作者：程田飛 周為峰 樊偉 單位：中國水產科學研究院漁業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多源遙感數據源

隨著遙感技術的發展，越來越多的不同類型的遙感傳感器數據被用于對水域的觀測。不同類型的遙感數據在水產養殖信息提取中具有各自的優勢和特性，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，有助于識別水產養殖區域，是目前水產養殖區信息提取的主要信息源。但大多數多光譜遙感圖像數據空間分辨率相對較低，即空間的細節表現能力比較差，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養殖區的衛星遙感數據主要有全色圖像、多光譜圖像和微波雷達圖像等，具體參數如表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，而養殖用的基座、圍欄和網箱等回波能量較強，色調比周圍的海水更亮，二者對比度較大，因而可從SAR圖像中提取養殖區域的相關信息。此外，在進行精度驗證時，還可利用GoogleEarth平臺提供的在線照片，這為實地調查驗證提供了便利。

2水產養殖區域的識別方法

由于受研究時間、研究區域和數據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養殖區的識別方法。目前常用的水產養殖區識別方法主要有目視解譯、基于比值指數分析的信息提取、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對象的信息提取等。

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。它根據遙感圖像目視解譯標志(位置、形狀、大小、色調、陰影、紋理、圖形及相關布局等)和解譯經驗，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年代以來網圍養殖的時空變化情況［6］;李新國等采用3景航空圖像對東太湖的網圍養殖面積動態變化進行人機交互目視解譯［7］;樊建勇等在經過增強處理后的SAR圖像上，對膠州灣海域養殖區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養殖場面積進行了人機交互解譯［9］;吳巖峻等用4景ETM+圖像，經過多次外業調查，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養殖區進行了勾畫［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，對包括海水養殖場在內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，適用于絕大多數養殖區域的識別，但是也存在一定的缺點。當解譯人員的專業知識背景、解譯經驗不同時，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。當養殖區域水體同非養殖區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標志將其區分開來，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基于比值指數分析的信息提取比值型指數［12］創建的基本原理就是在同一圖像的多光譜波段內，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。比值型指數通常又會作歸一化處理，使其數值范圍統一到－1～1之間。馬艷娟等利用ASTER數據，分析養殖水體與非養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養殖區域的指數(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域的指數(marineextractionindex，MEI)，將近海水產養殖區的養殖水體與其他水體區分開［13］，取得了較高的精度。由于比值指數分析的信息提取方法只考慮各波段上的灰度信息，當部分養殖區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。該方法適用于養殖區與背景環境光譜差異大的地區，否則將無法克服傳統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目和位置由掃描窗口確定;紋理表現是指圖像灰度在空間上有序重復出現的特征，反映了一個區域中某個像元灰度級的空間分布規律，其基本分析方法有3類:統計分析方法、結構分析方法和頻譜分析方法。周小成等采用ASTER遙感圖像，以九龍江河口地區為研究示范區，利用卷積算子，采用鄰域分析法來增強水產養殖地的空間紋理信息［17］;李俊杰等利用紋理統計分析方法中的灰度共生矩陣(graylevelco－occurrencematrices，GLCM)，選用中巴資源衛星02星多光譜數據，以白馬湖為試驗區，提取湖泊圍網養殖區，實驗表明紋理量化的均值指標能夠較好地反映自然水體、圍網養殖區和其他地物內部結構的異質性，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和網箱養殖進行紋理分析，得到養殖專題圖［19］;初佳蘭等選用長海縣廣鹿島海區的SAR圖像，統計有效視數(ef-fectivenumberoflooks)，并對圖像進行多種方法濾波分析，提取了浮筏養殖信息［20］。基于空間結構分析的養殖區識別方法，適用于近海水產養殖地的自動提取，而不適用于內陸水產養殖地，因為后者在空間上的分布孤立，斑塊小，與其他農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。