漁業(yè)和水產(chǎn)養(yǎng)殖業(yè)是世界各地億萬民眾重要的食物、營養(yǎng)、收入和生計來源。中國作為漁業(yè)產(chǎn)量大國，其水產(chǎn)養(yǎng)殖總產(chǎn)量占全球的60%以上。隨著我國近海養(yǎng)殖產(chǎn)業(yè)的發(fā)展，沿海地區(qū)人工水產(chǎn)養(yǎng)殖用海的范圍不斷擴大，在經(jīng)濟高效地利用近海水域資源的同時，也帶來了不可忽視的近海生態(tài)環(huán)境問題。因此，動態(tài)監(jiān)測水產(chǎn)養(yǎng)殖用海分布及其時空變化，可為近海水產(chǎn)養(yǎng)殖規(guī)劃、海洋資源管理、生態(tài)環(huán)境保護、海洋防災(zāi)減災(zāi)等提供基礎(chǔ)數(shù)據(jù)支撐，推動我國海洋經(jīng)濟和生態(tài)文明建設(shè)協(xié)同發(fā)展。

近年來，遙感技術(shù)在自然資源調(diào)查領(lǐng)域中被廣泛應(yīng)用，已經(jīng)逐漸成為近海水產(chǎn)養(yǎng)殖調(diào)查監(jiān)測的主流方法。文獻基于4景2002年的遙感影像，建立水產(chǎn)養(yǎng)殖遙感解譯標志，通過人機交互和目視解譯的方法調(diào)查了海南省水產(chǎn)養(yǎng)殖的面積和位置，并提出每2~3年利用遙感技術(shù)對水產(chǎn)養(yǎng)殖區(qū)進行動態(tài)監(jiān)測是必要的。目視解譯方法雖然準確率高，但主觀性強，且需要大量的人工勞動。為了提高水產(chǎn)養(yǎng)殖區(qū)提取的自動化水平，學(xué)者們先后基于不同類型的遙感影像數(shù)據(jù)，包括面向?qū)ο蠓指?、監(jiān)督和非監(jiān)督分類、數(shù)據(jù)挖掘等方法，開展沿海水產(chǎn)養(yǎng)殖的提取研究。

為了分析近海養(yǎng)殖區(qū)的時空變化，學(xué)者們使用中等空間分辨率衛(wèi)星數(shù)據(jù)，開展了大量的遙感研究：

1、使用面向?qū)ο蠓诸惙椒ê蚅andsat系列衛(wèi)星影像對1983—2015年黃河口近海養(yǎng)殖池溏進行監(jiān)測，指出當(dāng)?shù)卦?990—2000和2010—2015年期間圍海養(yǎng)殖面積呈爆發(fā)式增長。

2、基于Landsat衛(wèi)星數(shù)據(jù)，地物的光學(xué)、空間和形態(tài)學(xué)特征，使用決策樹分類方法，監(jiān)測了我國近30年海岸帶養(yǎng)殖池時空變化情況，并指出1990—2011年是快速增長期；2011—2017年是穩(wěn)定期；2017年以后是急劇萎縮期。值得注意的是，受Landsat衛(wèi)星空間分辨率的限制，研究人員將養(yǎng)殖池水面與周圍堤壩作為一個整體進行提取，且僅提取面積大于0.1km2的養(yǎng)殖池。

3、基于Sentinel-1衛(wèi)星影像，參考文獻的水產(chǎn)養(yǎng)殖水面提取算法，監(jiān)測并分析了2015—2019年廣東省沿海城市水產(chǎn)養(yǎng)殖基地的變化。

5、使用光譜解混算法提取干旱地區(qū)多個小面積孤立池塘的水面面積，證實了光譜解混方法提取小面積水體的可行性，但該方法尚未應(yīng)用于小面積人工水產(chǎn)養(yǎng)殖水面的監(jiān)測。

本文選擇廣東省湛江市北莉島這一典型以水產(chǎn)養(yǎng)殖為重要經(jīng)濟來源的有居民海島為研究區(qū)，基于多源中高空間分辨率衛(wèi)星數(shù)據(jù)，使用面向?qū)ο蠓诸惙椒ê途€性光譜解混法分別處理高空間分辨率和中等空間分辨率衛(wèi)星影像，監(jiān)測并分析1995—2019年北莉島人工水產(chǎn)養(yǎng)殖的時空變化。

1數(shù)據(jù)與方法

1.1?數(shù)據(jù)來源

本文使用Landsat?5、SPOT?5及GF-1，3種衛(wèi)星遙感數(shù)據(jù)源，篩選無云、成像質(zhì)量好的影像作為人工水產(chǎn)養(yǎng)殖水面監(jiān)測的基礎(chǔ)數(shù)據(jù)。其中，Landsat5影像數(shù)據(jù)3景，SPOT5和GF-1影像分別1景，詳細參數(shù)見表1。衛(wèi)星影像數(shù)據(jù)的預(yù)處理包括幾何校正、研究區(qū)范圍裁剪等。針對SPOT5、GF-1衛(wèi)星影像，使用Gram-SchmidtPan-Sharpening算法將多光譜圖像和全色波段影像融合，使得融合后影像同時具有較高的空間分辨率和光譜分辨率。

表1不同衛(wèi)星遙感影像的參數(shù)

1.2?方??法

采用面向?qū)ο蠖喑叨确指罱Y(jié)合支持向量機分類算法處理高空間分辨率衛(wèi)星影像，提取北莉島人工水產(chǎn)養(yǎng)殖水面。面向?qū)ο筮b感影像分類方法將地物的光譜、幾何、紋理、空間關(guān)系特征均納入分類特征。首先將影像分割成不同的且具有相同特征的像元組成的同質(zhì)對象，然后對影像分割后的同質(zhì)對象進行分類和信息提取，有效避免了傳統(tǒng)基于像元分類的“椒鹽噪聲”問題。面向?qū)ο蠓诸愔饕ㄓ跋穹指詈头诸悾ㄈ鐖D1所示）。本文使用多尺度分割方法，近紅外波段、藍波段、綠波段及紅波段權(quán)重均設(shè)為1，形狀因子設(shè)為0.1，緊致度因子設(shè)為0.5，尺度參數(shù)設(shè)為20。支持向量機分類器的核函數(shù)設(shè)為線性核函數(shù)，懲罰系數(shù)設(shè)為2。使用面向?qū)ο蠓诸愄崛∪斯にa(chǎn)養(yǎng)殖水面，去掉細碎圖斑及島內(nèi)因水田造成的誤分類圖斑，獲取人工水產(chǎn)養(yǎng)殖水面提取結(jié)果。為驗證基于高空間分辨率衛(wèi)星影像的人工水產(chǎn)養(yǎng)殖水面的提取精度，本文使用準確率指標進行精度評價。真值數(shù)據(jù)是通過目視解譯提取的人工養(yǎng)殖水面，精度檢驗公式為

DR=TP/（TP+FN）×100%

FAR=FP/（TP+FP）×100%

MAR=（1-DR）×100%

式中，DR、FAR、MAR分別為正確率、虛警率、漏警率；TP為正確提取的養(yǎng)殖水面像元數(shù)量；FP為誤提取的養(yǎng)殖水面像元數(shù)量；FN為漏提取的養(yǎng)殖水面像元數(shù)量。

?

?

?

?

?

圖?1?面向?qū)ο蟮姆诸惤Y(jié)果

使用線性光譜解混方法提取中等空間分辨率衛(wèi)星影像人工水產(chǎn)養(yǎng)殖水面的面積。線性光譜解混算法是采用一種線性關(guān)系表達遙感系統(tǒng)中一個像元內(nèi)各地物的組分比例與地物的光譜響應(yīng)，即第i波段混合像元DN值ρi可表示為

式中，i=1-m，j=1-n；m為波段數(shù)量；n為所選端元數(shù)量；aij為第i波段中第j端元DN值；xj為第j端元的豐度；εi是第i波段的誤差。由式（4）可得

式中，A是aij組成的m行n列矩陣。直接從每景Landsat?5衛(wèi)星影像上選擇水體、植被和沙灘的端元，使用線性光譜解混方法獲取每個像元中水體的豐度?；谥械瓤臻g分辨率衛(wèi)星影像難以對近海水域的海水與養(yǎng)殖水體進行區(qū)分，使用人工勾繪的研究區(qū)養(yǎng)殖水面初始范圍矢量剔除近岸海水（如圖2所示），并基于水體豐度計算結(jié)果統(tǒng)計北莉島人工養(yǎng)殖水面的面積。通過本文方法將計算得到的2006年Landsat?5衛(wèi)星影像人工水產(chǎn)養(yǎng)殖水面面積與面向?qū)ο蠓诸惙椒ㄌ崛〉耐闟POT?5衛(wèi)星影像的人工水產(chǎn)養(yǎng)殖面積對比，驗證線性光譜解混方法提取中等空間分辨率衛(wèi)星的水產(chǎn)養(yǎng)殖水面面積的可靠性。

圖?2?研究區(qū)養(yǎng)殖水面的矢量范圍

?

表?2?研究區(qū)人工水產(chǎn)養(yǎng)殖水面提取結(jié)果和精度

2結(jié)果與分析

2.1?人工水產(chǎn)養(yǎng)殖提取結(jié)果與精度驗證

使用面向?qū)ο蠓指罱Y(jié)合支持向量機分類、光譜解混方法分別對高空間分辨率、中等空間分辨率衛(wèi)星影像進行處理，人工水產(chǎn)養(yǎng)殖水面提取結(jié)果如圖3所示?；?019年GF-1衛(wèi)星影像和2006年SPOT?5衛(wèi)星影像提取的人工水產(chǎn)養(yǎng)殖水面的正確率分別為94.66%和86.00%（見表2）。基于面向?qū)ο蠓指罱Y(jié)合支持向量機分類方法的人工水產(chǎn)養(yǎng)殖水面錯誤提取的主要原因是面向?qū)ο蠓诸惙椒▽⒉糠逐B(yǎng)殖池塘與周邊的堤壩或多個相近的養(yǎng)殖池塘與堤壩整體作為一個人工水產(chǎn)養(yǎng)殖水面對象；遺漏提取的主要原因是對水體的光譜特征較為敏感，當(dāng)水體渾濁、光譜特征與光灘等地物接近時，容易將水產(chǎn)養(yǎng)殖水面錯分為光灘、建筑等地物類型。使用光譜解混方法提取2006年7月19日Landsat?5衛(wèi)星影像的水產(chǎn)養(yǎng)殖水面的面積為277.95hm2，與基于同年高空間分辨率SPOT?5衛(wèi)星影像提取的水產(chǎn)養(yǎng)殖水面的面積差異小于8%。

圖?3?人工養(yǎng)殖水面提取結(jié)果

2.2?人工水產(chǎn)養(yǎng)殖的面積變化

基于光譜解混法提取研究區(qū)1996和2000年人工水產(chǎn)養(yǎng)殖水面的面積分別為38.71和155.67hm2，基于面向?qū)ο蠓指罱Y(jié)合支持向量機分類獲取研究區(qū)2006和2019年水產(chǎn)養(yǎng)殖水面的面積分別是299.38和273.84hm2。北莉島人工水產(chǎn)養(yǎng)殖水面的面積1995—2000年平均增速為23.39hm2/a，2000—2006年平均增速為23.95hm2/a，2006—2019年平均減少速度為1.96hm2/a。如圖4所示，北莉島2006和2019年水產(chǎn)養(yǎng)殖水面均主要分布在東北部；2019年較2006年北莉島人工水產(chǎn)養(yǎng)殖水面在靠近外海一側(cè)有大范圍減少，少量增加的水產(chǎn)養(yǎng)殖池塘零散分布在北莉島東北部養(yǎng)殖池密集區(qū)；島體西南部2006年有少量水產(chǎn)養(yǎng)殖池塘，但大部分在2019年已廢棄。文獻指出1994—2000年，北莉島人工水產(chǎn)養(yǎng)殖面積緩慢增長；2001—2009年，當(dāng)?shù)厮a(chǎn)養(yǎng)殖面積不斷增長并達到峰值；2010年臺風(fēng)沖垮了部分蝦壩，且由于海區(qū)生態(tài)環(huán)境惡化、池塘老化造成對蝦成活率降低，2010年之后當(dāng)?shù)厮a(chǎn)養(yǎng)殖面積緩慢下降。本文提取的北莉島水產(chǎn)養(yǎng)殖面積在1995—2006年增長較快，而從2006—2019年在一定程度上減少，與文獻基本相符。圖4北莉島2006和2019年水產(chǎn)養(yǎng)殖水面分布比較3結(jié)論本文基于多源中高空間分辨率衛(wèi)星數(shù)據(jù)，使用面向?qū)ο蠓诸惙ê途€性光譜解混法分別處理高空間分辨率和中等空間分辨率衛(wèi)星影像，監(jiān)測1995—2019年北莉島人工水產(chǎn)養(yǎng)殖水面。

圖?4?北莉島?2006?和?2019?年水產(chǎn)養(yǎng)殖水面分布比較

得到如下結(jié)論:

與單一衛(wèi)星影像數(shù)據(jù)源相比，綜合中等空間分辨率Landsat系列衛(wèi)星和高空間分辨率國內(nèi)外衛(wèi)星數(shù)據(jù)延長了人工水產(chǎn)養(yǎng)殖水面變化分析可追溯的時間跨度，并提高了監(jiān)測精度。使用光譜解混方法提取2006年7月19日Landsat?5衛(wèi)星影像的水產(chǎn)養(yǎng)殖水面的面積與使用面向?qū)ο蠓诸愄崛⊥闟POT?5衛(wèi)星影像的水產(chǎn)養(yǎng)殖水面的面積差異小于8%，證實了光譜解混方法提取小面積人工水產(chǎn)養(yǎng)殖水體的可行性，以及長時序多源中高分辨率衛(wèi)星數(shù)據(jù)監(jiān)測小面積人工水產(chǎn)養(yǎng)殖水面面積變化的可靠性。

使用面向?qū)ο蠓指罱Y(jié)合支持向量機分類方法提取GF-1和SPOT?5衛(wèi)星影像的人工水產(chǎn)養(yǎng)殖水面的正確率分別達94.66%和86.00%。錯誤提取和遺漏提取的主要原因是研究區(qū)內(nèi)人工水產(chǎn)養(yǎng)殖區(qū)為大量小面積池塘的密集分布，分類時多個空間相近的池塘間的堤壩易被誤分為養(yǎng)殖池；部分養(yǎng)殖池塘的水體渾濁，光譜特征與光灘建筑等地物更接近。

近20多年來，北莉島人工水產(chǎn)養(yǎng)殖水面的面積經(jīng)歷了先增加后緩慢減少的變化過程。1995、2000、2006和2019年人工水產(chǎn)養(yǎng)殖面積分別為38.71、155.67、299.38和273.84hm2。人工水產(chǎn)養(yǎng)殖水面面積的平均增速在1995—2000年為23.39hm2/a，2000—2006年為23.95hm2/a，而在2006—2019年減少速度為1.96hm2/a。

萊森光學(xué)（深圳）有限公司是一家提供光機電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。