作者：程田飛 周為峰 樊偉 單位：中國水產(chǎn)科學研究院漁業(yè)資源遙感信息技術重點開放實驗室 上海海洋大學海洋科學學院

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(cè)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?qū)ο蟮男畔⑻崛〉取?

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?韜????城??次??植夾畔⒌奶崛。?5］。該方法對遙感圖像的質(zhì)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(zhì)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］;初佳蘭等選用長海縣廣鹿島海區(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］?；诳臻g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。