渔业和水产养殖业是世界各地亿万民众重要的食物、营养、收入和生计来源。中国作为渔业产量大国，其水产养殖总产量占全球的60%以上。随着我国近海养殖产业的发展，沿海地区人工水产养殖用海的范围不断扩大，在经济高效地利用近海水域资源的同时，也带来了不可忽视的近海生态环境问题。因此，动态监测水产养殖用海分布及其时空变化，可为近海水产养殖规划、海洋资源管理、生态环境保护、海洋防灾减灾等提供基础数据支撑，推动我国海洋经济和生态文明建设协同发展。

近年来，遥感技术在自然资源调查领域中被广泛应用，已经逐渐成为近海水产养殖调查监测的主流方法。文献基于4景2002年的遥感影像，建立水产养殖遥感解译标志，通过人机交互和目视解译的方法调查了海南省水产养殖的面积和位置，并提出每2~3年利用遥感技术对水产养殖区进行动态监测是必要的。目视解译方法虽然准确率高，但主观性强，且需要大量的人工劳动。为了提高水产养殖区提取的自动化水平，学者们先后基于不同类型的遥感影像数据，包括面向对象分割、监督和非监督分类、数据挖掘等方法，开展沿海水产养殖的提取研究。

0引  言

为了分析近海养殖区的时空变化，学者们使用中等空间分辨率卫星数据，开展了大量的遥感研究：

1、使用面向对象分类方法和Landsat系列卫星影像对1983—2015年黄河口近海养殖池溏进行监测，指出当地在1990—2000和2010—2015年期间围海养殖面积呈爆发式增长。

2、基于Landsat卫星数据，地物的光学、空间和形态学特征，使用决策树分类方法，监测了我国近30年海岸带养殖池时空变化情况，并指出1990—2011年是快速增长期；2011—2017年是稳定期；2017年以后是急剧萎缩期。值得注意的是，受Landsat卫星空间分辨率的限制，研究人员将养殖池水面与周围堤坝作为一个整体进行提取，且仅提取面积大于0.1km²的养殖池。

3、基于Sentinel-1卫星影像，参考文献的水产养殖水面提取算法，监测并分析了2015—2019年广东省沿海城市水产养殖基地的变化。

5、使用光谱解混算法提取干旱地区多个小面积孤立池塘的水面面积，证实了光谱解混方法提取小面积水体的可行性，但该方法尚未应用于小面积人工水产养殖水面的监测。

本文选择广东省湛江市北莉岛这一典型以水产养殖为重要经济来源的有居民海岛为研究区，基于多源中高空间分辨率卫星数据，使用面向对象分类方法和线性光谱解混法分别处理高空间分辨率和中等空间分辨率卫星影像，监测并分析1995—2019年北莉岛人工水产养殖的时空变化。

1数据与方法

1.1 数据来源

本文使用Landsat 5、SPOT 5及GF-1，3种卫星遥感数据源，筛选无云、成像质量好的影像作为人工水产养殖水面监测的基础数据。其中，Landsat5影像数据3景，SPOT5和GF-1影像分别1景，详细参数见表1。卫星影像数据的预处理包括几何校正、研究区范围裁剪等。针对SPOT5、GF-1卫星影像，使用Gram-SchmidtPan-Sharpening算法将多光谱图像和全色波段影像融合，使得融合后影像同时具有较高的空间分辨率和光谱分辨率。

表1不同卫星遥感影像的参数

1.2 方  法

采用面向对象多尺度分割结合支持向量机分类算法处理高空间分辨率卫星影像，提取北莉岛人工水产养殖水面。面向对象遥感影像分类方法将地物的光谱、几何、纹理、空间关系特征均纳入分类特征。首先将影像分割成不同的且具有相同特征的像元组成的同质对象，然后对影像分割后的同质对象进行分类和信息提取，有效避免了传统基于像元分类的“椒盐噪声”问题。面向对象分类主要包括影像分割和分类（如图1所示）。本文使用多尺度分割方法，近红外波段、蓝波段、绿波段及红波段权重均设为1，形状因子设为0.1，紧致度因子设为0.5，尺度参数设为20。支持向量机分类器的核函数设为线性核函数，惩罚系数设为2。使用面向对象分类提取人工水产养殖水面，去掉细碎图斑及岛内因水田造成的误分类图斑，获取人工水产养殖水面提取结果。为验证基于高空间分辨率卫星影像的人工水产养殖水面的提取精度，本文使用准确率指标进行精度评价。真值数据是通过目视解译提取的人工养殖水面，精度检验公式为

DR=TP/（TP+FN）×100%

FAR=FP/（TP+FP）×100%

MAR=（1-DR）×100%

式中，DR、FAR、MAR分别为正确率、虚警率、漏警率；TP为正确提取的养殖水面像元数量；FP为误提取的养殖水面像元数量；FN为漏提取的养殖水面像元数量。

图 1 面向对象的分类结果

使用线性光谱解混方法提取中等空间分辨率卫星影像人工水产养殖水面的面积。线性光谱解混算法是采用一种线性关系表达遥感系统中一个像元内各地物的组分比例与地物的光谱响应，即第i波段混合像元DN值ρi可表示为

式中，i=1-m，j=1-n；m为波段数量；n为所选端元数量；aij为第i波段中第j端元DN值；xj为第j端元的丰度；εi是第i波段的误差。由式（4）可得

式中，A是aij组成的m行n列矩阵。直接从每景Landsat 5卫星影像上选择水体、植被和沙滩的端元，使用线性光谱解混方法获取每个像元中水体的丰度。基于中等空间分辨率卫星影像难以对近海水域的海水与养殖水体进行区分，使用人工勾绘的研究区养殖水面初始范围矢量剔除近岸海水（如图2所示），并基于水体丰度计算结果统计北莉岛人工养殖水面的面积。通过本文方法将计算得到的2006年Landsat 5卫星影像人工水产养殖水面面积与面向对象分类方法提取的同年SPOT 5卫星影像的人工水产养殖面积对比，验证线性光谱解混方法提取中等空间分辨率卫星的水产养殖水面面积的可靠性。

图 2 研究区养殖水面的矢量范围

表 2 研究区人工水产养殖水面提取结果和精度

2结果与分析

2.1 人工水产养殖提取结果与精度验证

使用面向对象分割结合支持向量机分类、光谱解混方法分别对高空间分辨率、中等空间分辨率卫星影像进行处理，人工水产养殖水面提取结果如图3所示。基于2019年GF-1卫星影像和2006年SPOT 5卫星影像提取的人工水产养殖水面的正确率分别为94.66%和86.00%（见表2）。基于面向对象分割结合支持向量机分类方法的人工水产养殖水面错误提取的主要原因是面向对象分类方法将部分养殖池塘与周边的堤坝或多个相近的养殖池塘与堤坝整体作为一个人工水产养殖水面对象；遗漏提取的主要原因是对水体的光谱特征较为敏感，当水体浑浊、光谱特征与光滩等地物接近时，容易将水产养殖水面错分为光滩、建筑等地物类型。使用光谱解混方法提取2006年7月19日Landsat 5卫星影像的水产养殖水面的面积为277.95hm^²，与基于同年高空间分辨率SPOT 5卫星影像提取的水产养殖水面的面积差异小于8%。

图 3 人工养殖水面提取结果

2.2 人工水产养殖的面积变化

基于光谱解混法提取研究区1996和2000年人工水产养殖水面的面积分别为38.71和155.67hm^²，基于面向对象分割结合支持向量机分类获取研究区2006和2019年水产养殖水面的面积分别是299.38和273.84hm^²。北莉岛人工水产养殖水面的面积1995—2000年平均增速为23.39hm^²/a，2000—2006年平均增速为23.95hm^²/a，2006—2019年平均减少速度为1.96hm^²/a。如图4所示，北莉岛2006和2019年水产养殖水面均主要分布在东北部；2019年较2006年北莉岛人工水产养殖水面在靠近外海一侧有大范围减少，少量增加的水产养殖池塘零散分布在北莉岛东北部养殖池密集区；岛体西南部2006年有少量水产养殖池塘，但大部分在2019年已废弃。文献指出1994—2000年，北莉岛人工水产养殖面积缓慢增长；2001—2009年，当地水产养殖面积不断增长并达到峰值；2010年台风冲垮了部分虾坝，且由于海区生态环境恶化、池塘老化造成对虾成活率降低，2010年之后当地水产养殖面积缓慢下降。本文提取的北莉岛水产养殖面积在1995—2006年增长较快，而从2006—2019年在一定程度上减少，与文献基本相符。图4北莉岛2006和2019年水产养殖水面分布比较3结论本文基于多源中高空间分辨率卫星数据，使用面向对象分类法和线性光谱解混法分别处理高空间分辨率和中等空间分辨率卫星影像，监测1995—2019年北莉岛人工水产养殖水面。

图 4 北莉岛 2006 和 2019 年水产养殖水面分布比较

得到如下结论:

1. 与单一卫星影像数据源相比，综合中等空间分辨率Landsat系列卫星和高空间分辨率国内外卫星数据延长了人工水产养殖水面变化分析可追溯的时间跨度，并提高了监测精度。使用光谱解混方法提取2006年7月19日Landsat 5卫星影像的水产养殖水面的面积与使用面向对象分类提取同年SPOT 5卫星影像的水产养殖水面的面积差异小于8%，证实了光谱解混方法提取小面积人工水产养殖水体的可行性，以及长时序多源中高分辨率卫星数据监测小面积人工水产养殖水面面积变化的可靠性。

2. 使用面向对象分割结合支持向量机分类方法提取GF-1和SPOT 5卫星影像的人工水产养殖水面的正确率分别达94.66%和86.00%。错误提取和遗漏提取的主要原因是研究区内人工水产养殖区为大量小面积池塘的密集分布，分类时多个空间相近的池塘间的堤坝易被误分为养殖池；部分养殖池塘的水体浑浊，光谱特征与光滩建筑等地物更接近。

3. 近20多年来，北莉岛人工水产养殖水面的面积经历了先增加后缓慢减少的变化过程。1995、2000、2006和2019年人工水产养殖面积分别为38.71、155.67、299.38和273.84hm^²。人工水产养殖水面面积的平均增速在1995—2000年为23.39hm^²/a，2000—2006年为23.95hm^²/a，而在2006—2019年减少速度为1.96hm^²/a。

推荐：  

便携式地物光谱仪iSpecField-NIR/WNIR

专门用于野外遥感测量、土壤环境、矿物地质勘探等领域的最新明星产品，由于其操作灵活、便携方便、光谱测试速度快、光谱数据准确是一款真正意义上便携式地物光谱仪。

无人机机载高光谱成像系统 iSpecHyper-VM100

一款基于小型多旋翼无人机机载高光谱成像系统，该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。无人机机载高光谱成像系统采用了独有内置扫描系统和增稳系统，成功克服了小型无人机系统搭载推扫式高光谱相机时，由于无人机系统的震动造成的成像质量差的问题，同时具有高光谱分辨率和优异的成像性能。

便携式高光谱成像系统 iSpecHyper-VS1000

专门用于公安刑侦、物证鉴定、医学医疗、精准农业、矿物地质勘探等领域的最新产品，主要优势具有体积小、帧率高、高光谱分辨率高、高像质等性价比特点采用了透射光栅内推扫原理高光谱成像，系统集成高性能数据采集与分析处理系统，高速USB3.0接口传输，全靶面高成像质量光学设计，物镜接口为标准C-Mount，可根据用户需求更换物镜。