qiáng)地物光譜特征的微小差別，突出目標(biāo)地物的輻射特征。比值型指數(shù)通常又會(huì)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(gòu)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(jié)果中錯(cuò)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(gòu)建了用來進(jìn)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(dāng)部分養(yǎng)殖區(qū)在光譜上與深海水域接近或是當(dāng)深海水域光譜并非均一時(shí)，會(huì)導(dǎo)致錯(cuò)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(duì)應(yīng)分析的信息提取

對(duì)應(yīng)分析是在因子分析的基礎(chǔ)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(jì)領(lǐng)域得到廣泛的認(rèn)同和應(yīng)用，但在遙感領(lǐng)域的應(yīng)用相對(duì)較少。在遙感應(yīng)用中對(duì)應(yīng)分析方法既研究圖像波段特征屬性及其相互關(guān)系，也研究像元特征之間的關(guān)系，有利于提高信息提取的精度。王靜等應(yīng)用該方法快速有效地進(jìn)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(duì)遙感圖像的質(zhì)量要求較高，并在分析前要進(jìn)行嚴(yán)格有效的圖像預(yù)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(jié)構(gòu)分析的信息提取

空間結(jié)構(gòu)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(duì)波段每一個(gè)像元依據(jù)四周鄰近的像元對(duì)其進(jìn)行空間分析的方法［16］，分析和運(yùn)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(fù)出現(xiàn)的特征，反映了一個(gè)區(qū)域中某個(gè)像元灰度級(jí)的空間分布規(guī)律，其基本分析方法有3類:統(tǒng)計(jì)分析方法、結(jié)構(gòu)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(qiáng)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(jì)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(yàn)區(qū)，提取湖泊圍網(wǎng)養(yǎng)殖區(qū)，實(shí)驗(yàn)表明紋理量化的均值指標(biāo)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(jié)構(gòu)的異質(zhì)性，取得了較理想的效果［18］;林桂蘭等利用方差算法對(duì)廈門海灣海上的吊養(yǎng)和網(wǎng)箱養(yǎng)殖進(jìn)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(jì)有效視數(shù)(ef-fectivenumberoflooks)，并對(duì)圖像進(jìn)行多種方法濾波分析，提取了浮筏養(yǎng)殖信息［20］?；诳臻g結(jié)構(gòu)分析的養(yǎng)殖區(qū)識(shí)別方法，適用于近海水產(chǎn)養(yǎng)殖地的自動(dòng)提取，而不適用于內(nèi)陸水產(chǎn)養(yǎng)殖地，因?yàn)楹笳咴诳臻g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(shí)別的輔助方法。

2．5基于面向?qū)ο蟮男畔⑻崛?/p>

面向?qū)ο蟮膱D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(duì)象，然后綜合運(yùn)用地物的光譜特征、紋理、形狀、鄰近關(guān)系等相關(guān)信息，在最鄰近法和模糊分類思想的指導(dǎo)下，確定分割對(duì)象所屬類別，得到精度比較高的遙感圖像分類結(jié)果［21］。對(duì)于養(yǎng)殖區(qū)分布的提取，面向?qū)ο蟮膱D像分析方法基本步驟包括多精度圖像分割、面向?qū)ο蟮乃憚澐趾头丘B(yǎng)殖水域剔除。首先，使用多精度圖像分割對(duì)原始圖像進(jìn)行分割以獲得分割圖斑，并計(jì)算各個(gè)圖斑的特征，為后繼分析服務(wù);然后，根據(jù)遙感圖像中水域的輻射特性進(jìn)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(chǔ)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(jié)果［22］。謝玉林等利用該方法，對(duì)珠江口養(yǎng)殖區(qū)域進(jìn)行了提取，驗(yàn)證該方法在水產(chǎn)養(yǎng)殖區(qū)提取上的可行性［22］;關(guān)學(xué)彬等采用該方法對(duì)海南省文昌地區(qū)的水產(chǎn)養(yǎng)殖區(qū)進(jìn)行監(jiān)測(cè)，取得了理想效果［23］;孫曉宇等采用該方法，利用多時(shí)相遙感數(shù)據(jù)對(duì)珠江口海岸帶地區(qū)水產(chǎn)養(yǎng)殖場(chǎng)的變化進(jìn)行了提取［24］。面向?qū)ο蟮膱D像分析將處理的對(duì)象從像元過渡到了圖斑的對(duì)象層次，更接近人們觀測(cè)數(shù)據(jù)的思維邏輯，更利于知識(shí)與規(guī)則的融合。在很多情況下，面向?qū)ο蟮倪b感圖像分析方法會(huì)比基于像元的分析方法取得更好的效果。采用面向?qū)ο蠹夹g(shù)，在解決常規(guī)圖像分類時(shí)的椒鹽噪聲效應(yīng)、結(jié)果的可解釋性上有很大優(yōu)勢(shì)，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(dāng)特征及隸屬度函數(shù)選取不當(dāng)時(shí)，會(huì)出現(xiàn)較嚴(yán)重的誤分現(xiàn)象，此時(shí)要結(jié)合目視解譯方法，判別分類結(jié)果的合理性，優(yōu)化隸屬度函數(shù)，重新進(jìn)行分類。

3總結(jié)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(shí)別方法中，利用目視解譯、比值指數(shù)分析、對(duì)應(yīng)分析的方法并不能很好地解決“異物同譜”的問題，并會(huì)在分類結(jié)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(duì)具有納米級(jí)診斷光譜特性的地表物體進(jìn)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(duì)養(yǎng)殖水體污染(赤潮、水質(zhì)等)的監(jiān)測(cè)，將是今后研究的方向之一。

基于空間結(jié)構(gòu)和基于面向?qū)ο蟮乃a(chǎn)養(yǎng)殖區(qū)域識(shí)別具有較好的效果。隨著遙感技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，針對(duì)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(jì)算機(jī)提取技術(shù)具有了自學(xué)習(xí)和智能化的特點(diǎn)，有著廣泛的應(yīng)用前景。專家系統(tǒng)的應(yīng)用是遙感信息提取的另一個(gè)重要研究方向，它采用人工智能語言將某一領(lǐng)域的專家分析方法或經(jīng)驗(yàn)，對(duì)地物的多種屬性進(jìn)行分析、判斷，從而確定各地物的屬性，實(shí)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(yùn)用目視解譯、比值指數(shù)分析、對(duì)應(yīng)分析、紋理分析、面向?qū)ο蟮膱D像分析、人工智能、非線性理論以及專家系統(tǒng)，揚(yáng)長避短，將是今后水產(chǎn)養(yǎng)殖遙感應(yīng)用領(lǐng)域研究的重點(diǎn)。