作者：程田飛 周為峰 樊偉 單位：中國水產(chǎn)科學(xué)研究院漁業(yè)資源遙感信息技術(shù)重點(diǎn)開放實(shí)驗(yàn)室 上海海洋大學(xué)海洋科學(xué)學(xué)院

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(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(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(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?

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，采用對照分析的方法，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景航空圖像對東太湖的網(wǎng)圍養(yǎng)殖面積動態(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，對黃河三角洲平原水庫與水產(chǎn)養(yǎng)殖場面積進(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(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)域的識別，但是也存在一定的缺點(diǎn)。當(dāng)解譯人員的專業(yè)知識背景、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基于對應(yīng)分析的信息提取對應(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)用相對較少。在遙感應(yīng)用中對應(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?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(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，鄰域分析是對波段每一個(gè)像元依據(jù)四周鄰近的像元對其進(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］;初佳蘭等選用長海縣廣鹿島海區(qū)的SAR圖像，統(tǒng)計(jì)有效視數(shù)(ef-fectivenumberoflooks)，并對圖像進(jìn)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(jié)構(gòu)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?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別的輔助方法。