一种综合遥感影像和延绳信息的海带养殖面积监测方法

技术领域

本发明涉及海洋遥感信息领域，具体涉及一种综合遥感影像和延绳信息的海带养殖面积监测方法。

背景技术

我国的海藻养殖产业起步于20世纪50年代，经过60多年的发展，目前，我国大型海藻产量已成为世界第一，占世界总产量的一半以上(FAO 2016)。其中，人工养殖藻类产量约占藻类总产量的98％(中国渔业统计年鉴)。随着政府政策的支持、市场需求、气候环境的变化以及养殖结构的改变等，大型海藻的养殖面积、产量均发生了明显变化，其中，养殖面积增长了7倍多，产量也增加了近9倍(中国渔业统计年鉴)。传统的实地调查、逐级上报等方式已经无法满足快速准确获取海藻养殖情况的需要。而卫星遥感具有大范围、长时间、高效率、经济性等优点，适合用于大面积长时间的监测，也越来越多地被用在海岸带环境、资源的监测中。因此，将遥感等高新技术应用在大型海藻的面积监测中对了解海藻养殖业的现状、发展趋势以及全球气候变化等都有重大意义。

大型海藻有较多种类，我国常见的养殖类别包括海带、羊栖菜、裙带菜、紫菜等，它们均是富有营养的健康食品。养殖大型海藻在东亚和东南亚国家具有广泛的市场，欧美市场也在快速增长。在这些常见的养殖大型海藻中，海带的养殖面积和产量均为全国第一，主要分布在北部海域。而目前传统获取海带养殖面积和产量的方法是各养户由村、乡、镇等逐级上报，汇总到县(区)、市、省等，这方法的缺点包括：1)时间上的严重滞后，一般在收获几个月后才可以获取相关的数据信息；2)数据的不可靠性，逐级上报过程中会受人为主观因素影响，且不同地区存在不同的统计方式，难以获取准确、统一标准的数据；3)技术含量低，需花费较多的人力、物力、财力。基于此，急需有新的方法技术来获取海带的养殖面积和产量等相关信息。

遥感信息技术能短时间、大范围、客观详实地获取地面光谱信息。大型海藻具有与陆地植被相似的光谱信息，且养殖区具有特定的空间纹理信息，这些特征在遥感影像中能客观、清晰地反映出来，为我们从海水中提取、监测海带养殖区提供了基础。海带为人工养殖，具体养殖方式是将海带幼苗种子固定在延绳中，再利用浮阀使其漂浮在海面上生长。海带养殖面积一般是根据延绳总长度来计算的。而延绳的长度信息，延绳与延绳之间的密度信息在不同养殖区具有差异，因此，要获取准确的海带养殖面积，需要综合遥感影像和延绳两者信息。

发明内容

本发明的目的是提供一种综合遥感影像和延绳信息的海带养殖面积监测方法，具有结果准确、操作便捷、经济高效等特点，为海带养殖面积的实时获取、大范围动态监测提供一种全新的方法。

为了达到上述目的，本发明所采用的技术方案如下：一种综合遥感影像和延绳信息的海带养殖面积监测方法，包括如下步骤：

(1)获取目标区高分辨率遥感影像，并对获取的遥感影像进行预处理；

(2)对预处理后的遥感影像进行分类，识别海带养殖区，得到海带养殖区的延绳养殖信息，包括每块延绳养殖区的长度和宽度；

(3)获取实际海带养殖区附着海带的延绳间隔距离信息；

(4)将步骤(2)分类后得出每一块延绳养殖区的平均长度除以步骤(3)中延绳间隔距离，得到每一块延绳养殖区的延绳条数，再将步骤(2)得到的延绳养殖区宽度乘以延绳条数，得到该块延绳养殖区内延绳的总长度；计算每块延绳养殖区内延绳的总长度，从而获得整个海带养殖区的延绳的总长度；

(5)将步骤(4)得出的整个海带养殖区延绳的总长度除以1000米，得出海带养殖实际面积。

进一步的，所述的步骤(1)中，所述高分辨率遥感影像可为16米分辨率的高分一号遥感影像，2.5米分辨率的SPOT5、ALOS、资源3号卫星遥感影像，1.5米分辨率的SPOT6遥感影像，1米分辨率的IKONOS和高分二号遥感影像及亚米级的QuickBird、GeoEye、WorldView等遥感影像中的一种。

进一步的，所述的高分辨率影像应根据实际情况，所述的高分辨率遥感影像的像元大小应小于相邻两条海带养殖的延绳间距。

海带养殖以延绳为单位，延绳的长度不等，不同地方规格有别，有8米、10米、50米、60米等等，但是同一养殖区延绳长度基本一致。为了提高遥感识别的精度，获取准确的延绳条数，遥感影像的(空间)分辨率应小于延绳间距。基于此，本发明采用的影像为高分辨率遥感影像。

进一步的，所述的步骤(1)中，高分辨率遥感影像的获取时间应在海带生长期内，一般为11月至来年5月之间。而3月至4月中下旬，海带趋于长成，此期间具有较明显的光谱反射特征，有利于遥感影像中养殖区的提取。

进一步的，所述的步骤(1)中，首先需对遥感影像进行预处理，采用通用的遥感影像处理软件，例如ENVI或ERDAS。

进一步的，所述的步骤(1)中，对遥感影像进行的预处理，预处理包括几何校正、辐射校正和大气校正。若遥感影像含有全色波段，还可进行影像融合提高其空间分辨率。若研究区仅为影像中的局部区域，则也可运用影像裁剪、掩膜等处理方式获取小范围影像，进一步锁定研究区域。

其中，所述的几何校正以高精度的数字地形图或实地地理数据为参照。

所述的辐射校正和大气校正均根据不同影像的实际情况选取合适的算法。

所述的影像融合将全色波段与多光谱波段融合，获得更高空间分辨率的多光谱遥感影像。

所述的影像裁剪用以获取研究区，缩小研究范围，掩膜则利用海水和陆地在绿波段和近红外波段的反射率差异，选取归一化水体指数(NDWI)，将海陆分离，岸边陆地区域被掩膜，海带养殖区为感兴趣区。

进一步的，所述的步骤(2)中，对预处理后的遥感影像进行分类采用基于像元的监督分类法，具体如下：

首先对影像进行目视判读，根据先验知识，并结合影像特征，确定大体的海带养殖区域。一般海带养殖区在真彩色影像上表现为近海墨绿色规则排列的矩形。

根据目视判读的结果，在影像上选取海带养殖区以及海水区域样本。初次选择样本完成后，计算可分离度对样本进行评价。若可分离度较低，可据实际情况调整样本。最终样本要求在影像上分布均匀，且具有代表性，可分离度高。

监督分类器可根据实际情况从平行六面体、最小距离、马氏距离、最大似然、支持向量机、神经网络等分类器中选择。若影像质量较高，海带养殖区与海水区别明显，则可选择基于传统统计分析学的分类器，包括平行六面体、最小距离、马氏距离、最大似然等分类器。这类分类器执行速度较快。若影像质量较低，海带养殖区与海水区别不明显，可选择基于神经网络或基于模式识别的分类器，包括神经网络、支持向量机等分类器。这类分类器分类精度较高，但执行速度较慢。

将样本导入分类器进行分类，使用分类生产者精度、用户精度、Kappa系数等参数对分类结果进行评价。

所述的步骤(3)中，养殖区延绳间的距离的获取方式有两种：一是通过实地丈量或询问养户，二是通过更高分辨率的遥感影像目视解译后测量。

实地丈量较为准确，但比较费时费力，适用于研究区较小，且容易操作的情况；通过高分辨率遥感影像目视解译，如在Google Earth(http://earth.google.com)中目视识别海带养殖区的延绳分布，然后可以测量延绳间的间距，这种方法方便易行，但存在一定的目视解译误差和测量误差，在大范围，精度容许范围内适用。

本发明的有益效果如下：

1、本发明综合高分辨率遥感影像信息和延绳信息，计算出海带养殖面积，可以对我国沿海海带养殖进行大范围、快速、准确的监测，从而实现海带养殖分布、面积的宏观、动态、实时监测。

2、本发明综合遥感信息与实地海带养殖信息，快速准确地获取海带养殖面积。海带幼苗附着于绳内在海面附近生长，通常由延绳长度来定义养殖规模，各养殖区绳长不一，如6米、8米、50米、60米等，而遥感分类技术可以较为准确的获取不同养殖区延绳的实际长度。而由于延绳的直径为厘米级，受遥感影像的空间分辨率的限制，不可直接在遥感影像中识别出单条延绳，从而统计其条数。因此，目前的高分辨率遥感影像仅能够获得较准确的养殖区长度、宽度信息，需要利用两条延绳之间的间距大小来计算实际的延绳条数。本方法将遥感信息与非遥感信息相结合，获取准确的海带养殖面积。然而，随着遥感影像空间分辨率的逐步提高，若亚米级或者分米级的高分辨率影像得到普及时，利用养殖间距获取延绳条数的步骤可以省略，可直接利用分类结果统计延绳条数，从而计算海带养殖面积。

3、本发明具有结果准确、通用性好、操作简便的优点，适用于我国沿海大范围的海带养殖区，可以应用于农业、海洋等部门，为养户、管理者和决策者及时提供养殖重要信息。

附图说明

图1为本发明的基本流程示意图；

图2为本发明实施例的详细流程示意图；

图3为本发明实施例山东省威海市荣成市海带养殖区遥感影像；

图4为本发明实施例山东省威海市荣成市海带养殖区分类结果图。

具体实施方式

为了更为具体地描述本发明，下面结合附图及实施例对本发明的技术方案进行详细说明。

如图1和图2所示，本发明提供的一种综合高分辨率遥感影像和延绳信息的海带养殖面积监测方法的实施步骤如下：

(1)获取目标区清晰的高分辨率遥感影像。

本实施例选取山东省威海市荣成海带养殖区为待监测区域。据了解，荣成市素有“中国海带之乡”的美誉，每年海带产量约占全国总产量的50％，多年居全国首位。辖区内海带养殖区面积达十万亩，年产鲜海带一百多万吨，养殖面积和产量居全国第一。年均出产的海带占全省总产量的八成、全国的四成以上，是一种具有显著地域优势的产品。

由于未能获取研究区域在海带养殖期内清晰的高分辨率影像，本实施例中采用的多光谱遥感影像为2017年3月8日的Landsat-8遥感影像，首先将15米分辨率的全色波段与30米分辨率的多光谱波段融合，得到分辨率为15米的多光谱影像，其分辨率可满足高分辨率遥感影像的要求，融合后影像包含蓝光、绿光、红光、近红外等七个波段，研究区影像如图3所示。

(2)对遥感影像进行预处理，获得海带养殖海域，再对预处理后的影像进行分类，计算出海带养殖区的长度、宽度。首先利用该区域的数字地形图对Landsat-8影像进行几何校正。随后进行辐射校正和FLAASH(Fast Line-of-Sight Atmospheric Analysis ofSpectral Hypercubes)大气校正，并对影像裁剪，区分陆地和海域。

在海带养殖海域分别随机选取1500个海带像元，1000个海水像元作为样本，然后选用支持向量机分类器进行分类，将研究区海带提取出来，分类结果如图4所示。

得到的分类结果以矢量格式导出，在ArcGIS软件中打开，测量海带养殖区的长度和宽度，得到其平均长度为1000m平均宽度90m。

(3)获取实际海带养殖区的延绳间隔长度；在Google Earth中测量该区域海带养殖延绳间的距离，随机测量研究区内20组延绳间距，取平均可得延绳的间距为4m。

(4)计算每一块延绳养殖区的延绳条数，并结合绳长得到该区域内的海带养殖延绳的总长度；步骤(2)得到海带养殖区的宽度约为90m，即延绳长度为90m，根据步骤(3)的延绳的间距为4m，将养殖区长度除以延绳间距得到养殖区内共有250条延绳，最后用延绳条数乘以延绳长度可得该养殖区内的延绳的总长度为22500m。

(5)据文献记载，地方渔业统计中，海带等浮阀式养殖的大型海藻都是以1000m延绳计为一亩养殖面积，因此，将海带养殖区延绳的总长度除以1000米，得出该区域海带养殖实际面积为22.5亩。

以上所述仅为本发明的一个实施方式，本发明的保护范围并不仅限于上述实施方式，凡是属于本发明原理的技术方案均属于本发明的保护范围。对于本领域的技术人员而言，在不脱离本发明的原理的前提下进行的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。