基于GF-1的喀斯特山區(qū)養(yǎng)殖水體信息提取
——以金沙縣為例

呂巷艷，任金銅，歐陽力劍，祖維濤

（貴州工程應用技術學院生態(tài)工程學院，貴州 畢節(jié) 551700）

水產養(yǎng)殖是我國經濟發(fā)展中的重要增長點，為解決“三農”問題做出了突出貢獻[1]。遙感技術以其周期短、重復觀測且能夠大面積獲取地物信息等特點，已成為地表動態(tài)監(jiān)測的重要手段。利用遙感技術能夠快速、準確地對養(yǎng)殖區(qū)域進行動態(tài)監(jiān)測，在養(yǎng)殖區(qū)域的科學規(guī)劃與管理中發(fā)揮重要作用[2]。

國內外學者利用遙感對水產養(yǎng)殖信息提取及監(jiān)測方面，主要采用國外中高分辨率遙感影像[3]。其中，武易天等基于Landsat8遙感影像，提出了一種結合光譜和紋理信息的養(yǎng)殖區(qū)自動提取方法[4]；袁興偉等采用CBERS-02B星CCD多光譜影像數據提取了2010年山西省水產養(yǎng)殖水體信息[5]；曹利等以WorldView遙感影像為數據源，研究了牡蠣養(yǎng)殖分布范圍與年度變化情況[6]；高亮明等利用Landsat衛(wèi)星識別與分析了東山灣網箱養(yǎng)殖和延繩式養(yǎng)[7]。近年來，隨著《國家中長期科學與技術發(fā)展規(guī)劃綱要（2006-2020年）》的高分辨率對地觀測系統重大專項（“高分專項”）的實施，國產遙感衛(wèi)星影像數據源越來越豐富。國內學者利用國產“高分”遙感開展水體信息提取研究越來越多，其中，王瑾杰、鄧富亮、王芳等基于國產GF-1開展了水體信息提取研究工作[8-10]，洪亮、張偉等分別基于GF-2、GF-4影像數據進行了水體信息提取研究[11-12]。

從現有文獻資料來看，運用遙感技術對水體信息提取及水產養(yǎng)殖區(qū)域動態(tài)監(jiān)測，多是以近海及中東部區(qū)域為主，而內陸喀斯特山區(qū)養(yǎng)殖水體信息提取研究較少；在水體信息提取方法方面，主要有單波段閾值法、基于閾值的多波段譜間關系法、基于閾值的水體指數法等[13]。其中，歸一化植被指數（NDVI）[14]、歸一化差異水體指數（NDWI）[15]和改進的陰影水體指數（MSWI）[16]三種指數在水體信息提取方面應用較為廣泛，但利用GF-1衛(wèi)星遙感影像進行喀斯特山區(qū)水體信息提取的研究并不多見。

于此，本研究以國產GF-1衛(wèi)星PMS遙感影像為數據源，以位于我國西南喀斯特山區(qū)的畢節(jié)市金沙縣為研究區(qū)，對其養(yǎng)殖水體信息進行提取研究，以探討適用于GF-1的養(yǎng)殖水體信息提取方法，同時也為政府科學有效地進行水產養(yǎng)殖監(jiān)測以及養(yǎng)殖區(qū)規(guī)劃提供基礎資料及數據參考。

1 研究區(qū)概況

貴州省水產養(yǎng)殖類型主要有水庫養(yǎng)殖、池塘養(yǎng)殖、湖泊養(yǎng)殖、山泉水養(yǎng)殖、地下水養(yǎng)殖、稻田養(yǎng)殖等，養(yǎng)殖方式主要有網箱養(yǎng)殖、流水養(yǎng)殖等。畢節(jié)水產養(yǎng)殖主產區(qū)主要集中在金沙縣，故本研究選取畢節(jié)市金沙縣作為研究區(qū)域。

金沙縣屬長江流域，位于貴州省西北部，畢節(jié)市東部。北與四川省交界，南與息烽縣交界，東與遵義市交界，西與畢節(jié)市七星關區(qū)交界。地勢中西部較高，四周低，海拔一般為700m-1500m，屬云貴高原東部中低山中切割地貌，巖溶地貌發(fā)育得較完整。[16]金沙縣屬于亞熱帶季風濕潤氣候，境內河流多、水流量大，水庫、坑塘星羅棋布。全縣水域總面積為3 668.7hm2，其中，河流3066.7 hm2、水庫546.8 hm2、池塘（含坑塘）55.2 hm2。[17]金沙縣的生物資源也較為豐富，有可供漁業(yè)生產的水生陸生植物30多種，現有魚類36種。

2 數據源及研究方法

2.1 數據源及數據預處理

本研究選取8景GF-1號PMS遙感影像為數據源，影像數據由貴州省生態(tài)氣象和衛(wèi)星遙感中心(高分辨率對地觀測系統貴州數據與應用中心）提供，影像數據成像時間為2016年2-6月。GF-1號衛(wèi)星搭載有兩臺2 m分辨率全色、8 m分辨率多光譜PMS相機與四臺16m分辨率多光譜WFV相機，全色波段光譜范圍為0.45～0.9μm，PMS多光譜四個波段光譜范圍分別為Band1（0.45～0.52μm）、Band2（0.52～0.59μm）、Band3（0.63～0.69μm）、Band4（0.77～0.89μm）。[18]

本研究利用ENVI 5.3遙感軟件處理平臺，對GF-1遙感影像進行RPC正射校正、輻射定標、FLAASH大氣校正，將分辨率為8m的多光譜影像與分辨率為2m的影像進行融合、影像鑲嵌、裁剪等一系列的預處理過程，制作出如圖1所示的研究區(qū)養(yǎng)殖水體信息提取底圖。

圖1 金沙縣GF1 PMS影像預處理成果圖

借助Google Earth高分辨率影像數據，結合實地考察及漁業(yè)行政部門收集養(yǎng)殖場數據對養(yǎng)殖水體信息提取結果進行精度驗證。

2.2 研究方法

2.2.1 歸一化植被指數

歸一化植被指數（NDVI）在水體信息提取中是一種較為常用的方法，該方法主要是利用近紅外波段以及紅波段的光譜特征，構建兩者差與和的比值突出水體特征。[19]計算公式如下：

式中，NIR表示近紅外波段，R表示紅波段。本研究利用GF1 PMS影像，GF1 PMS影像Band1-4分別對應藍波段、綠波段、紅波段、近紅外波段。因此，公式（1）中的NIR用Band4代替，R用Band3代替。

2.2.2 歸一化差異水體指數

Mcfeeters S K提出的歸一化差異水體指數（NDWI）在水體信息提取中得到了廣泛的應用，NDWI根據水體的在綠波段和近紅外波段的反射率，通過構建綠波段和近紅外波段的差和比值模型，抑制植被信息，使水體凸顯更明顯。[20]其計算模型如下：

式中，b2表示綠波段，b4表示近紅外波段，對應GF-1 PMS影像分別為Band2、Band4。

2.2.3 改進的陰影水體指數（MSWI）

改進的陰影水體指數（MSWI）是王瑾杰等人基于GF-1衛(wèi)星遙感影像提出的，通過藍波段的光譜反射和近紅外波段的差值與近紅外波段的比值加大水體與陰影的差異[8]，其計算模型如下

式中，b1代表藍波段，b4代表近紅外波段，對應GF-1 PMS影像分別為Band1、Band4。

3 結果與分析

3.1 金沙縣養(yǎng)殖水體信息提取結果分析

根據公式（1）-（3），通過波段運算，分別對金沙縣的水體信息進行提取實驗，經過反復試驗得到經驗閾值，對提取結果進行二值化，部分提取效果如圖2所示。

圖2 金沙縣養(yǎng)殖水體信息提取部分結果（注：黑色代表非水體，白色代表水體）

從圖2中可以看出，NDVI模型提取的水體，根據NDVI的值代表的地類特征，理論上水體信息的NDVI值應小于0，通過反復實驗，本研究選取經驗閾值NDVI<-0.3時，可以更好地提取水體，但提取信息中還包含大量的陰影。而NDWI模型在運算的基礎上，劃分閾值NDWI>0.55，通過決策樹提取水體，提取的水體信息更為細致，且較之前的NDVI模型法提取的信息更多，包括一些細小的水體界線更明確，精度更高。運用改正的陰影水體模型MSWI可以更多的抑制陰影突出水體，經過反復實驗，本研究取閾值5

3.2 金沙縣養(yǎng)殖水體信息提取結果精度評價

借助Google Earth高分辨率影像數據，結合實地考察及漁業(yè)行政部門收集養(yǎng)殖場數據，通過對研究區(qū)影像進行目視解譯，在研究區(qū)選取驗證樣本水體信息85個，非水體信息35個，結合分類后處理數據基于感興趣區(qū)進行混淆矩陣分類精度驗證，驗證結果如表1所示：

表1 不同提取方法精度驗證結果

從分類精度驗證結果來看，本研究選取的3種方法中NDVI方法的提取精度最低，總體精度和Kap?pa系數分別為89.79%、0.7718；NDWI的總體精度和Kappa系數分別為93.90%、0.879，提取效果最好；改進的陰影水體指數（MSWI）提取精度介于兩者之間。

4 結論

本文以典型喀斯特山區(qū)的金沙縣為例，選取不同的水體信息提取方法，對GF-1 PMS影像數據進行水產養(yǎng)殖水體信息提取研究，通過對比分析得出以下結論：

（1）三種常用的水體提取方法，在喀斯特山區(qū)中均可以得到較高的總體精度，但Kappa系數差異大，可能與精度驗證樣本的選取有關。

（2）由于三種方法都是在基于水體信息基本完整的基礎上進行閾值選取的，而閾值是人為選取的，三種方法對閾值的依賴性較強，閾值或大或小對提取精度有直接影響。

總體來看，NDWI結合閾值提取水體信息是本文的最佳提取方法，但養(yǎng)殖水體信息提取仍需進一步結合其他資料，通過分類后處理得到水產養(yǎng)殖的區(qū)域。本研究可為喀斯特山區(qū)養(yǎng)殖水體信息提取提供借鑒，為水產養(yǎng)殖監(jiān)測與管理規(guī)劃提供科學依據。